Grab adota defesa em camadas para evitar falhas em código com IA

Tecnologia

Grab implementa múltiplas camadas de segurança para garantir estabilidade e rapidez no app móvel diante de atualizações frequentes com IA.

Leia também: Computadores dominam análise em nuvem e mudam equipes de TI

A Grab colocou em prática uma estratégia de defesa em camadas para manter a estabilidade de seu aplicativo móvel mesmo com o salto no volume de mudanças de código geradas por assistentes de inteligência artificial, combinando ferramentas de análise estática, testes, rollout gradual, feature flags e monitoramento em tempo real.

Defesa em camadas do pré-merge ao pós-lançamento

O ponto de partida é o reconhecimento interno de que o uso de IA mudou o ritmo do desenvolvimento. “AI is speeding up how fast code is written; the layered defense is what makes that speed safe”, resume a empresa. Com uma alta frequência semanal de merge requests em múltiplas equipes, qualquer alteração pode introduzir um crash capaz de atingir milhões de sessões.

Para reduzir esse risco, a Grab estruturou o ciclo de desenvolvimento em três frentes: prevenção antes do merge até a pré-produção, controle de exposição na hora do lançamento e resposta rápida após a versão chegar aos usuários.

Na fase pré-merge até pré-produção, o objetivo é impedir que bugs escapem dos ambientes internos. A empresa usa analisadores estáticos de código, como Android Lint e SwiftLint, com regras da comunidade e regras próprias ajustadas ao app, além de baterias de testes automatizados e verificações manuais de qualidade. Tudo isso acontece antes de o código ser integrado ao ramo principal.

Um dos pilares dessa etapa é o Grab Early Access (GEA), programa em que versões internas do aplicativo são distribuídas para um público selecionado de usuários da própria companhia, sob monitoramento ativo de falhas. “A crash that only a handful of internal users see in GEA would, at production scale, translate into a substantial spike in the crash rate, extra support load, and potentially a hotfix. Catching these crashes before they ever reach production users makes GEA one of our most important stability gates”, afirma a empresa.

Rollout gradual e feature flags como freio de emergência

Superada a etapa de pré-produção, a Grab passa a controlar a exposição dos riscos em produção. O app não chega de uma vez a toda a base; a companhia faz rollout gradual, liberando a nova versão para uma pequena parcela dos usuários e ampliando o alcance conforme monitora os índices de estabilidade.

Se houver qualquer pico anormal de crashes nessa fase inicial, o lançamento pode ser pausado antes que o problema afete a base inteira. Em paralelo, muitas novidades chegam protegidas por feature flags — chaves de configuração que permitem ativar ou desativar funcionalidades sem depender de um novo envio às lojas.

Esse mecanismo é usado como um freio de emergência: se uma função recém-ligada provocar aumento acima de limites pré-definidos de falhas, a flag é desligada imediatamente, reduzindo o impacto para os usuários e para os times de suporte.

Resposta rápida com Crashlytics, BigQuery e automação

Depois que uma versão é liberada, o foco passa a ser a reação rápida. A Grab mantém monitoramento em tempo real de crashes usando Firebase Crashlytics integrado a BigQuery para identificar anomalias assim que um build entra em produção.

Processos automatizados de triagem agrupam relatórios de falhas, enriquecem os dados com metadados de sessão e ajudam a correlacionar cada crash com pull requests específicos, com o momento exato em que uma feature flag foi ligada ou com determinado lote de rollout. Isso encurta o caminho entre detectar o problema e encontrar o trecho de código responsável.

A empresa também adota ciclos de análise pós-morte dos incidentes. A partir do que é descoberto em produção, times refinam regras de lint e ampliam a cobertura de testes para cenários que passaram ilesos na primeira rodada, fechando um ciclo de melhoria contínua.

Entenda o contexto

O pano de fundo dessa movimentação é a adoção acelerada de assistentes de IA no desenvolvimento de software, que permite escrever código mais rápido e em maior quantidade. Para um app com a escala da Grab, isso significa muito mais mudanças por release, mais combinações de código em circulação e, portanto, mais pontos potenciais de falha.

Além de prejudicar a experiência do usuário, cada crash derruba a taxa de sessões livres de falhas, afeta a classificação do app na Google Play e gera custos extras com suporte, correções emergenciais e manutenção de versões problemáticas em dispositivos de quem não atualiza o aplicativo com frequência.

Nesse cenário, a defesa em camadas busca equilibrar a velocidade trazida pela IA com a necessidade de manter o serviço confiável. Os principais beneficiados são os usuários finais, que encontram menos travamentos e interrupções, e a própria empresa, que evita quedas na reputação e no ranking das lojas.

Por outro lado, a área de engenharia passa a operar um pipeline mais sofisticado, que envolve integração de analisadores estáticos, testes automatizados, monitoramento contínuo e respostas coordenadas a incidentes. Equipes de desenvolvimento, qualidade e operações precisam atuar de forma ainda mais integrada.

Impacto no mercado e próximos passos

Internamente, a recepção à estratégia reforça o papel do Grab Early Access como uma das principais barreiras de proteção, justamente por capturar crashes que seriam caros e difíceis de reverter em produção. A partir dos dados coletados depois de cada lançamento, a empresa ajusta fluxos, regras de lint e testes, num movimento declarado de melhoria contínua.

Com mais de 250.000 desenvolvedores na comunidade de referência que acompanha essas práticas, a expectativa é que abordagens semelhantes se espalhem em outros times que lidam com código gerado por IA, tornando modelos de defesa em camadas um padrão de fato para conciliar inovação acelerada e confiabilidade.

Na própria Grab, os próximos passos passam por refinar ferramentas, aumentar o grau de automação na triagem de incidentes e levar a mesma lógica de proteção para outras plataformas e produtos do ecossistema.