Este trabalho investiga se a metodologia Spec-Driven Development (SDD) facilita a manutenção e evolução de software gerado por Inteligência Artificial generativa. Para isso, foi conduzida a POC 2 do projeto BQBus — um sistema de recomendação de rotas de ônibus para Barbacena-MG —, simulando um cenário real de software legado: o sistema, construído integralmente por IA na POC 1 (22.148 linhas de código em 30 horas), ficou inativo por três meses com infraestrutura derrubada e dívida técnica acumulada.

Utilizando Claude Code como agente de IA e SDD como metodologia de governança, o trabalho foi organizado em cinco eixos de validação: ressurreição do sistema, diagnóstico e correção de qualidade, evolução de funcionalidades, substituição do algoritmo de roteamento e deploy em nuvem. Os resultados indicam que: (i) especificações SDD retêm 54% de acurácia após 90 dias, suficiente para guiar o onboarding do agente; (ii) 30 code smells foram catalogados e corrigidos em aproximadamente 380 minutos, com fator de aceleração de 21× sobre a estimativa manual; (iii) sete novas funcionalidades foram implementadas em 1,75 horas reais; e (iv) o algoritmo RAPTOR mostrou-se 4,7× mais rápido que o Dijkstra baseline, com suporte a horários reais e rotas Pareto-ótimas. No total, estimam-se 438 horas de trabalho manual realizadas em 23,4 horas com SDD + IA.