Como Usar IA para Levantar Requisitos de Software: Guia Prático
Como usar IA para levantar requisitos de software com prompts prontos, validação e erros comuns. Guia prático para sair da teoria e aplicar hoje.
Quem busca como usar IA para levantar requisitos geralmente já passou pela fase de reunião confusa, ata incompleta e requisito que muda de forma a cada conversa. A resposta direta é: a IA entra como extratora e organizadora de informação a partir de transcrições e conversas, nunca como substituta do analista que valida e assina o documento final. Este guia mostra o prompt exato para cada etapa, o que a IA erra sozinha e como checar o resultado antes de colocá-lo num SRS.
Resumo em 30 segundos
- A IA pode extrair requisitos, decisões e contradições de transcrições de reunião de kick-off usando um prompt estruturado em duas partes: contexto do projeto e solicitação específica.
- A IA não substitui o analista de requisitos porque não tem autoridade para validar critérios de aceite nem responsabilidade formal sobre o documento entregue.
- Alucinação em requisitos de IA costuma aparecer como requisito inventado sem base na transcrição ou como contradição entre módulos gerados em prompts separados.
- A norma ISO/IEC/IEEE 29148:2018 pode servir de checklist para prompt, pedindo à IA que gere requisitos seguindo os critérios de qualidade da Cláusula 5 da norma.
- Ferramentas como IBM Engineering Requirements Management (ex-DOORS) focam rastreabilidade e compliance, enquanto ChatGPT e Claude com prompt manual servem para extração e primeira estruturação.
Como usar ChatGPT para levantar requisitos de software na prática
Usar ChatGPT para levantar requisitos de software funciona melhor quando o prompt tem duas partes bem separadas: o contexto do projeto e a solicitação específica. Essa estrutura, testada em ferramentas como Claude e ChatGPT e descrita pela Keliam, evita o erro mais comum de quem começa: pedir "gere os requisitos do meu sistema" sem dar nenhuma informação de negócio. Sem contexto, a IA preenche as lacunas com suposições genéricas — e é aí que nascem requisitos que parecem plausíveis, mas não servem para o seu projeto.
A primeira parte do prompt é o contexto: quem é o usuário final, qual problema o sistema resolve, que restrições técnicas ou regulatórias existem, e que sistemas já estão em uso e precisam se integrar. Pense num exemplo concreto: uma prefeitura de médio porte quer digitalizar o agendamento de consultas em postos de saúde. O contexto informa que o sistema atual é uma planilha compartilhada, que os usuários finais são atendentes com baixo letramento digital e que há exigência de integração com o cadastro do SUS. A segunda parte do prompt é a solicitação específica: o que você quer como saída — uma lista de requisitos funcionais agrupados por módulo (agendamento, cadastro de paciente, relatórios), por exemplo — e em que formato (tabela, lista numerada, planilha).
O uso mais prático dessa técnica, porém, aparece quando você já tem uma reunião de kick-off gravada e transcrita. Cole a transcrição inteira no chat e peça à IA que extraia quatro categorias específicas: decisões tomadas, requisitos implícitos (coisas que os stakeholders mencionaram como óbvias, mas nunca formalizaram), dúvidas pendentes e contradições entre falas de participantes diferentes — como quando o gestor de operações pede um campo obrigatório que o time jurídico, na mesma reunião, classificou como opcional. Esse cruzamento manual costuma consumir horas de releitura de ata; a IA faz a primeira triagem em minutos.
O resultado dessa etapa ainda não é um documento pronto — é insumo bruto para o analista organizar. Para transformar essa lista em uma estrutura formal, compatível com padrões reconhecidos, vale consultar o SRS Documento: Guia com Modelo Pronto Baseado na ISO/IEC 29148 ou o Modelo de Documento de Requisitos: Estrutura Completa p/ Baixar, que mostram onde cada requisito extraído deve entrar.
Qual o melhor prompt para gerar user stories com IA
O melhor prompt para gerar user stories com IA é aquele que separa claramente contexto de projeto e solicitação específica, força o agrupamento por módulo e exige que cada história venha com critério de aceite testável — sem isso, a IA devolve texto genérico que não serve para o time de desenvolvimento. Esse formato de duas partes é o mesmo testado pela consultoria espanhola Keliam com Claude e ChatGPT, e funciona porque obriga o modelo a trabalhar com restrições em vez de "inventar" um requisito bonito, mas inútil.
Na prática, o prompt precisa ter quatro blocos: (1) o papel que a IA deve assumir (analista de requisitos sênior), (2) o contexto do projeto (tipo de sistema, usuários, restrições técnicas), (3) o requisito bruto que o gestor já tem — mesmo que vago — e (4) o formato de saída exigido, incluindo o critério INVEST (Independente, Negociável, Valiosa, Estimável, Pequena, Testável). Um exemplo copiável:
"Você é um analista de requisitos sênior especializado em levantamento ágil. Contexto: estamos desenvolvendo um sistema de gestão de estoque para uma rede de farmácias com 40 lojas, integrado a um ERP existente. Requisito bruto do cliente: 'o sistema precisa avisar quando o produto está acabando'. Transforme esse requisito em 3 a 5 user stories, agrupadas por módulo funcional, seguindo o formato: Como [papel], quero [ação], para que [benefício]. Cada história deve atender ao critério INVEST e incluir de 2 a 4 critérios de aceite no formato Given/When/Then."
Com esse prompt, o requisito vago "avisar quando o produto está acabando" — que sozinho não diz quem recebe o alerta, em que canal ou com qual antecedência — se transforma em algo como: "Como gerente de loja, quero receber um alerta quando o estoque de um produto atingir o nível mínimo configurado, para que eu possa fazer o pedido de reposição antes de faltar no ponto de venda", com critério de aceite testável: "Dado que o estoque de um SKU está abaixo do mínimo cadastrado, quando o sistema roda a rotina diária de verificação, então um alerta é enviado ao gerente responsável pela loja via e-mail e painel interno". A diferença entre as duas versões é o que separa uma user story que o time de desenvolvimento consegue estimar de uma frase que só parece um requisito. Para formalizar essas histórias dentro de um documento de requisitos completo, vale ainda revisar cada uma contra os critérios de requisitos funcionais e não funcionais, já que a IA tende a ignorar os não funcionais (tempo de resposta, disponibilidade) se o prompt não pedir explicitamente.
IA erra ao criar requisitos? Como validar o que ela gera
Sim, e de forma sistemática. Quem pergunta como usar IA para levantar requisitos precisa aceitar uma premissa antes de escrever o primeiro prompt: a ferramenta vai inventar coisas, e não é um bug esporádico — é uma característica estrutural do modelo. A PwC Portugal descreve dois tipos que todo gestor de projeto deveria distinguir. A alucinação intrínseca acontece quando a resposta contradiz diretamente o material fornecido — imagine pedir à IA que extraia requisitos de uma transcrição de reunião de kickoff e ela devolver um critério de aceite que ninguém mencionou, ou inverter uma regra de negócio que o cliente explicou ao contrário. A extrínseca é mais sutil: a IA preenche lacunas com informação plausível, mas sem nenhuma base no que foi dito. Em um sistema de gestão de pedidos, por exemplo, ela pode
A IA pode substituir o analista de requisitos?
Não. A IA acelera a extração e a organização de requisitos, mas não substitui o julgamento humano que decide se um requisito está correto, completo e assinável. O levantamento em 2023 pela McKinsey, citado pela FM2S, mostra que mais de 75% dos trabalhadores do conhecimento já usaram alguma ferramenta de IA no trabalho ao menos uma vez — um número que fala de adoção como apoio, não de autonomia total sobre decisões críticas de projeto. Usar IA para rascunhar um requisito é diferente de deixar a IA decidir sozinha o que vai para o escopo de um sistema de folha de pagamento ou de um app de saúde.
O motivo prático está no paper acadêmico brasileiro publicado no arXiv, que categoriza os problemas que atrapalham o levantamento de requisitos em três grupos: psicológicos, físicos e técnicos. Os psicológicos envolvem
Quais ferramentas de IA usar e como alinhar com a norma 29148
A escolha da ferramenta muda o resultado, mas o critério de qualidade não deveria mudar: é a norma ISO/IEC/IEEE 29148 — o padrão internacional para engenharia de requisitos, estruturado em processos (Cláusula 6), itens de informação (Cláusula 7) e critérios de qualidade (Cláusula 5). Na prática, isso significa que qualquer requisito gerado por IA para levantar requisitos precisa ser verificável, não ambíguo, atômico e rastreável — não importa se saiu do ChatGPT, de uma plataforma de rastreabilidade corporativa ou de um SaaS especializado em documentação. O que muda entre as ferramentas é o quanto desse trabalho de conformidade fica por sua conta.
ChatGPT e Claude, usados com prompt manual, são bons para extração inicial: colar a transcrição de uma reunião de kick-off e pedir que a IA separe decisões tomadas, requisitos implícitos e contradições, como mostra o framework testado pela Keliam. O ganho é velocidade; a lacuna é que nenhum dos dois aplica a Cláusula 5 sozinho — você precisa instruir isso a cada prompt, repetindo contexto e critérios de qualidade toda vez que abrir uma nova conversa. Já o IBM Engineering Requirements Management (sucessor do DOORS), citado pelo ClickUp como referência em compliance, resolve rastreabilidade ponta a ponta — da elicitação à validação — mas é uma ferramenta de gestão, não de geração: ela organiza o que já existe, não escreve o requisito por você.
| Ferramenta | Força principal | Alinhamento com a 29148 | Limite prático |
|---|---|---|---|
| ChatGPT / Claude (prompt manual) | Extração rápida de reuniões e rascunhos | Depende 100% do prompt do usuário | Sem memória de contexto entre sessões, sem estrutura fixa |
| IBM Engineering Requirements Management | Rastreabilidade e compliance regulatório | Forte em gestão do ciclo de vida (Cláusula 6) | Não gera o requisito, só organiza e audita |
| Espaço IA | Geração de documentação estruturada (SRS, casos de uso) | Critérios de qualidade embutidos no processo de geração | Foco em documentação de projeto, não em gestão de portfólio |
Para que ChatGPT ou Claude sigam a Cláusula 5 sem essa dependência do prompt, adicione explicitamente ao pedido:
Perguntas frequentes
Qual o melhor prompt para gerar user stories com IA?
O prompt mais eficaz tem duas partes: contexto do projeto (produto, público, restrições) e solicitação específica (formato de user story com critério de aceite, agrupada por módulo). Peça explicitamente que a IA aplique critérios INVEST e sinalize quando faltar informação em vez de inventar detalhes.
A IA pode substituir o analista de requisitos?
Não. A IA extrai, estrutura e sugere requisitos a partir de transcrições e documentos, mas não tem responsabilidade formal sobre o que assina nem julgamento para resolver ambiguidade política entre stakeholders. O papel do analista é validar, ajustar e formalizar o que a IA produz.
Como evitar alucinação da IA ao documentar requisitos de projeto?
Sempre peça à IA que cite a origem de cada requisito na transcrição ou documento fonte, e revise manualmente qualquer requisito sem essa referência. Rodar o mesmo prompt duas vezes e comparar as saídas também ajuda a identificar contradições geradas pela própria IA.
O próximo passo é testar esse fluxo num projeto real: pegue a transcrição da próxima reunião de levantamento, aplique o prompt de duas partes e confira o resultado contra a Cláusula 5 da ISO/IEC/IEEE 29148 antes de formalizar no SRS documento — se quiser pular direto para a documentação estruturada e rastreável, o espacoia.com.br transforma esse levantamento em projeto técnico completo com agentes de IA.