Em 2026, recrutadores recebem portfólios onde cada repositório apresenta um README impecável, PRD detalhado, SPEC precisa, testes unitários com boa cobertura, deploy automatizado e um commit history que demonstra disciplina e atenção minuciosa. O problema é que nada disso exigiu mais do que vinte minutos e um prompt mais ou menos bem escrito. No momento em que este artigo está sendo escrito, o GitHub adicionou mais de 36 milhões de novos desenvolvedores só em 2025, e uma parte significativa desses perfis carrega uma parcela imensa de código gerado com assistência de IA. Visualmente, são indistinguíveis de um trabalho autoral feito ao longo de semanas ou meses. O portfólio de código, que foi proxy de competência por décadas, já não é mais um parâmetro confiável de competência em programação.
Como a barreira pra produzir código funcional caiu a quase zero, o volume de portfólios de aparência profissional aumentou a um ritmo que torna inviável a triagem por inspeção visual de repositórios. Vimos o mesmo ciclo de inflação e perda de capacidade discriminatória das certificações profissionais quando a barreira de obtenção caiu. Como consequência, no início deste ano, o projeto cURL encerrou seu programa de bug bounty porque a taxa de confirmação de vulnerabilidades caiu para menos de 5%, ou seja, menos de um em cada vinte reportes era real, em meio a uma combinação de AI slop e submissões humanas de má-fé que tornou impossível para o time de segurança filtrar as falhas reais das entradas genéricas, mal pesquisadas e de baixa qualidade que passaram a inundar o painel. E o mesmo mecanismo de enxurrada por IA agora passa a operar no ecossistema de portfólios de desenvolvedores.
Então, se o código em si deixou de ser a maior evidência de competência técnica num portfólio, dado que o custo de produzir o código correto pra problemas conhecidos convergiu pra zero, precisamos encontrar um novo critério de avaliação que permaneça caro. Me parece óbvio que a escolha recaia sobre parâmetros de valor que não se demonstram com mais um repositório de um app de to-do list ou do próximo clone do Twitter. Ou seja: capacidade de tomar decisões arquiteturais sob incerteza, avaliar a saída gerada por modelos com critério técnico e, principalmente, governar pipelines em que agentes autônomos executam ações que geram valor tangível.
Tendo em mente que este é um movimento que já está instalado hoje, aqui e agora, os recrutadores técnicos precisam urgentemente internalizar um novo conceito de avaliação de portfólios, que valorize não mais o código, mas decisões documentadas, que comuniquem competência no novo contexto. Pessoalmente, eu tenho procurado por algum arquivo chamado DECISIONS.md ou algo similar, que me explique por que o time escolheu o gpt-4o-mini ao invés do Claude Sonnet pra um determinado pipeline, que mostre os dados de custo por token, a latência medida e a taxa de erro observada em tool calls multi-step, pois isto diz muito mais sobre a senioridade de quem o escreveu do que mil linhas de código limpo. Mesmo que o próprio arquivo de decisões tenha sido gerado com assistência da IA, o valor é o mesmo. Não estamos mais avaliando a capacidade de escrever, mas a de compreender o que é de fato importante o bastante num projeto para ser incluído em um prompt de geração de documentos. O valor migrou para a decisão arquitetural, pois ela demanda contexto, experiência e capacidade de avaliar trade-offs que nenhum modelo produz sozinho. Um bom exemplo é a DX, plataforma de developer intelligence que vem recomendando que as organizações avaliem os candidatos por system design thinking, com assessments colaborativos onde o candidato deve usar ferramentas de IA para demonstrar a capacidade de validar e refinar o output.
Outras camadas adjacentes que vale a pena considerar são: especificação, avaliação, integração e governança. Um desenvolvedor que sabe orquestrar agentes especializados, definir guardrails que impeçam ações destrutivas em produção, enquanto implementa observabilidade sobre decisões tomadas por modelos em runtime, pelo menos por enquanto, ainda opera em território humano. Um portfólio que me chamaria atenção provavelmente teria uma arquitetura de pipeline agêntico, com gerenciadores de contingência (fallback handlers) e métricas de custo operacional por execução, talvez system prompts versionados, changelog baseado em falhas reais, ou mesmo um post-mortem de incidentes causados por alucinações ou estouro de contexto por excesso de chamadas de ferramentas.
Apesar de parecer assustadora para quem está em início de carreira, esta reconfiguração pode, na verdade, ser positiva. Uma vez que os modelos generativos já ocuparam o espaço dos desenvolvedores juniores, a migração de valor para camadas de gestão agêntica pode oferecer alguma chance de redenção. É evidente que um portfólio que demonstre orquestração, avaliação e governança pressupõe acesso a problemas de produção, o que tipicamente exige experiência prévia. Mas, ao contrário da arena do código, onde o iniciante não tem a menor chance, quem ainda não tem essa experiência pode mitigar a distância construindo projetos que simulem condições reais com restrições explícitas: limites de orçamento por execução, requisitos de latência, cenários de falha parcial. Fica claro que a diferença entre um projeto de portfólio gerado por IA e um projeto de portfólio construído com IA está na presença visível e documentada de restrições, decisões e consequências.
Se estou parecendo otimista demais, deixe-me explicar a razão. Avaliei recentemente um candidato cujo portfólio continha três repositórios. O código era competente mas genérico; ainda assim, avancei com a entrevista porque no meio de tudo havia um arquivo markdown descrevendo como ele migrou um pipeline de geração de conteúdo de um modelo monolítico pra uma arquitetura com três agentes especializados. A princípio, nada de mais. Mas o documento cobria os problemas de consistência que surgiram quando os agentes divergiram no tom e como ele implementou um agente validador com critérios explícitos. Por fim, ele mostrou que isto reduziu a taxa de rejeição de 34% pra 8%. O texto e os exemplos foram claramente gerados por IA e os códigos, repito, eram genéricos. Nada ali estava descrito ou explicado de forma particularmente impressionante. Mas a configuração mental de considerar o diagnóstico do problema, desenhar a solução e medir o resultado, sim.
Na era das IAs generativas, o portfólio deixou de ser uma evidência de código bem escrito e se tornou o artefato visível do deslocamento do valor técnico para camadas de governança. Recrutadores que continuarem insistindo em repositórios de código como única ou principal evidência de competência seguirão abraçados com programadores que se recusam a investir em qualquer habilidade técnica que destoe da bela arte de escrever código. Para onde irão, não sei. Mas acredito que chegarão lá bem antes do que imaginam.