A melhor engenheira que já contratei tinha dois anos de experiência, nenhum diploma em ciência da computação e um currículo que qualquer filtro automatizado descartaria em segundos. Havia migrado de biologia e aprendido programação sozinha, com o único projeto público sendo um scraper de dados genômicos em Python com erros de estilo. Contratei porque, na entrevista técnica, ao encontrar um problema que não sabia resolver, admitiu o desconhecimento e usou dois minutos pra formular três hipóteses em voz alta, descartando duas com raciocínio explícito antes de testar a terceira. Em seis meses era a pessoa mais confiável do time pra incidentes em produção. Em dezoito meses, liderava a migração de um monolito que engenheiros seniores haviam evitado por dois anos.
Pra mim, a maioria dos processos seletivos em engenharia opera como filtragem regressiva: avalia candidatos pelas tecnologias que já usaram e pelos anos acumulados. A lógica implícita é que performance passada prediz performance futura, o que é parcialmente verdade e incompleto. A meta-análise de Sackett e colegas, publicada em 2022 como revisão do estudo de Schmidt e Hunter de 1998, demonstrou que anos de experiência têm uma validade preditiva baixa pra desempenho no cargo, abaixo de entrevistas estruturadas e testes de amostra de trabalho. O dado é contraintuitivo porque experiência é o proxy mais visível e mais fácil de avaliar, mas facilidade de avaliação e capacidade preditiva são variáveis independentes, e confundir as duas é o erro que faz processos seletivos rejeitarem candidatos de alto potencial.
O conceito de learning agility, estudado na literatura de psicologia organizacional, descreve a capacidade de aprender com experiências novas e aplicar esse aprendizado em contextos desconhecidos. Pesquisas da Korn Ferry, consultoria global de gestão de talentos, indicam que indivíduos com alta learning agility têm probabilidade 18 vezes maior de serem identificados como high-potential, e que empresas cujos executivos demonstram a característica reportam margens 25 por cento superiores. O problema operacional, na minha análise, é que learning agility não aparece em currículos nem se infere de testes de algoritmos no LeetCode ou de listas de tecnologias no LinkedIn. Ela se manifesta em comportamentos durante situações de ambiguidade, e a maioria dos processos é projetada pra eliminar ambiguidade antes que ela apareça.
Contratar por potencial exige redesenhar o que se observa durante a avaliação. Um candidato que, diante de um problema desconhecido, estrutura o espaço de soluções antes de codificar e verbaliza trade-offs enquanto questiona premissas ambíguas do enunciado está demonstrando capacidade de operar em sistemas onde a especificação é incompleta, condição normal de qualquer engenharia não trivial. Resolver o mesmo problema em quinze minutos usando um padrão decorado demonstra memória e prática, que são úteis mas não raras, e atinge um teto quando a complexidade excede o repertório memorizado. O perfil que escala com a complexidade do trabalho é o outro.
Na minha avaliação, há um conjunto de observações que funciona como indicador de potencial em entrevistas. A reação à incerteza é a mais reveladora: apresento um problema deliberadamente subdefinido e fico atento a se o candidato pede clarificação, assume premissas explícitas ou mergulha direto em código. Em seguida vem a revisão do próprio raciocínio: pedindo que revise a solução que acabou de escrever, dá pra ver se encontra problemas sem dicas e se a autocrítica é específica ou genérica. Quando então sugiro uma abordagem alternativa, a resposta ao feedback em tempo real expõe a diferença entre os perfis: candidatos com alta learning agility integram a informação e adaptam o raciocínio ali mesmo, enquanto os de baixa agilidade defendem a solução original ou concordam passivamente. Nenhum desses sinais correlaciona com anos de experiência, e sim com uma disposição cognitiva difícil de adquirir tardiamente e impossível de fingir em sessenta minutos.
O trade-off é concreto. Engenheiros contratados por potencial exigem investimento em ramp-up que contratações por experiência podem dispensar parcialmente. Segundo o SHRM (Society for Human Resource Management), principal associação de RH dos Estados Unidos, o custo total de reposição de um profissional técnico fica entre 50 e 200 por cento do salário anual quando a contratação falha, o que significa que descobrir uma incompatibilidade comportamental três meses depois custa mais do que investir em ramp-up de alguém com potencial verificado. Um estudo da Leadership IQ, consultoria de pesquisa em liderança, com 20 mil contratações mostrou que, entre os 46 por cento que falharam nos primeiros dezoito meses, apenas 11 por cento falharam por deficiência técnica; a maioria saiu por problemas que o processo não avalia, como coachability e inteligência emocional. Mas contratar por potencial sem uma infraestrutura de desenvolvimento que sustente o ramp-up, com seniores em pair programming e code reviews que ensinam, transforma potencial em frustração. A empresa conclui que "contratar junior não funciona" quando o que falhou foi a ausência de condições pra que o potencial se realize.
A pergunta operacional que todo líder técnico deveria fazer ao revisar o processo seletivo é direta: dos últimos dez candidatos rejeitados, quantos foram rejeitados por falta de experiência específica e quantos por falta de capacidade demonstrada de aprendizado. Se a primeira resposta é maior que a segunda, o processo está otimizado pra conforto do avaliador. Os melhores engenheiros que contratei em 35 anos não chegaram prontos, mas chegaram com a infraestrutura cognitiva certa e encontraram um ambiente que soube converter essa infraestrutura em competência aplicada. Identificar esse perfil exige observar processo, e exige uma organização disposta a investir no intervalo entre potencial e performance.