Até pouco tempo, falar em engenheiro de IA remetia principalmente a um especialista em machine learning, modelos, dados e infraestrutura de inteligência artificial. Esse profissional continua existindo e ganhando espaço. Em 2026, o cargo de engenheiro de IA ficou no topo da lista de empregos com crescimento mais acelerado no Brasil, segundo o LinkedIn.
Mas há uma transformação mais ampla acontecendo dentro das áreas de tecnologia. A inteligência artificial está mudando o que as empresas esperam de desenvolvedores, engenheiros de software, QAs, tech leads e outros profissionais que já participam da construção de produtos digitais. Esse movimento acompanha a própria expansão da tecnologia nas empresas brasileiras. A TIC Empresas 2025, do Cetic.br, mostrou que 17% das empresas brasileiras utilizaram alguma tecnologia de IA em 2025, ante 13% em 2024. Entre as organizações com mais de 250 pessoas ocupadas, a proporção chegou a 50%.
Esse avanço torna a discussão sobre pessoas tão importante quanto a escolha de modelos e ferramentas.
Foi justamente esse o foco de uma conversa no Vibbracast entre nosso CEO e cofundador, Leandro Oliveira, e Denilson Nogueira, diretor de tecnologia da WK. Em vez de discutir qual IA gera mais código, eles partiram de outra pergunta: o que acontece com o papel do desenvolvedor quando agentes e ferramentas de IA passam a fazer parte do trabalho cotidiano de engenharia?
Confira essa conversa completa abaixo:
O engenheiro de IA é além de um novo cargo
No mercado de trabalho, engenheiro de IA é normalmente o profissional responsável por construir, integrar, testar e colocar sistemas de inteligência artificial em produção. No Brasil, os conteúdos encontrados nos resultados de busca do Google sobre o tema abordam principalmente o papel desse profissional, as competências necessárias, as possibilidades de carreira e as perspectivas de remuneração. O ranking do LinkedIn reforça que a função, nesse sentido mais convencional, está efetivamente crescendo.
No episódio do Vibbracast, porém, Denilson utiliza o conceito de forma mais ampla. O engenheiro de IA representa também uma evolução do profissional de engenharia de software, que deixa de executar cada etapa manualmente e passa a coordenar uma combinação de conhecimento humano, ferramentas e agentes de IA.
Isso significa que há uma expectativa de mudança no repertório do desenvolver de software. Assim, o profissional continua precisando entender de arquitetura, segurança, dados, qualidade e lógica de software. A diferença é que parte crescente da execução pode ser delegada à inteligência artificial. O trabalho humano passa a se concentrar mais na formulação do problema, no contexto, na validação da solução e nas decisões que exigem julgamento.
Denilson sintetizou essa transformação de maneira direta durante o episódio: “o cara não vai mais só escrever código, ele vai resolver problema”.
Essa leitura é consistente com o que pesquisas mais amplas vêm mostrando sobre o mercado de trabalho. Um estudo da Organização Internacional do Trabalho sobre IA generativa e empregos estimou que um em cada quatro empregos no mundo possui algum nível potencial de exposição à IA generativa, mas concluiu que o cenário mais provável é a transformação das funções, e não sua substituição integral.
Para a engenharia de software, isso ajuda a mudar a pergunta. Em vez de discutir apenas se a IA substituirá desenvolvedores, líderes precisam entender quais tarefas deixam de justificar intervenção humana direta e quais competências passam a determinar o valor do profissional.
O valor migra do volume de código para contexto, decisão e orquestração
Durante a conversa, Denilson utilizou a ideia de uma espécie de ambidestria tecnológica. O profissional ainda precisa compreender como software é construído, mas também deve saber coordenar o trabalho produzido por sistemas de inteligência artificial.
Esse ponto é especialmente relevante porque gerar código e produzir software confiável continuam sendo coisas diferentes. Uma IA pode propor uma função, refatorar um componente ou gerar testes em segundos. Mas alguém precisa avaliar se aquela implementação corresponde ao problema correto, respeita a arquitetura existente, introduz riscos de segurança, aumenta dívida técnica ou cria uma solução difícil de manter.
Quanto maior a autonomia da IA, mais importante se torna essa camada de julgamento. Por isso, experiência técnica não perde valor, ela apenas muda de lugar.
Um desenvolvedor experiente que conhece profundamente determinada arquitetura ou domínio de negócio pode deixar de gastar parte de seu tempo produzindo sintaxe e utilizar esse repertório para orientar agentes, revisar decisões e antecipar consequências. É uma transição da execução direta para uma combinação de direção, validação e resolução de problemas.
Na experiência relatada pela WK, essa mudança encontrou reações diferentes. Profissionais com muitos anos de carreira demonstraram preocupação com manutenção, confiabilidade e com o que aconteceria caso um código produzido pela IA apresentasse problemas. Outros profissionais adotaram as novas ferramentas rapidamente, mas também precisavam aprender a utilizá-las com critérios consistentes.
Com isso em mente, a empresa investiu em capacitação, troca de conhecimento entre os profissionais, experimentação e desafios baseados em problemas de negócio, indo além de apenas contratar mais ferramentas. À medida que os times viam resultados e entendiam os limites da tecnologia, a confiança aumentava.
Esse aspecto é importante porque adoção de IA em engenharia não é apenas uma questão individual. Ela exige uma mudança no sistema de trabalho.
Na Vibbra, chegamos a uma conclusão semelhante em nossa própria evolução. Como discutimos em os bastidores dos Squads Cognitivos, ganhos pontuais de produtividade com copilotos não são suficientes quando o restante do processo continua organizado da mesma maneira. O salto acontece quando pessoas, agentes, contexto e responsabilidades são redesenhados como parte da mesma operação.
O engenheiro de IA, nesse sentido mais amplo, é menos um operador de ferramenta e mais um profissional capaz de orquestrar capacidade computacional em torno de um objetivo de negócio.
As competências que ganham peso nos profissionais de tecnologia
A mudança não elimina hard skills, pois quanto mais código e decisões técnicas puderem ser produzidos rapidamente, maior será a necessidade de profissionais capazes de distinguir uma solução plausível de uma solução realmente boa. A arquitetura de software, segurança, dados, testes, observabilidade e capacidade de revisar código continuam sendo fundamentos. A IA não elimina a necessidade desse conhecimento, porque é justamente ele que permite avaliar aquilo que a própria IA produz.
Ao mesmo tempo, outras competências passam a ter mais peso, e a primeira é o conhecimento de negócio.
Quando gerar uma implementação fica mais barato, a vantagem deixa de estar somente em saber como construir e passa a depender cada vez mais de saber o que merece ser construído e por quê. Um profissional que entende clientes, processos, restrições e objetivos comerciais consegue fornecer mais contexto à IA e avaliar melhor se a resposta produzida realmente cria valor.
Foi uma das teses mais fortes trazidas por Denilson no Vibbracast. Para ele, profissionais que combinarem conhecimento técnico com domínio de negócio poderão potencializar repertórios construídos durante anos por meio da inteligência artificial.
A segunda competência é pensamento crítico.
Quanto maior a velocidade para produzir alternativas, maior a responsabilidade de questioná-las. Isso inclui identificar pressupostos errados, comparar abordagens, verificar impactos e reconhecer situações em que o output da IA não deve ser aceito.
O Future of Jobs Report 2025, do Fórum Econômico Mundial, aponta pensamento analítico como a competência central mais mencionada pelos empregadores pesquisados. O relatório também coloca IA e big data entre as habilidades com crescimento mais acelerado, ao lado de competências humanas como liderança, resiliência, criatividade e aprendizagem contínua.
No Brasil, sinais semelhantes aparecem. A lista de Habilidades em Alta de 2026 do LinkedIn destaca, simultaneamente, competências ligadas ao uso de IA e transformação de dados em decisões, além de comunicação, storytelling e gestão de stakeholders.
A terceira competência é justamente comunicação.
Denilson chamou atenção para um desafio conhecido em times de tecnologia: profissionais tecnicamente muito fortes nem sempre desenvolveram a mesma facilidade para conversar com clientes e áreas de negócio. Quando o papel deixa de ser apenas receber uma tarefa e implementá-la, essa lacuna se torna mais relevante.
Entender uma necessidade mal formulada, fazer perguntas, negociar prioridades e explicar riscos técnicos passam a fazer parte do trabalho.
Por fim, ganha importância a capacidade de trabalhar com IA como sistema, e não apenas como interface de chat.
Saber escrever prompts pode ajudar, mas não é suficiente. O profissional precisa compreender quando delegar uma atividade, que contexto oferecer, como dividir problemas, como validar resultados e onde manter intervenção humana.
É essa combinação entre engenharia, negócio e julgamento que torna o perfil mais difícil de formar.
O papel da liderança é transformar o trabalho, indo além da distribuição de licenças de IA
Uma das contribuições mais relevantes da experiência relatada pela WK é mostrar que a adoção não aconteceu apenas porque as ferramentas ficaram melhores, ela precisou ser conduzida.
Segundo Denilson, capacitação foi um dos primeiros movimentos. A empresa também criou desafios internos baseados em problemas reais de clientes, permitindo que os profissionais testassem abordagens, errassem, corrigissem o processo e compartilhassem aprendizados. Com o tempo, esse conhecimento passou a fazer parte inclusive do onboarding de novos profissionais.
Essa dinâmica traz uma lição importante para CTOs e heads de engenharia: não é razoável exigir um novo perfil profissional mantendo os mesmos mecanismos de desenvolvimento de carreira. Se a expectativa é que desenvolvedores assumam mais responsabilidade por negócio, decisão, comunicação e coordenação de agentes, PDIs, critérios de senioridade e rotinas de liderança também precisam refletir essas competências.
Um profissional não passa do operacional para o estratégico simplesmente porque recebeu acesso a uma ferramenta de IA. A liderança precisa criar oportunidades para que ele participe de discussões de produto, converse com stakeholders, observe problemas dos clientes, experimente novas formas de trabalho e desenvolva segurança para tomar decisões em contextos menos estruturados.
Com isso, as métricas também merecem revisão, seja de volume de código ou quantidade de tarefas concluídas, elas dizem pouco sobre o valor de um profissional quando parte relevante da produção pode ser automatizada. Qualidade das decisões, impacto no produto, capacidade de reduzir risco, autonomia, entendimento do problema e uso criterioso da IA começam a ser sinais mais relevantes.
Ao mesmo tempo, acelerar não significa abrir mão de controle.
No final do episódio, Denilson resumiu 3 prioridades para líderes:
- Manter humildade e aprendizado contínuo;
- Ter cuidado com a direção em que a IA está acelerando a operação;
- Fortalecer a governança, especialmente diante de custos, dados corporativos e dependência de fornecedores.
Essa última dimensão se torna crítica quando colaboradores começam a utilizar ferramentas externas com informações internas sem políticas claras. A governança precisa definir o que pode ser utilizado, quais dados podem circular, onde é necessária revisão humana e quais ferramentas estão autorizadas.
Já discutimos essa relação entre adoção e controle em nosso conteúdo sobre IA sem governança. Quanto mais a IA participa do fluxo real de trabalho, menos sentido faz tratar governança como uma camada adicionada posteriormente.
O futuro dos times depende menos da ferramenta e mais de como o trabalho é redesenhado
Prever exatamente como será uma equipe de tecnologia daqui a cinco anos seria arriscado. Modelos, interfaces e agentes estão evoluindo rápido demais para transformar uma ferramenta específica em referência permanente.
Há, porém, uma direção mais consistente: atividades repetitivas tendem a ser cada vez mais automatizadas, enquanto contexto, julgamento, integração entre áreas e capacidade de formular problemas ganham importância.
O próprio relatório de 2026 da Brasscom sobre o mercado de trabalho de TIC aponta IA entre as hard skills priorizadas pelas empresas pesquisadas e trata a adaptação das habilidades como parte central da transformação do mercado de tecnologia. O estudo também projeta crescimento do emprego no macrossetor, reforçando que a discussão não pode ser reduzida a uma narrativa simples de substituição de profissionais.
Se empresas concorrentes conseguem acessar modelos semelhantes, simplesmente contratar a mesma ferramenta não cria uma vantagem sustentável. O diferencial tende a estar no contexto proprietário da organização, no conhecimento acumulado, nos processos, nos dados disponíveis e, principalmente, na capacidade das pessoas de combinar esses ativos para tomar decisões melhores.
Essa foi também uma das provocações de Denilson no episódio: quando as ferramentas se aproximam em capacidade, o repertório de quem as utiliza e a inteligência específica do negócio ganham relevância. É nesse ponto que a mudança de perfil do profissional de TI deixa de ser uma discussão de carreira e passa a ser uma discussão de engenharia organizacional.
Na Vibbra, temos trabalhado justamente nessa camada com os Squads Cognitivos, redesenhando fluxos para que profissionais e agentes atuem de maneira complementar, através da nossa consultoria estratégica de tecnologia. O humano concentra contexto de negócio, decisão e julgamento, assim a IA amplia capacidade de análise e execução dentro de limites definidos.
Isso também explica por que não acreditamos que o objetivo deva ser simplesmente produzir mais código.
O objetivo é aumentar a capacidade da engenharia de transformar estratégia em software com qualidade, previsibilidade e velocidade.
Para líderes, a pergunta prática passa a ser outra: o seu time está apenas utilizando IA dentro do processo existente ou o processo, os papéis e as competências já começaram a evoluir junto com ela?
Essa distinção tende a separar empresas que obtêm ganhos pontuais de produtividade daquelas que conseguem transformar inteligência artificial em uma nova capacidade operacional.
