IA na migração do sistema de missão crítica ferroviário

O sistema controlava a circulação de trens em um dos trechos ferroviários mais movimentados do país. Apesar do alto valor para a operação, o desafio tecnológico era grande: ,

1  Dependência crítica: a manutenção do sistema de missão crítica estava concentrada em uma única empresa de pequeno porte, sem capacidade de resposta e de evolução compatíveis com o porte da operação.

2  Complexidade técnica sem registro: sistema desenvolvido em C++ há mais de uma década, com mais de 300K de linhas de código não documentado. Além disso, a companhia não contava com time técnico com conhecimento aprofundado do legado.

3  Validação quase impossível: o componente central processava tudo em memória e alterava o banco a cada execução. Isso exigia uma estratégia de testes inovadora. Qualquer estratégia de teste convencional era inviável. E era essencial garantir a evolução tecnológica sem comprometer a performance funcional atual, qualquer erro poderia causar um acidente irreversível.

Genius AI Modernization em ação: Modernização assistida por IA para sistemas de missão crítica

Evoluir & Transformar com IA

A jornada foi conduzida pelo Genius AI Modernization, utilizando IA e agentes especializados para transformar o conhecimento presente no legado em uma base tecnológica preparada para evolução.

A abordagem de “arqueologia de software” utilizou técnicas de IA para explorar códigos C++, extrair regras e compreender a lógica interna. A IA auxiliou na análise do código-fonte, geração de documentação, mapeamento de dependências e modularização.

Discovery com o Genius: abrindo a caixa-preta

O processo de entendimento do sistema foi conduzido com o apoio intensivo de ferramentas de IA. Dois agentes de inteligência artificial (Turing Bots) especializados foram criados para essa fase:

• Instrumentador de Código C++: inseriu logs no código legado para entender, em tempo de execução, quais partes do sistema eram realmente utilizadas e como se comportavam.

• Visualizador de Logs: analisou graficamente os logs gerados, tornando visível o fluxo real do sistema, o que o código fazia de fato, não o que deveria fazer.

Design com IA: arquitetura guiada por padrões

Com o sistema compreendido, a fase de design foi conduzida com o apoio de assistentes de IA especializados em padrões arquiteturais. Alimentados pelo conhecimento extraído na Discovery, esses assistentes elaboraram diagramas e especificações técnicas, acelerando o design de soluções, garantindo aderência às melhores práticas e reduzindo retrabalho nas fases seguintes. 

Build com IA: do C++ ao .NET em escala

Com o mapa em mãos, dois outros Turing Bots entraram em ação na fase de construção. A abordagem combinou rede de agentes, LLMs, RAG e ferramentas especializadas para apoiar a estratégia de migração, a geração de código e a validação, com intervenção do time de desenvolvimento quando necessária:

• Analisador de Dependências: mapeou as complexas relações entre as classes do código legado, viabilizando um plano de migração incremental e seguro.

• Jack (Migração Massiva): a ferramenta central, responsável por traduzir o código C++ para C# (.NET), aplicando análise semântica, extração de padrões arquiteturais e modelos generativos avançados. A solução foi estruturada como uma rede de agentes, combinando diferentes especialistas e bases de conhecimento para acelerar a migração em escala.

Testes customizados: validando o impossível

Para contornar os desafios de validação, a equipe desenvolveu suas próprias ferramentas de teste com apoio de IA. A estratégia de QA foi estruturada para comparar o comportamento dos sistemas legado e novo sob as mesmas condições e entradas, com rastreabilidade das divergências:

• Comparador de planilhas (integradores): utilitário que cruzava automaticamente os dados exportados dos bancos antigo e novo, listando divergências com precisão.

• Genius DataCompare: solução de validação de dados para testes funcionais de caixa-cinza em nível de sistema, que automatiza a comparação detalhada de dados entre diferentes execuções, identificando divergências e informações ausentes.

A validação seguiu um fluxo de análise de causa raiz, correção e confirmação para cada divergência identificada.

A solução exigiu mais do que ferramentas de IA: exigiu uma decisão estratégica deliberada sobre como atacar o problema. A equipe da Squadra adotou uma abordagem contraintuitiva: começar pelos componentes mais simples, deixar o "coração" do sistema por último.

Essa inversão foi intencional. Cada entrega parcial gerava confiança, dava tempo para a equipe do Genius amadurecer suas próprias ferramentas de IA e alinhava os processos de trabalho conjunto, tornando a fase mais crítica muito mais fluida quando chegou a hora.

• IA como acelerador: o Genius foi utilizado de forma estratégica em cada etapa do projeto: discovery, design e build, acelerando entregas e garantindo qualidade. Sua aplicação foi determinante para cumprir o prazo desafiador de 90 dias, comprimindo meses de trabalho em semanas. A abordagem também habilitou o desenvolvimento de funcionalidades robustas com ROI calculado e maior agilidade para o roadmap futuro.

  • IA como acelerador: o Genius foi utilizado de forma estratégica em cada etapa do projeto: discovery, design e build, acelerando entregas e garantindo qualidade. Sua aplicação foi determinante para cumprir o prazo desafiador de 90 dias, comprimindo meses de trabalho em semanas.

  • Base tecnológica preparada para evolução: com 100% dos usuários já na versão migrada, o novo sistema passa a sustentar uma operação de alta complexidade, com mais de 90 terminais, +700 locomotivas e 1.643 km de malha ferroviária, sobre uma arquitetura mais moderna e preparada para integração, evolução do roadmap e novas capacidades para a operação. 

  • Operação modernizada em escala: com 100% dos usuários já na versão migrada, o novo sistema passa a sustentar uma operação de alta complexidade, mais de 90 terminais, +700 locomotivas e 1.643 km de malha ferroviária, sobre uma base limpa, documentada e independente.

  Métrica	Resultado
  Migração do componente central com o Genius	De 9 meses (métodos tradicionais) para aproximadamente 1 semana
  Redução no volume de código	70% menos — de 1.300 para 400 funções
  Sistema entregue	Mais limpo, documentado e independente
  Prazo total de entrega	90 dias
  Volume de código produzido	300 mil linhas
  Adoção da nova versão	100% dos usuários na versão migrada
  Módulos entregues	4 módulos
  Cobertura operacional	+90 terminais, +700 locomotivas, 1.643 km de malha ferroviária
  Aceleração da migração com Genius	36x mais rápido