Redução do tempo de revisão de código em Merge Requests (MRs) pequenos, de 12 para 5 horas
Impacto positivo na velocidade de entrega de software
Revisão e aprovação automática de milhares de MRs
Ganho de tempo total de aproximadamente 70 mil horas de trabalho para o time de desenvolvimento, no período de um mês
O iFood integrou a IA à sua plataforma GenPlat para aprovar automaticamente códigos de baixo risco, eliminando a necessidade de revisão humana em diversas situações e melhorando o time-to-market
O iFood integrou a IA à sua plataforma GenPlat para aprovar automaticamente códigos de baixo risco, eliminando a necessidade de revisão humana em diversas situações e melhorando o time-to-market
O iFood destaca-se como uma das principais plataformas de food delivery da América Latina, mas seu escopo de atuação transcende a entrega de alimentos, abrangendo também a entrega de produtos de farmácias e supermercados, além de uma vasta gama de serviços para restaurantes, como máquinas de pagamento, totens e o Ifood Benefícios - um vale alimentação para empresas. Com sede em Osasco/SP e mais de 1.400 engenheiros em seu time de tecnologia, a empresa opera em grande escala, processando mais de 160 milhões de pedidos por mês.
Manter a excelência para lidar com esse volume — e fazer a gestão de tudo o que envolve o atendimento aos clientes — exige uma engenharia de software de ponta para que uma logística de entrega eficiente seja alcançada.
Neste cenário de crescimento acelerado, o iFood se deparou com desafios tecnológicos críticos, especialmente no setor de DevX, Developer Experience, que cria ferramentas e padroniza atividades para dinamizar e aperfeiçoar o processo de desenvolvimento da empresa, com foco em diminuição da carga cognitiva das pessoas desenvolvedoras.
Uma das áreas que precisava de maior atenção envolve os merge requests (MRs), ou pedidos feitos por um desenvolvedor para adicionar um código novo à base de código principal da empresa; além da code review, uma etapa obrigatória em que engenheiros revisam o trabalho de seus colegas.
Neste contexto, o foco era na eficiência operacional: o iFood precisava acelerar a entrega de código para que novas funções e correções pudessem chegar mais rápido aos usuários. A meta era fechar 92% dos pedidos de revisão de código em até 24 horas, mas o tempo de espera estava muito alto, chegando a cerca de 65 horas, em média. Analisando os dados, a companhia descobriu que quase metade dos MRs eram bem pequenos - até 30 linhas de código alteradas. Entretanto, estes demandavam o mesmo tempo dos códigos grandes para serem revisados.
Para resolver este gargalo, o iFood teve uma ideia inovadora: o uso da inteligência artificial do Google Cloud - não apenas para sugerir ajustes, mas para aprovar automaticamente MRs de baixo risco. Enquanto as soluções de mercado usam a IA para comentar no código, o que ainda exige a revisão e aprovação humana, a empresa mirou uma resposta binária: aprovar ou não, em menos de um minuto.
O projeto, chamado Auto-Approval, transformava a necessidade de "revisar o código" em uma "análise de risco". Se o código não apresenta risco (como vulnerabilidades de segurança ou mudanças bruscas em regras de negócio), ele é aprovado imediatamente, liberando o desenvolvedor para seguir com o seu lançamento ou atualização.
A escolha pelo Google Cloud, especificamente pelo Vertex AI neste projeto, foi crucial por oferecer um modelo de IA generativa como o Gemini 2.5 Flash, que era, de longe, o mais eficiente em custo-benefício.
Paulo Pacitti
Staff Software Engineer, iFood
Precisão e controle para atingir a eficácia do Auto-Approval
Após a análise de múltiplos modelos, o Gemini 2.5 Flash foi o escolhido para o Auto-Approval por ser altamente preciso em entender códigos em diversas linguagens e em grandes janelas de contexto, o que é importante para avaliar não só o código, mas metadados e documentação, além de permitir controlar o tempo que a IA leva para “pensar”.
A pesquisa da solução começou em abril de 2025. A execução e implementação ocorreram em maio e o lançamento inicial aconteceu já no começo de junho, com expansão para toda a empresa em julho. Essa agilidade foi possível porque o iFood já contava com sua plataforma interna, a GenPlat, que atua como um proxy unificando o acesso a mais de 150 modelos de IA generativa.
A GenPlat também possuía conexão com o Vertex AI, o que facilitou a jornada de implementação. Assim, a plataforma interna do iFood se integra ao Vertex AI para que serviços como o Auto-Approval possam acessar qualquer modelo LLM (incluindo o Gemini) por meio de uma única API. Isso assegura que recursos essenciais sejam executados, a exemplo da sanitização de privacidade, que protege dados sensíveis e pessoais antes que eles sejam enviados ou utilizados pelos modelos de IA.
Duas funcionalidades técnicas do Gemini 2.5 Flash foram a chave para garantir a eficácia e a segurança do processo. A primeira, permite à equipe definir exatamente o formato da resposta esperada (como um JSON com campos específicos e tipos de dados como números float, usados para representar números que possuem casas decimais). Já a segunda, possibilita controlar o que se chama de janela de pensamento da IA, garantindo que a latência e o custo sejam baixos para uma tarefa que não exige um longo período de raciocínio.
Maior velocidade e produtividade para o trabalho do desenvolvedor
Após o tempo de maturação do projeto, em termos de métricas de eficiência operacional, o resultado mais significativo observado foi a redução drástica no tempo de espera para a aprovação de merge requests (MRs).
Antes da solução, o percentil de espera para aprovação era de aproximadamente 65 horas. Após a implementação do sistema de Auto-Approval baseado em IA, o tempo médio de revisão de código em MRs pequenos (até 30 linhas) caiu de 12 horas para 5 horas. Globalmente, esse tempo foi reduzido em 33%, caindo de 65 horas para 43 horas, demonstrando um grande impacto na velocidade de entrega de software.
A funcionalidade central do Auto-Approval reside na aplicação de LLMs para avaliar o risco de um código, ao invés da espera da disponibilidade de um humano revisá-lo linha por linha. Das aproximadamente 16 mil MRs de um mês específico, por exemplo, 7 mil foram auto-aprovadas. Essa aprovação automática (que ocorre em menos de um minuto) eliminou a necessidade de revisão humana em códigos de baixo risco.
Quanto à produtividade, a economia se traduz em um ganho de cerca de 7 horas por MR aprovado automaticamente, com economia de tempo total de aproximadamente 70 mil horas de trabalho para o time de desenvolvimento em um mês, gerando uma grande eficiência no ciclo de desenvolvimento.
A redução de custos com o uso do Gemini e do Vertex AI e a experiência do desenvolvedor no time de DevX, além do aprimoramento do time-to-market, foram outros benefícios relevantes para o negócio. Com MRs de baixo risco sendo aprovados rapidamente, o desenvolvedor agora está mais produtivo e pode dirigir a sua atenção às atividades mais estratégicas, reduzindo a carga cognitiva.
As vantagens mostram um impacto mensurável na velocidade de entrega de código, na satisfação do desenvolvedor e na rentabilidade da operação, graças à escolha de um modelo que ofereceu o melhor equilíbrio entre acurácia e custo. Planejamos fazer novos testes com outros modelos, mantendo a preocupação com a eficiência.
Flavio Chapela
Software Engineering Manager, iFood
