Recrutamento para Times de IA e Machine Learning: O Que Muda na Avaliação | HUNT IT

Recrutamento para Times de IA e Machine Learning: O Que Muda na Avaliação

“Preciso de alguém de IA” é uma das frases mais perigosas que um RH pode ouvir de um gestor técnico sem pedir mais detalhe. Times de Inteligência Artificial e Machine Learning reúnem perfis muito diferentes entre si — engenheiro de ML que produtiviza modelo, cientista de dados que pesquisa e valida hipótese, engenheiro de dados que sustenta o pipeline, especialista em LLM que integra IA generativa a um produto — e tratar todos como a mesma vaga é a forma mais rápida de contratar errado.

Por Que Essa Vaga é Diferente de um Recrutamento de TI Comum

Numa vaga de desenvolvedor tradicional, a régua de avaliação é relativamente estável: sabe a linguagem, entende o framework, resolve o problema. Numa vaga de IA/ML, três coisas complicam essa régua:

• O campo muda rápido demais para currículo ser um bom proxy de competência. Alguém com “3 anos de experiência em IA” pode ter passado esse tempo inteiro fazendo algo que já é considerado ultrapassado — ou pode ter 8 meses de experiência prática e estar mais atualizado que quem tem anos de teoria.
• Existe uma diferença real entre “sabe usar” e “sabe quando não usar”. Boa parte do mercado hoje sabe chamar uma API de LLM. Poucos sabem dizer quando um modelo simples resolve melhor que uma solução de IA generativa cara e lenta — e essa segunda habilidade é a que evita projeto caro que não entrega valor.
• O output nem sempre é determinístico, o que muda completamente como se avalia “isso funciona”. Um bug num CRUD é binário — funciona ou não. Um modelo pode “funcionar” e ainda estar produzindo resultado ruim de um jeito que só aparece em produção, com dado real.

Os Perfis que Costumam Ser Confundidos

Engenheiro de Machine Learning — foca em levar modelo pra produção: pipelines de treino, versionamento de modelo, monitoramento de drift, infraestrutura de serving. É engenharia de software aplicada a ML, mais do que pesquisa.

Cientista de Dados — foca em explorar dado, formular e validar hipótese, construir o modelo inicial. Nem sempre é a pessoa certa pra colocar esse modelo em produção com robustez de engenharia.

Engenheiro de Dados — sustenta a base: pipelines de ingestão, qualidade de dado, infraestrutura que alimenta tanto o time de ML quanto o resto do negócio. Sem essa pessoa, o time de IA trabalha com dado ruim ou inconsistente — e o melhor modelo do mundo não resolve dado ruim.

Especialista em IA Generativa/LLM — perfil mais recente, foca em prompt engineering, RAG (retrieval-augmented generation), fine-tuning e integração de modelos de linguagem a produtos existentes. Overlap parcial com engenharia de ML tradicional, mas com ferramentas e problemas próprios.

Contratar “alguém de IA” sem saber qual desses quatro perfis a vaga realmente precisa é a causa mais comum de contratação que não entrega o que o time esperava.

Erros Comuns na Contratação Desse Perfil

• Avaliar só pelo hype do currículo. Menção a “GPT”, “LLM” ou “IA generativa” no currículo virou ruído — quase todo currículo tem isso agora. O que separa candidato forte é conseguir explicar decisão técnica com profundidade, não a lista de ferramentas citadas.
• Pedir teste técnico genérico de algoritmos. Um bom teste de ML avalia raciocínio sobre dado, trade-off de modelo, e entendimento de produção — não uma pergunta de estrutura de dados desconectada do trabalho real.
• Ignorar comunicação com áreas não técnicas. Times de IA frequentemente precisam explicar pra liderança por que um modelo tem 85% de acurácia e não 100%, e por que isso é aceitável (ou não). Quem não comunica bem essa nuance gera desconfiança interna, mesmo entregando tecnicamente bem.

Como a Hunt IT Aborda Esse Tipo de Vaga

A triagem de candidatos para vagas de IA e Machine Learning na Hunt IT é baseada em entrevista técnica aprofundada combinada com testes direcionados ao perfil específico da vaga — não um teste genérico de algoritmos, mas uma avaliação desenhada para o tipo de trabalho real que a posição exige (produtização de modelo, pesquisa e validação de hipótese, pipeline de dados, ou integração de LLM, dependendo do caso). Isso garante que o candidato apresentado já foi validado no que realmente importa para aquela vaga, não só numa lista genérica de conhecimentos de IA.

Perguntas Frequentes

Preciso de um Cientista de Dados ou um Engenheiro de ML?
Depende de onde está o gargalo do time. Se o problema é “não sabemos que modelo usar ou se um modelo resolve isso”, precisa de Cientista de Dados. Se o problema é “já sabemos o modelo, mas ele nunca sai do notebook e vai pra produção”, precisa de Engenheiro de ML.

Vale a pena contratar júnior para times de IA?
Sim, desde que exista alguém sênior no time pra orientar — o campo muda rápido o suficiente para que um júnior bem orientado aprenda o “estado da arte” atual mais rápido do que sênior tentando desaprender práticas antigas. O risco é contratar júnior sem estrutura de mentoria nenhuma.

Quanto tempo leva pra contratar um bom perfil de IA/ML?
Esse tipo de vaga costuma levar entre 7 e 15 dias úteis, variando conforme os requisitos específicos da posição — um prazo maior que o padrão de 5 dias da Hunt IT para vagas de TI em geral, já que o pool de candidatos qualificados para IA/ML é naturalmente menor.