Abra o histórico de Git do seu melhor dev em 2024. Agora abra o histórico dele deste ano. O volume de código bom que ele entrega cresceu bastante, e isso não tem nada a ver com trabalhar mais horas.
Ele usa o GitHub Copilot para código repetitivo. Usa o Claude ou o ChatGPT para rascunhar uma abordagem de arquitetura antes de escrever a primeira linha. Monta a estrutura dos testes em segundos, em vez de gastar meia hora preparando o terreno. Depura mais rápido porque consegue descrever o problema em linguagem natural e receber sugestões relevantes.
Essa mudança já aconteceu, e aconteceu em silêncio. A maioria das lideranças de engenharia notou o aumento de entrega, mas atribuiu a outras coisas: processo melhor, time mais maduro, ferramentas novas. Uma boa parte desse ganho vem do desenvolvimento assistido por IA.
A mudança de produtividade que já aconteceu
Num experimento controlado publicado pelo GitHub, os desenvolvedores que usaram o Copilot concluíram a tarefa proposta 55% mais rápido do que o grupo sem a ferramenta. O que vemos nas nossas alocações vai na mesma direção. Quem usa bem as ferramentas de IA tem ciclos de entrega mais curtos, escreve testes mais completos e documenta melhor.
Não é porque a IA escreve código perfeito. Ela não escreve. O ganho vem de eliminar trabalho de pouco valor: código repetitivo, padrões que se repetem, a estrutura inicial dos testes, o primeiro rascunho da documentação. Quando um dev não gasta vinte minutos escrevendo um endpoint de CRUD que já escreveu cem vezes, ele usa esse tempo em decisões de arquitetura, casos de borda e code review.
O que mudou de fato
Dois anos atrás, "dev produtivo" queria dizer alguém que escrevia código rápido e certo de cabeça. Hoje, quer dizer alguém que sabe quando escrever o código sozinho e quando usar IA, e que consegue julgar a qualidade do que a IA gerou.
Essa segunda habilidade é nova e pesa muito. Ferramentas de IA geram código plausível que muitas vezes está sutilmente errado. Um dev que aceita tudo sem olhar coloca bugs no sistema. Um dev que revisa com olhar crítico, fica com o que presta, corrige o que não presta e entende por que a IA errou: esse dev é mais rápido de verdade.
A mudança é de velocidade de digitação para velocidade de julgamento. O gargalo saiu de "quão rápido você escreve código" e foi para "quão rápido você avalia abordagens e toma boas decisões".
O descompasso na contratação
O problema é este: a maioria dos processos seletivos ainda avalia o conjunto antigo de habilidades.
Desafios de código cronometrados medem velocidade bruta. Entrevistas no quadro branco medem se a pessoa escreve um algoritmo de ordenação de memória. Projetos para fazer em casa avaliam se ela constrói uma feature sozinha.
Nenhum deles mostra se o candidato usa bem as ferramentas de IA. Nenhum mede julgamento, que hoje é o que mais define a produtividade.
Pior: alguns processos proíbem explicitamente o uso de IA no teste. Aí o teste mede uma habilidade que o candidato nunca vai usar no trabalho. É como contratar um redator e proibir o corretor ortográfico na entrevista.
O que avaliar no lugar
Atualizamos nosso processo de avaliação para refletir essa realidade. É isto que procuramos:
Conhecimento das ferramentas. O candidato sabe quais ferramentas existem e para que cada uma serve? Quem diz "uso o Copilot para tudo" está menos maduro do que quem diz "uso o Copilot na implementação, o Claude para planejar arquitetura e evito IA em código crítico de segurança".
Julgamento sobre o que a IA entrega. Ele consegue avaliar com olhar crítico um código gerado por IA? Mostramos ao candidato um trecho gerado por IA com um bug sutil e pedimos que ele revise. A rapidez e a precisão da revisão dizem muito sobre o julgamento dele.
Integração ao fluxo de trabalho. Como ele combina as ferramentas de IA com as práticas tradicionais de desenvolvimento? Os melhores usam IA para acelerar o fluxo que já têm, não para substituí-lo. Continuam pensando em arquitetura. Continuam escrevendo testes. Continuam fazendo code review com cuidado. Só fazem tudo isso mais rápido.
Perguntas práticas para a entrevista
Estas perguntas funcionam bem para a gente:
- "Como você abordaria a construção de [feature específica]? Onde usaria IA e onde escreveria o código você mesmo?"
- "Me dá um exemplo de código gerado por IA que você rejeitou. O que estava errado?"
- "Como você revisa um código que foi parcialmente gerado por IA? Seu processo de revisão muda?"
- "Em que tarefas você evita usar IA de propósito? Por quê?"
A última pergunta revela muito. Profissionais com bom julgamento têm limites claros. Profissionais sem julgamento usam IA para tudo ou não usam para nada.
O que isso significa para o seu time
Se o seu processo seletivo não leva em conta o desenvolvimento assistido por IA, você está avaliando candidatos por um conjunto de habilidades que já ficou para trás. Vai contratar gente tecnicamente competente, mas operacionalmente mais lenta do que poderia ser.
Os devs que se destacam em 2026 tratam a IA como algo que multiplica o trabalho deles, não como substituta. Conhecem as ferramentas a ponto de saber quando a IA ajuda e quando atrapalha. Entregam mais rápido porque gastam menos tempo no que não exige julgamento humano.
Seu processo seletivo deveria encontrar essas pessoas. Se ele ainda mede velocidade de digitação e proíbe IA na entrevista, não vai encontrar.
