Empresas de tecnologia começam a avaliar não mais quem evita IA, mas quem sabe usá-la com critério, e isso já impacta diretamente o currículo dos profissionais
A inteligência artificial já redefine produtividade, contratação e formação profissional em tecnologia, e os números ajudam a dimensionar essa virada. No dia a dia das empresas, o impacto já é concreto. Pesquisa do Stack Overflow mostra que 84% dos desenvolvedores já usam ou planejam usar ferramentas de IA no processo de desenvolvimento, enquanto 51% afirmam utilizar essas ferramentas diariamente.
Um estudo com 1.725 recrutadores dos Estados Unidos, Reino Unido e Alemanha mostrou que candidatos que destacam habilidades em inteligência artificial têm entre 8 e 15 pontos percentuais mais chances de serem convidados para entrevistas de emprego, especialmente em áreas como design gráfico, assistência administrativa e engenharia de software.
Esse avanço acompanha a escala dos investimentos no setor. Segundo a Gartner, os gastos globais com inteligência artificial devem atingir US$ 2,52 trilhões em 2026, alta de 44% em relação ao ano anterior. Segundo a Bridgewater Associates, gigantes da tecnologia como Microsoft, Amazon, Meta e Alphabet devem investir juntas cerca de US$ 650 bilhões em infraestrutura de IA somente em 2026.
“Assim como em outras carreiras já foi quase automático listar domínio de Excel ou PowerPoint, e no desenvolvimento de software, durante anos, o conhecimento em linguagens como Java esteve entre as competências mais valorizadas pelo mercado, agora começa a surgir outro item, menos explícito, mas cada vez mais decisivo: a capacidade de trabalhar com inteligência artificial”, destaca Carlos Lopes, sócio e gerente de desenvolvimento de negócios da Codeminer42.
Carlos Lopes, sócio e gerente de desenvolvimento de negócios da Codeminer42
Por anos, o mercado tratou o uso de IA em processos seletivos como um problema a ser controlado, com mecanismos para detectar ou proibir seu uso. Storel conta que a Codeminer42 seguiu o caminho oposto.
A boutique brasileira de software decidiu inverter a lógica tradicional de avaliação técnica e tratar a IA não como risco, mas como competência central. “A gente percebeu que o trabalho real de engenharia mudou. A IA já faz parte do dia a dia e continuar avaliando como se ela não existisse criava um descompasso entre o teste e a realidade”, afirma Storel.
O ponto de inflexão veio quando a empresa identificou que estava direcionando esforços para o problema errado.
“Chegou um momento em que estávamos investindo energia em detectar IA, e não em avaliar engenharia. Era uma corrida que não fazia sentido vencer”, diz. “Quanto mais sofisticadas as ferramentas, mais frágil ficava qualquer tentativa de policiamento”.
A partir daí, a pergunta central mudou de “essa pessoa usou IA?” para “essa pessoa entende o que produziu com IA?”, e, com ela, toda a lógica do processo seletivo.
A mudança não ficou no discurso; ela alterou diretamente o formato das avaliações. “O teste técnico foi redesenhado: o formato passou a pressupor o uso de inteligência artificial, com problemas pensados para serem resolvidos com a ajuda dessas ferramentas. Ou seja, quem não utiliza IA dificilmente consegue concluir todo o escopo no tempo”, explica Romulo Storel, sócio e Diretor de Recursos Humanos na Codeminer42.
Romulo Storel, sócio e Diretor de Recursos Humanos na Codeminer42
O candidato recebe um problema realista e tem liberdade total para usar ferramentas como ChatGPT, GitHub Copilot, Claude ou Cursor, sem qualquer restrição.
Mas o que está sendo avaliado mudou radicalmente. “O foco não é mais o código final, mas o caminho”, explica. “Quais decisões a pessoa tomou, por que escolheu uma abordagem, como validou o que a IA produziu e o quanto consegue defender o resultado”.
Se antes o teste técnico era o centro da avaliação, hoje ele é apenas a primeira etapa. O verdadeiro filtro acontece na entrevista posterior, quando o candidato precisa explicar, justificar e adaptar o que entregou.
“É na conversa que fica evidente quem só copiou e quem realmente entendeu”, afirma Storel. “Perguntamos sobre trade-offs, mudanças de cenário, pontos frágeis. Quem não acompanhou o raciocínio trava.”
Essa etapa funciona como um antídoto para o principal risco do novo modelo: confundir fluência em IA com competência de engenharia. “A IA pode gerar código, mas não pode defender esse código em uma discussão técnica”, diz.
O que pesa agora na avaliação
Hoje, mais do que dominar linguagens de programação, o desenvolvedor precisa saber trabalhar em parceria com a inteligência artificial. Isso envolve desde a capacidade de formular boas perguntas e orientar ferramentas como Codex e Claude Code até a leitura crítica do que é gerado, com atenção a falhas, riscos e inconsistências.
“Ganha destaque quem consegue tomar decisões técnicas com autonomia, interpretar resultados, validar soluções e evoluir o código com base em contexto. Na prática, o diferencial está no discernimento: entender quando usar a IA, como usar e, principalmente, quando não confiar nela”, sublinha o executivo.
Os erros da era da IA
A abertura ao uso de IA também trouxe um novo padrão de erros, menos ligados à execução e mais à validação. Entre os mais comuns observados nos testes estão: aceitar respostas aparentemente corretas que falham em edge cases; perder o controle do contexto em problemas mais longos; adicionar complexidade desnecessária; ou confiar cegamente na primeira sugestão da ferramenta.
Em todos os casos, o problema não está na IA em si, mas na forma como ela é utilizada. “O uso intensivo de IA, por si só, não é preditor de aprovação”, afirma Storel. “Os melhores candidatos combinam uso estratégico com revisão crítica”, completa.
Mercado
Um dos achados mais interessantes da nova abordagem é que idade, formação ou senioridade não são bons preditores de desempenho.
Há desenvolvedores juniores se destacando, especialmente os que aprenderam a usar IA de forma crítica, e profissionais experientes enfrentando dificuldades, seja por resistência à ferramenta ou excesso de confiança. “O que mais diferencia hoje é maturidade técnica e postura investigativa”, explica. “Capacidade de questionar, validar e adaptar”.
Entre os extremos, surgem dois desafios: os juniores que dependem demais da IA e não constroem repertório próprio, e os seniores que resistem ao uso e perdem eficiência.
Requisitos do novo currículo
Na prática, o currículo não muda tanto na forma, mas muda no conteúdo relevante. Os requisitos continuam sendo: domínio de fundamentos; experiência com tecnologias; e projetos consistentes.
Mas ganha peso quem consegue demonstrar o uso real de IA no dia a dia; a capacidade de integrar ferramentas ao processo; e a experiência prática em resolução de problemas com IA. “Não é preciso listar ferramentas, mas sim mostrar onde e como você usou, e o que decidiu a partir disso.”
Outra transformação estrutural está no próprio conceito de “bom engenheiro”. O profissional altamente especializado em escrever código manual perde espaço para um perfil mais amplo: generalista; proativo; com visão de produto; e orientado à resolução de problemas. “O código está virando commodity”, afirma. “O diferencial é saber estruturar problemas, fazer as perguntas certas e validar respostas”.
Com IA, a produtividade pode ser multiplicada, mas também o risco de erro. Por isso, o conhecimento técnico não perde relevância, ele muda de papel. “Sem base, o profissional vira refém da ferramenta”, diz. “É o fundamento que permite avaliar se o que a IA produziu está correto.”
Outro traço marcante do momento atual é a velocidade da transformação. Ferramentas evoluem rapidamente, tornando difícil para modelos tradicionais de formação acompanharem esse ritmo. Como consequência, cresce a valorização de profissionais autodidatas, capazes de aprender de forma contínua, se adaptar com rapidez e acompanhar as mudanças do mercado em tempo real. “A maioria aprende por tentativa e erro”, afirma Storel. “Quem se destaca é quem consegue evoluir junto com as ferramentas.”
Dentro das empresas, o uso segue a mesma lógica adotada no processo seletivo. A expectativa não é substituir o engenheiro, mas potencializá-lo. “IA é um amplificador, e não um substituto”, resume Storel. “Ela acelera partes mecânicas, ajuda a explorar caminhos, mas o julgamento continua sendo humano.”
Na Codeminer42, isso se traduz em workshops semanais sobre uso de IA; discussões diárias entre equipes; e mentoria contínua para garantir que a ferramenta seja incorporada ao processo de engenharia sem abrir mão do rigor técnico e da responsabilidade sobre o que é entregue.
“Empresas que resistem estão filtrando pelo critério errado e acabam selecionando quem disfarça melhor o uso de IA, não quem trabalha melhor”, completa Lopes.
O que vem pela frente
Nos próximos três a cinco anos, a tendência é que os formatos dos processos seletivos sejam aprimorados, cada vez mais práticos; integrem IA de forma nativa; valorizem o raciocínio sobre execução; e priorizem a tomada de decisão.
“Nos próximos anos, a tendência é que os processos seletivos se aproximem cada vez mais do ambiente real de trabalho, com IA integrada, decisões complexas e foco em raciocínio. A capacidade de pensar, decidir e assumir responsabilidade em um mundo onde a inteligência artificial já faz parte do trabalho”, resume.
Sobre a Codeminer42: https://www.codeminer42.com
