<?xml version="1.0" encoding="UTF-8"?><rss xmlns:dc="http://purl.org/dc/elements/1.1/" xmlns:content="http://purl.org/rss/1.0/modules/content/" xmlns:atom="http://www.w3.org/2005/Atom" version="2.0" xmlns:cc="http://cyber.law.harvard.edu/rss/creativeCommonsRssModule.html">
    <channel>
        <title><![CDATA[Stories by Priscila Campos on Medium]]></title>
        <description><![CDATA[Stories by Priscila Campos on Medium]]></description>
        <link>https://medium.com/@pri-campos?source=rss-dc718c481a1e------2</link>
        <image>
            <url>https://cdn-images-1.medium.com/fit/c/150/150/1*SY75SCJ7rqdjjTPLIpHuVw.jpeg</url>
            <title>Stories by Priscila Campos on Medium</title>
            <link>https://medium.com/@pri-campos?source=rss-dc718c481a1e------2</link>
        </image>
        <generator>Medium</generator>
        <lastBuildDate>Sat, 21 Nov 2026 03:16:49 GMT</lastBuildDate>
        <atom:link href="https://medium.com/@pri-campos/feed" rel="self" type="application/rss+xml"/>
        <webMaster><![CDATA[yourfriends@medium.com]]></webMaster>
        <atom:link href="http://medium.superfeedr.com/" rel="hub"/>
        <item>
            <title><![CDATA[Payment Quality Atlas — Parte 1: Falhas em Responsabilidade Arquitetural]]></title>
            <link>https://medium.com/@pri-campos/payment-quality-atlas-parte-1-falhas-em-responsabilidade-arquitetural-829432289ace?source=rss-dc718c481a1e------2</link>
            <guid isPermaLink="false">https://medium.com/p/829432289ace</guid>
            <category><![CDATA[software-architecture]]></category>
            <category><![CDATA[qa]]></category>
            <category><![CDATA[fintech]]></category>
            <category><![CDATA[payments]]></category>
            <category><![CDATA[quality-engineering]]></category>
            <dc:creator><![CDATA[Priscila Campos]]></dc:creator>
            <pubDate>Tue, 24 Mar 2026 13:55:46 GMT</pubDate>
            <atom:updated>2026-03-24T13:55:46.280Z</atom:updated>
            <content:encoded><![CDATA[<figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*d8Gpt7AfsFn-q6Bl8e0gHQ.png" /></figure><blockquote>“Testing understanding over checking functionality.” — <a href="https://agiletester.ca/definition-agile-testing/testing-manifesto/">Agile Testing Manifesto</a></blockquote><p>O manifesto ágil de testes traz a reflexão: validar comportamento não é suficiente — é preciso entender o sistema<strong><em>.</em></strong> Na prática, esse entendimento nem sempre é trivial, e promover qualidade se torna mais desafiador em determinados contextos.</p><p>É a partir dessa percepção que nasce a série <strong>Payment Quality Atlas</strong>, em paralelo a um trabalho em evolução no <a href="https://github.com/pri-campos/payment-platform-quality-framework">GitHub</a> que avança na construção de um framework de qualidade para plataformas de pagamentos. A proposta não é consolidar respostas definitivas, mas criar um espaço de troca: organizar aprendizados, expor modelos de análise e permitir revisão, crítica e evolução contínua — especialmente em um domínio que, embora complexo, também é altamente padronizado, regulado e convergente.</p><p>A série será estruturada em camadas, organizando diferentes categorias de domínios de risco, e será futuramente complementada por diagramas, análise de incidentes, métricas e práticas de validação, incluindo automação em fluxos distribuídos, com ênfase em arquiteturas orientadas a eventos (EDA). Neste primeiro artigo, o foco é o domínio de Responsabilidade Arquitetural.</p><h3>Como este trabalho aborda a análise de risco</h3><p>Antes de entrar no domínio específico, compartilho como venho estruturando o mapeamento de risco neste trabalho. Ele será organizado em camadas e categorias de domínio, agrupadas da seguinte forma:</p><ul><li><strong>Domínios causais/técnicos: </strong>responsabilidade arquitetural, integração, confiabilidade e resiliência operacional e segurança e fraude;</li><li><strong>Domínios de materialização do risco: </strong>consistência de dados, financeiro e negócio, experiência do cliente e conformidade;</li><li><strong>Domínios de capacidade transversal:</strong> observabilidade e processos humanos.</li></ul><p>Cada domínio de risco é analisado a partir de um conjunto de elementos complementares:</p><ul><li><strong>Risco:</strong> condição, comportamento ou decisão que pode comprometer a evolução consistente da transação ou do domínio analisado, resultando em impacto financeiro, operacional ou de experiência.</li><li><strong>Invariantes:</strong> propriedades que definem o comportamento esperado do sistema ou domínio e que devem ser preservadas ao longo de sua operação.</li><li><strong>Sinais de falha: </strong>manifestações observáveis de que invariantes foram violadas, indicando inconsistências, desvios de fluxo ou comportamentos inesperados.</li></ul><p>Essa estrutura estabelece relações explícitas entre risco, invariantes e sinais de falha, permitindo navegar entre esses elementos de forma consistente: riscos são compreendidos pelas invariantes que protegem o sistema, invariantes evidenciam os riscos que mitigam e falhas indicam quais invariantes foram violadas.</p><p>A partir dessa base, cada domínio também incorpora um conjunto de ações de qualidade associadas, que orientam a atuação prática:</p><ul><li><strong>Simulação:</strong> como reproduzir ou induzir, de forma controlada, as condições sob as quais o risco tende a emergir.</li><li><strong>Observabilidade:</strong> como inferir, a partir de sinais agregados do fluxo em produção, desvios na evolução da transação e possíveis violações das invariantes do domínio.</li><li><strong>Prevenção:</strong> quais mecanismos estruturais e acordos devem existir para evitar a ocorrência do risco.</li><li><strong>Validação:</strong> como verificar, por meio de testes orientados por invariantes, que o sistema preserva o comportamento esperado mesmo sob essas condições.</li><li><strong>Contenção:</strong> como atuar quando o risco se materializa em produção, minimizando impacto e restaurando consistência.</li></ul><h3>Domínio de Risco: Responsabilidade Arquitetural</h3><p>Este domínio aborda como responsabilidades, autoridade sobre o fluxo e propriedade de estado são distribuídas entre os componentes que participam do fluxo de pagamento, permitindo analisar os riscos decorrentes dessas decisões e seus efeitos na evolução da transação ao longo do sistema.</p><ul><li><strong>Camada:</strong> domínios causais/técnicos</li><li><strong>Relação com outros domínios: </strong>integração, confiabilidade e operação, consistência de dados, observabilidade e impacto financeiro — refletindo como decisões sobre limites, acoplamento e controle de estado influenciam o comportamento do sistema.</li></ul><h4>Conectando risco, invariantes e sinais de falha</h4><p>A seguir, risco, invariantes e sinais de falha são apresentados de forma integrada, explicitando a relação entre condições de risco, propriedades a serem preservadas e evidências observáveis de sua violação.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*2U0okN3ykC2TcY9uEhg7eg.png" /></figure><h4>Ações de Qualidade Orientadas a Risco (Abordagem Heurística)</h4><p>As ações de qualidade apresentadas neste trabalho não devem ser interpretadas como uma estratégia fixa ou um conjunto exaustivo de práticas. Sua aplicação depende do contexto — como maturidade do sistema, criticidade do fluxo, capacidade operacional do time e restrições de tempo e recurso — , em linha com a definição de estratégias de teste orientadas ao contexto, explorada a partir da minha perspectiva <a href="https://medium.com/@pri-campos/estrat%C3%A9gia-de-teste-n%C3%A3o-%C3%A9-um-shape-9c5cd1e306a8">neste outro artigo</a>.</p><p>O objetivo do framework é organizar possibilidades a partir dos riscos, invariantes e sinais de falha de cada domínio, apoiando a elaboração de um planejamento de qualidade mais estruturado e aderente ao contexto.</p><p>A partir desse direcionamento, as ações de qualidade são organizadas em cinco dimensões complementares. Elas não representam etapas sequenciais nem um conjunto obrigatório, mas diferentes formas de atuar sobre o risco, que podem ser combinadas de acordo com o contexto.</p><p><strong>🔍 Simulação — </strong>como induzir o risco de forma controlada:</p><ul><li><strong>Indução de concorrência crítica:</strong> disparar múltiplas requisições idênticas simultâneas para validar se o locking (otimista ou pessimista) impede a duplicidade de transações;</li><li><strong>Race conditions em eventos:</strong> simular atrasos e variações de processamento que provoquem reordenação na chegada ou aplicação dos eventos;</li><li><strong>Idempotência com payload drift:</strong> reenviar a mesma chave de transação com dados alterados (valor/moeda) para garantir que o sistema rejeite a inconsistência e preserve a fonte da verdade;</li><li><strong>Simulação de falha parcial (Saga):</strong> simular a interrupção abrupta em qualquer etapa de um processo multi-componente para garantir que as ações de “desfazer” (rollback lógico) sejam disparadas, restaurando a consistência global dos dados;</li><li><strong>Injeção de latência em dependências:</strong> induzir atrasos em sistemas integrados para provocar timeouts, verificando se o sistema falha de forma controlada (fail-fast) sem retenção indevida de recursos;</li><li><strong>Retry de eventos em diferentes etapas:</strong> reprocessar uma transação após falha em diferentes etapas do fluxo, verificando se o sistema consegue retomar a progressão sem gerar inconsistências;</li><li><strong>Quebra de contrato assíncrono:</strong> injetar mensagens com esquema divergentes em filas para validar o isolamento e evitar falhas em cascata entre componentes.</li></ul><p><strong>📊 Observabilidade — </strong>como detectar o risco em produção:</p><ul><li><strong>Transações órfãs (dangling states):</strong> identificar fluxos que entram em estado inicial, mas não alcançam um estado terminal dentro do SLA;</li><li><strong>Divergência semântica:</strong> alertas para chaves de idempotência repetidas com payloads diferentes, o que indica violação da fonte da verdade;</li><li><strong>Outliers de latência (hop latency): </strong>medir o tempo de propagação entre componentes para detectar gargalos de acoplamento ou retenção de recursos;</li><li><strong>Taxa de rollbacks lógicos:</strong> acompanhar a frequência de ações compensatórias (Sagas) em relação ao volume total;</li><li><strong>Anomalias de sequenciamento:</strong> detectar eventos que chegam fora da ordem lógica, capturando race conditions silenciosas em fluxos assíncronos;</li><li><strong>Eficiência de retries:</strong> monitorar a proporção entre retries automáticos e sucessos.</li></ul><p><strong>🧱 Prevenção — </strong>como evitar o risco estruturalmente:</p><ul><li><strong>Matriz de Autoridade de Dados:</strong> explicitar, por entidade, qual componente possui autoridade de escrita sobre o estado da transação, servindo como referência para o time validar responsabilidades, analisar comportamentos inconsistentes e orientar decisões de design. A seguir, um exemplo:</li></ul><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*RNtUSpwKk7WE6Zx1XwjLZQ.png" /></figure><ul><li><strong>Máquina de Estados Finita:</strong> estruturar as transições permitidas para cada transação — definindo estados válidos e eventos que autorizam sua evolução — de forma a garantir um fluxo determinístico e prevenir progressões inválidas ou fora de ordem. Exemplo:</li></ul><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*XAQ9tVhBd0-7MsopwYysyA.png" /></figure><ul><li><strong>Governança de Contratos e Evolução:</strong> implementar versionamento e políticas de retrocompatibilidade em APIs e Schemas de eventos, protegendo o ecossistema contra quebras de integração e acoplamento inadequado;</li><li><strong>Capacidade de Recuperação Segura:</strong> projetar o sistema para suportar recuperação de transações — como reprocessamento, compensação ou ajuste de estado — de forma controlada, sem introduzir inconsistências adicionais ou efeitos duplicados.</li></ul><p><strong>✅ Validação — </strong>como verificar a preservação das invariantes:</p><ul><li><strong>State Transition Testing:</strong> verifica se a transação só evolui por transições permitidas, com a ordem correta entre etapas e sem progressões inválidas;</li><li><strong>Contract Testing:</strong> verifica se APIs, eventos e mensagens continuam sendo usados conforme os contratos acordados entre produtores e consumidores;</li><li><strong>Concurrency Testing: </strong>verifica se o sistema preserva determinismo e consistência quando eventos, requisições ou tentativas de reprocessamento ocorrem simultaneamente;</li><li><strong>Component Integration Testing</strong>: verifica as interfaces e interações entre componentes integrados, permitindo confirmar se responsabilidade, decisão e atualização de estado estão posicionadas no componente correto;</li><li><strong>End-to-End Testing</strong>: verifica o comportamento do fluxo de pagamento do início ao fim, em circunstâncias próximas à produção, permitindo observar se o sistema preserva suas invariantes ao atravessar múltiplos componentes, integrações e etapas de negócio.</li></ul><p><strong>🛠️ Contenção — </strong>como reduzir o impacto quando o risco se materializa:</p><ul><li><strong>Execução de recuperação controlada:</strong> selecionar e aplicar a estratégia de recuperação compatível com o estado da transação — como reprocessamento, compensação ou correção de estado — garantindo execução segura com garantia de idempotência.</li><li><strong>Runbooks operacionais:</strong> estabelecer procedimentos objetivos e reproduzíveis para diagnóstico e resposta a incidentes, permitindo que o time atue de forma consistente, independente de quem execute a ação. Em sistemas de pagamento, onde tempo e precisão impactam diretamente o cliente e o financeiro, runbooks reduzem dependência de conhecimento individual, aceleram a resposta e garantem alinhamento na execução, evitando decisões ad hoc que podem agravar o problema.</li></ul><h3>Conclusão</h3><p>Esse é um tema denso e organizar esse conhecimento de forma reutilizável tem sido, para mim, um exercício tão desafiador quanto necessário. Em sistemas mais complexos, repertório não se constrói do dia para a noite. Leva tempo para entender o fluxo, reconhecer padrões de falha e ganhar segurança para atuar de forma mais preparada. Talvez um framework de qualidade para um domínio específico não resolva isso por completo, mas pode, pelo menos, tornar essa caminhada menos dispersa.</p><p>No dia a dia, é comum que o trabalho se organize por áreas — arquitetura, desenvolvimento, infraestrutura, produto. Essa divisão é funcional e necessária. O problema é que a qualidade, na prática, não costuma respeitar essas mesmas fronteiras.</p><p>Nem sempre é confortável olhar para isso, especialmente em áreas como QA, onde ainda existem discussões recorrentes sobre até onde vai ou não vai a responsabilidade da função. Mas, independentemente do papel ou da especialidade, os riscos do sistema não surgem apenas dentro de uma única disciplina. Eles aparecem no comportamento real do fluxo, nas integrações, nas dependências, nas transições e nas decisões que se conectam ao longo do caminho. Penso que não se trata de dominar várias áreas técnicas, mas de ampliar o campo de visão para além do limite formal da própria atuação.</p><p>No fim, talvez esse tipo de framework sirva menos para oferecer respostas e mais para ajudar a formular perguntas melhores — aquelas que, antes, passavam despercebidas. Em sistemas complexos, ampliar esse olhar pode ser parte importante de como passamos a lidar melhor com o que realmente importa.</p><p>O próximo domínio de risco será integração. Todo feedback e colaboração serão bem-vindos. 👋🏾</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/340/1*tD0PnPCcf_EnJYpAMALF4g.gif" /></figure><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=829432289ace" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[Estratégia de Teste não é um Shape]]></title>
            <link>https://medium.com/@pri-campos/estrat%C3%A9gia-de-teste-n%C3%A3o-%C3%A9-um-shape-9c5cd1e306a8?source=rss-dc718c481a1e------2</link>
            <guid isPermaLink="false">https://medium.com/p/9c5cd1e306a8</guid>
            <category><![CDATA[test-strategy]]></category>
            <category><![CDATA[software-testing]]></category>
            <category><![CDATA[quality-engineering]]></category>
            <category><![CDATA[test-automation-strategy]]></category>
            <category><![CDATA[qa]]></category>
            <dc:creator><![CDATA[Priscila Campos]]></dc:creator>
            <pubDate>Sat, 17 Jan 2026 03:14:39 GMT</pubDate>
            <atom:updated>2026-01-18T20:04:35.604Z</atom:updated>
            <content:encoded><![CDATA[<figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*q5pNqUidq-mLgYKXjMe7xw.png" /><figcaption>Tabuleiro inspirado em <strong>The Queen’s Gambit</strong> com peças que simbolizam estratégias e riscos de teste</figcaption></figure><blockquote><strong><em>O shape é um resultado possível de uma estratégia, não a estratégia em si.</em></strong></blockquote><p>Há quase quatro anos escrevi o artigo <a href="https://medium.com/@pri-campos/estrat%C3%A9gia-de-teste-para-apis-55baf148b104"><em>Estratégia de Teste para APIs</em></a>, com ênfase no uso da Pirâmide e dos Quadrantes Ágeis como balizadores para organizar níveis e abordagens de teste. Embora eu ainda considere a Pirâmide uma forma eficaz de comunicar custo e velocidade, e os Quadrantes úteis para discutir o valor gerado pelos testes, esse artigo já não representa como penso sobre testes hoje.</p><p>A simplificação de “escolher um shape” — seja Pyramid, Trophy, Honeycomb, Diamond, ou qualquer outro — é sedutora porque cria uma sensação rápida de decisão. Você escolhe um modelo, encaixa seus testes nele, e parece que o trabalho estratégico foi feito.</p><p>Na prática, porém, o shape raramente responde às perguntas que realmente determinam se uma estratégia funciona:</p><ul><li><em>Quais riscos são relevantes para este sistema?</em></li><li><em>Onde esses riscos se manifestam, em termos de fronteiras técnicas?</em></li><li><em>Que tipo de validação é capaz de capturar esses riscos com custo e feedback adequados?</em></li></ul><p>Embora os shapes sejam atalhos cognitivos úteis, eles escondem as decisões reais que estão acontecendo na cabeça das pessoas. Com isso, o debate tende a se concentrar em formatos, em vez de riscos e fronteiras, o que dificulta a construção de modelos mentais sobre como decidir estratégia de teste — especialmente em contextos de onboarding e formação técnica.</p><h3>Antes do shape, o problema</h3><p>Antes de pensar em shape, vale organizar o entendimento do contexto onde a qualidade precisa ser validada — seja por meio de dimensões, perguntas-guia, mapas ou qualquer outra estrutura que ajude a tornar explícitos os riscos e as fronteiras do sistema. A seguir, um exemplo de como esse contexto pode ser estruturado:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*ckxiXRcL0hNNBZtYQdIJtA.png" /><figcaption>Diagrama em colmeia com seis dimensões ao redor de “Análise de Contexto e Risco”, representando perguntas sobre negócio, arquitetura, ambientes, validação, feedback operacional e colaboração, usadas para orientar decisões de teste antes da definição do shape.</figcaption></figure><p>Após o assessment do contexto, a saída esperada não é um desenho de testes, mas a definição dos eixos de decisão: o que precisa ser validado, onde, em que momento e sob quais heurísticas e critérios essas escolhas deverão ser feitas para mitigar riscos e alcançar os objetivos de qualidade.</p><blockquote>Estratégia nasce de decisões. Decisões nascem de entendimento.</blockquote><p>Dependendo do volume de riscos mapeados, vale combinar essa análise com a abordagem de <a href="https://www.testmu.ai/learning-hub/risk-based-testing/">Risk-Based Testing (RBT)</a>, considerando probabilidade e impacto para definir prioridades que orientem a organização do backlog e, como consequência, a alocação mais eficaz do esforço de teste.</p><h3>Aos poucos, um padrão começa a surgir</h3><p>Com esse mapa de contexto em mãos, o próximo passo é sair do nível de abstração e começar a transformar entendimento em escolhas técnicas progressivas. Para isso, ajuda muito organizar as decisões de teste em uma sequência.</p><p>⚠️ <strong>risco → </strong>🧭 <strong>fronteira → </strong>🛠️ <strong>mecanismo de validação</strong><br> <em>(o que importa → onde validar → como validar)</em></p><p>Essa sequência ajuda a transformar uma visão estratégica em escolhas técnicas progressivas, evitando tanto a seleção prematura de tipos de teste quanto decisões técnicas desconectadas de onde o risco realmente se manifesta no sistema.</p><p>A seguir, um exemplo fictício de mapeamento para uma IDP cujo portal de desenvolvedor é baseado em Backstage:</p><iframe src="" width="0" height="0" frameborder="0" scrolling="no"><a href="https://medium.com/media/17d5c9216994dc4bbd5a0e8e0cb60902/href">https://medium.com/media/17d5c9216994dc4bbd5a0e8e0cb60902/href</a></iframe><p>Depois dessas decisões, o shape começa a emergir naturalmente — não porque alguém “escolheu” um modelo visual, mas porque certos riscos pedem validações mais próximas de contratos, outros exigem integração controlada, e alguns só fazem sentido quando observados em runtime real.</p><h3>Quase lá — mas ainda há armadilhas no caminho</h3><p>Mesmo quando o shape já começa a se tornar visível, ainda existe um risco comum: assumir que todo mundo está usando as mesmas palavras para falar das mesmas coisas.</p><ul><li><em>Teste de unidade é quando só uma função roda </em><strong><em>ou</em></strong><em> quando um comportamento pequeno é validado?</em></li><li><em>Teste de integração é quando módulos conversam </em><strong><em>ou</em></strong><em> quando serviços conversam?</em></li><li><em>Teste de sistema é quando tudo está no ar </em><strong><em>ou</em></strong><em> quando o fluxo completo faz sentido?</em></li><li><em>Teste end-to-end é quando existe UI </em><strong><em>ou</em></strong><em> quando a jornada está coberta, mesmo sem tela?</em></li><li><em>O nível vem do tamanho do teste </em><strong><em>ou</em></strong><em> da fronteira que ele cruza?</em></li></ul><p><em>…e a lista continua.</em></p><p>Depois de muitos debates sobre “a melhor estratégia de teste”, aprendi duas coisas: <strong>1)</strong> às vezes as pessoas discordam apenas porque usam nomes diferentes para práticas muito parecidas ou <strong>2) </strong>em outros casos, todo mundo parece concordar… até você perceber que cada pessoa está chamando de “teste de integração” algo completamente diferente.</p><p>Para sair desse jogo de “ou isso ou aquilo”, vale observar como grupos técnicos inseridos em contextos distintos de produto e arquitetura buscaram reduzir a ambiguidade de taxonomia na prática, adaptando as classificações ao tipo de sistema que precisavam sustentar.</p><h4>Classificação por interação</h4><p>📌<strong>Martin Fowler — Unit vs Integration</strong></p><ul><li><strong>Testes de Unidade (Unit): </strong>Podem ser feitos de duas formas: no estilo <strong><em>solitary</em></strong>, quando a unidade é testada isoladamente com todas as dependências substituídas por mocks ou outros tipos de substitutos; e no estilo <strong><em>sociable</em></strong>, quando a unidade é testada junto com seus colaboradores reais, mantendo fora apenas dependências externas ao escopo do componente.</li><li><strong>Testes de Integração (Integration): </strong>Também aparecem em dois níveis. Na forma <strong><em>narrow</em></strong>, o serviço real é exercitado, mas as fronteiras externas são controladas com infraestrutura de teste ou substitutos, focando principalmente no código de integração (por exemplo, usando<em> </em>test doubles, harness ou contract tests). Já na forma <strong><em>broad</em></strong>, a validação ocorre com múltiplos serviços reais interagindo entre si, em configurações equivalentes às de produção, para observar o comportamento do sistema distribuído.<br> 🔗 <a href="https://martinfowler.com/bliki/UnitTest.html">https://martinfowler.com/bliki/UnitTest.html</a><br> 🔗 <a href="https://martinfowler.com/bliki/IntegrationTest.html">https://martinfowler.com/bliki/IntegrationTest.html</a></li></ul><h4>Classificação por tamanho e custo operacional</h4><p>📌 <strong>Google — Small / Medium / Large</strong><br> Aqui o foco não é o escopo funcional validado, mas o impacto operacional do teste: recursos envolvidos, tempo de execução e custo de manutenção.<br> 🔗 <a href="https://testing.googleblog.com/2010/12/test-sizes.html">https://testing.googleblog.com/2010/12/test-sizes.html</a></p><h4>Classificação por escopo e acoplamento do sistema</h4><p>📌 <strong>Spotify — Detail / Integration / Integrated (Honeycomb Strategy)</strong><br>A distinção está no grau de dependência entre sistemas e no foco em interações entre serviços versus detalhes internos de componentes.<br> 🔗 <a href="https://engineering.atspotify.com/2018/01/testing-of-microservices/">https://engineering.atspotify.com/2018/01/testing-of-microservices/</a></p><p><strong>📌 Kent C. Dodds — Static / Unit / Integration / E2E (Testing Trophy)</strong><br>Embora utilize rótulos familiares, a classificação é feita pelo escopo da validação e pelo grau de dependência do sistema real, redefinindo o que cada nível cobre na prática.<br> 🔗 <a href="https://kentcdodds.com/blog/the-testing-trophy-and-testing-classifications">https://kentcdodds.com/blog/the-testing-trophy-and-testing-classifications</a></p><blockquote>Independentemente dos rótulos adotados para compor os níveis da estratégia, o ponto central é o mesmo: o time precisa compartilhar um vocabulário comum para transformar decisões estratégicas em ações técnicas consistentes.</blockquote><h3>Habemus Shape</h3><p>Depois de mapear riscos, fronteiras e mecanismos de validação, a pergunta deixa de ser “qual modelo seguir?” e passa a ser “como tornar visível as decisões que já tomamos?”.</p><p>Nesse ponto, o shape não define a estratégia — ele representa a distribuição de esforço de teste que faz sentido para aquele contexto. Ou seja: o desenho não vem primeiro. Ele surge como síntese de decisões sobre risco, custo e tipo de verificação.</p><blockquote>No exemplo fictício anterior, eu adotaria um desenho híbrido: <strong>Honeycomb</strong> para evidenciar integrações e contratos entre serviços, e <strong>Testing Trophy</strong> para priorizar validações próximas ao comportamento de uso.</blockquote><h3>Conclusão</h3><p>Usar o shape como ponto de partida é tentar condensar, em um único rótulo, decisões que vivem em dimensões diferentes — intenção, fronteira técnica, custo operacional e tipo de evidência necessária. Na prática, ele emerge da arquitetura, dos riscos e do tipo de validação que o sistema exige naquele momento.</p><p>E como esses fatores mudam — seja por evolução arquitetural, novos fluxos críticos, pelo impacto crescente do uso de IA ou pela própria natureza de sistemas modernos, cada vez mais distribuídos, orientados a contratos e dependentes de observabilidade como parâmetro de qualidade — o shape também muda.</p><blockquote><strong>Lei de Goodhart:</strong> “Quando uma medida se torna uma meta, ela deixa de ser uma boa medida.”</blockquote><p>Porque estratégia não é fazer o problema caber no formato — é entender o problema antes de escolher a forma.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/280/1*fsAGDGZM3hC6SpuhUPwLfQ.gif" /></figure><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=9c5cd1e306a8" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[Test Strategy Is Not a Shape]]></title>
            <link>https://medium.com/@pri-campos/test-strategy-is-not-a-shape-0fd7ac73487f?source=rss-dc718c481a1e------2</link>
            <guid isPermaLink="false">https://medium.com/p/0fd7ac73487f</guid>
            <category><![CDATA[software-testing]]></category>
            <category><![CDATA[test-automation-strategy]]></category>
            <category><![CDATA[qa]]></category>
            <category><![CDATA[test-strategy]]></category>
            <category><![CDATA[quality-engineering]]></category>
            <dc:creator><![CDATA[Priscila Campos]]></dc:creator>
            <pubDate>Sat, 17 Jan 2026 03:14:34 GMT</pubDate>
            <atom:updated>2026-01-17T18:43:48.926Z</atom:updated>
            <content:encoded><![CDATA[<figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*ivr6fvnrIXkwx3SQqd7e0w.png" /><figcaption>A chessboard inspired by <strong>The Queen’s Gambit</strong>, with pieces representing test strategies and risks.</figcaption></figure><blockquote><strong><em>A shape is a possible outcome of a strategy — not the strategy itself.</em></strong></blockquote><p>Almost four years ago, I wrote the article <a href="https://medium.com/@pri-campos/estrat%C3%A9gia-de-teste-para-apis-55baf148b104"><em>Test Strategy for APIs</em></a>, with a strong focus on using the Test Pyramid and the Agile Testing Quadrants as reference models to organize test levels and approaches. While I still see the Pyramid as an effective way to communicate cost and speed, and the Quadrants as useful to discuss the kind of value tests provide, that article no longer reflects how I think about testing today.</p><p>The simplification of “picking a shape” — whether it’s Pyramid, Trophy, Honeycomb, Diamond, or any other — is tempting because it gives you a fast sense of decision. You choose a model, fit your tests into it, and it feels like the strategic work is done.</p><p>In practice, though, the shape rarely answers the questions that actually determine whether a strategy works:</p><ul><li><em>Which risks really matter for this system?</em></li><li><em>Where do those risks show up, in terms of technical boundaries?</em></li><li><em>What kind of validation can catch those risks with acceptable cost and useful feedback?</em></li></ul><p>Even though shapes are helpful cognitive shortcuts, they hide the real decisions people are making. As a result, discussions tend to gravitate toward formats instead of risks and boundaries, which makes it harder to build solid mental models about how to decide on a test strategy — especially during onboarding and technical training.</p><h3>Before the shape, there’s the problem</h3><p>Before thinking about shape, it’s worth structuring your understanding of the context where quality needs to be validated — whether through dimensions, guiding questions, maps, or any framework that helps make risks and system boundaries explicit. Below is an example of how this context can be structured:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*oTlXCpXjqGROw24bOj_F-Q.jpeg" /><figcaption><em>A honeycomb-style diagram with six dimensions around “Context and Risk Analysis”, representing questions about business, architecture, environments, validation, operational feedback, and collaboration — used to guide test decisions before defining any shape.</em></figcaption></figure><p>After assessing the context, the expected outcome is not a drawing of tests, but a set of decision axes: what needs to be validated, where, at what point, and under which heuristics and criteria those choices should be made to mitigate risk and meet quality goals.</p><blockquote>Strategy comes from decisions.<br>Decisions come from understanding.</blockquote><p>Depending on how many risks are identified, it can be useful to combine this analysis with <a href="https://www.testmu.ai/learning-hub/risk-based-testing/">Risk-Based Testing (RBT)</a>, using probability and impact to define priorities that guide backlog organization and, as a consequence, more effective allocation of test effort.</p><h3>Little by little, a pattern starts to emerge</h3><p>With a context map in hand, the next step is to leave the abstract level and start turning understanding into progressive technical choices. For that, it helps a lot to organize test decisions as a sequence:</p><p>⚠️ risk → 🧭 boundary → 🛠️ validation mechanism<br> <em>(what matters → where to validate → how to validate)</em></p><p>This sequence helps translate strategic intent into progressive technical decisions, avoiding both premature selection of test types and technical choices disconnected from where the risk actually lives in the system.</p><p>Below is a fictional example of such mapping for an IDP whose developer portal is based on Backstage:</p><iframe src="" width="0" height="0" frameborder="0" scrolling="no"><a href="https://medium.com/media/efcafa15ac37b086d3875dc6aea5cbb3/href">https://medium.com/media/efcafa15ac37b086d3875dc6aea5cbb3/href</a></iframe><p>After those decisions, the shape starts to emerge naturally — not because someone “picked” a visual model, but because some risks call for contract-level validation, others require controlled integration, and some only make sense when observed in real runtime conditions.</p><h3>Almost there — but there are still traps along the way</h3><p>Even when the shape starts becoming visible, there’s still a common risk: assuming everyone is using the same words to talk about the same things.</p><ul><li><em>Is a unit test when only one function runs, </em><strong><em>or</em></strong><em> when a small behavior is validated?</em></li><li><em>Is an integration test when modules talk to each other, </em><strong><em>or</em></strong><em> when services talk to each other?</em></li><li><em>Is a system test when everything is up, </em><strong><em>or</em></strong><em> when the full flow makes sense?</em></li><li><em>Is end-to-end when there’s UI, </em><strong><em>or</em></strong><em> when the journey is covered, even without a screen?</em></li><li><em>Does the “level” come from test size </em><strong><em>or</em></strong><em> from the boundary it crosses?</em></li></ul><p><em>… and the list goes on.</em></p><p>After many debates about “the best test strategy”, I learned two things:</p><ol><li>sometimes people disagree simply because they use different names for very similar practices;</li><li>in other cases, everyone seems to agree… until you realize each person is calling something completely different an “integration test”.</li></ol><p>To move past the whole “either this or that” debate, it helps to look at how technical groups working in different product and architectural contexts tried to reduce taxonomic ambiguity in practice, shaping their classifications around the kinds of systems they actually had to support.</p><h4>Classification by interaction</h4><p><strong>📌 Martin Fowler — Unit vs Integration</strong></p><ul><li><strong>Unit Tests: </strong>Can be done in two styles. <em>Solitary</em> tests isolate the unit, replacing all dependencies with mocks or other substitutes. <em>Sociable</em> tests exercise the unit together with its real collaborators, keeping out only dependencies that are outside the component’s scope.</li><li><strong>Integration Tests: </strong>Also appear at two levels. In the <em>narrow</em> form, the real service is exercised, but external boundaries are controlled through test infrastructure or substitutes, focusing mainly on integration code (for example, using test doubles, harnesses, or contract tests).<br> In the <em>broad</em> form, validation happens with multiple real services interacting in production-like configurations, to observe the behavior of the distributed system.<br>🔗 <a href="https://martinfowler.com/bliki/UnitTest.html">https://martinfowler.com/bliki/UnitTest.html</a><br> 🔗 <a href="https://martinfowler.com/bliki/IntegrationTest.html">https://martinfowler.com/bliki/IntegrationTest.html</a></li></ul><h4>Classification by size and operational cost</h4><p><strong>📌 Google — Small / Medium / Large<br></strong>Here the focus is not on functional scope, but on operational impact:<br>resources involved, execution time, and maintenance cost.<br>🔗 <a href="https://testing.googleblog.com/2010/12/test-sizes.html">https://testing.googleblog.com/2010/12/test-sizes.html</a></p><h4>Classification by system scope and coupling</h4><p><strong>📌 Spotify — Detail / Integration / Integrated (Honeycomb Strategy)<br></strong>The distinction lies in the degree of dependency between systems and in the focus on service interactions versus internal component details.<br>🔗 <a href="https://engineering.atspotify.com/2018/01/testing-of-microservices/">https://engineering.atspotify.com/2018/01/testing-of-microservices/</a></p><p><strong>📌 Kent C. Dodds — Static / Unit / Integration / E2E (Testing Trophy)<br></strong>Even though familiar labels are used, the classification is based on validation scope and how much the real system is involved, effectively redefining what each level covers in practice.<br>🔗 <a href="https://kentcdodds.com/blog/the-testing-trophy-and-testing-classifications">https://kentcdodds.com/blog/the-testing-trophy-and-testing-classifications</a></p><blockquote>Regardless of which labels are used to compose the levels of a strategy, the core point is the same: the team needs to share a common vocabulary to turn strategic decisions into consistent technical actions.</blockquote><h3>And then, we have a shape</h3><p>After mapping risks, boundaries, and validation mechanisms, the question is no longer “which model should we follow?” but rather “how do we make visible the decisions we already made?”.</p><p>At this point, the shape does not define the strategy — it represents the distribution of test effort that makes sense for that context. In other words: the drawing does not come first. It emerges as a synthesis of decisions about risk, cost, and type of verification.</p><blockquote>In the previous fictional example, I would adopt a hybrid layout: Honeycomb to highlight service integrations and contracts, and Testing Trophy to prioritize validations close to usage behavior.</blockquote><h3>Conclusion</h3><p>Using shape as a starting point is trying to compress, into a single label, decisions that live in different dimensions — intent, technical boundary, operational cost, and type of evidence required. In practice, it emerges from architecture, risk, and the kind of validation the system needs at that moment.</p><p>And since those factors change — whether due to architectural evolution, new critical flows, the growing impact of AI usage, or the very nature of modern systems, increasingly distributed, contract-driven, and dependent on observability as a quality signal — the shape changes too.</p><blockquote><strong>Goodhart’s Law:</strong> “When a measure becomes a target, it ceases to be a good measure.”</blockquote><p>Because strategy is not about forcing the problem into a format.<br>It’s about understanding the problem before choosing the form.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/280/1*fsAGDGZM3hC6SpuhUPwLfQ.gif" /></figure><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=0fd7ac73487f" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[Práticas para Otimizar Interações com LLMs]]></title>
            <link>https://medium.com/@pri-campos/pr%C3%A1ticas-para-otimizar-intera%C3%A7%C3%B5es-com-llms-51340defc787?source=rss-dc718c481a1e------2</link>
            <guid isPermaLink="false">https://medium.com/p/51340defc787</guid>
            <category><![CDATA[inteligencia-artificial]]></category>
            <category><![CDATA[developer-productivity]]></category>
            <category><![CDATA[artificial-intelligence]]></category>
            <category><![CDATA[large-language-models]]></category>
            <category><![CDATA[prompt-engineering]]></category>
            <dc:creator><![CDATA[Priscila Campos]]></dc:creator>
            <pubDate>Thu, 18 Dec 2025 20:42:07 GMT</pubDate>
            <atom:updated>2025-12-18T20:42:07.019Z</atom:updated>
            <content:encoded><![CDATA[<figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*NX2oGiN5tFCeI1tKnBhYHA.jpeg" /></figure><p>A estratégia de comunicação que adotamos influencia diretamente os resultados que buscamos — e isso também se aplica à interação com modelos de IA. Padrões pouco precisos nesse contexto tendem a gerar degradação da qualidade das respostas, alucinações e crescimento do custo operacional, justamente o oposto do efeito desejado.</p><p>À medida que a IA passa a ser incorporada como um serviço contínuo, torna-se necessário discutir práticas que preservem eficiência técnica e econômica. Isso é especialmente relevante em serviços cujo modelo de precificação é baseado em tokens, isto é, na fragmentação do texto processado ao longo das interações.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*uXoHJEdFmGpQSiqWYfbNMg.png" /><figcaption>A tabela apresenta os valores de referência dos modelos disponíveis na <a href="https://cursor.com/docs/models">documentação do Cursor </a>e evidencia que, embora modelos mais avançados ofereçam maior capacidade de inferência, encadeamento lógico e síntese textual, eles também amplificam o custo de interações extensas ou mal delimitadas; em cenários de uso contínuo, práticas ineficientes de gestão de contexto reduzem a qualidade das respostas e aceleram o consumo da franquia disponível, independentemente do modelo escolhido.</figcaption></figure><h3>Aprendizados Práticos</h3><p>Os pilares a seguir têm como objetivo evitar o overflow do contexto por meio do gerenciamento consciente da informação.</p><blockquote><strong>Contexto</strong> é todo o conjunto de informações que influencia a resposta do modelo em uma interação. Incluindo instruções, entradas do usuário, histórico e respostas previamente geradas pelo próprio modelo — que orienta a geração da próxima resposta naquele momento.</blockquote><h4>Pilar 1 — <strong>Delimitação consciente de contexto</strong></h4><p>Contexto bom não é um contexto grande; é um contexto delimitado. Ao iniciar uma interação com um modelo de IA:</p><ul><li><strong>Delimite o contexto fixo no início:</strong> Estruture as informações essenciais que devem ser preservadas, incluindo restrições, linguagem/estilo esperado e o que não deve ser ignorado.</li><li><strong>Organize o chat por tema:</strong> Estabeleça um chat para um objetivo específico e, se esse objetivo for muito amplo, quebre-o em outros chats. Mantenha o contexto organizado, reduzindo seu tamanho sem perder o sentido.</li><li><strong>Envie apenas o necessário:</strong> Omita informações que não impactam o resultado esperado.</li><li><strong>Evite prompts “inflados”:</strong> Evite mensagens extensas com múltiplos temas misturados. O ideal é manter blocos curtos, evitando instruções repetidas. O mesmo vale para arquivos e imagens: adote trechos parciais, seleções específicas e instruções precisas para focar no arquivo X, linha Y até Z. Lembre-se: quanto mais limpo o contexto, mais tokens sobram para o que importa.</li></ul><h4>Pilar 2 — <strong>Gestão ativa do ciclo da conversa</strong></h4><p>Conversas longas precisam de marcos explícitos, assim como qualquer projeto. Adote práticas de escrever, selecionar, comprimir e isolar informações para reduzir a entropia de atenção.</p><ul><li><strong>Peça um resumo a cada mudança de etapa:</strong> Consolide as informações sempre que houver mudança de fase. Não espere que o contexto extrapole o limite de tokens para realizar essa consolidação.</li><li><strong>Insira âncoras periodicamente:</strong> Restabeleça recortes funcionais do contexto. Revise os resumos, reestruture-os para reduzir idas e vindas (menos tokens totais), descarte detalhes que não serão reutilizados e reapresente as âncoras ao modelo para recalibrar o contexto. Priorize âncoras curtas, contendo apenas o essencial.</li><li><strong>Adote checkpoints por resumo:</strong> Quando uma etapa for mais extensa, realize checkpoints de contexto a cada volume relevante de mensagens. Solicite resumos que formem âncoras curtas, permitindo que as próximas interações mantenham consistência, promovam hábito de limpeza, preservação do contexto e foco nos conteúdos essenciais.</li></ul><h4>Pilar 3 — <strong>Reconhecimento de sinais de saturação</strong></h4><p>Persistir no mesmo contexto nem sempre é eficiência; em alguns casos, resulta em perda de qualidade.</p><ul><li><strong>Identifique quando o contexto extrapolou:</strong> Caso o modelo passe a apresentar respostas genéricas, perda de detalhes que antes eram seguidos, mudanças repentinas de estilo, desatenção a requisitos fixos, confusão entre definições, mistura de tópicos, resumos inconsistentes do histórico ou falhas na aplicação de instruções, esses são sinais de overflow de contexto.</li><li><strong>Janela limpa:</strong> Após ocorrer um envenenamento contextual, recalcule a rota. Extraia um resumo dos pontos essenciais e aplique-o em um novo chat, restabelecendo a janela completa de contexto sem perder o núcleo da conversa.</li></ul><h4>Pilar 4 — <strong>Expectativas realistas sobre o modelo</strong></h4><p>Parte da frustração no uso de LLMs decorre de atribuir ao modelo responsabilidades que não fazem parte de seu escopo técnico. Cada LLM opera com uma capacidade específica. Modelos de linguagem não possuem percepção interna de limites operacionais, consumo ou custos; eles apenas geram a próxima resposta com base no contexto disponível naquele momento.</p><p>Compreender essas restrições é fundamental para tomar decisões práticas. Nem toda tarefa exige modelos mais avançados: quando o contexto é bem delimitado e a carga cognitiva da tarefa é baixa, modelos mais leves tendem a ser suficientes. Já interações que demandam raciocínio encadeado, síntese complexa ou manutenção de estados ao longo do tempo exigem maior capacidade, especialmente quando há alta dependência de memória episódica.</p><p>Por fim, embora o modelo não tenha consciência de seus próprios limites, ferramentas que consomem essas APIs podem instrumentar chamadas e expor métricas de uso externamente. IDEs e plataformas como o <a href="https://cursor.com/dashboard?tab=usage">Cursor</a> contabilizam tokens por requisição e fornecem feedback ao usuário, mas esse controle ocorre fora do modelo, na camada de ferramenta — não na geração de respostas.</p><h3>Conclusão</h3><p>Usar LLMs se assemelha a conduzir uma conversa humana na forma, exige construção progressiva de contexto e necessidade de organização e precisão na comunicação. A comunicação sempre foi um desafio humano. A diferença é que, ao nos comunicarmos com uma LLM, esse desafio passa a ter um custo explicitamente mensurável. Algo que também existe nas interações humanas — em tempo, esforço cognitivo e retrabalho — , mas que raramente é tornado visível. Com LLMs, o custo da comunicação deixa de ser implícito e passa a aparecer em relatórios, limites e consumo, forçando uma reflexão mais consciente sobre como estruturamos e sustentamos nossas trocas de informação.</p><p>Talvez a necessidade de nos comunicarmos melhor com máquinas acabe refinando também nossa comunicação entre pessoas. Ao lidar com limites de contexto e tokens, somos levados a ser mais objetivos, a priorizar o que é relevante e a encerrar ciclos de pensamento de forma mais estruturada. E, sim, talvez passemos a agradecer menos ao modelo — não por falta de gratidão pela resposta, mas por consciência de como o sistema funciona… ainda que os memes insistam que, em uma eventual revolução das máquinas, os modelos certamente lembrarão quem foi gentil 😂</p><p>Ainda há muito a aprender sobre esse tema, e este artigo será revisitado à medida que eu aprofundar esse entendimento. Também tenho grande interesse em conhecer como diferentes times e projetos têm adotado LLMs no dia a dia, e em trocar aprendizados e materiais que ajudem a evoluir essa prática de forma contínua.</p><p>Como apoio prático, vale explorar ferramentas voltadas ao refinamento e observabilidade de prompts, como:</p><ul><li><a href="https://promptperfect.jina.ai/">PromptPerfect</a></li><li><a href="https://www.helicone.ai/">Helicone</a></li><li><a href="https://www.promptlayer.com/">PromptLayer</a></li></ul><blockquote>No fim, bons resultados não vêm apenas de modelos mais avançados, mas de interações bem desenhadas.</blockquote><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=51340defc787" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[DDD: Alinhando Modelagem de Domínio e Documentação para Resultados Ágeis]]></title>
            <link>https://medium.com/@pri-campos/ddd-alinhando-modelagem-de-dom%C3%ADnio-e-documenta%C3%A7%C3%A3o-para-resultados-%C3%A1geis-9c09d834719f?source=rss-dc718c481a1e------2</link>
            <guid isPermaLink="false">https://medium.com/p/9c09d834719f</guid>
            <category><![CDATA[documentação-de-software]]></category>
            <category><![CDATA[qualidade-de-software]]></category>
            <category><![CDATA[entrega-de-valor]]></category>
            <category><![CDATA[melhoria-contínua]]></category>
            <category><![CDATA[qa]]></category>
            <dc:creator><![CDATA[Priscila Campos]]></dc:creator>
            <pubDate>Sun, 01 Sep 2024 19:37:45 GMT</pubDate>
            <atom:updated>2024-09-01T22:10:12.841Z</atom:updated>
            <content:encoded><![CDATA[<figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*69Br6tKU5rxWq25011vptQ.png" /><figcaption>Uma maestra orquestrando gráficos e dados, simbolizando a gestão do domínio de negócios. Imagem gerada com DALL-E.</figcaption></figure><blockquote><strong>Este artigo compartilha</strong> reflexões sobre fatores que impactam a eficiência e como o livro Domain-Driven Design de Eric Evans tem me ajudado a melhorar a sustentabilidade do conhecimento por meio da documentação.</blockquote><h3>O que mais afeta a eficiência do seu time?</h3><p>Constantemente, somos desafiados a produzir mais em menos tempo e com maior assertividade. Para alcançar esse objetivo, é essencial realizar um assessment para mapear os processos que comprometem a eficiência do time.</p><p>Ao longo da minha trajetória, a falta de uma documentação estruturada, que ofereça respostas decisivas para o domínio, foi um dos maiores obstáculos. Com frequência, encontrei informações insuficientes, desatualizadas ou confusas. Sendo metódica e analítica, minha reação foi criar documentações extensas para análises futuras. Logo percebi que estava documentando apenas para mim e um pequeno grupo. Esse insight me levou a questionar a eficácia do que produzia e me motivou a revisar a documentação do projeto.</p><p>A partir desse ponto, comecei a buscar maneiras de criar documentações que oferecessem respostas rápidas e precisas sobre os aspectos mais importantes. No início, foquei em formatos e layouts, mas ao ler <em>Domain-Driven Design</em> de Eric Evans, percebi como essa abordagem se alinha aos meus desafios diários.</p><h3>Navegando pelo Tema Central do Livro: O Coração do Software</h3><p>Normalmente, as equipes de desenvolvimento se sentem mais confortáveis resolvendo problemas quantificáveis que desafiam suas habilidades técnicas. No entanto, adquirir novos conhecimentos complexos sobre o domínio pode parecer confuso e de valor incerto no curto prazo. Eric Evans destaca que o verdadeiro cerne do software está em sua capacidade de resolver problemas específicos do domínio para os usuários; todas as outras características do software derivam dessa função fundamental.</p><p>A maior complexidade está na forma como o design aborda os problemas do domínio, e não apenas na técnica ou infraestrutura. <strong>Modelos são cruciais para estruturar e simplificar o conhecimento complexo</strong>, facilitando a comunicação na equipe. Eles permitem à equipe tratar a complexidade do domínio, <strong>transformando informações volumosas em representações úteis.</strong></p><blockquote>“A complexidade no coração do software deve ser encarada cara a cara.”</blockquote><p>A sobrecarga de informações e o volume de conhecimento necessário para entender as atividades dos usuários podem ser imensos e desafiadores, especialmente em prazos apertados ou na integração de novos membros da equipe. Por isso, modelos são essenciais para gerenciar essa complexidade e desenvolver soluções que agreguem valor real para os usuários. Modelos não apenas organizam e simplificam o conhecimento, mas também fornecem uma base sólida para o design e a implementação eficaz do software.</p><blockquote>“Mapas são modelos, e cada modelo representa algum aspecto da realidade com uma ideia que seja de interesse. Um modelo é uma simplificação.”</blockquote><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*_ZQlvkagdu048CUAr_HT6g.png" /><figcaption><em>“Este mapa chinês do século 18 representa o mundo todo. No centro, e ocupando a maior parte do espaço, está a China, cercada de representações espalhadas de outros países. Este é um modelo do mundo adequado àquela sociedade.”</em></figcaption></figure><h3>Pontos Críticos na Sustentabilidade do Conhecimento</h3><p>Sem conhecimento compartilhado, não há autonomia, o que impacta a jornada de crescimento das pessoas e leva à criação de sub-sistemas dentro da equipe para suprir essa falta de conhecimento. Isso gera gargalos e infinitas reuniões na tentativa de mitigar as consequências desses problemas.</p><p>A documentação é fundamental para a sustentabilidade do conhecimento, facilitando a comunicação, servindo como registro de decisões e processos, além de apoiar a manutenção e expansão dos sistemas. No entanto, muitas vezes, a documentação falha em atingir esses objetivos de forma sustentável, resultando em custos desnecessários e perda de produtividade. Alguns dos problemas comuns incluem:</p><ul><li><strong>Visão Fragmentada:</strong> Em um ambiente onde pessoas de produto, QA e desenvolvedores criam documentações separadas para o mesmo tópico, a falta de uma visão centralizada e padronizada pode levar à dispersão do conhecimento. Isso resulta em informações fragmentadas e difíceis de conectar, tornando complicado identificar o conhecimento realmente necessário.</li><li><strong>Redundância:</strong> Em um ecossistema de squads, é comum que um mesmo tópico seja abordado por diferentes equipes. Por isso, é crucial ser proativo na identificação desses documentos para garantir que a evolução ocorra a partir de um ponto comum. É necessário adotar uma estratégia de encapsulamento e organização para facilitar a integração da documentação, separando o que é geral do que é específico. Aplique a mesma regra utilizada no código: evite duplicações, sejam elas conscientes ou inconscientes.</li><li><strong>Obsoletas:</strong> Documentações que não acompanham a evolução do projeto podem rapidamente se tornar obsoletas. É fundamental garantir que a documentação seja mantida em sincronia com as mudanças do projeto. Práticas como a Definition of Done (DoD) podem ser eficazes para assegurar que a documentação esteja sempre atualizada.</li><li><strong>Poluídas:</strong> Tempo é um recurso valioso, e a inclusão de informações desnecessárias em documentação pode resultar em custos extras e desperdício de tempo. Quando não se define claramente o objetivo da documentação, é fácil adicionar detalhes irrelevantes que não contribuem para o entendimento ou uso do material.</li><li><strong>Precárias:</strong> Cada processo ágil tem sua própria filosofia sobre documentação. No entanto, muitas vezes o Extreme Programming (XP) é usado para negligenciar a escrita de documentação, com a ideia de que o código funcionando fala por si. Contudo, essa abordagem tem suas limitações: pode sobrecarregar o leitor com detalhes, não é acessível a todas as pessoas e não explica o significado por trás de um comportamento.</li></ul><h3>Conceitos-chave de DDD</h3><p>A abordagem de Domain-Driven Design (DDD) trata de uma solução eficaz para gerenciar a complexidade e aprimorar tanto o desenvolvimento quanto a documentação. O DDD facilita a criação de modelos ricos e significativos para resolver problemas específicos do domínio e oferece ferramentas valiosas para estruturar e organizar o conhecimento de forma eficiente. A seguir, um breve resumo dessas ferramentas antes de partirmos para a exemplificação prática:</p><ul><li><strong>Contexto Delimitado (Bounded Context):</strong> fornece às equipes um entendimento explícito e compartilhado sobre onde um modelo de domínio é definido e aplicado, garantindo que os conceitos e termos sejam consistentes dentro desse espaço específico e permitindo que ele seja desenvolvido de forma independente.</li><li><strong>Linguagem Ubíqua (Ubiquitous Language):</strong> Também conhecida como Linguagem Onipresente, é uma linguagem estruturada em torno do modelo de domínio e utilizada por toda a equipe em todas as suas atividades. Isso inclui desde conversas diárias até o código do produto e o código dos testes, como cenários de teste e validações. O objetivo é garantir um entendimento compartilhado e coeso entre todos os membros do time. Além disso, a adoção dessa linguagem facilita a integração com sistemas externos, especialmente em segmentos que possuem jargões específicos de mercado. Por exemplo, o uso de padrões como os definidos pela ISO ou por instituições regulatórias pode ser simplificado pela aplicação consistente da Linguagem Ubíqua, alinhando os conceitos internos da equipe com os padrões externos.</li><li><strong>Mapa de Contexto (Context Mapping):</strong> Representa e define as interações e relações entre diferentes contextos delimitados envolvidos em um projeto, esclarecendo as verdadeiras conexões entre eles e seus modelos. O Mapa de Contexto ajuda a entender como esses contextos se comunicam e influenciam uns aos outros.</li><li><strong>Agregado (Aggregate):</strong> Um agregado é um agrupamento de objetos associados que são tratados como uma unidade para fins de alterações de dados dentro de um contexto delimitado. Referências externas ao agregado são restritas a um único membro, conhecido como a raiz do agregado. Um conjunto de regras de consistência se aplica dentro dos limites do agregado, garantindo que todas as operações mantenham a integridade dos dados internos.</li><li><strong>Evento (Event):</strong> É uma ocorrência importante no domínio que representa uma mudança de estado ou uma ação relevante. Um evento é usado para comunicar e registrar essas mudanças, permitindo a coordenação e a atualização entre diferentes partes do sistema ou entre diferentes sistemas.</li><li><strong>Modelo de Leitura (Read Model):</strong> É uma projeção otimizada dos dados que facilita a leitura e a consulta, ajustada para atender às necessidades específicas de leitura e análise.</li></ul><p>O mapa de contexto a seguir oferece uma maneira clara e eficiente de identificar interações e limites contextuais dentro do sistema. Seu visual intuitivo facilita a comunicação entre os membros da equipe e apoia uma arquitetura evolutiva, tornando o documento fácil de manter e expandir.</p><p>Sabe quando uma nova demanda chega e o time precisa se reunir, muitas vezes recorrendo à memória ou a várias documentações para entender o impacto da mudança? Com esse fluxo em mãos, consigo imaginar que até mesmo alguém recém-chegado à equipe poderia colaborar de forma confortável, independentemente do seu papel ou nível de experiência.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*xRGnDQEniu0sFQMYVjssRg.jpeg" /><figcaption>Ania Rosner. Repositório no GitHub. Disponível em:<a href="https://github.com/aniarosner/payments-ddd/blob/master/docs/bc.jpg">https://github.com/aniarosner/payments-ddd/blob/master/docs/bc.jpg</a>. Acesso em: 01/09/2024.</figcaption></figure><p>A próxima representação arremata outras necessidades e dúvidas do ciclo de vida da operação, mostrando o fluxo de processos, eventos, relações e dependências. Além disso, os cards de rodapé podem explorar decisões que orientam a solução em relação aos objetivos de negócio, o que permite propostas de evolução e mudanças com foco nos OKRs desejados. Entre outras possibilidades, poderíamos criar uma máquina de estados e gerar cenários de teste de forma automatizada. Acredito que essa representação atende a diversas demandas do projeto de forma sustentável, pois permite extrair informações sobre contexto, objetivos, cenários de teste, arquitetura, entre outros aspectos, os quais são orquestrados por diferentes papéis.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*fUH5k1eGsUNAWvwl4_-evA.jpeg" /><figcaption>Ania Rosner. Repositório no GitHub. Disponível em:<a href="https://github.com/aniarosner/payments-ddd/blob/master/docs/processes.jpg">https://github.com/aniarosner/payments-ddd/blob/master/docs/processes.jpg</a>. Acesso em: 01/09/2024.</figcaption></figure><h3>Conclusão</h3><p>Avalie o uso das ferramentas mencionadas para consolidar e compartilhar o conhecimento do domínio com a equipe e desafiem-se a criar documentações que proporcionem respostas rápidas sobre mapeamento de riscos, pontos-chave necessários para as evoluções, cenários de teste e que orientem o design de maneira objetiva e eficaz, além de outras necessidades de projeto que bebem da mesma água. Meu objetivo com este artigo é destacar que, mesmo algo geralmente pouco priorizado, pode ter um impacto significativo na otimização das entregas.</p><p>Além disso, a medida que a Inteligência Artificial (IA) continua a transformar o desenvolvimento de software, o diferencial competitivo baseado apenas no conhecimento técnico se torna cada vez mais limitado. Ferramentas como o GitHub Copilot já estão demonstrando um impacto significativo na produtividade das pessoas desenvolvedoras. Por exemplo, estudos mostram que desenvolvedoras que utilizam o <a href="https://github.blog/news-insights/research/research-quantifying-github-copilots-impact-on-developer-productivity-and-happiness/#:~:text=The%20group%20that%20used%20GitHub,didn&#39;t%20use%20GitHub%20Copilot.">GitHub Copilot completam tarefas 55% mais rápido do que aqueles que não utilizam, com uma taxa de conclusão 8% superior</a>. Com a IA automatizando muitos aspectos técnicos do trabalho, a verdadeira vantagem competitiva para os times de desenvolvimento está na profundidade do conhecimento de domínio. Esse conhecimento permite ao DevTeam criar soluções que realmente atendam às necessidades específicas dos usuários, diferenciando-se no mercado pela capacidade de resolver problemas complexos do domínio que vão além da codificação pura.</p><h4>Referência</h4><ul><li>EVANS, Eric. <em>Domain-Driven Design: Atacando as Complexidades no Coração do Software</em>. Tradução de Tibério Júlio Couto Novais. 3. ed. Rio de Janeiro: Alta Books, 2016.</li><li>GITHUB. <em>Research: Quantifying GitHub Copilot’s impact on developer productivity and happiness</em>. Disponível em: <a href="https://github.blog/news-insights/research/research-quantifying-github-copilots-impact-on-developer-productivity-and-happiness/#:~:text=The%20group%20that%20used%20GitHub,didn&#39;t%20use%20GitHub%20Copilot">https://github.blog/news-insights/research/research-quantifying-github-copilots-impact-on-developer-productivity-and-happiness/#:~:text=The%20group%20that%20used%20GitHub,didn&#39;t%20use%20GitHub%20Copilot</a>. Acesso em: 01 set. 2024.</li></ul><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=9c09d834719f" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[Da Competição à Cooperação: Repensando a Narrativa do QA e Dev diante de Bugs Tardios]]></title>
            <link>https://medium.com/@pri-campos/da-competi%C3%A7%C3%A3o-%C3%A0-coopera%C3%A7%C3%A3o-repensando-a-narrativa-do-qa-e-dev-diante-de-bugs-tardios-c6983365d563?source=rss-dc718c481a1e------2</link>
            <guid isPermaLink="false">https://medium.com/p/c6983365d563</guid>
            <category><![CDATA[automação-de-testes]]></category>
            <category><![CDATA[automation-testing]]></category>
            <category><![CDATA[qa]]></category>
            <category><![CDATA[melhoria-de-processo]]></category>
            <category><![CDATA[qualidade-de-software]]></category>
            <dc:creator><![CDATA[Priscila Campos]]></dc:creator>
            <pubDate>Sun, 24 Mar 2024 17:35:49 GMT</pubDate>
            <atom:updated>2024-03-24T17:35:49.291Z</atom:updated>
            <content:encoded><![CDATA[<figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*rtO1H8hAVM1XtVYFaGdb8Q.png" /><figcaption>Tirinha onde Bela Gil sugere que, em vez de depender apenas de testes manuais exaustivos para evitar bugs fix em produção, é mais eficaz implementar práticas como CI (Integração Contínua), TDD (Desenvolvimento Orientado por Testes), Code Review, Monitoramento e automação.</figcaption></figure><h3>Introdução</h3><p>Por muito tempo, a cultura ágil tem sido tema de discussões, porém sua aplicação efetiva frequentemente enfrenta contradições. Em meio a uma avalanche de comentários e memes, é comum observarmos que tanto Devs quanto QAs ainda se concentram na identificação de bugs em uma fase nomeada de teste, ao invés de abordar as falhas no processo.</p><blockquote>“Inspeção com o objetivo de identificar os defeitos e descartá-los é tardio, ineficaz e caro. A qualidade não surge da inspeção, mas da melhoria dos processos.”</blockquote><blockquote>W. Edwards Deming</blockquote><p>Teste não deve ser considerado apenas uma fase, tampouco responsabilidade exclusiva de um papel. O bug identificado na versão candidate não deve ser encarado como uma prática comum. Ser QA não se limita à simples execução de testes. Essas narrativas precisam ser reconsideradas pelos times e organizações.</p><p>A seguir, alguns tópicos compilados dos livros “<a href="https://www.amazon.com.br/Microsservi%C3%A7os-Prontos-Para-Produ%C3%A7%C3%A3o-Padronizados/dp/8575226215/ref=asc_df_8575226215/?tag=googleshopp00-20&amp;linkCode=df0&amp;hvadid=379739109739&amp;hvpos=&amp;hvnetw=g&amp;hvrand=15874128735550584860&amp;hvpone=&amp;hvptwo=&amp;hvqmt=&amp;hvdev=c&amp;hvdvcmdl=&amp;hvlocint=&amp;hvlocphy=1031969&amp;hvtargid=pla-812784633358&amp;psc=1&amp;mcid=cd79a4055c3f34f184d0500a4cfacbfc">Microsserviços Prontos Para a Produção</a>”, de Susan J. Fowler, e “<a href="https://www.amazon.com.br/Entrega-Cont%C3%ADnua-Entregar-Software-Confi%C3%A1vel/dp/8582601034">Entrega Contínua: Como Entregar Software de Forma Rápida e Confiável</a>”, de Jez Humble e David Farley, que endossam a aplicação da cultura ágil.</p><h3>Princípios de Entrega de Software</h3><h4><strong>1. Automatize quase tudo:</strong></h4><p>Este tema é conhecido por suscitar muitas opiniões e antes de abordá-lo em todas as fases de desenvolvimento, como QA, gostaria de começar com os comentários quase instantâneos que surgem quando a palavra “automação” é citada em teste: “automação não é bala de prata” ou “no meu time isso é um problema porque os QAs não automatizam”. Porém, essas frases são distrações!</p><p>Realmente, automação não é a bala de prata, assim como qualquer outra solução não o é. E, assim como em qualquer proposta de melhoria, precisamos compreender qual objetivo queremos atingir. Nesse caso, buscamos melhorar a manutenção do produto. Para todos os outros problemas, teremos uma ou mais ações que os mitigarão, e nenhuma será genérica. Então, por que nos apegar a essa frase genérica que, na realidade, ninguém diz quando busca ou sugere automação para prorrogar a falta de automação?!</p><p>Sobre a outra frase, dizer que falta algo no time associado a um papel traz um problema de responsabilização de pessoas e revela a disfunção do time, criando um bloqueio para atingir objetivos importantes. Se as pessoas QAs do time não automatizam, como todo o time e a organização pode aumentar a capacidade para automação com planos a curto, médio e longo prazo?!</p><p>Para evitar que este artigo se torne excessivamente extenso, retorno ao cerne da perspectiva de automação em todas as fases. Sim, existem algumas tarefas que são impossíveis de automatizar. No entanto, a lista de processos que não podem ser automatizados é menor do que se imagina, exigindo apenas esforço e criatividade. Realizar uma tarefa manualmente pode ser aceitável na primeira vez, mas certamente não é viável na décima, nem na terceira ou quarta repetição. Além disso, não se trata de automatizar tudo de uma vez; é crucial começar identificando os gargalos no processo. A automação deve ser realizada gradualmente, ao longo do tempo. Garantir este princípio no desenvolvimento, teste e entrega tem um impacto significativo na velocidade, qualidade e custo do software.</p><h4><strong>2. Mantenha tudo sob controle de versão:</strong></h4><p>Todos os elementos necessários para compilar, configurar, implantar, testar e entregar uma versão de sua aplicação devem ser mantidos em um sistema de controle de versão. A eficiência do processo de entrega é avaliada quando qualquer novo membro da equipe consegue fazer o check-out da versão atual sem problemas.</p><h4><strong>3. Se é difícil, faça com mais frequência e amenize o sofrimento:</strong></h4><p>Se o teste é um processo desafiador que ocorre logo antes da entrega de uma versão, não deixe para o final. Em vez disso, teste continuamente desde o início do projeto. Se a entrega é uma tarefa penosa, tenha como objetivo fazê-la sempre que uma mudança passar pelos testes automatizados.</p><p>Se não for possível entregar para usuários reais a cada vez ou realizar testes integrados, utilize um ambiente semelhante ao de produção/integrado após cada nova versão. Estabeleça objetivos intermediários; por exemplo, se o intervalo de uma versão interna é quinzenal, busque torná-lo semanal. Faça mudanças progressivas até se aproximar do ideal — mesmo pequenos passos têm grandes benefícios. O Extreme Programming é essencial para aplicar essa heurística ao processo de desenvolvimento.</p><h4>4. <strong>A qualidade deve estar presente desde o início:</strong></h4><p>Identificar um defeito o mais cedo possível reduzirá significativamente o custo de sua correção. É ainda mais econômico corrigir defeitos antes mesmo de eles entrarem no controle de versão. Técnicas como integração contínua, cobertura extensiva de testes automatizados e implantação automatizada visam identificar defeitos no processo de entrega o mais cedo possível.</p><p>Com uma cobertura abrangente de testes automatizados, é essencial lidar prontamente com os alertas de feedback. Um alarme de incêndio torna-se inútil se todos o ignorarem. Os times de entrega devem ser disciplinados o suficiente para corrigir defeitos assim que forem encontrados. Além disso, os testes devem ser confiáveis; se alarmes de incêndio forem frequentemente acionados de forma equivocada, eles perderão sua eficácia em situações reais.</p><p>Há dois outros corolários deste princípio. Primeiramente, os testes não devem ser considerados uma fase separada e certamente não devem ocorrer após o desenvolvimento. Deixar os testes para o final resultará em falta de tempo para corrigir os defeitos. Em segundo lugar, os testes não são responsabilidade exclusiva de um papel específico. Todos no time de entrega são responsáveis pela qualidade durante todo o processo. É crucial evitar silos que isolem as pessoas em papéis distintos; caso contrário, em caso de problemas, mais tempo será gasto procurando culpados do que corrigindo defeitos.</p><h3>Melhoria de Processos</h3><p>Ao percebermos que muitas vezes nos afastamos dos princípios de entrega em um contexto ágil, é hora de adotar algumas práticas que possam trazer benefícios para todos os envolvidos: membros da equipe, organizações e usuários.</p><h4>Checklists de Apoio: Pronto para Produção:</h4><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*vlqA-CIc2q2L27i5G7s-Ng.png" /></figure><p><strong>É estável e confiável quando:</strong></p><ul><li>Segue um ciclo de desenvolvimento padronizado.</li><li>Realize testes minuciosos, incluindo testes de lint, testes unitários, testes de integração e testes de ponta a ponta.</li><li>Automatize processos de teste, empacotamento, versão e liberação.</li><li>Utilize um pipeline de deployment padronizado, abrangendo as fases de staging, pré-lançamento e produção.</li><li>Conheça os clientes que utilizam o produto.</li><li>Mantenha as dependências bem conhecidas, com backups, alternativas, fallbacks e cache disponíveis em caso de falhas.</li><li>Mantenha um roteamento e descoberta estáveis e confiáveis.</li></ul><p><strong>É tolerante a falhas e preparado para catástrofe quando:</strong></p><ul><li>Não depende de um único ponto de falha.</li><li>Identificou os cenários de falha possíveis.</li><li>Foi testado para resiliência através de testes de código e teste de desempenho.</li><li>A detecção e a correção de falhas são automatizadas.</li><li>Existem procedimentos padronizados para lidar com incidentes e interrupções, tanto dentro da equipe quanto na organização.</li></ul><p><strong>É adequadamente monitorado quando:</strong></p><ul><li>Suas principais métricas são identificadas e monitoradas.</li><li>Possui um sistema de logging adequado.</li><li>Seus alertas são acionáveis e definidos por limites claros.</li><li>Conta com uma equipe dedicada de plantão para monitorar e responder a qualquer incidente ou interrupção.</li><li>Existem procedimentos explícitos, bem definidos e padronizados para lidar com incidentes e interrupções durante o plantão.</li></ul><p><strong>É escalável e de alto desempenho quando:</strong></p><ul><li>As escalas de crescimento qualitativo e quantitativo são conhecidas.</li><li>Utiliza recursos de hardware e software de maneira eficiente.</li><li>Identifica gargalos e requisitos de recursos.</li><li>Automatize o planejamento de capacidade e faça-o de forma programada.</li><li>Garanta que as dependências escaláveis acompanhem o produto.</li><li>Garanta que o produto escala junto com seus clientes.</li><li>Compreenda os padrões de tráfego e esteja preparado para redirecioná-lo em caso de falhas.</li><li>Escreva o código em uma linguagem que permita escalabilidade e alto desempenho.</li><li>Trate e processe tarefas com alto desempenho.</li><li>Armazene e processe dados de forma escalável e com alto desempenho.</li></ul><p><strong>É documentando e compreendido quando:</strong></p><ul><li>Possui uma documentação abrangente.</li><li>Sua documentação é atualizada regularmente.</li><li>Sua documentação contém uma descrição do produto, um diagrama de arquitetura, informações de contato e plantão, links para informações importantes, um guia de bordo e desenvolvimento, informação sobre fluxos e dependências, um roteiro de plantão, respostas e perguntas mais frequentes.</li><li>É bem compreendido nos níveis de desenvolvedor, equipe e organizacional.</li><li>Segue um conjunto de padrões de disponibilidade de produção e cumpre os requisitos associados.</li><li>Sua arquitetura é revisada e auditada frequentemente.</li></ul><p>Melhorar o processo de entrega a cada iteração requer de nós intencionalidade para refletir sobre o que funcionou bem e o que não funcionou, além de discutir ideias para melhorias, seguindo o ciclo de Deming (planejar, executar, verificar e agir). E evitar despender tempo com competição ao invés de colaboração.</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=c6983365d563" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[Cultura Post-mortem: A Busca por "Segundas Histórias"]]></title>
            <link>https://medium.com/@pri-campos/cultura-post-mortem-a-busca-por-segundas-hist%C3%B3rias-821f50a844bf?source=rss-dc718c481a1e------2</link>
            <guid isPermaLink="false">https://medium.com/p/821f50a844bf</guid>
            <category><![CDATA[postmortem]]></category>
            <category><![CDATA[qa]]></category>
            <category><![CDATA[tqm]]></category>
            <category><![CDATA[gestão-de-qualidade]]></category>
            <category><![CDATA[melhoria-contínua]]></category>
            <dc:creator><![CDATA[Priscila Campos]]></dc:creator>
            <pubDate>Mon, 23 Oct 2023 11:39:24 GMT</pubDate>
            <atom:updated>2023-11-08T16:46:14.280Z</atom:updated>
            <content:encoded><![CDATA[<figure><img alt="" src="https://cdn-images-1.medium.com/max/500/1*cOyN-WKYeTbVkQEABsRVbw.gif" /><figcaption>Assim como o Espelho de Ojesed de Harry Potter revela os desejos mais profundos, a cultura do post-mortem nos lembra que o verdadeiro crescimento reside na busca constante pelo conhecimento e aprendizado a partir dos nossos erros.</figcaption></figure><blockquote>“É impossível viver sem falhar em alguma coisa, a menos que você viva com tanto cuidado que você pode não ter vivido de forma alguma, nesse caso você falhou por padrão&quot; (J.K. Rowling).</blockquote><h3>Visão Geral</h3><p>O Post-mortem é um conceito amplamente conhecido, mas muitas vezes subutilizado. O erro é uma faceta intrínseca do processo de aprendizado, tornando crucial compreender como enfrentar os momentos de fracasso, uma vez que a maneira como os abordamos pode moldar a transformação de obstáculos em oportunidades de crescimento.</p><p>Os valores fundamentais da análise Post-mortem incluem aprendizado, inovação, melhoria contínua, engenharia de confiabilidade, feedback construtivo, aprimoramento de práticas e eficiência operacional. Portanto, cultivar a cultura do Post-mortem não apenas auxilia as equipes a reconhecer e analisar os desafios, mas também as orienta na busca constante de melhorias contínuas.</p><h4>História e Relevância</h4><p>A palavra “Post” é comumente interpretada como “após” ou “depois”, e “mortem” tem uma conexão direta com “morte”. O termo “post-mortem” é amplamente utilizado em várias áreas, incluindo a prática da autópsia, e suas origens remontam ao século XIX.</p><p>No contexto do desenvolvimento de software, o termo refere-se a um registro por escrito de um incidente, seu impacto e as ações tomadas para mitigá-lo ou resolvê-lo. <a href="https://sre.google/sre-book/example-postmortem/">Neste exemplo adotado pelo Google</a>, o Post-mortem vai muito além da simples compreensão da causa raiz e da visibilidade da resolução. Neste processo, são listadas nada menos que 165 ações a serem tomadas, visando não só evitar que o problema ocorra novamente, mas também como transformar o incidente em um valioso backlog de novas oportunidades de melhoria. Ou seja, o “post-mortem” se estende a uma análise profunda que abrange diversas facetas envolvidas na falha.</p><h4>Reagindo ao Fracasso: Desafiando Preconceitos</h4><p>O Post-mortem é uma reação, e, portanto, compreender as razões pelas quais o potencial dessa prática é subestimado envolve nossa compreensão sobre o fracasso. A engenheira de machine learning <a href="https://mlinreallife.github.io/nastasia_saby/">Nastasia Saby</a> traz perspectivas que nos levam a refletir sobre se o fracasso é realmente como o imaginamos, por meio das seguintes observações:</p><p><strong>1. Enfrentaremos fracassos: </strong>Por mais que tenhamos exemplos e estudos sobre como evitar falhas, estas inevitavelmente ocorrerão em algum momento. Aceite: as falhas não se importam com nossas práticas de desenvolvimento; elas ocorrerão de qualquer maneira.</p><p><strong>2. Ter uma falha não garante evitá-la no futuro:</strong> Seguimos padrões de comportamento repetitivos que nos levam aos mesmos resultados. Mudar esses padrões requer um período de reflexão. O poema <a href="https://blogs.correiobraziliense.com.br/consultoriosentimental/autobiografia-em-5-capitulos/">Autobiografia em 5 Capítulos</a>, escrito por <a href="https://en.wikipedia.org/wiki/Portia_Nelson">Portia Nelson</a>, ilustra bem essa realidade.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/940/1*PY73HNwUYgd9C4LjYqQAlQ.png" /><figcaption>Poema Autobiografia em 5 Capítulos de <a href="https://en.wikipedia.org/wiki/Portia_Nelson">Portia Nelson</a></figcaption></figure><p><strong>3. Sem reflexão, o fracasso permanece inútil: </strong>Se não reconhecermos nossos erros e não tentarmos entender por que falhamos, a falha não terá a oportunidade de nos proporcionar aprendizado. Nesse cenário, a falha se torna apenas um erro inútil.</p><blockquote>“O custo do fracasso é a educação” (Devin Carraway).</blockquote><p><strong>4. Vamos falhar! E quando isso acontecer, falharemos rapidamente: </strong>Não devemos nos apegar a custos irrecuperáveis. Mesmo quando houve um grande investimento em uma solução que não está funcionando, isso não implica que devemos continuar a gastar com ela. É mais sensato economizar dinheiro e tempo para buscar uma alternativa melhor.</p><p><strong>5. Não tenhamos medo de parecer tolos! Aprendamos a esperar e aceitar as falhas: </strong>Enfrentar falhas pode ser desconfortável e nos fazer sentir inaptos, mas ao mudar nossa perspectiva e aprender com elas, evoluímos e criamos soluções melhores. A primeira tentativa raramente é a melhor, mas é o alicerce do aprendizado e do progresso.</p><h4>Descobrindo o Valor nas Segundas Histórias</h4><p>A cultura Post-mortem nasce da necessidade de investigação mais profunda e da identificação dos fatores subjacentes que contribuíram para um incidente ou falha em um projeto, conhecida como a busca pelas segundas histórias.</p><p>Essa busca implica não se limitar a identificar causas superficiais de uma falha; ela sugere que existem camadas adicionais de contexto e informações que podem não ser imediatamente evidentes, mas são cruciais para uma compreensão mais profunda. Isso envolve o questionamento de suposições subjacentes, políticas, processos, decisões e interações que podem ter desempenhado um papel no incidente.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*mkmDvoG3Pbt0dq1fFUFfSw.png" /><figcaption>Diferença entre primeiras e segundas histórias</figcaption></figure><h4>Dicas e Boas Práticas</h4><p>Algumas dicas simples sobre Post-mortem:</p><ul><li><strong>Quando fazer?</strong> Post-mortems são essenciais após eventos indesejados significativos, no entanto, devido ao custo em termos de tempo e esforço associado à sua realização, são conduzidos seletivamente.</li><li><strong>Quais objetivos ter em mente ao fazê-lo?</strong> Fomentar aprendizado e inovação.</li><li><strong>Como evitar a subjetividade na decisão de realizar um Post-mortem?</strong> Trabalhe em conjunto com a equipe para definir os eventos-chave que devem acionar a realização de um Post-mortem, tais como tempo de inatividade, degradação, perda de dados, reversão de liberação, tempo de resolução excedendo o limite, falhas de monitoramento, entre outros.</li><li><strong>Quais são as boas práticas?</strong> Na abordagem de SRE (Engenharia de Confiabilidade de Sistemas), os post-mortems devem ser:<br>i) Impecáveis, focando na identificação das causas dos incidentes, sem atribuir culpa a indivíduos ou equipes. É fundamental que todas as pessoas envolvidas estejam comprometidos em criar um ambiente onde a honestidade seja celebrada e a culpa está ausente.<br>ii) Incluir pessoas com diferentes perspectivas sobre o incidente.<br>iii) Contando com pessoas revisoras para avaliar se o Post-mortem contém os principais dados sobre o incidente, avaliações de impacto completas, uma análise de causa raiz suficientemente profunda, um plano de ação apropriado, ações com prioridades apropriadas e verifica se as partes interessadas foram devidamente comunicadas.</li><li><strong>O que deve ser considerado na estruturação do Post-mortem?</strong> Ferramentas que permitem colaboração em tempo real para coletar dados e ideias, incluindo um sistema de comentários aberto e notificações para envolver outras pessoas.</li><li><strong>Como tangibilizar o impacto do Post-mortem?</strong> Realize medições significativas das melhorias decorrentes das análises de Post-mortem, como o tempo de resolução de incidentes, a frequência de recorrência de incidentes, o tempo médio entre falhas, a satisfação do cliente, a taxa de disponibilidade do sistema, a eficiência operacional, a qualidade do software, entre outras métricas relevantes.</li></ul><h4>Ideias para Cultivar uma Cultura de Post-mortem</h4><p>Aqui estão algumas ideias que podem ser adotadas para fortalecer as equipes por meio da cultura de Post-mortem:</p><ul><li><strong>Boletim informativo mensal:</strong> Compartilhe post-mortems interessantes e bem escritos com com mais equipes por meio de um boletim informativo mensal.</li><li><strong>Grupo dedicado:</strong> Crie e mantenha um grupo dedicado para compartilhar e discutir post-mortems internos e externos, bem como melhores práticas.</li><li><strong>Reuniões de leitura Post-mortem: </strong>Realize reuniões de leitura post-mortem, nas quais o time debate abertamente post-mortems interessantes ou impactantes, acompanhados de petiscos e bebidas.</li><li><strong>Post-mortems experimentais:</strong> Conduza post-mortems experimentais abrangentes e bem-sucedidos para demonstrar seu valor e determinar quais eventos-chave devem acionar um post-mortem em seu contexto.</li><li><strong>Reencenação de Post-mortems:</strong> Recrie post-mortems concluídos, com atores interpretando os papéis envolvidos no incidente, proporcionando um aprendizado prático para diferentes pessoas ou times. Às vezes, até conte com a participação da pessoa autora do incidente original para tornar a experiência o mais realista possível.</li><li><strong>Técnica future backwards: </strong>A sessão &quot;future backwards&quot; pode estimular a ideação ampla e o pensamento inovador. Combine as lentes do passado e do futuro, para criar visões que vão colaborar para mapear uma lista prática de ações necessárias para alcançar os objetivos e, assim, aprimorar a estratégia de melhoria contínua.</li></ul><blockquote>&quot;Sem um processo de aprendizado dos incidentes, eles podem se repetir indefinidamente. Se não forem gerenciados, os incidentes podem se tornar mais complexos ou até mesmo desencadear em cascata, sobrecarregando tanto o sistema quanto seus operadores, e, em última instância, afetando os nossos usuários.</blockquote><blockquote>Portanto, os post-mortems são uma ferramenta essencial para o SRE&quot;</blockquote><blockquote>(Releitura de John Lunney e Sue Luede).</blockquote><h3>Referências</h3><ol><li>SRE Google. “Postmortem Culture: Learning from Failure.” Disponível em: <a href="https://sre.google/sre-book/postmortem-culture/">https://sre.google/sre-book/postmortem-culture/</a>. Acesso em 22 de outubro de 2023.</li><li>Machine Learning in Real Life. “Failure is not what you think it is.” Disponível em: <a href="https://mlinreallife.github.io/posts/failure/">https://mlinreallife.github.io/posts/failure/</a>. Acesso em 22 de outubro de 2023.</li><li>NCBI. “Just Culture: A Foundation for Balanced Accountability and Patient Safety.” Disponível em: <a href="https://www.ncbi.nlm.nih.gov/pmc/articles/PMC3776518/">https://www.ncbi.nlm.nih.gov/pmc/articles/PMC3776518/</a>. Acesso em 22 de outubro de 2023.</li><li>Etsy. “Blameless PostMortems and a Just Culture.” Disponível em: <a href="https://www.etsy.com/codeascraft/blameless-postmortems/">https://www.etsy.com/codeascraft/blameless-postmortems/</a>. Acesso em 22 de outubro de 2023.</li><li>Martin Fowler. &quot;Building Infrastructure Platforms&quot;. Disponível em: <a href="https://martinfowler.com/articles/building-infrastructure-platform.html">https://martinfowler.com/articles/building-infrastructure-platform.html</a>. Acesso em 22 de outubro de 2023.</li></ol><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=821f50a844bf" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[Dívida Técnica: Hipoteca sobre a produtividade]]></title>
            <link>https://medium.com/@pri-campos/d%C3%ADvida-t%C3%A9cnica-hipoteca-sobre-a-produtividade-4d2642564794?source=rss-dc718c481a1e------2</link>
            <guid isPermaLink="false">https://medium.com/p/4d2642564794</guid>
            <category><![CDATA[technical-debt]]></category>
            <category><![CDATA[dívida-técnica]]></category>
            <category><![CDATA[quality-software]]></category>
            <category><![CDATA[qualidade-de-software]]></category>
            <dc:creator><![CDATA[Priscila Campos]]></dc:creator>
            <pubDate>Sun, 30 Jul 2023 16:41:16 GMT</pubDate>
            <atom:updated>2023-08-04T01:49:22.942Z</atom:updated>
            <content:encoded><![CDATA[<figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*iSyTr3MpacsjmGY8q3cL1g.png" /><figcaption>Na imagem, uma personagem está sobre uma pilha de moedas, segurando uma calculadora e com uma expressão assustada. Algumas dessas pilhas moedas são classificadas como code smell, falta de documentação, cobertura de teste ineficiente, entre outras…</figcaption></figure><h3>Introdução</h3><p>Consegue imaginar o seguinte cenário: prazo de entrega apertado, qualidade interna do produto negligenciada, mas a entrega é realizada. O time continua trabalhando sem design, acumulando cruft, e o tempo de resposta a novas funcionalidades aumenta gradualmente. Conversas sobre culpados compõem a rotina e o ambiente é tomado por uma umidade que parece favorecer a proliferação de bugs. Então, percebe-se que o lançamento de novas versões está comprometido.</p><p>Acredito que para a maioria de nós, esse cenário tem cor, cheiro e até sabor. Ele também apresenta tantos nuances que raramente um artigo os abordará, mas gostaria de explorar esse quadro sob a perspectiva dos sintomas da dívida técnica, sintetizando a leitura de vários artigos que abordam sua origem, uso estratégico e até o impacto humano. Com isso, pretendo trazer reflexões que nos permitam ser mais proativos diante de um vilão invisível que afeta a produtividade, nosso bem-estar e a vantagem competitiva dos produtos com os quais trabalhamos.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/770/1*oom_8RlqdurCuR8-dWh6WA.jpeg" /><figcaption>Imagem com um personagem demonstrando hesitação, segurando uma roda nas mãos, enquanto observa outro personagem pedalando com grande esforço em uma bicicleta de roda quadrada, dizendo: &quot;Não posso parar, estou muito ocupado!&quot;</figcaption></figure><h4>Origem</h4><p>Em 1992, durante a conferência OOPSLA (Object-Oriented Programming, Systems, Languages, and Applications), a metáfora Dívida Técnica foi adotado oficialmente por <a href="https://pt.wikipedia.org/wiki/Ward_Cunningham">Ward Cunningham</a>. Ele explicou que alguns problemas com o código são como dívidas financeiras, onde é aceitável pegar emprestado do futuro, desde que essas dívidas sejam pagas.</p><blockquote>“Achei que pegar dinheiro emprestado fosse uma boa ideia. Achei que lançar o software rapidamente para obter alguma experiência com ele fosse uma boa ideia. Mas é claro que, eventualmente, eu voltaria atrás e, à medida que aprendesse mais sobre esse software, pagaria essa dívida refatorando o programa para refletir minha experiência adquirida.” <strong>Ward Cunningham</strong></blockquote><p>Em uma situação hipotética, imagine que foram gastos 5 dias para executar uma determinada atividade, mas em uma estimativa “imaginária”, esperava-se que ela fosse cumprida em apenas 3 dias se o código estivesse melhor estruturado. Nesse caso, os 2 dias adicionais seriam os “juros” da dívida técnica. Embora não seja possível <a href="https://martinfowler.com/bliki/CannotMeasureProductivity.html">medir a produtividade</a>, para muitos autores, esse cenário é considerado um axioma, dado que produzimos melhor em estruturas que atendem as boas práticas.</p><h4>Principais Causas da Dívida Técnica</h4><p>Alguns pontos que podem impactar nossa produtividade incluem:</p><ul><li>Arquitetura e estrutura que não estão totalmente adequadas;</li><li>Duplicação de código;</li><li>Cobertura de testes ineficiente;</li><li>Comentários e documentação ausentes ou inadequados;</li><li>Possíveis bugs;</li><li>Complexidade excessiva;</li><li>Code Smell (mau cheiro de código);</li><li>Más práticas de codificação e estilo…</li></ul><p>A listagem de atributos voltados para a qualidade interna pode ser um desafio a ser negociado em diversos contextos. Isso demanda uma comunicação intencional e consciente com diferentes papéis, bem como uma compreensão clara da visão do produto.</p><p>Para quem espera a solução, a qualidade externa é mais palpável e por isso o tempo e custo de desenvolvimento é aguardado. No entanto, a qualidade interna pode parecer um custo excessivo, especialmente quando diferentes empresas ou equipes oferecem uma “mesma solução” em menos tempo e/ou a um custo menor. Isso acontece porque, à primeira vista, essas soluções podem parecer entregar o mesmo valor.</p><p>A pessoa que está observando a saúde da empresa busca a melhor solução, e cabe ao time técnico apoiar estrategicamente essa visão com sua expertise técnica.</p><h4>Natureza da Dívida Técnica</h4><p>Para <a href="https://martinfowler.com/">Martin Fowler</a>, o debate se uma falha de projeto é considerado dívida técnica não é tão produtivo. Em vez disso, é mais importante compreender a natureza da dívida e adotar ações complementares para lidar com ela de forma eficaz.</p><p>A natureza é entendia pelo quadrante:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*kZuyrDaEjwqPy6tLL7k3bw.png" /></figure><ul><li><strong>Imprudente/ Deliberada: </strong>Compreende que está contraindo uma dívida, impulsionadas por decisões apressadas, desconsideração pela qualidade, pressões, entre outros motivos e não tem plano de pagá-las. Isso pode acarretar em maus hábitos, pois a Dívida Técnica nunca deve ser usada para negligenciar a qualidade interna do produto.</li><li><strong>Prudente/ Deliberada: </strong>Compreende-se que está contraindo uma dívida e toma essa decisão porque sabe que o retorno da liberação é maior do que o custo de pagá-la inicialmente, mas planeja como pagá-la.</li><li><strong>Imprudente/ Inadvertida: </strong>As dívidas são contraídas com pouco ou nenhuma consciência, essas decisões são tomadas por falta de conhecimento técnico ou experiência insuficiente.</li><li><strong>Prudente/ Inadvertida: </strong>Essa é uma dívida técnica perigosa, gerada pela má compreensão da complexidade do código e suas interações, podendo acarretar grandes impactos no futuro sem que a equipe perceba inicialmente.</li></ul><p>Sobre a natureza imprudente e inadvertida, o autor <a href="https://en.wikipedia.org/wiki/Robert_C._Martin">Robert C. Martin</a> tem uma percepção diferente. Para Uncle Bob, as decisões que não são nem fundamentadas, nem sensatas, não são dívida. São uma bagunça!</p><h4><strong>Mas a dívida é sempre ruim?</strong></h4><p>O ditado da <a href="https://en.wikipedia.org/wiki/Betteridge%27s_law_of_headlines">Lei das manchetes de Betteridge</a> aqui prevalece, onde qualquer manchete que termine com um ponto de interrogação pode ser respondida com a palavra “não.”</p><blockquote>“A dívida é estúpida se for para uma gratificação instantânea que você paga mais tarde, com juros. Mas a dívida é ótima se significa que você pode ganhar mais dinheiro do que os pagamentos de juros.” <strong>Larry Smith</strong></blockquote><p>No pseudografo abaixo, vemos que há um uso estratégico de negociar o design pelo tempo de lançamento, mas também indica que, caso esse comportamento persista, a capacidade de liberar novas funcionalidades é comprometida. O desafio é compreender por quanto tempo é saudável contrair dívida antes que as linhas se cruzem e o retorno do empréstimo não compense mais.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*GUSb4WIqGv793LEoN2TufQ.png" /><figcaption>Fonte: Website Martin Fowler</figcaption></figure><h4>Gestão de Dívidas Técnicas</h4><p>A gestão das dívidas técnicas permite:</p><ul><li>Comunicação eficaz sobre a necessidade de refatoração, entre outras tarefas focadas na qualidade interna;</li><li>Visibilidade de fatores que podem estar impactando a produtividade e a saúde do projeto;</li><li>Melhorar as estimativas de entrega;</li><li>Estratégia consciente de pagamento de dívidas, observando aquelas que geram juros mais altos.</li></ul><p>E uma boa gestão inclui:</p><ul><li><strong>Alinhamento entre preocupações comerciais e técnicas: </strong>Gerir resultados de curto prazo para ganhar a longo prazo;</li><li><strong>Acordo de trabalho:</strong> Gerir as Dívidas Técnicas com regras e práticas compartilhadas;</li><li><strong>Investimento de curto prazo para melhoria de longo prazo: </strong>Reduzir a Dívida Técnica para aumentar a produtividade;</li><li><strong>Iterações da dívida técnica:</strong> Gerir e resolver em iterações dedicadas;</li><li><strong>Épicos de dívida técnica:</strong> Planejar a redução de dívidas a partir de épicos;</li><li><strong>Educação: </strong>Promover a conscientização sobre a redução de Dívida Técnica para pessoas fora do time;</li><li><strong>Experimentação:</strong> Planeje e explore as medidas de redução de dívida técnica para otimizar resultados;</li><li><strong>Promoção de experimentos bem-sucedidos:</strong> Implementar práticas e ferramentas de sucesso identificadas por meio da experimentação.</li></ul><h4><strong>Estratégias de priorização e análise da Dívida Técnica</strong></h4><p>Priorize a dívida técnica atentando a:</p><ul><li>Valor comercial;</li><li>História, idade e desativação prevista;</li><li>Probabilidade de ter um impacto negativo;</li><li>Esforço de desenvolvimento.</li></ul><p>Para que possamos ter insumos para priorizar, ao reportar uma dívida técnica, é importante fornecer uma análise, atentando a:</p><ul><li><strong>Tipo de impacto</strong>: Quais atividades e habilidades serão prejudicadas?</li><li><strong>Quantidade de impacto:</strong> Quanto isso irá prejudicar? O impacto negativo potencial no negócio é limitado ou muito alto?</li><li><strong>Duração e periodicidade do impacto: </strong>O impacto acontecerá uma vez ou se repetirá?</li><li><strong>Momento do impacto:</strong> O impacto será percebido muito em breve (exemplo, alcançar uma boa cobertura de testes unitários) ou mais tarde, após a entrega?</li><li><strong>A idade do item de Dívida Técnica:</strong> É uma “Dívida Técnica legada” ou a equipe adicionou durante o último sprint? É intencional ou não?</li><li><strong>Dependências com outros itens de Dívida Técnica: </strong>O item de Dívida Técnica está incluído no escopo de impacto de outro item de dívida?</li></ul><blockquote>“Um plano realista leva em consideração o impacto da Dívida Técnica. Um plano eficiente reserva tempo para lidar com a Dívida Técnica”.</blockquote><h4><strong>Backlog Sustentável de Dívidas Técnicas</strong></h4><p>As dívidas técnicas são inevitáveis! Por isso, é crucial buscar a sustentabilidade em sua gestão. Para alcançar esse objetivo, é importante:</p><ul><li>Reconhecer o que é dívidas técnicas e dar visibilidade;</li><li>Pagar as dívidas contraídas;</li><li>Evitar contrair dívidas sempre que possível;</li><li>Capacitar a equipe para evitar a ocorrência de novas dívidas técnicas;</li><li>Estabelecer uma comunicação eficiente sobre os impactos das dívidas mapeadas e os juros associados a elas;</li><li>Quando uma dívida deliberada for contraída para cumprir um prazo, é importante planejar como ela será quitada após a conclusão da tarefa.</li></ul><blockquote>&quot;Dívida não intencional baixa dá a você mais espaço para contrair dívidas intencionalmente quando for útil fazê-lo&quot;. <a href="http://www.construx.com/10x_Software_Development/Technical_Debt/"><strong>Steve McConnell</strong></a></blockquote><h4><strong>Existe dívida técnica que após determinado “tempo” o “nome sai do SPC”?</strong></h4><p>Dívida técnica é um compromisso de qualidade, e o fato é que, com o tempo, ela não deixará de existir. Porém, existem situações em que pode não ser viável pagar as dívidas técnicas.</p><p>Alguns cenários em que isso pode ocorrer incluem:</p><ul><li><strong>Custo excessivo:</strong> O custo alto para resolver a dívida não compense os benefícios atingidos.</li><li><strong>Tecnologia obsoleta:</strong> Se a tecnologia utilizada estiver obsoleta e perto do fim de sua vida útil, pode não ser benéfico gastar recursos para resolver as dívidas.</li><li><strong>Mudanças no produto: </strong>Se o produto estiver prestes a ser substituído ou se houver uma mudança drástica nos requisitos, pode não ser vantajoso investir na resolução da dívida técnica.</li><li><strong>Risco de introduzir novos problemas:</strong> Em alguns casos, tentar resolver uma dívida técnica pode envolver mudanças significativas no código, o que pode levar à introdução de novos bugs, tornando o processo de resolução complexo e arriscado para determinado contexto.</li></ul><p>Para além da brincadeira com o Serviço de Proteção ao Crédito (SPC), quando falamos de tempo, é aqui que a metáfora financeira se desfaz. Enquanto em uma dívida financeira os juros são acionados pela passagem do tempo, no contexto do desenvolvimento de software, os “juros” são acionados quando é necessário trabalhar com aquela seção específica do código. Ou seja, caso o código esteja estável, deixe-o em paz.</p><blockquote>“Podemos dizer que o código possui alta qualidade quando a produtividade se mantém alta na presença de mudanças na equipe e nos objetivos.” <br><strong>Ward Cunningham</strong></blockquote><h4><strong>O custo humano da dívida técnica</strong></h4><p>A Dívida Técnica não é apenas um ofensor para a produtividade e os negócios, ela também impacta nas relações humanas.</p><p>A improdutividade pode levar as pessoas a uma sobrecarga cognitiva que gera mal-estar, infelicidade e um sentimento de baixa relevância profissional. Além disso, problemas estruturais no código também podem resultar em desentendimentos entre os membros da equipe e habilidades atrofiadas, já que lidam constantemente com uma base de código que não permite alavancar e têm cada vez menos tempo para inovar. Esse acúmulo de desgaste, em última instância, pode levar à necessidade de sair desse ambiente, o que aumenta a rotatividade.</p><p>Portanto, não é exagero dizer que o ditado “Certifique-se de sempre deixar o código mais limpo do que o encontrou” é um cuidado com o outro.</p><h4>Sugestões de Ações em Equipe</h4><ul><li>Faça uma <a href="https://miro.com/pt/modelos/matriz-esforco-impacto/">Matriz de Esforço e Impacto</a> para dar visibilidade à dívida técnica, com identificação visual dos itens prioritários.</li><li>Utilize a ideia de <a href="https://www.fabiopereira.me/blog/2009/09/01/technical-debt-retrospective/">Retrospectiva de Dívida Técnica</a> para montar a matriz de Esforço e Impacto.</li><li>Verifique como ferramentas de programação baseada em inteligência artificial podem melhorar a qualidade do código. Exemplo: <a href="https://github.com/features/copilot">Github Copilot</a> + <a href="https://githubnext.com/projects/copilot-labs/">Github Copilot Lab</a>.</li></ul><h4>Referências Bibliográficas:</h4><ul><li>WEBSITE MARTIN FOWLER. Technical Debt. Disponível em: &lt;<a href="https://martinfowler.com/bliki/TechnicalDebt.html">https://martinfowler.com/bliki/TechnicalDebt.html</a>&gt;. Acesso em 22 de julho de 2023.</li><li>WEBSITE MARTIN FOWLER. Design Stamina Hypothesis. Disponível em: &lt;<a href="https://martinfowler.com/bliki/DesignStaminaHypothesis.html">https://martinfowler.com/bliki/DesignStaminaHypothesis.html</a>&gt;. Acesso em 22 de julho de 2023.</li><li>WEBSITE MARTIN FOWLER. Is Quality Worth Cost. Disponível em: &lt;<a href="https://martinfowler.com/articles/is-quality-worth-cost.html">https://martinfowler.com/articles/is-quality-worth-cost.html</a>&gt;. Acesso em 23 de julho de 2023.</li><li>WEBSITE MARTIN FOWLER. Estimated Interest. Disponível em: &lt;<a href="https://martinfowler.com/bliki/EstimatedInterest.html">https://martinfowler.com/bliki/EstimatedInterest.html</a>&gt;. Acesso em 23 de julho de 2023.</li><li>WEBSITE MARTIN FOWLER. Technical Debt Quadrant. Disponível em: &lt;<a href="https://martinfowler.com/bliki/TechnicalDebtQuadrant.html">https://martinfowler.com/bliki/TechnicalDebtQuadrant.html</a>&gt;. Acesso em 23 de julho de 2023.</li><li>WEBSITE CLEAN CODER. A Mess is not a Technical Debt. Disponível em: &lt;<a href="https://sites.google.com/site/unclebobconsultingllc/a-mess-is-not-a-technical-debt">https://sites.google.com/site/unclebobconsultingllc/a-mess-is-not-a-technical-debt</a>&gt;. Acesso em 23 de julho de 2023.</li><li>WEBSITE APENWARR. Consumer debt vs capital investment. Disponível em: &lt;<a href="https://apenwarr.ca/log/?m=202306">https://apenwarr.ca/log/?m=202306</a>&gt;. Acesso em 23 de julho de 2023.</li><li>WEBSITE NEOPRAGMA LLC. Technical Debt: The Man, the Metaphor, the Message. Disponível em: &lt;<a href="https://neopragma.com/2019/03/technical-debt-the-man-the-metaphor-the-message/">https://neopragma.com/2019/03/technical-debt-the-man-the-metaphor-the-message</a>&gt;. Acesso em 23 de julho de 2023.</li><li>WEBSITE AGILE ALLIANCE. Introduction to the Technical Debt Concept. Disponível em: &lt;<a href="https://www.agilealliance.org/introduction-to-the-technical-debt-concept/">https://www.agilealliance.org/introduction-to-the-technical-debt-concept</a>&gt;. Acesso em 23 de julho de 2023.</li><li>WEBSITE AGILE ALLIANCE. Project Management and Technical Debt. Disponível em: &lt;<a href="https://www.agilealliance.org/project-management-and-technical-debt/">https://www.agilealliance.org/project-management-and-technical-debt</a>&gt;. Acesso em 23 de julho de 2023.</li><li>WEBSITE ZENTAO. The History and Future of Technical Debt. Disponível em: &lt;<a href="https://www.zentao.pm/blog/history-and-future-of-technical-debt-1140.html">https://www.zentao.pm/blog/history-and-future-of-technical-debt-1140.html</a>&gt;. Acesso em 23 de julho de 2023.</li><li>WEBSITE DAED TECH. The Human Cost of Tech Debt. Disponível em: &lt;<a href="https://daedtech.com/human-cost-tech-debt/">https://daedtech.com/human-cost-tech-debt</a>&gt;. Acesso em 23 de julho de 2023.</li><li>WEBSITE CONSTRUX. Managing Technical Debt. Disponível em: &lt;<a href="https://www.construx.com/wp-content/uploads/2019/02/CxWhitePaper_TechnicalDebt.pdf">https://www.construx.com/wp-content/uploads/2019/02/CxWhitePaper_TechnicalDebt.pdf</a>&gt;. Acesso em 23 de julho de 2023.</li></ul><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=4d2642564794" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[Teste de Performance: Considerações sobre testes dinâmicos]]></title>
            <link>https://medium.com/@pri-campos/teste-de-performance-considera%C3%A7%C3%B5es-sobre-testes-din%C3%A2micos-82cd24153b6e?source=rss-dc718c481a1e------2</link>
            <guid isPermaLink="false">https://medium.com/p/82cd24153b6e</guid>
            <category><![CDATA[teste-de-performance]]></category>
            <category><![CDATA[automação-de-testes]]></category>
            <category><![CDATA[qa]]></category>
            <category><![CDATA[teste]]></category>
            <category><![CDATA[desempenho]]></category>
            <dc:creator><![CDATA[Priscila Campos]]></dc:creator>
            <pubDate>Sun, 07 May 2023 19:39:35 GMT</pubDate>
            <atom:updated>2023-05-09T12:06:36.623Z</atom:updated>
            <content:encoded><![CDATA[<h3>Teste de Performance: Planejamento dos testes com a ferramenta 5W2H</h3><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*Mboz0V6Zgw2ELvkQYrnwUQ.png" /><figcaption>Imagem criada no Canva contendo o personagem Grogu levitando pedras e as colocando sobre um servidor.</figcaption></figure><h4>Visão Geral</h4><p>Considerações complementares ao artigo &quot;<a href="https://medium.com/@priscilacamp0s/funciona-mas-%C3%A9-lento-e-%C3%A0s-vezes-cai-os-requisitos-de-desempenho-est%C3%A3o-sendo-avaliados-31450d90568d">Teste de Performance: Os requisitos de desempenho estão sendo avaliados?</a>&quot;.</p><p><strong>Esse artigo tem o intuito de: </strong>compartilhar dicas mais pragmáticas sobre o planejamento de testes de desempenho dinâmicos utilizando a ferramenta 5W2H.</p><h4>Definição 5W2H</h4><p>5W2H é uma ferramenta simples, com aplicações desde Aristóteles (Estagira, 384 a.C.; Atenas, 322 a.C.) e com mais de uma origem, cujo o objetivo é melhorar a comunicação das atividades individuais e do time para atingir determinado objetivo. A ferramenta consiste na organização por etapas ao obter respostas para as perguntas: why, what, where, when, who, how e how much.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*OMhWt1Fey04X7pDiI15NAg.png" /><figcaption>Imagem criada no Canva contendo as perguntas why, what, where, when, who, how e how much vinculadas a ferramenta 5W2H.</figcaption></figure><h3>Planejamento dos Testes</h3><h4><strong>Por que será feito? Por que não?</strong></h4><p>Alinhe os objetivos e riscos envolvidos no teste.</p><p><strong>Exemplo:</strong> Será realizado testes de escalabilidade para avaliar o comportamento da aplicação mediante o aumento de usuários e se o tempo de resposta com a nova carga vai impactar na taxa de conversão. Os testes vão gerar sobrecarga no ambiente de homologação e podem impactar em outras atividades que estão ocorrendo no mesmo ambiente, sendo que, todos os times foram comunicados do início e fim dos testes.</p><h4>O que será feito?</h4><p>Detalhe o escopo do teste, informando o que ele vai ou não fazer.</p><p><strong>Exemplo:</strong> Nessa primeira fase, o teste vai avaliar características de um endpoint isolado da API de Compras e não vão refletir cenários executados por usuários ao buscar um produto, adicioná-lo no carrinho, confirmar endereço de entrega, informar método de pagamento e confirmar a compra. Ou seja, será feito um teste de carga unitária e não de cenário.</p><blockquote>Considere o Princípio de Pareto (ou regra 80/20) na construção dos testes. Apesar de não ser uma lei universal, a regra 80/20 nos diz que 80% dos resultados são gerados por 20% das causas, então, elenque as atividades mais importantes e os problemas mais comuns na pré criação dos testes, minerando as informações que vão viabilizar os melhores resultados com menos esforço.</blockquote><blockquote>Faça implementações incrementais, comece simples e depois adicione complexidade até o ponto que o esforço gasto em realismo não gere retorno suficiente.</blockquote><h4>Onde será feito?</h4><p>Indique o ambiente onde os testes serão realizados.</p><p><strong>Exemplo:</strong> ambiente de homologação.</p><blockquote>Preferencialmente o teste deve ser realizado em ambiente pré-produtivo, pois os testes de desempenho podem interromper operações comerciais, a depuração de fontes de dados pode não ser trivial ao gerar dados de teste em ambiente produtivo entre outros riscos.</blockquote><h4>Quando será feito<strong>?</strong></h4><p>Indique as fases de teste.</p><p><strong>Exemplo: </strong>O continuous performance test é executado toda segunda-feira no mesmo horário que os portais para o submundo são abertos, também conhecido como às 3h da manhã.</p><blockquote>Testes de desempenho podem ser incorporados a pipeline com facilidade, mas por serem morosos e etapas que geram builds demorados tendem a ser desativadas “temporariamente”, de modo geral, seu uso não é recomendado em cada confirmação de entrega.</blockquote><h4>Por quem será feito<strong>?</strong></h4><p>Informe as pessoas envolvidas e as expectativas de cada papel.</p><p><strong>Exemplo:</strong> PO alinhar as expectativas e resultados junto aos stakeholders, QA e desenvolvedores farão os scripts, execução e monitoramento dos testes e a pessoa DevOps vai garantir que não haja bloqueio de IPs e também vai apoiar no monitoramento do ambiente.</p><h4>Como será feito<strong>?</strong></h4><p>Correlacione o método com a abordagem de teste para trazer entendimento compartilhado sobre a estratégia de teste.</p><p><strong>Exemplo:</strong> Os testes cross funcionais de desempenho, vão abordar o quarto quadrante do <a href="https://medium.com/@priscilacamp0s/estrat%C3%A9gia-de-teste-para-apis-55baf148b104">quadrante ágil de teste</a> e avaliar características que são difíceis de encontrar ou indetectáveis em testes manuais.</p><h4>Quanto custará fazer<strong>?</strong></h4><p>Documente todos os detalhes que tornam os testes reprodutíveis.</p><p><strong>Exemplo:</strong> Gere um relatório com informações do ambiente (lamda com 256 MB MemorySize), link do repositório que contém versionado os scripts e dados de teste e todas as outras informações desde o planejamento ao resultado dos testes.</p><blockquote>A eficiência do teste de desempenho tem relação ao tanto que os usuários e clientes utilizados como carga imitam o mundo real e qual detalhado é para ser reprodutível.</blockquote><h4>Referência</h4><ul><li>Ferramenta 5W2H. Disponível em: &lt;<a href="https://www.academia.edu/44587173/Ferramenta_5W2H">https://www.academia.edu/44587173/Ferramenta_5W2H</a><a href="https://www.academia.edu/44587173/Ferramenta_5W2H">&gt;</a>. Acesso em 7 de maio de 2023.</li><li>Simple testing is better than no testing. Disponível em: &lt;<a href="https://k6.io/our-beliefs/#simple-testing-is-better-than-no-testing">https://k6.io/our-beliefs/#simple-testing-is-better-than-no-testing</a><a href="https://www.academia.edu/44587173/Ferramenta_5W2H">&gt;</a>. Acesso em 7 de maio de 2023.</li></ul><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=82cd24153b6e" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[Funciona, mas é lento e às vezes cai! Os requisitos de desempenho estão sendo avaliados?]]></title>
            <link>https://medium.com/@pri-campos/funciona-mas-%C3%A9-lento-e-%C3%A0s-vezes-cai-os-requisitos-de-desempenho-est%C3%A3o-sendo-avaliados-31450d90568d?source=rss-dc718c481a1e------2</link>
            <guid isPermaLink="false">https://medium.com/p/31450d90568d</guid>
            <category><![CDATA[teste-não-funcional]]></category>
            <category><![CDATA[cross-functional]]></category>
            <category><![CDATA[qa]]></category>
            <category><![CDATA[teste-de-performance]]></category>
            <category><![CDATA[teste-de-software]]></category>
            <dc:creator><![CDATA[Priscila Campos]]></dc:creator>
            <pubDate>Fri, 19 Aug 2022 14:39:27 GMT</pubDate>
            <atom:updated>2022-08-25T17:24:16.189Z</atom:updated>
            <content:encoded><![CDATA[<h3>Teste de Performance: Os requisitos de desempenho estão sendo avaliados?</h3><figure><img alt="Imagem com o elefante em pé sobre a figura de um servidor e uma fita métrica ao lado." src="https://cdn-images-1.medium.com/max/1024/1*ZiJHEzMMQKQFk-LK5B6OMw.png" /><figcaption>Imagem criada no Canva, design dos artistas @sketchify, rachidluk10 e @pixabay</figcaption></figure><h3>Visão Geral</h3><p>Mesmo um sistema que não apresenta erros funcionais, mas demonstra lentidão, instabilidade entre outros problemas de desempenho, a conversão das usuárias e escalabilidade são impactadas.</p><p><strong>Esse artigo tem o intuito de: </strong>trazer dicas sobre pontos a serem considerados na condução de avaliação dos requisitos cross funcionais para os testes de performance.</p><h4><strong>Definição</strong></h4><p>De acordo com a <a href="https://iso25000.com/index.php/en/iso-25000-standards/iso-25010">ISO/IEC 2501</a>, o <strong>teste de performance (ou desempenho) </strong>avalia o tempo de resposta, a disponibilidade de recursos e limite de capacidade de um componente ou sistema ao executar suas funções em determinadas condições e intervalos de tempo.</p><h4>Por onde começar?</h4><p>Assim como outros níveis de teste, o teste de performance tem como objetivo imobilizar alguma ameaça para que o custo deste teste seja justificável, então a sugestão é iniciar pela investigação e alinhamento de expectativas.</p><p>Exemplo: Verifique com os stakeholders, arquitetos e outras partes interessadas quais os objetivos esperados, número de usuários que vão compor as cargas, recorrência da execução dos testes e ambiente que os testes serão disparados.</p><h4><strong>Planejamento</strong></h4><p>O roteiro que vai conduzir a criação dos testes está interligado ao objetivo que o teste pretende alcançar, podendo ser:</p><ul><li><strong>Teste de performance:</strong> criar testes genéricos de performance que não tem como objetivo simplesmente avaliar o resultado como “sucesso” ou “falha”, mas identificar padrão de comportamento e capacidade da aplicação sobre determinada circunstância.</li><li><strong>Teste de carga:</strong> criar testes que disparam cargas crescentes e avaliam a capacidade e utilização dos recursos do sistema.</li><li><strong>Teste de estresse:</strong> criar testes com cargas que estão no limite ou além dos limites de cargas especificados e verificam a capacidade e utilização dos recursos do sistema.</li><li><strong>Teste de escalabilidade: </strong>executar testes de carga para atender requisitos futuros.</li><li><strong>Teste de pico: </strong>executar testes com rajadas de cargas súbitas e verificar se o sistema retorna a um estado estável.</li><li><strong>Teste de concorrência: </strong>realizar testes com cargas simultâneas.</li><li><strong>Teste de capacidade: </strong>executar testes com diferentes quantidade de usuários ou transações e analisar o que é suportado pelo componente ou sistema para que atenda aos objetivos de performance predefinidos.</li></ul><p>O planejamento também pode conter os critérios de aceite, dados de teste, configuração do sistema, ambiente de teste, ferramentas, perfis operacionais, riscos, comunicação que será utilizada para divulgação dos resultados e outras informações que tornem os testes reprodutíveis.</p><h4><strong>Pré condições</strong></h4><p>Para realizar testes de performance dinâmicos precisamos:</p><ul><li>modelar as entradas de diferentes usuários(cargas) representativos;</li><li>que o componente ou sistema a ser testado não apresente defeitos funcionais que inviabilizam a análise da performance.</li></ul><h4><strong>Execução</strong></h4><p>Problemas de performance podem ser introduzidos na definição da arquitetura e modelagem do sistema ou a medida que o sistema é construído, então podemos realizar:</p><ul><li><strong>Testes Estáticos:</strong> revisar as especificações dos componentes que vão compor a arquitetura, como por exemplo: armazenamento e consulta de banco de dados, características do componente, arquitetura de rede entre outros.</li><li><strong>Testes dinâmicos: </strong>com alguma ferramenta que realize teste de performance para a camada que o teste será aplicado, executar os testes conforme as expectativas alinhadas e o planejamento de testes. Exemplo de algumas ferramentas: <a href="https://www.artillery.io/">Artillery</a>, <a href="https://k6.io/">K6</a>, <a href="https://jmeter.apache.org/">Jmeter</a>, <a href="https://locust.io/">Locust</a>.</li></ul><h4><strong>Falhas comuns</strong></h4><p>Para cada camada da aplicação que o teste dinâmico é aplicado, diferentes falhas podem ser encontradas e dentre as mais comuns estão:</p><ul><li>Resposta lenta sob todos os níveis de carga;</li><li>Resposta lenta sob níveis de carga moderada a pesada;</li><li>Resposta degradada ao longo do tempo;</li><li>Tempo de resposta aceitável, mas o tratamento de erros diminui em níveis altos de cargas.</li></ul><h4><strong>Métricas</strong></h4><p>O relatório de métricas vai variar de acordo com contexto de negócio, operacional e objetivos de teste, o mesmo deve responder os objetivos que levaram a execução desse tipo de teste e atender a demanda do solicitante, ou seja, a métrica para os stakeholders tende a não ser a mesma esperada pelos arquitetos.</p><p>Exemplos:</p><ul><li><strong>Contexto de negócio: </strong>eficiência do processo de negócios, cumprimento de Service Level Agreement (SLA), escopo de uso, concorrência de uso, tempo de uso, etc.</li><li><strong>Contexto operacional: </strong>tempo necessário para inicialização de ambiente, backups, desligamento, reinício, tempo necessário para restaurar dados de um backup, tempo necessário para emitir alertas, etc.</li><li><strong>Objetivos de teste:</strong> tempo de resposta, utilização de recursos, taxa de transferência, tempo de processamento Batch, números de erros, tempo de conclusão, carregamento em segundo plano, etc.</li></ul><p>Os requisitos de desempenho também podem ser avaliados com outros requisitos cross funcionais, como a confiabilidade, pois para um determinado contexto de negócio pode ser aceitável uma aplicação ter uma interrupção mensal dado um pico de carga e recuperar após algum tempo ao estado desejado.</p><blockquote>É algo incômodo<br>Olhar para seus próprios problemas e saber<br>Que ninguém além de você mesmo os criou<br>Sófocles, Ajax</blockquote><h4>Referência</h4><ul><li>ISTQB® Certified Tester Syllabus Performance Testing. Disponível em: &lt;<a href="https://bcr.bstqb.org.br/docs/syllabus_ct_pt_1.0br.pdf">https://bcr.bstqb.org.br/docs/syllabus_ct_pt_1.0br.pdf</a>&gt;. Acesso em 18 de agosto de 2022.</li></ul><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=31450d90568d" width="1" height="1" alt="">]]></content:encoded>
        </item>
    </channel>
</rss>