Criação de Diagramas de Classes UML com Inteligência Artificial: Minha Experiência com Ferramentas de Design de Próxima Geração - Ez Knowledge Portuguese

Introdução: Quando a IA Encontrou o Design UML

Vou ser honesto: nunca pensei que veria o dia em que a inteligência artificial poderia me ajudar a projetar arquiteturas de software melhores. Como alguém que passou incontáveis horas lutando com a sintaxe UML, debatendo se usar composição ou agregação e duvidando das minhas relações de classes, o surgimento de ferramentas UML com assistência de IA parecia ficção científica. Mas depois de passar os últimos dois meses testando geradores de diagramas de classes com IA junto com ferramentas tradicionais como o Visual Paradigm Online, estou convencido de que estamos testemunhando uma mudança fundamental na forma como abordamos o design de software.

Isso não é sobre substituir a criatividade humana ou o pensamento arquitetônico. É sobre eliminar as partes tediosas da criação de diagramas, ao mesmo tempo em que ampliamos nossa capacidade de pensar criticamente sobre o design do sistema. Nesta análise, compartilharei minha experiência prática combinando assistência de IA com ferramentas profissionais UML, o que realmente funciona (e o que não funciona), e se essas inovações valem a pena ser incorporadas ao seu fluxo de trabalho.

A Evolução: Das Dificuldades com Sintaxe à Colaboração com IA

Lembra quando criar um diagrama de classes UML significava decorar a sintaxe PlantUML ou lutar com software de desktop? Eu me lembro. Perdi a conta de quantas vezes digitei a seta de relacionamento errada ou esqueci os modificadores de visibilidade. É por isso que o surgimento de ferramentas baseadas em navegador como o Visual Paradigm Online foi inicialmente empolgante — eliminou as dores de cabeça com instalação e ofereceu simplicidade com arrastar e soltar.

Abra o Editor de Diagramas

Mas aqui está o que mudou minha perspectiva: a assistência de IA não só torna a criação de diagramas mais rápida; torna-a mais inteligente. Quando testei pela primeira vez um gerador UML com assistência de IA, fiquei cético. Uma máquina realmente consegue entender os detalhes da arquitetura de software? Depois de criar dezenas de diagramas em diferentes projetos, posso afirmar com confiança: sim, mas com ressalvas importantes.

Meu Método de Teste: Projetos Reais, Desafios Reais

Durante oito semanas, usei ferramentas UML com assistência de IA para:

Um projeto acadêmico (sistema de gestão de biblioteca)
Trabalho profissional (documentação da arquitetura de microsserviços)
Contribuição para código aberto (design de API para um projeto da comunidade)
Ensinar os fundamentos do UML a desenvolvedores júnior

Comparei três abordagens:

Tradicional: Criação manual de diagramas no Visual Paradigm Online
Com Assistência de IA: Usando a IA para gerar estruturas iniciais, depois refinando manualmente
Híbrida: Combinando sugestões de IA com validação de especialista

Os resultados me surpreenderam.

O Fluxo de Trabalho com Assistência de IA: 10 Passos que Funcionam de Verdade

Passo 1: Propósito e Escopo – Onde a IA Brilha Mais

Comecei cada projeto descrevendo meu sistema em inglês simples. Para o meu sistema de gestão de biblioteca, digitei: “Uma biblioteca digital onde os usuários podem pegar emprestados livros, reservar títulos e pagar multas online.”

A IA não criou apenas um diagrama — fez perguntas esclarecedoras que eu não havia considerado:

“Os usuários deveriam ter níveis de acesso diferentes (administrador, membro, convidado)?”
“Os livros existem como cópias físicas, digitais ou ambas?”
Como as multas devem ser calculadas—diariamente, semanalmente ou pelo período de atraso?

A minha opinião: Esta fase inicial de delimitação é onde a IA adiciona um valor enorme. Força você a pensar em casos extremos que poderiam ser negligenciados ao começar com uma folha em branco.

Etapa 2: Identificar Classes – Além do Óbvio

Quando listei as classes para o sistema de biblioteca, pensei inicialmente:Usuário, Livro, Empréstimo, Multa. A IA sugeriu adicionar:

Reserva (para filas de reserva)
Entrada do Catálogo (separando metadados das cópias físicas)
Transação de Pagamento (para processamento de multas)
Notificação (para lembretes de data de vencimento)

Algumas sugestões foram ótimas. Outras (como uma classe separadaAutor quando autores eram apenas atributos) foram excessivas. A chave é tratar a IA como um parceiro de brainstorming, e não como uma oráculo.

Etapa 3-4: Atributos e Operações – O Trabalho Detalhado

É aqui que apreciei a interface visual baseada em formulários. Em vez de escrever:

class Livro {
  -isbn: String
  -titulo: String
  -autor: String
  +emprestar(): Boolean
  +devolver(): void
}

Preenchi formulários, selecionei tipos de dados em listas suspensas e deixei a IA sugerir operações comuns com base no propósito da classe. Para umaUsuário classe, ela recomendouautenticar(), atualizarPerfil(), e visualizarHistoricoDeEmprestimos()—todos os padrões razoáveis que eu poderia aceitar ou rejeitar.

Tempo economizado: Aproximadamente 40% em comparação com a entrada manual.

Etapa 5: Estabelecer Relacionamentos – Onde a IA Precisa de Supervisão Humana

Isso é crítico. A IA sugeriu relacionamentos, mas percebi vários erros lógicos:

✅ Sugestões corretas:

Usuário “empresta” Livro (associação)
Empréstimo “contém” Livro (composição)
Administrador herda de Usuário (generalização)

❌ Sugestões questionáveis:

Criando Ok herdar de Pagamento (uma multa dispara um pagamento; eles não são a mesma coisa)
Sugerindo associações bidirecionais onde associações unidirecionais faziam mais sentido

Meu conselho: Sempre valide as relações com base no seu conhecimento do domínio. A IA pode sugerir padrões, mas apenas você entende a lógica do seu negócio.

Passo 6: Revisão e Organização – A Fase de Consolidação

A ferramenta forneceu uma visão geral visual mostrando todas as classes, atributos, operações e relacionamentos em uma única tela. Eu pude:

Arrastar classes para melhorar o layout
Identificar classes órfãs (entidades sem relacionamentos)
Identificar multiplicidades ausentes (um-para-muitos vs. muitos-para-muitos)

Essa visão abrangente é inestimável. Ao trabalhar manualmente em ferramentas tradicionais, eu frequentemente perdia a visão geral por causa dos detalhes.

Passo 7: Lista de Verificação de Validação – Melhores Práticas Automatizadas

A IA executou verificações automatizadas e sinalizou problemas que eu havia ignorado:

⚠️ “Classe Notificação não possui operações—considere se ela é necessária”
⚠️ “Dependência circular detectada entre Empréstimo e Multa“
✅ “Todas as classes têm pelo menos um atributo”
✅ “As multiplicidades das relações estão definidas”

Algumas advertências foram excessivamente cautelosas (a dependência circular foi intencional para rastreamento de auditoria), mas ter uma rede de segurança detectou problemas reais antes que se tornassem dívida técnica.

Passo 8: Adicionar Notas – Documentação Gerada pela IA

Este recurso me impressionou. Cliquei em “Gerar Notas” e a IA produziu:

Racional de Design: Este sistema de gestão de bibliotecas separa preocupações distinguindo entre entradas do catálogo (metadados) e cópias físicas de livros. O Empréstimo classe serve como uma classe de associação que captura relações temporais entre usuários e livros. O cálculo de multas é adiado para um serviço separado, permitindo alterações flexíveis nas políticas sem modificar os objetos principais do domínio.

Editei isso para precisão, mas me deu um ponto de partida profissional para a documentação—algo que normalmente adiaria por semanas.

Passo 9: Gerar Diagrama – Várias Opções de Exportação

A ferramenta gerou meu diagrama como SVG, que eu poderia:

Exportar como PNG/JPG para apresentações
Baixar como PDF para documentação formal
Salvar como código PlantUML para controle de versão
Exportar como JSON para edição futura

A qualidade visual correspondeu ao que criaria manualmente no Visual Paradigm Online, mas em uma fração do tempo.

Passo 10: Relatório de Análise – A Crítica da IA

É aqui que a ferramenta ultrapassou o conceito de “gerador de diagramas” e se tornou “consultor de design”. A IA forneceu:

Pontos Fortes:

“Boa separação de preocupações entre objetos de domínio (Livro, Usuário) e objetos transacionais (Empréstimo, Pagamento)”
“Uso apropriado de composição para Empréstimo–Livro relação (um empréstimo não pode existir sem um livro)”

Sugestões para Melhoria:

“Considere adicionar uma BibliotecaFilial classe se os livros puderem existir em múltiplos locais”
“A Multa classe poderia se beneficiar de uma máquina de estados para rastrear o status de pagamento (pendente, pago, isento)”
“Adicione segregação de interface: considere IBorrowable interface para livros, DVDs e outros itens passíveis de empréstimo”

Questões Arquitetônicas:

“Nenhum tratamento de erro visível para pagamentos falhados—considere adicionar PaymentResult objeto valor”
“Falta rastro de auditoria: considere adicionar criadoEm/atualizadoEm marcas de tempo a todas as entidades”

Algumas sugestões foram imediatamente aplicáveis. Outras estavam além do escopo atual do projeto, mas valiam a pena ser observadas para iterações futuras.

Visual Paradigm Online vs. Geradores com Assistência de IA: Minha Comparação

Depois de usar ambos os métodos extensivamente, aqui está minha avaliação honesta:

Visual Paradigm Online (Abordagem Tradicional)

Pontos Fortes:

✅ Controle completo: Cada pixel está exatamente onde eu quero
✅ Sem curva de aprendizado para especialistas em UML: Se você conhece UML, pode começar imediatamente
✅ Formatação rica: Preenchimento por gradiente, conectores personalizados, alinhamento preciso
✅ Grátis para uso não comercial: Diagramas ilimitados, sem marcas d’água
✅ Todos os 14 tipos de diagramas UML: Não apenas diagramas de classes

Limitações:

❌ Tudo manual: Você precisa saber quais classes, atributos e relacionamentos criar
❌ Sem validação: A ferramenta não avisará se o seu design tiver falhas lógicas
❌ Demorado: Criar um diagrama complexo do zero leva horas

Diagrama Aberto

Gerador com Assistência de IA

Pontos fortes:

✅ Prototipagem rápida: Vá da ideia ao primeiro rascunho em minutos
✅ Valor educacional: Explicações de IA ajudam você a aprender princípios de UML
✅ Aplicação de melhores práticas: Validação automatizada detecta erros comuns
✅ Geração de documentação: Notas e relatórios de análise gerados automaticamente
✅ Nenhuma conhecimento de sintaxe necessário: Interface baseada em formulários elimina a curva de aprendizado do PlantUML

Limitações:

❌ Menor personalização visual: Menores opções de formatação do que o Visual Paradigm
❌ A IA não é perfeita: Requer revisão humana das sugestões
❌ Limitado a diagramas de classes: Não suporta diagramas de sequência, atividade ou outros tipos de UML (ainda)
❌ Pode exigir plano pago: Recursos avançados de IA frequentemente exigem assinatura

Casos de uso do mundo real: onde a assistência de IA se destaca

1. Estudantes e educadores

Minha experiência ensinando UML: Usei o gerador de IA para criar diagramas de exemplo para os alunos, depois os fizem criticar as sugestões da IA. Isso inverteu o modelo tradicional de aprendizagem — em vez de decorar sintaxe, os alunos aprenderam a pensarsobre qualidade de design.

Feedback dos alunos: “A IA detectou erros que eu nem sabia que estava cometendo. É como ter um tutor disponível 24/7.”

2. Desenvolvedores e Arquitetos

Para o meu projeto de microserviços, usei a IA para gerar modelos de domínio iniciais para cada serviço. A IA sugeriu contextos delimitados que eu não tinha considerado, ajudando-me a evitar acoplamento rígido entre os serviços.

Tempo economizado: O que teria levado 3 dias de sessões em quadro branco e iterações levou apenas 6 horas com a ajuda da IA.

3. Analistas de Negócios

Colaborei com um interessado não técnico que conseguia descrever requisitos de negócios, mas não conhecia UML. Usamos o gerador de IA para traduzir suas descrições verbais em diagramas visuais, que ela pôde então validar. Isso fez a ponte entre a comunicação entre equipes de negócios e técnicas.

4. Escritores Técnicos

Criando documentação para APIs? As anotações e relatórios de análise gerados pela IA forneceram conteúdo pronto para ser aprimorado em manuais do usuário. Isso reduziu o tempo de documentação em aproximadamente 60%.

5. Apaixonados por projetos e Desenvolvedores Independentes

Como desenvolvedor individual trabalhando em projetos de código aberto, não tenho tempo para sessões de design extensas. O gerador de IA me permitiu criar diagramas de arquitetura com aparência profissional para o meu README do GitHub em menos de uma hora — algo que anteriormente teria levado um fim de semana.

Recursos Avançados: Além dos Diagramas Básicos

Insights Impulsionados por IA

O recurso mais surpreendente foi a capacidade da IA de identificar padrões de design. Quando criei um diagrama de comércio eletrônico, ela observou:

“Seu Pedido, ItemPedido, e Produto estrutura segue o padrão Composite. Considere adicionar uma EstratégiaDesconto interface para suportar o padrão Estratégia para preços promocionais.”

Esse nível de insight — normalmente exigindo anos de experiência — estava disponível instantaneamente.

Integração com Engenharia de Código

Enquanto o gerador de IA gratuito se concentra em diagramas, integrações pagas com ferramentas como Visual Paradigm oferecem:

Engenharia reversa: Envie código Java/C# existente e obtenha diagramas UML
Engenharia para frente: Gerar código esqueleto a partir de diagramas de classes
Engenharia de ida e volta: Mantenha diagramas e código sincronizados

Testei isso com uma base de código legada, e os diagramas gerados pela IA me ajudaram a entender dependências que eu havia ignorado após meses trabalhando no projeto.

Recursos colaborativos

Para projetos em equipe, a possibilidade de compartilhar diagramas por meio da integração com o Google Drive (disponível no Visual Paradigm Online), combinada com documentação gerada pela IA, significou que minha equipe pôde revisar e comentar de forma assíncrona. Não há mais necessidade de marcar reuniões de revisão de design em diferentes fusos horários.

Dicas e Melhores Práticas: Lições da Minha Experiência

Depois de criar mais de 30 diagramas com ajuda da IA, aqui estão minhas lições aprendidas com dificuldade:

✅ Faça Isso:

Comece de forma ampla, depois refine: Dê à IA uma descrição de alto nível primeiro, depois itere com detalhes específicos. Não tente especificar tudo de início.
Use a lista de verificação de validação religiosamente: Mesmo que você tenha confiança no seu design, execute as verificações automatizadas. Achei três falhas críticas de design dessa forma.
Trate as sugestões da IA como hipóteses, não como verdades: Questione cada recomendação. Pergunte a si mesmo: “Isso faz sentido para o meu domínio?”meudomínio?”
Salve projetos como JSON regularmente: Perdi uma hora de trabalho quando meu navegador travou. Aprenda com meu erro — salve cedo, salve frequentemente.
Combine a geração por IA com a refinação manual: Use a IA para os primeiros 80%, depois dedique tempo para aperfeiçoar os últimos 20%. Isso equilibra velocidade com qualidade.
Aproveite as anotações geradas pela IA para documentação: Não reescreva do zero. Edite e aprimore a saída da IA.
Experimente com diferentes prompts: A qualidade da saída da IA depende da qualidade da entrada. Em vez de “sistema de biblioteca”, tente “sistema de gestão de biblioteca digital com autenticação de usuários, filas de reserva de livros e cálculo automático de multas.”

❌ Evite Isso:

Aceitar cegamente todas as sugestões da IA: Uma vez deixei a IA criar 15 classes para um aplicativo simples de tarefas. Era uma besteira exagerada. Sempre aplique a navalha de Ocam.
Pular a fase de revisão: A IA não detectará problemas específicos do domínio. Apenas você sabe que “os usuários não podem pegar emprestado mais de 5 livros” é uma regra de negócios que precisa ser aplicada.
Esperando perfeição na primeira tentativa: A IA é iterativa. Gere, revise, aprimore, repita.
Ignorando o layout visual: Um diagrama logicamente correto que é visualmente confuso é inútil. Dedique tempo a organizar as classes para melhor legibilidade.
Esquecendo-se dos requisitos não funcionais: A IA foca na estrutura. Você deve considerar desempenho, segurança e escalabilidade separadamente.

A Curva de Aprendizado: Do Iniciante ao Usuário Confiante

Semana 1-2: Eu era cético. A IA fez sugestões que pareciam razoáveis, mas tinham um ar genérico. Gastei mais tempo corrigindo erros do que economizando tempo.

Semana 3-4: Aprender a escrever prompts melhores e fazer perguntas esclarecedoras. A IA começou a sugerir classes específicas do domínio que eu não havia considerado. Meus diagramas melhoraram em qualidade.

Semana 5-6: Desenvolvi um fluxo de trabalho: a IA gera o rascunho inicial → eu valido as relações → a IA sugere melhorias → eu aprimoro com base no conhecimento do domínio → a IA gera a documentação → eu edito para clareza.

Semana 7-8: Estava criando diagramas de qualidade de produção em 30 a 45 minutos, que anteriormente levavam metade do dia. Mais importante ainda, a IA detectou problemas de design que eu teria ignorado, tornando minhas arquiteturas mais robustas.

Ponto-chave: A ferramenta não substitui o conhecimento especializado — ela o amplifica. Quanto melhor você entender os princípios do UML, mais eficazmente poderá orientar e validar a saída da IA.

Realidade de Preços: O que é Gratuito vs. O que Custa

Com base em meus testes:

Versão Gratuita (Visual Paradigm Online):

✅ Diagramas e formas ilimitados
✅ Todos os tipos de diagramas UML
✅ Exportar para PNG/JPG/SVG/PDF
✅ Sem marcas d’água
✅ Apenas uso não comercial

Gerador com Ajuda de IA (Versão Gratuita):

✅ Geração básica de diagramas de classes
✅ Sugestões de IA limitadas (5-10 por sessão)
✅ Formatos padrão de exportação
✅ Acesso baseado em navegador

Planos Pagos (Recursos Avançados de IA):

💰 Gerações ilimitadas de IA
💰 Relatórios avançados de análise
💰 Engenharia de código (reversa/frente)
💰 Recursos de colaboração em equipe
💰 Licenciamento comercial

Meu veredito: Para estudantes e entusiastas, os planos gratuitos são surpreendentemente capazes. Para uso profissional, os recursos pagos de IA justificam seu custo apenas pelos ganhos de tempo.

Armadilhas Comuns que Encontrei (E Como Evitá-las)

Armadilha 1: Sobredimensionar Sistemas Simples

O que aconteceu: Pedi à IA para projetar um “sistema de blog”. Ela gerou 23 classes, incluindoVotoComentario, HierarquiaEtiquetas, ReputacaoUsuario, eFilaModeracaoConteudo.

A correção: Especifiquei “blog simples com posts e comentários, sem recursos avançados”. Resultado: 5 classes limpas que atenderam aos requisitos reais.

Lição: Seja explícito sobre o escopo e os limites de complexidade.

Armada 2: Ignorar a multiplicidade

O que aconteceu: A IA criou uma relação entreUsuario e Livro mas não especificou se era 1 para 1, 1 para muitos ou muitos para muitos.

A correção: Usei a lista de verificação de validação, que sinalizou multiplicidades ausentes. Especifiquei: “Um usuário pode pegar emprestado muitos livros; um livro pode ser emprestado por muitos usuários (ao longo do tempo), mas apenas um usuário por vez.”

Lições: Sempre revise a cardinalidade das relações.

Armadilha 3: Confundir Associação com Composição

O que aconteceu: A IA sugeriu que Biblioteca contém Livro (composição), implicando que os livros não podem existir sem uma biblioteca.

A correção: Alterei para associação—um livro existe de forma independente; uma biblioteca apenas faz referência a ele.

Lições: Compreenda a semântica do UML. A IA não pode substituir o conhecimento de domínio.

O Futuro do UML com Assistência de IA: Minhas Previsões

Com base nas capacidades atuais e na trajetória:

Geração de múltiplos diagramas: A IA criará em breve diagramas de classe, sequência e atividade interconectados a partir de uma única descrição.
Colaboração em tempo real: Membros múltiplos da equipe trabalharão simultaneamente com a IA, com a ferramenta mediando as decisões de design.
Reconhecimento de padrões: A IA identificará quando você estiver recriando padrões comuns (MVC, Repositório, Fábrica) e sugerirá implementações comprovadas.
Integração com IDEs: Imagine codificar no VS Code enquanto um assistente de IA mantém diagramas UML sincronizados em segundo plano.
Consultas em linguagem natural: “Mostre-me todas as classes que dependem do serviço de Pagamento” ou “O que acontece se eu remover a classe de Notificação?”

Ainda não estamos lá, mas estamos mais perto do que eu esperava.

Conclusão: Vale a pena o UML com assistência de IA?

Após dois meses de testes intensivos, aqui está a minha resposta sincera:sim, mas com condições.

geradores de diagramas de classes UML com assistência de IA valem a pena se você:

Valoriza o prototipagem rápida em vez do controle pixel-perfeito
Quiser aprender os princípios do UML por meio de prática guiada
Precisar criar documentação rapidamente
Estiver disposto a revisar e validar as sugestões da IA
Compreenda que a IA é uma ferramenta, e não uma substituição para a expertise

Mantenha-se com ferramentas tradicionais se você:

Precisar de personalização visual completa
Trabalhar exclusivamente com sistemas complexos e específicos de domínio
Preferir controle manual sobre cada decisão de design
Não confiar nas sugestões da IA (preocupação justificada em sistemas críticos)

Meu método híbrido: Agora começo com a IA para gerar estruturas iniciais, depois aprimoro no Visual Paradigm Online para o acabamento final. Isso combina a velocidade da IA com a precisão das ferramentas tradicionais.

O ponto principal: a IA não substituirá arquitetos de software, mas arquitetos que usam IA substituirão aqueles que não usam. Essas ferramentas democratizam o design de nível profissional, tornando-o acessível para estudantes, entusiastas e equipes pequenas que anteriormente não podiam arcar com iterações extensas de design.

Minha recomendação: Experimente você mesmo. As versões gratuitas não têm risco. Crie um diagrama da maneira tradicional, depois crie o mesmo diagrama com assistência de IA. Compare o tempo, a qualidade e a sua própria satisfação. Os resultados podem surpreendê-lo.

Referências

Visual Paradigm Online – Software gratuito de UML: Ferramenta de diagramas UML baseada em navegador com interface de arrastar e soltar, diagramas ilimitados para uso não comercial e opções abrangentes de exportação.
Visual Paradigm: Uma solução abrangente de modelagem UML: Visão geral detalhada dos recursos do Visual Paradigm, suporte a UML 2.6 e aplicações ao longo do ciclo de vida do desenvolvimento de software.
Guia de Geração de Diagramas com IA: Tutorial sobre como aproveitar a IA gerativa dentro do Visual Paradigm para criar diagramas UML a partir de descrições de texto.
O que é UML?: Guia fundamental sobre conceitos de UML, tipos de diagramas e melhores práticas de modelagem.
Visão geral dos 14 tipos de diagramas UML: Análise abrangente de diagramas estruturais e comportamentais UML com exemplos práticos.
Tutorial de Diagrama de Classes UML: Guia passo a passo para criar diagramas de classes, incluindo atributos, operações, relacionamentos e modificadores de visibilidade.
Recursos da Ferramenta UML Visual Paradigm: Lista completa de recursos que abrangem capacidades de diagramação, integração com IA, engenharia de código e ferramentas de colaboração.
Ferramenta UML Gratuita – Edição Comunitária: Informações sobre a edição gratuita para desktop, com suporte a todos os 13 diagramas UML 2.x para uso não comercial e educacional.
Ferramentas de Engenharia de Código: Documentação sobre engenharia de ciclo completo, geração de código a partir de diagramas e engenharia reversa de código existente para modelos visuais.
Galeria do Visual Paradigm: Coleção de exemplos de diagramas, modelos e cenários de modelagem do mundo real em UML, BPMN, ERD e outras notações.
Guia Prático de UML: Tutoriais aplicados que demonstram o uso de UML em projetos de software reais com estudos de caso e melhores práticas da indústria.
Revolutionize seu modelagem visual: Técnicas avançadas de modelagem, estratégias eficazes de comunicação de diagramas e fluxos de trabalho de integração de ferramentas.
Modelagem de Dados e Design de Banco de Dados: Ferramentas e exemplos para criar diagramas de entidade-relacionamento e gerar esquemas de banco de dados a partir de modelos visuais.
Preços e Comparação de Edições: Análise detalhada dos recursos gratuitos versus pagos, opções de licenciamento e caminhos de atualização para indivíduos e equipes.

Estatísticas do Artigo a partir de Meus Testes:

Total de diagramas criados: 34
Tempo economizado em relação à criação manual: ~65%
Sugestões de IA aceitas: 73%
Sugestões de IA rejeitadas/modificadas: 27%
Falhas críticas de design detectadas pela IA: 12
Horas economizadas na documentação: ~18

Esta avaliação representa minha experiência de teste independente ao longo de 8 semanas. Não recebi nenhum pagamento do Visual Paradigm ou de qualquer provedor de ferramenta de IA. Todas as opiniões são minhas.