A dura realidade das entrevistas para engenheiros de software em 2025

O que mudou com a chegada de ferramentas especializadas para ajudar a ter vantagens em processos seletivos?

Dia 02 de abril de 2025. Cenário: você acaba de ser chamado para uma entrevista para vaga de engenheiro de software.

Júnior

Entrevistador: "Bem-vindo à sua quinta etapa para nossa vaga de Engenheiro Júnior I. Vejo que você tem um GitHub impressionante. Três projetos open-source e um aplicativo com 50 mil usuários."

Candidato: "Obrigado! Trabalhei nesses projetos enquanto estava na faculdade e—"

Entrevistador: [interrompendo] "Nossa ferramenta de análise detectou que 78% do seu código tem forte correlação com prompts do ChatGPT. Isso é... preocupante."

Candidato: "Bem, eu usei IA como ferramenta de aprendizado, como faríamos no trabalho real—"

Entrevistador: "Infelizmente, aqui valorizamos engenheiros que memorizam algoritmos. Para esta próxima etapa, pedimos que você implemente um algoritmo de balanceamento de árvore rubro-negra enquanto resolve este cubo de Rubik. Ah, e nosso software de monitoramento vai rastrear seus movimentos oculares para verificar se você está consultando outro dispositivo."

Candidato: [olha nervosamente para a câmera que analisa suas micro-expressões faciais]

Entrevistador: "Quase esqueci — estamos oferecendo R$3.500 por mês, sem benefícios, para alguém com seu perfil. E precisamos que você assine este termo comprometendo-se a não usar ferramentas de IA durante seu período de experiência de 180 dias."

Pleno

Recrutadora: "Parabéns por chegar à nossa 17ª etapa para Desenvolvedor Pleno. Apenas 0,002% dos candidatos chegam até aqui."

Candidato: "Obrigado! Já faz dois meses desde que começamos esse processo."

Recrutadora: "Para hoje, nosso time identificou que você tem uma newsletter técnica que publica quinzenalmente. Isso levanta sérias preocupações sobre seu comprometimento."

Candidato: "Na verdade, criei essa newsletter para compartilhar conhecimento e aprender em público e—"

Recrutadora: "Entendemos, mas aqui valorizamos pessoas que pensam em código 24/7. Aliás, nosso último candidato montou um escritório no banheiro para maximizar seu tempo de codificação."

Candidato: [silêncio desconfortável]

Recrutadora: "E notamos também que você tem uma conta no Strava onde registra suas corridas matinais. Esse tempo poderia ser melhor investido estudando o blockchain proprietário que desenvolvemos internamente."

Candidato: "Acredito que atividade física melhora minha produtividade e—"

Recrutadora: [interrompendo novamente] "Nossa IA de análise comportamental indica que você piscou 47 vezes durante esta chamada, significativamente acima da média de nossos funcionários de alto desempenho, que é de 12 piscadas por hora. Preocupante."

Senior

[Após completar 23 entrevistas, um projeto de 40 horas não remunerado, e passar por três algoritmos de filtragem de IA]

Gerente de Engenharia: "Antes de começarmos, poderia virar a cabeça 90 graus para a esquerda e depois para a direita?"

Candidato: [confuso, mas obedece]

Gerente: "Perfeito. Tivemos... incidentes recentes. Um candidato polonês que não falava polonês. Outro que se recusou a colocar a mão na frente do rosto. A segurança é nossa prioridade."

Candidato: "Compreensível. Então, sobre a solução distribuída que implementei para o teste técnico—"

Gerente: "Ah sim, nosso comitê técnico ficou impressionado com seu sistema. Especialmente a parte do balanceamento de carga geográfico usando árvores R+. Falando nisso, você poderia explicar como implementou isso?"

Candidato: "Claro, eu utilizei um algoritmo de geohashing que aprendi quando trabalhava no... espera, eu não implementei geohashing na minha solução."

Gerente: [sorriso tenso] "Interessante. Nosso detector de AI-CheatingPro™ indicou que você pode ter usado um assistente de programação para seu desafio técnico. Importa-se de refazer um trecho ao vivo agora?"

Candidato: [suando] "Sem problemas."

Gerente: "Ótimo! E após 15 anos de experiência, temos o prazer de oferecer uma posição de Desenvolvedor Pleno III com apenas 30% de redução do seu salário atual. A boa notícia é que temos oficinas de CrossFit às 5h da manhã! Participação obrigatória, claro."

Staff Engineer

Diretor de Tecnologia: "Seus 15 anos construindo sistemas de escala global são impressionantes. Especialmente o que você fez na Amazon."

Candidato: "Obrigado. Foi um período de muito aprendizado onde liderei uma equipe que—"

Diretor: [interrompendo] "No entanto, nosso comitê notou que você está no LinkedIn há apenas 8 anos, tem apenas 342 conexões e seu último post foi há três meses. Isso sugere falta de influência no mercado."

Candidato: "Prefiro focar mais na execução do que em marketing pessoal. Acredito que resultados falem por si—"

Diretor: "Nossa análise da sua conta GitHub mostra uma média de apenas 2,7 commits diários, incluindo fins de semana. Nossos Staff Engineers mantêm uma média de 7,2 commits, com pelo menos três projetos side pessoais ativos."

Candidato: "Entendo a importância de contribuições consistentes, mas também valorizo código de qualidade e tempo para pensar em arquitetura antes de—"

Diretor: "Última pergunta: quanto tempo você levaria para implementar um sistema distribuído que processa 10 petabytes diários, usando apenas TypeScript e um Raspberry Pi?"

Candidato: "Isso... não parece ser uma abordagem realista para esse volume de dados."

Diretor: [anotando] "Falta de pensamento inovador e disruptivo. Interessante." [Fecha o notebook] "Temos outras 47 entrevistas hoje com candidatos que estão dispostos a usar seu próprio hardware pessoal para economizar custos da empresa."

Equipe de "Apoio" na Agência de Recrutamento

[Numa sala escura em algum lugar, dois recrutadores conversam]

Recrutador 1: "O sistema anti-fraude identificou mais um candidato usando IA."

Recrutador 2: "Qual foi desta vez?"

Recrutador 1: "Dizia ser desenvolvedor sênior com 10 anos de experiência em Kiev, mas não sabia responder perguntas básicas sobre a cidade. Quando pedimos para virar o rosto, o filtro de IA distorceu completamente a imagem."

Recrutador 2: "É o terceiro esta semana! E aquele cara que dizia ser polonês mas não sabia falar uma palavra do idioma?"

Recrutador 1: "Sim, nosso anti-spoofing detectou que ele estava usando um filtro baseado na face de um político polonês! E não para por aí... Vimos pessoas usando o AICodingBuddy™ nos testes técnicos. O app sussurra respostas pelo fone de ouvido enquanto lê o problema da tela."

Recrutador 2: "O que fazemos agora? Nosso cliente precisa de 50 desenvolvedores até o fim do mês."

Recrutador 1: [suspira] "Continue recrutando. Se eles conseguem enganar nosso sistema, talvez sejam os hackers que precisamos."

O mercado de trabalho em 2025: entre a realidade e a sátira

Embora eu tenha exagerado nas cenas acima, a parte triste é que hoje em dia, não parece mais tão fora da realidade.

Segundo dados do TrueUp, o mercado de contratações em tecnologia está se recuperando lentamente, com cerca de 40% mais vagas do que em 2023, mas ainda estamos apenas em 46% do pico de 2020-2022.

Fonte: The Reality of Tech Interviews - Pragmatic Engineer

Nos últimos anos, acompanhamos uma escalada bizarra no mundo das entrevistas técnicas:

• Candidatos usando filtros de IA para se passar por pessoas que não são

• Desenvolvedores utilizando apps como InterviewCoder para "colar" em testes técnicos

• Empresas implementando sistemas invasivos de monitoramento para combater essas fraudes

• Processos seletivos que se estendem por meses, com dezenas de etapas

• "Downleveling" (rebaixamento de nível) sistemático como estratégia de negociação, um fenômeno confirmado por pesquisas recentes

E isso criou um ecossistema tóxico onde:

• Empresas não confiam nos candidatos, então criam processos cada vez mais burocráticos e distantes da realidade do trabalho

• Candidatos se sentem obrigados a trapacear porque os desafios técnicos raramente refletem habilidades relevantes para o dia a dia

• Ambos os lados perdem tempo e recursos em um jogo de gato e rato que não beneficia ninguém

Por que chegamos a este ponto?

O problema fundamental é que muitas empresas continuam apegadas a modelos de avaliação criados há mais de 15 anos, quando:

• A IA generativa não existia

• O aprendizado era mais linear e menos baseado em ferramentas

• O trabalho remoto era exceção - overemployment não era uma preocupação como é hoje

Esses modelos tradicionais, como entrevistas de algoritmos estilo LeetCode, foram criados por empresas como Google e Facebook durante uma era específica. Hoje, uma década e meia depois, continuamos repetindo esses formatos mesmo quando eles:

• Não parecem prever sucesso no trabalho real - A relevância dos testes algorítmicos para o desempenho no trabalho real é questionável quando consideramos as diferenças entre resolver puzzles abstratos e enfrentar desafios de engenharia do dia a dia

• São facilmente burlados com novas tecnologias - O que era difícil de "colar" em 2010 hoje pode ser feito com uma IA no bolso

• Excluem profissionais talentosos - Pessoas com experiência real e valiosa mas sem tempo para memorizar algoritmos obscuros

Entrevistas como um esporte especializado

Como apontam Evan King e Stefan Mai (ex-Meta e Amazon) em análise recente no Pragmatic Engineer, o processo de entrevista técnica se transformou em um "jogo especializado" com regras próprias, cada vez mais distante do trabalho diário de engenharia.

Neste jogo, a barra técnica subiu significativamente:

• Problemas de algoritmos (LeetCode "hard") que eram raramente vistos no Google agora são comuns

• Implementações completas são esperadas, com tratamento de erros e código limpo

• Em design de sistemas, conhecimentos antes considerados de nível staff agora são esperados de seniors

• Tópicos específicos como indexação geoespacial, antes considerados nicho, agora são comuns em perguntas sobre design

Os candidatos que têm sucesso nesse ambiente entendem que as entrevistas modernas são como performances, não apenas avaliações técnicas - e eles se preparam como atletas para competições.

A corrida armamentista de algumas startups de IA

Algumas startups estão indo ao extremo oposto em suas expectativas. Uma startup de IA em Nova York recentemente ofereceu um bônus de referência de $50.000 (!) para quem ajudasse a contratar um engenheiro fundador. Em comparação, bônus de $1.000-$5.000 são comuns em Big Techs.

E o que essa startup pedia? Basicamente:

• Trabalho presencial em NYC. Sem remoto/híbrido.

• Semanas de 100 horas

• Trabalho 7 dias por semana, incluindo fins de semana

• Disponibilidade para mensagens às 3h da manhã

• Expectativa de responder em minutos (ou segundos)

• Demissão rápida se não performar como esperado

Ironicamente, enquanto essa startup cria ferramentas de IA para gerar anúncios mais rapidamente, ela não consegue ver que está falhando no seu próprio marketing para talentos.

O que poderia ser diferente

As empresas que realmente querem identificar os melhores talentos poderiam:

• Criar processos que simulem o trabalho real - Em vez de quebra-cabeças abstratos, por que não avaliar como o candidato aborda problemas semelhantes aos que a equipe enfrenta?

• Abraçar, não combater, as novas ferramentas - Se seu trabalho diário envolve usar IA e recursos online, por que proibir isso nas entrevistas?

• Valorizar vida além do trabalho - Pessoas com interesses diversos, hobbies e tempo para família são frequentemente mais criativas, equilibradas e eficientes a longo prazo. O trabalho é parte da vida, não a vida inteira.

• Respeitar o tempo dos candidatos - Processos enxutos demonstram eficiência e consideração.

• Ser transparente sobre expectativas reais - Se você espera 60 horas semanais, diga isso abertamente em vez de usar eufemismos como "ambiente dinâmico de alto desempenho".

Como alguém que cria conteúdo em público, eu fiquei particularmente triste de saber que empresas podem considerar isso uma desvantagem ao me contratar. Pois é visto como se fosse um segundo emprego - mesmo que isso não afete a minha performance no meu dia a dia.

Empresas que estão mudando o jogo

Felizmente, várias empresas de médio porte estão liderando mudanças positivas nos processos seletivos, adotando desafios de codificação mais realistas e abertos que refletem melhor o trabalho real:

• Stripe, Coinbase e OpenAI: Em vez de questões algorítmicas estilo LeetCode, estas empresas pedem aos candidatos que resolvam problemas como:

  • Projetar um motor de consultas (query engine)

  • Implementar um armazenamento de chave-valor (key-value store)

  • Projetar um banco de dados em memória para lidar com transações

• Brex: Substituiu as tradicionais perguntas de algoritmos por desafios que simulam problemas reais do dia a dia. Para desenvolvedores backend, por exemplo, há um teste que envolve consumir APIs e manipular dados - tarefas que você realmente fará no trabalho cotidiano.

• PostHog e Linear: Estas empresas adotam abordagens baseadas em experiência real de trabalho (work trials):

  • A PostHog implementou o "Super Day", um dia de trabalho remunerado onde o candidato trabalha em um projeto real com a equipe - sem truques ou algoritmos obscuros.

  • A Linear desenvolveu um processo de "work trials" (períodos de trabalho experimental) pagos de 2-5 dias. Como detalhado pelo próprio time da Linear, todos os candidatos – desde engenheiros até executivos C-level – participam desses trials, trabalhando em projetos reais com acesso a ferramentas internas. O processo inclui reuniões de kick-off, check-ins e apresentações finais. Em quatro anos, essa abordagem ajudou a empresa a escalar para mais de 50 pessoas com uma taxa de retenção de 96%. A equipe da Linear argumenta que entrevistas convencionais não são eficazes para avaliar se alguém tem bom julgamento, iniciativa e capacidade de se adaptar ao ambiente de startup.

• GreatFrontEnd: O fundador, Yangshun Tay, ex-engenheiro do Meta, redesenhou completamente o processo seletivo para desenvolvedores frontend. Como ele próprio detalhou:

"Zero LeetCode, avaliação de projetos práticos, e os candidatos sabem as perguntas da entrevista com antecedência e têm tempo para se preparar... É importante notar que esse processo é mais demorado que o padrão LeetCode e não escala bem com o número de candidatos."

Estas empresas não apenas estão obtendo melhores resultados em suas contratações, mas também estão criando uma experiência mais humana e respeitosa para os candidatos.

O futuro das entrevistas técnicas

Acredito que estamos num ponto de inflexão. Com a evolução da IA, breve chegaremos a um momento em que qualquer pessoa poderá "resolver" qualquer desafio técnico tradicional usando assistentes de programação.

Quando isso acontecer, empresas terão duas opções:

1. Entrar numa corrida armamentista cada vez mais absurda de vigilância e controle

2. Repensar fundamentalmente o que realmente importa para o sucesso de uma pessoa engenheira

Espero sinceramente que escolham a segunda opção.

E vocês, o que acham? Já passaram por processos seletivos absurdos? Já testemunharam casos de "trapaça" em entrevistas?

Adoraria saber de vocês!

📚 Referências e leituras adicionais

1. The Reality of Tech Interviews

2. Why and how we do work trials at Linear

3. O processo seletivo para vagas de Engenharia no PostHog

4. O processo seletivo para vagas de engenharia de software na Brex

5. The Pulse #126: Startup asks for a lot, offers little → struggles to hire

6. AI fakers exposed in tech dev recruitment: postmortem

7. PostHog: Engineering Hiring

---

Fico feliz que você leu o artigo até o final!

Espero que essa reflexão tenha feito sentido para você também. 😅

Meu objetivo com o DnG é criar a melhor comunidade para engenheiros de software que querem ter uma carreira sustentável. Se você gosta do meu conteúdo, considere assinar ou fazer o upgrade da sua assinatura.

Você também pode clicar no botão de curtir ❤️ e compartilhar este artigo com outras pessoas. Me ajuda muito!