Além do Resultado Final: Por Que Contratar na Era da IA Exige Olhar o Processo

O Teste Take-Home Já Não Funciona

Lembra quando pedir um projeto para fazer em casa realmente ajudava a entender como alguém codificava? Essa época passou.

Há três anos, analisar um pull request mostrava o raciocínio de um desenvolvedor, as decisões que ele tomava e como ele organizava a solução. Hoje, o mesmo PR pode ter sido feito com cuidado… ou ter saído de um simples prompt no ChatGPT. Só depois de contratar e ver a pessoa trabalhando é que você descobre qual dos dois foi.

Quanto mais arrumado o resultado parece, menos ele revela de verdade.

O Whiteboard Também Não Acompanhou as Mudanças

Entrevistas com quadro branco nunca foram perfeitas. Elas testavam rapidez e memória sob pressão, não a forma real como alguém resolve problemas. Ainda assim, pelo menos permitiam ver o candidato pensando ao vivo.

Agora, o trabalho em si mudou. “Fazer um bom trabalho” hoje significa saber usar IA de forma inteligente, revisar o que ela gera e saber quando discordar. Nesse cenário, o whiteboard fica ainda mais distante da realidade. Você testa se a pessoa consegue inverter uma árvore binária de memória, enquanto o dia a dia exige que ela crie bons prompts, avalia o código gerado e corrige quando necessário.

A distância entre o que testamos e o que se faz de fato é grande.

O Que Realmente Importa e Você Não Está Medindo

O ponto central é: como essa pessoa trabalha com a IA?

• Ela planeja antes de pedir algo à IA, ou apenas joga a tarefa e espera o resultado?
• Quando a IA gera algo que funciona, mas tem problemas de arquitetura, consegue identificar isso?
• Quando o primeiro prompt não dá certo, ela entende o motivo e ajusta a estratégia, ou continua tentando com apenas variações pequenas?
• Quanto tempo ela dedica de verdade para revisar o que a IA produziu?

Esses detalhes não aparecem no PR final. Tampouco seriam vistos numa sessão de whiteboard.

Como Mudar a Avaliação: Observe o Processo, Não Apenas o Resultado

Se você poderia acompanhar toda a interação em vez de apenas olhar o final, ficaria muito mais fácil identificar o bom candidato.

• Os prompts que leadaram à decisão de arquitetura foram quais?
• Em que momento a pessoa leu e avaliou o resultado de forma crítica?
• Em que momento ela aceitou sugestões sem questionar?
• Quando ela percebeu um problema e mudou de rumo?

Isso não é sobre marcar linhas de código como “escrita por humano” ou “escrita por AI”. O candidato é quem usa a IA para o todo da tarefa, and that is fine. O que realmente interessa é saber como ele avalia o que a IA produz.

O Que Isso Significa Para Contratações

Os melhores engenheiros da era da IA não são necessariamente aqueles que schreiben tudo do scratch. São aqueles que:

• Pensam com clareza sobre o que querem que a IA produza
• Avaliam se o resultado da IA é realmente bom
• Decidem quando aceitar ou rejeitar o que ela gerou
• Iteram com inteligência quando o primeiro Versuch não funciona

Esses são skills diferentes dos que as avaliações tradicionais mediam. Se seu processo de contratação não testa para esses pontos, você não está avaliando o que a pessoa realmente vai fazer no dia a dia.

文化 fit e entrevistas com team ainda fazem parte da avaliação. A vibe check still belongs in your process. But the part where you squint at a take-home PR and try to guess whether someone actually knows what they're doing? That part needs to change.

Because right now, você está medindo a coisa errada.

O jeito como trabalhamos está mudando. Seu processo de contratação precisa acompanhar essa mudança. At NameOcean, estamos pensando sobre how tools, platforms, and the people who use them intersect—whether that's AI-assisted development, domain management, or building the infrastructure for the next generation of applications.