Como a IA mudou o mercado para quem está começando na TI

Se a inteligência artificial consegue escrever código, encontrar erros e acelerar o desenvolvimento de software, como alguém que está começando na área pode conquistar a primeira oportunidade profissional?

Essa pergunta se tornou especialmente importante para estudantes e pessoas em transição de carreira.

Em agosto de 2026, uma pesquisa do Stanford Digital Economy Lab identificou que o emprego entre trabalhadores de 22 a 25 anos em ocupações altamente expostas à inteligência artificial estava aproximadamente 19% abaixo do nível que teria atingido caso acompanhasse o crescimento observado entre seus pares em ocupações menos expostas. Segundo os pesquisadores, a diferença está relacionada principalmente à redução das contratações de profissionais jovens.

O estudo não comprova que a inteligência artificial seja a única responsável por esse resultado, mas apresenta um sinal de alerta para quem está tentando entrar no mercado de trabalho. [1]

Ao mesmo tempo, a IA está se tornando parte da rotina de desenvolvimento. Na pesquisa Stack Overflow Developer Survey 2025, 84% dos respondentes afirmaram utilizar ou planejar utilizar ferramentas de inteligência artificial em seu processo de desenvolvimento de software. [2]

Os números revelam uma transformação importante: a tecnologia está mudando não apenas a maneira como desenvolvemos sistemas, mas também as condições para ingressar na profissão.

Para quem já trabalha na área, essas ferramentas podem representar ganhos de produtividade. Para quem está começando, surge uma questão adicional: como adquirir experiência quando algumas das tarefas tradicionalmente atribuídas aos iniciantes podem ser automatizadas?

É sobre esse desafio — e sobre as possibilidades que ainda existem — que quero refletir.

1. O paradoxo de quem precisa de experiência para começar

Quem está procurando a primeira oportunidade em desenvolvimento provavelmente já encontrou uma situação familiar.

A vaga é de estágio ou desenvolvedor júnior, mas a descrição solicita conhecimentos em diversas tecnologias, experiência com projetos, familiaridade com metodologias ágeis, testes, bancos de dados, APIs e ferramentas de desenvolvimento.

Em alguns casos, a lista de requisitos parece incompatível com a ideia de uma posição destinada a iniciantes.

Agora, imagine acrescentar a inteligência artificial a esse cenário.

Ferramentas capazes de gerar trechos de código, explicar erros, sugerir soluções e produzir testes estão tornando determinadas tarefas mais rápidas. Com isso, algumas empresas podem precisar de menos trabalho humano para executar atividades específicas ou podem passar a esperar mais produtividade de cada profissional.

Isso não significa que todas as empresas estejam reduzindo suas equipes ou eliminando vagas de entrada. A demanda por profissionais também depende de fatores como investimentos, crescimento dos negócios, custos, disponibilidade de talentos e condições econômicas.

Entretanto, existe uma preocupação legítima: se as empresas automatizam parte das tarefas que antes serviam como porta de entrada, como os novos profissionais vão adquirir experiência?

Afinal, o trabalho inicial não serve apenas para entregar resultados. Ele também permite aprender com problemas reais, receber feedback, compreender sistemas existentes e desenvolver o julgamento técnico necessário para assumir responsabilidades maiores.

A experiência profissional é construída progressivamente. Se as oportunidades de entrada diminuem, essa construção pode se tornar mais difícil.

Por isso, acredito que o desafio não seja apenas aprender novas tecnologias, mas encontrar maneiras de demonstrar competência em um cenário no qual as expectativas estão mudando.

2. A IA está substituindo desenvolvedores ou transformando o trabalho?

É tentador responder que a inteligência artificial vai substituir os desenvolvedores. Também seria simplista afirmar que ela não representa nenhuma ameaça às oportunidades profissionais.

A realidade é mais complexa.

A IA consegue auxiliar em tarefas como geração de código, documentação, testes, explicação de conceitos e identificação de possíveis erros. Dependendo do contexto, pode reduzir consideravelmente o tempo necessário para executar determinadas atividades.

Por outro lado, produzir código é apenas uma parte do desenvolvimento de software.

Antes de implementar uma funcionalidade, alguém precisa compreender o problema, identificar as necessidades dos usuários, definir regras de negócio e avaliar as possíveis soluções.

Depois da implementação, ainda é necessário verificar se o sistema funciona corretamente, se os dados estão protegidos, se os erros são tratados adequadamente e se a solução pode ser mantida e evoluída.

Um código que funciona em um exemplo isolado não é necessariamente uma solução pronta para produção.

A própria pesquisa Stack Overflow Developer Survey 2025 oferece uma evidência interessante dessa diferença: embora a utilização de ferramentas de IA esteja disseminada, 46% dos respondentes disseram desconfiar da precisão de suas respostas, enquanto 33% afirmaram confiar nelas. [2]

Isso demonstra que a adoção da IA não elimina a necessidade de avaliar seus resultados.

Gerar código está ficando mais acessível. Saber o que construir, por que construir e como verificar se a solução realmente funciona continua sendo fundamental.

Para quem está começando, essa distinção é importante. Não basta aprender a solicitar que uma IA desenvolva uma funcionalidade. É necessário desenvolver conhecimentos que permitam compreender, testar, corrigir e justificar o código produzido.

A inteligência artificial pode ser uma ferramenta poderosa de aprendizagem e produtividade, mas não deve se transformar em uma caixa-preta da qual dependemos sem compreender o que acontece internamente.

3. O portfólio como evidência de competência

Se a experiência profissional continua sendo exigida, mas conquistar a primeira oportunidade está se tornando um desafio, como um iniciante pode demonstrar que está preparado?

Uma das respostas é construir um portfólio consistente.

É importante esclarecer que um portfólio não substitui integralmente a experiência profissional. Trabalhar em uma equipe, lidar com sistemas em produção, participar de revisões de código e assumir responsabilidades em um ambiente real são experiências que um projeto individual não reproduz completamente.

Entretanto, um bom portfólio pode demonstrar conhecimentos e competências que, de outra forma, seriam difíceis de avaliar antes da contratação.

Considere duas pessoas candidatas a uma vaga júnior.

A primeira apresenta uma lista de cursos concluídos e tecnologias estudadas.

A segunda também apresenta seus cursos, mas compartilha um projeto próprio, explica o problema que procurou resolver, documenta as decisões técnicas, apresenta testes, demonstra o funcionamento da aplicação e reconhece as limitações da solução.

Qual delas oferece mais elementos para que um recrutador ou profissional técnico avalie sua capacidade de desenvolver software?

Não existe uma resposta automática. O resultado dependerá da vaga, dos critérios de seleção e da qualidade do projeto. Entretanto, a segunda pessoa oferece evidências mais concretas de como aplica seus conhecimentos.

É aí que o portfólio ganha importância.

Ele permite demonstrar, por exemplo:

- Resolução de problemas: capacidade de identificar uma necessidade e propor uma solução coerente.

- Conhecimento técnico: aplicação de linguagens, frameworks, bancos de dados e ferramentas.

- Organização: estruturação do projeto, documentação e histórico de alterações.

- Qualidade: testes, tratamento de erros e preocupação com a manutenção.

- Autonomia: capacidade de pesquisar, experimentar, tomar decisões e aprender com dificuldades.

- Comunicação: habilidade para explicar escolhas técnicas e apresentar resultados.

O diferencial não está necessariamente em desenvolver um sistema enorme ou utilizar dezenas de tecnologias.

Um projeto pequeno, bem compreendido e bem executado pode ser mais convincente do que uma aplicação complexa cujas decisões o próprio autor não consegue explicar.

O objetivo do portfólio não é provar que você já sabe tudo. É demonstrar como pensa, aprende e transforma conhecimento em soluções.

4. Projetos próprios: de uma ideia a uma experiência demonstrável

Na minha primeira publicação sobre a Turma 17 do DIO Campus Expert, compartilhei uma reflexão sobre o motivo pelo qual estou estudando tecnologia.

Sempre gostei de pensar em maneiras de resolver problemas e de imaginar ideias de negócios. Entretanto, por diferentes razões, muitas dessas ideias nunca saíram do papel.

Hoje, vejo a tecnologia como uma oportunidade de transformar essas ideias em soluções reais.

Escrevi que minha motivação era "não apenas aprender a programar, mas aprender a construir".

Essa perspectiva também influencia a maneira como enxergo o desenvolvimento de portfólio.

Em vez de criar projetos apenas para reproduzir exercícios de cursos, podemos procurar problemas que despertem nosso interesse e desenvolver soluções progressivamente.

Imagine alguém que deseja construir uma plataforma para organizar resultados de competições esportivas. A pessoa pode começar modelando os dados, implementar operações básicas, criar uma API e desenvolver testes. Posteriormente, pode acrescentar autenticação, relatórios e outras funcionalidades.

O projeto evolui conforme o conhecimento também evolui.

Essa abordagem permite estudar conceitos técnicos dentro de um contexto concreto. Ao encontrar um problema de modelagem, por exemplo, o desenvolvedor precisa compreender por que determinada estrutura de dados é mais adequada. Ao implementar uma API, precisa pensar sobre recursos, validações, respostas HTTP e tratamento de erros.

Cada decisão se torna uma oportunidade de aprendizagem.

Além disso, projetos próprios podem revelar competências que não aparecem em um certificado: persistência diante de dificuldades, capacidade de pesquisar, organização do trabalho e disposição para revisar decisões.

É claro que um projeto pessoal não equivale à experiência de trabalhar em uma empresa. No entanto, essa prática pode ajudar a reduzir a distância entre estudar conceitos e aplicá-los.

E existe uma vantagem adicional: você pode começar a construir essas evidências antes mesmo de conquistar seu primeiro emprego na área.

5. E onde entra a inteligência artificial?

Seria contraditório discutir as mudanças provocadas pela IA e ignorar as possibilidades que ela oferece a quem está começando.

As mesmas ferramentas que podem automatizar determinadas tarefas também podem funcionar como instrumentos de aprendizagem e experimentação.

Um estudante pode utilizá-las para compreender uma mensagem de erro, comparar alternativas de implementação, elaborar casos de teste ou investigar um conceito desconhecido.

Também pode experimentar ideias que, sem esse auxílio, exigiriam mais tempo de pesquisa ou conhecimento prévio.

Isso é especialmente interessante para quem está construindo projetos próprios com recursos limitados.

Entretanto, existe uma diferença fundamental entre utilizar a IA para aprender e utilizá-la para produzir algo que não compreendemos.

Se uma ferramenta gera uma classe Java, por exemplo, o estudante pode pedir explicações, estudar os conceitos envolvidos, testar o comportamento e modificar a implementação. Nesse processo, a IA funciona como apoio para a aprendizagem.

Por outro lado, se simplesmente copia o código, executa a aplicação e considera o trabalho concluído, pode terminar com um projeto que aparenta ser sofisticado, mas não representa seu conhecimento real.

Essa diferença fica evidente quando surgem erros, requisitos novos ou perguntas sobre as decisões tomadas.

Por isso, considero importante adotar alguns princípios:

1. Compreenda antes de aceitar. Utilize a IA para explorar possibilidades, mas procure entender o código e os conceitos utilizados.

2. Verifique o resultado. Execute testes, reproduza cenários, examine erros e não presuma que uma resposta está correta apenas porque parece convincente.

3. Preserve sua autonomia. Tente resolver problemas por conta própria antes de recorrer à ferramenta, especialmente durante a aprendizagem dos fundamentos.

4. Documente suas decisões. Registre os problemas encontrados, as alternativas consideradas e os motivos pelos quais escolheu determinada solução.

5. Seja transparente. Quando pertinente, documente como ferramentas de IA foram utilizadas no projeto, respeitando as regras de cada processo seletivo, curso ou atividade.

O objetivo não é competir com a inteligência artificial na velocidade de digitação.

É desenvolver a capacidade de utilizá-la com critério, compreender seus limites e assumir a responsabilidade pelo resultado.

6. Como construir um portfólio relevante para uma vaga júnior?

Para quem está começando, pode parecer necessário dominar muitas tecnologias antes de iniciar um projeto próprio.

Na prática, o caminho pode ser mais simples.

Em vez de esperar pelo momento em que todo o conhecimento estiver consolidado, vale desenvolver uma aplicação pequena e ampliá-la conforme a aprendizagem avança.

Para quem pretende trabalhar com Java e backend, por exemplo, um roteiro possível seria:

Etapa 1 — Fundamentos

Pratique lógica de programação, orientação a objetos, estruturas de dados e tratamento de erros. Esses conhecimentos ajudam a compreender o comportamento do sistema e a tomar decisões mais conscientes.

Etapa 2 — Aplicação funcional

Escolha um problema específico e implemente suas funcionalidades principais. O objetivo inicial é ter uma solução que funcione, ainda que limitada.

Etapa 3 — Banco de dados e API

Utilize tecnologias como SQL, Spring Boot e APIs REST para estruturar e disponibilizar os recursos da aplicação.

Etapa 4 — Qualidade

Acrescente validações, testes automatizados, tratamento de exceções e documentação. Procure entender como essas práticas contribuem para a confiabilidade e a manutenção do software.

Etapa 5 — Organização e apresentação

Utilize Git e GitHub para versionar o código. Elabore um README que explique o problema, os objetivos, as tecnologias, as funcionalidades, as instruções de execução e as limitações conhecidas.

Etapa 6 — Evolução

Revise o projeto, corrija problemas e implemente melhorias. Se possível, peça a outras pessoas que utilizem a aplicação e forneçam feedback.

Não é necessário fazer tudo de uma vez.

O mais importante é que cada etapa produza aprendizado real e que você consiga explicar o que construiu.

Também não é obrigatório utilizar inteligência artificial em todas as fases. Em alguns momentos, resolver um problema sem assistência pode ser justamente o exercício necessário para consolidar os fundamentos.

O portfólio deve refletir sua evolução, não apenas sua capacidade de produzir código rapidamente.

7. Minha perspectiva como profissional em transição para tecnologia

Sou engenheiro agrônomo, tenho experiência profissional no agronegócio, incluindo atividades relacionadas à implantação de soluções tecnológicas, ao sucesso do cliente e à análise de dados, e atualmente estudo Análise e Desenvolvimento de Sistemas.

Minha formação em Agronomia foi realizada em um modelo de ensino presencial tradicional, em um contexto muito diferente do atual, no qual ferramentas generativas de inteligência artificial estão cada vez mais acessíveis.

Agora, ao estudar desenvolvimento de software, percebo que não basta acumular conteúdos ou concluir cursos. Preciso construir uma base técnica consistente e encontrar maneiras de demonstrar que consigo aplicar o conhecimento na resolução de problemas.

Minha experiência profissional anterior também me ajuda a compreender que uma solução tecnológica não existe isoladamente. Ela precisa atender a uma necessidade, funcionar em determinado contexto e gerar valor para quem a utiliza.

Essa perspectiva influencia as ideias que quero transformar em projetos e a maneira como pretendo desenvolver meu portfólio.

Como participante da Turma 17 do DIO Campus Expert, também vejo valor em discutir essas questões com outras pessoas que estão construindo suas trajetórias profissionais.

Afinal, cada pessoa começa de um ponto diferente. Algumas já trabalham com tecnologia; outras estão na universidade, migrando de carreira ou buscando a primeira oportunidade.

O desafio de aprender a construir soluções, porém, pode aproximar essas trajetórias.

Conclusão: a experiência começa antes do primeiro emprego?

A inteligência artificial está transformando o desenvolvimento de software e pode contribuir para mudanças nas oportunidades destinadas a profissionais iniciantes.

Os dados disponíveis justificam atenção, mas não autorizam concluir que todas as vagas júnior desaparecerão ou que a IA seja a única responsável pelas dificuldades de entrada no mercado.

O que parece cada vez mais importante é desenvolver competências que permitam ir além da simples produção de código: compreender problemas, avaliar alternativas, verificar resultados e construir soluções confiáveis.

Nesse cenário, o portfólio não substitui a experiência profissional, mas pode ajudar a demonstrar o que um iniciante já consegue fazer e como está se preparando para assumir responsabilidades maiores.

A inteligência artificial também não precisa ser encarada apenas como uma ameaça. Quando utilizada com critério, pode ampliar as possibilidades de aprendizagem e experimentação, inclusive para quem ainda não possui uma estrutura profissional ou financeira para desenvolver suas ideias.

Volto, então, à reflexão que compartilhei na minha primeira publicação sobre o Campus Expert: quero estudar tecnologia não apenas para aprender a programar, mas para aprender a construir.

Agora, acrescento outra questão: se a primeira oportunidade exige experiência, por que não começar a construir evidências das nossas competências antes mesmo de consegui-la?

Não se trata de fingir que já somos profissionais experientes. Trata-se de demonstrar, com honestidade, o que sabemos, o que conseguimos construir e como aprendemos com aquilo que ainda não dominamos.

Quero continuar explorando esse caminho, desenvolvendo projetos e compartilhando aprendizados durante minha trajetória na tecnologia.

E você? Como está se preparando para conquistar sua primeira oportunidade em TI?

Já utiliza projetos próprios para demonstrar suas competências? Como tem incorporado a inteligência artificial aos estudos sem deixar de desenvolver sua autonomia?

Compartilhe sua experiência nos comentários. Vamos trocar ideias e aprender juntos.

#DIOCampusExpert #EuSouDIOCampusExpert #InteligenciaArtificial #DesenvolvimentoDeSoftware #Java #CarreiraEmTecnologia