O mercado de engenharia de software vive uma fase de forte tensão: dezenas de milhares de demissões elevaram a oferta de candidatos num momento em que as empresas repensam o que esperam de um desenvolvedor. A adoção rápida de ferramentas de inteligência artificial — usadas rotineiramente por boa parte da força de trabalho de tecnologia — dilui a noção tradicional de produtividade e torna mais difícil distinguir a contribuição individual em processos seletivos.
Relatórios e relatos do setor mostram a dimensão da mudança. Pesquisa interna do Google indicou que cerca de 90% dos trabalhadores de tecnologia passaram a utilizar IA para escrever ou modificar código, com crescimento de dois dígitos ano a ano. Executivos e engenheiros documentam ganhos de velocidade em entregas quando fluxos de trabalho são combinados com modelos de linguagem; ao mesmo tempo, há reconhecimento amplo de que o papel dos profissionais tende a migrar para tomada de decisão de alto nível, arquitetura e orquestração de sistemas.
Essa transição expõe uma lacuna entre prática e avaliação. Testes técnicos padronizados — a versão tecnológica de exames rigorosos — foram desenhados para medir habilidade de escrever código manualmente e já parecem descolados da realidade. Recrutadores e gestores enfrentam dois problemas simultâneos: a presença de IA nas entrevistas, que pode mascarar competências, e a necessidade de medir atributos como julgamento de produto, capacidade de projetar sistemas e qualidade de supervisão de ferramentas automáticas.
Os dados também revelam cautela: uma parcela significativa dos profissionais declara confiar apenas de forma moderada na qualidade do código gerado por IA, enquanto empresas vêm citando a automação como justificativa para cortes recentes de pessoal. O resultado é um dilema prático e político — cortes que reduzem custos a curto prazo podem agravar riscos de perda de capital humano estratégico e pressionar novamente folhas de pagamento assim que a demanda se recuperar.
A resposta do mercado exigirá ajustes — nas vagas, nas métricas de avaliação e nos programas de formação. Empresas precisam explicitar quais combinações de habilidades valorizam e atualizar processos seletivos para avaliar raciocínio de produto, validação de soluções e integração com IA. Do lado público e educacional, há espaço para políticas de reciclagem profissional e maior monitoramento do impacto sobre emprego e salários. Sem essa articulação, a adoção de IA tende a ampliar competição por vagas, reduzir margem de negociação dos profissionais e criar pontos de vulnerabilidade para um setor central à economia digital.