No mercado de trabalho, o uso de inteligência artificial deixou de ser apenas uma possibilidade. Por exemplo, em algumas empresas, espera-se que o candidato saiba empregar ferramentas de IA de maneira produtiva, explicar suas escolhas e identificar erros nas respostas geradas. Dessa forma, o desafio agora é demonstrar compreensão real da tecnologia e de seus limites.
Definição de habilidade em IA muda
Saber utilizar IA foi frequentemente associado à capacidade de escrever comandos para ferramentas generativas, mas as empresas já consideram essa definição insuficiente. Assim sendo, o trabalho com IA envolve um conjunto mais amplo de competências.
- Formular problemas
- Escolher ferramentas adequadas
- Fornecer contexto
- Comparar alternativas
- Conferir respostas
- Reconhecer quando não utilizar a tecnologia, como em informações confidenciais, decisões sensíveis, avaliações de pessoas e tarefas sujeitas a normas específicas
Em resumo, a habilidade mais valorizada pode não ser a velocidade para gerar uma resposta, mas a capacidade de julgar sua qualidade.
Preparação para entrevistas também muda
Consequentemente, essa mudança de perspectiva altera a forma como os candidatos se preparam. Ou seja, em vez de apenas memorizar atalhos de ferramentas, profissionais passam a precisar demonstrar critérios para usar a IA com responsabilidade. Por outro lado, o domínio técnico continua importante, mas aparece combinado a novas exigências.
Codeminer42 redesenha processo seletivo
Um exemplo concreto dessa transformação vem da Codeminer42. Dessa forma, a empresa redesenhou seu processo seletivo para permitir o uso aberto de ferramentas como ChatGPT, GitHub Copilot, Claude e Cursor.
Segundo Romulo Storel, o trabalho real de engenharia mudou: a IA já faz parte do dia a dia. Assim sendo, continuar avaliando como se ela não existisse criava um descompasso entre o teste e a realidade.
Portanto, em vez de perguntar se o candidato utilizou IA, a empresa procura descobrir se ele compreende aquilo que produziu com a tecnologia. Ademais, segundo Storel, a companhia estava investindo energia em detectar IA, e não em avaliar engenharia. Dessa forma, a mudança redireciona o foco do processo seletivo para competências mais diretamente ligadas ao trabalho.
Testes simulam desafios reais
No novo modelo, os problemas apresentados são elaborados considerando que os participantes utilizarão IA. Assim sendo, o candidato recebe uma situação próxima dos desafios enfrentados no trabalho e tem liberdade para escolher as ferramentas. Além disso, segundo a companhia, quem tenta concluir todo o escopo sem recorrer à IA pode enfrentar dificuldades para cumprir o prazo.
Pontos avaliados no teste
Contudo, o objetivo não é premiar quem produz mais código em menos tempo; a avaliação procura observar as decisões tomadas durante o processo. Dessa forma, entre os pontos analisados estão:
- Abordagem escolhida
- Instruções fornecidas à ferramenta
- Métodos de validação
- Capacidade de explicar os limites da solução
Em resumo, segundo Storel, o foco não é mais o código final, mas o caminho: quais decisões a pessoa tomou, por que escolheu uma abordagem, como validou o que a IA produziu e quanto consegue defender o resultado.
Necessária cautela nos processos
Esse tipo de processo se aproxima do ambiente real de trabalho, mas exige cautela. Ademais, avaliações que pressupõem o uso de plataformas específicas precisam considerar diferenças de acesso, familiaridade e condições técnicas entre os candidatos.
Cuidados essenciais
Portanto, as empresas devem informar com clareza:
- Quais ferramentas podem ser utilizadas
- Quais dados não devem ser inseridos
- Como os resultados serão avaliados
Dessa forma, essa orientação reforça a importância de comunicar as regras antes da aplicação do teste. Consequentemente, o cuidado evita que a avaliação meça fatores externos ao conhecimento.
Entrevista separa apoio de cópia
No entanto, a entrega do teste não encerra a avaliação. Além disso, o candidato precisa explicar o trabalho realizado, justificar decisões e responder a mudanças no cenário apresentado. Dessa forma, a conversa procura diferenciar quem utilizou a IA como apoio de quem apenas aceitou a primeira resposta gerada.
Segundo Storel, é na entrevista que fica evidente quem só copiou e quem realmente entendeu. Por exemplo, perguntam sobre trade-offs, mudanças de cenário e pontos frágeis.
Riscos da fluência operacional
Dessa forma, essa verificação responde a um dos principais riscos da adoção da tecnologia: confundir fluência operacional com conhecimento profissional. Ademais, uma ferramenta pode gerar códigos, textos, planilhas ou apresentações convincentes, mas isso não significa que o usuário compreenda os fundamentos, identifique uma falha ou tenha condições de assumir responsabilidade pelo resultado.
Fundamentos seguem relevantes
Contudo, no desenvolvimento de software, linguagens, frameworks e fundamentos técnicos continuam relevantes. Sobretudo, o que muda é a maneira como esses conhecimentos são aplicados em um ambiente no qual parte da execução pode ser acelerada pela IA. Dessa forma, a capacidade de orientar ferramentas, interpretar resultados e revisar soluções passa a dividir espaço com competências tradicionalmente observadas.
Em resumo, segundo Storel, ganha destaque quem consegue tomar decisões técnicas com autonomia, interpretar resultados, validar soluções e evoluir o código com base no contexto. Ou seja, o diferencial está no discernimento para entender quando usar a IA, como utilizá-la e em quais situações não confiar na resposta apresentada.
Fonte
- mundorh.com.br
- inteligência artificial (www.teclogin.com.br)
- IA redefine competências profissionais (www.mundorh.com.br)
Deixe um comentário