Engenharia Reversa
Assistida por IA
Transformação
Salesforce
Afastando a ilusão da documentação viva contínua para construir uma fundação As-Is baseada em evidências — determinística, rastreável e validada por humanos.
Descoberta e Preservação
Em ecossistemas Salesforce com anos de evolução orgânica, regras vitais habitam exclusivamente em milhares de linhas de Apex, Flows fragmentados e na mente de poucos especialistas. O propósito não é implementar documentação automatizada ad aeternum.
Congelar o As-Is
Executar uma fase intensiva de descoberta para mapear e compreender de forma exata o comportamento do sistema no seu estado atual.
Revelar o Oculto
Extrair regras embutidas no código, evitando a perda de conhecimento crítico de negócio durante o descomissionamento ou refatoração.
Embasar a Engenharia
Fornecer insumos confiáveis para que arquitetos e product owners decidam de maneira consciente o que deve ser preservado, redesenhado ou descontinuado.
Descoberta guiada por Jornadas Críticas e Risco (ex: Lead-to-Cash). Agentes de IA seguem a trilha de execução (call stack), mapeando todos os componentes — isolando rapidamente código morto das áreas de alto impacto.
Matriz de Evidências
O comportamento dinâmico de um sistema Salesforce vai muito além do código-fonte. Para evitar falsos-positivos, a IA analisa um pool multifacetado de insumos.
Metadados, Apex & Flows
Verdade estrutural e versionada extraída do Flosum: código-fonte real em produção, Validation Rules, metadados de objetos e campos, classes Apex compiladas e Flows declarativos.
Custom Metadata & Settings
Custom Metadata Types, Custom Settings e dados parametrizadores em objetos administrativos — que alteram a lógica do código em tempo de execução sem deploy.
Event Monitoring & Debug Logs
Logs de execução produtivos e APM traces permitem que a IA identifique ramificações de código que nunca são executadas — revelando o código zumbi oculto no sistema.
Git & Conhecimento Tácito
O conhecimento tácito fornece o "Por quê" da regra existir, complementando o "Como" descoberto pela máquina. Inclui histórico de commits e entrevistas com especialistas.
Inventário de Comportamentos
Abandonamos a visão redutora de um "catálogo de IFs/ELSEs". O ativo final é um inventário holístico que mapeia todo o espectro de comportamentos sistêmicos.
Regras de Negócio Core
Lógica que traduz a operação comercial. "Contratos acima de R$ 100k exigem alçada de diretoria"
Efeitos Colaterais
Comportamentos adjacentes (side effects). "Atualizar Fase engatilha 3 processos assíncronos e 1 chamada ao ERP"
Workarounds & Exceções
Débitos técnicos parametrizados. "Validação ignorada caso Profile seja SystemAdmin ou ID = X"
Matriz de Integrações
Endpoints consumidos e APIs expostas. Mapeamento Inbound/Outbound por fluxo com dependências externas
100% Cobertura Tier 1
Todos os processos "Críticos Nível 1" com Inventário rastreado até a linha de código.
Rastreabilidade Bidirecional
Cada comportamento vinculado a uma fonte de evidência inquestionável. Zero regras deduzidas sem lastro.
Validação Humana (PR Review)
Todo artefato revisado e aprovado via Pull Request por um Especialista Funcional (SME) e um Tech Lead.
Isolamento de Opacidade
Pacotes gerenciados e integrações opacas tagueadas como "Caixa Preta" com I/O documentado via logs.
Como o As-Is Molda o To-Be
A Baseline de Descoberta alimenta cada decisão de migração com respostas exatas: o que preservar, redesenhar ou descontinuar.
Preservação Intacta
Componentes que funcionam corretamente e possuem baixo risco. Migrados sem alteração lógica para a nova arquitetura.
Lógica Mantida, Tech Trocada
Regra de negócio preservada, mas implementação modernizada. Ex: Workflow Rule legado → Flow/Apex moderno com cenários BDD de paridade.
Código Obsoleto Eliminado
Código zumbi, workarounds históricos e funcionalidades sem valor. Removidos com segurança graças à rastreabilidade completa do inventário.
Cenários Given-When-Then extraídos tornam-se o conjunto oficial de regressão. Se a nova arquitetura passa em todos os testes BDD do ambiente anterior, a paridade de negócio está garantida.
O Mapa de Dependências aponta as fronteiras sistêmicas ideais para desligamento incremental do monólito — sem quebrar referências externas nem interromper operações.
Modelagem do Processo
Da seleção da jornada crítica à deliberação final — cada etapa com governança e rastreabilidade.
Jornada Crítica
Evidências
(MCP)
Markdown
(Fail-Closed)
To-Be (ADR)
Governança Fail-Closed: O modelo exige que um líder técnico valide o inventário via Pull Request. Nenhum artefato gerado pela IA prossegue sem aprovação humana explícita — mitigando 99% do risco de alucinações vazarem para os requisitos To-Be.
Avaliação de Riscos e Certezas
Questionando pressupostos e antecipando atritos para desenhar uma implementação resiliente.
Sólido & Comprovado
- Separação Descoberta vs. Doc Viva: "As-Is" congelado como projeto com início, meio e fim funciona brilhantemente em refatorações.
- Governança Fail-Closed: Revisão via PR mitiga 99% do risco de alucinações nos requisitos To-Be.
- Model Context Protocol (MCP): Navegação local reduz custos drasticamente vs. copiar repositório inteiro para o contexto LLM.
Ainda é Hipótese
- Proficiência em Apex complexo: LLMs são espetaculares com Python/JS, mas Governor Limits, SOQL em Loops e padrões legados de Trigger podem causar erros de interpretação inicial.
- A descoberta causal pode confundir impacto local com global em Trigger Handlers complexas de 20.000+ linhas.
Decisões em Aberto
- Tratamento de Dados & IP: Metadados com PII hardcoded e regras comerciais sensíveis requerem camada Enterprise/Zero-Retention API junto à Anthropic/OpenAI.
- Custo de Processamento: Hard caps por pipeline de análise precisam ser definidos antes da execução em escala.
Prova de Conceito:
Cancelamento no Service Cloud
Uma única jornada vertical completa — da seleção à aprovação do inventário. Quando a TI e o Negócio virem as regras implícitas e dependências mapeadas em dias, não semanas, o projeto atestará inequivocamente seu valor para a modernização final.