O mercado virou um experimento com IA

O mercado com IA virou um experimento agressivo porque empresas, investidores, profissionais e consumidores estão tentando entender uma mudança que já começou. A inteligência artificial já escreve código, cria produto, acelera marketing, muda processos seletivos, reduz custo, cria novas oportunidades e ameaça serviços inteiros, mas ninguém sabe direito onde isso estabiliza.

O ponto central é simples: empresas estão testando inteligência artificial no mercado real. A cobaia é o produto, o time, o cliente, o funcionário que ficou, o funcionário que saiu, o fornecedor, o candidato e o próprio empreendedor.

Por que o mercado ficou tão agressivo?

O mercado já era caótico. A IA potencializou esse caos porque adicionou velocidade, promessa e medo ao mesmo tempo.

O mercado ficou mais agressivo porque cinco pressões chegaram juntas:

Custo de capital mais alto.
Demissões em massa e pressão por margem.
Inteligência artificial prometendo mais entrega com menos gente.
Empresas tentando parecer atualizadas para o mercado.
Profissionais tentando provar que ainda são necessários.

Essa combinação muda a conversa dentro das empresas. Antes, o debate era "como contratar mais gente para entregar mais?". Agora, em muitos lugares, a pergunta virou "quantas pessoas ainda são necessárias se a IA consegue produzir, vender, atender, analisar e programar?".

Essa pergunta parece objetiva, mas ainda é mal formulada. Agente de IA não substitui uma profissão inteira como disciplina. Ele substitui parte da execução, acelera parte do trabalho e torna algumas tarefas baratas demais para continuarem manuais.

O problema é que o mercado está pulando da descoberta para o corte. Muita empresa ainda não sabe o que fazer com IA, mas já age como se soubesse.

Ao mesmo tempo, o clima é contraditório. Tem gente querendo comprar chácara, sair do barulho e procurar estabilidade. Tem gente empolgada com rodadas de investimento milionárias, novas empresas e a chance de construir algo grande agora. Os dois movimentos fazem sentido. O mercado está assustado e animado ao mesmo tempo.

Isso é uma revolução ou uma bolha?

É as duas coisas. A inteligência artificial é uma revolução em capacidade e uma bolha em narrativa, valuation e promessa fácil.

A IA veio para ficar. Isso é fato. Ela saiu de São Francisco (EUA), Xangai (China) e dos laboratórios. Está na igreja, no boteco, na consultoria pequena, no produto legado, no marketing, no jurídico, no suporte, na escola e no editor de código.

Ao mesmo tempo, ainda ninguém sabe exatamente o que fazer com ela. Todo mundo está testando:

Tipo de teste	O que está sendo validado
Produto com IA	Se o usuário paga por uma resposta melhor
Dev com agente	Se menos pessoas entregam o mesmo roadmap
Marketing com IA	Se "usa IA" ainda vende percepção de inovação
Processo seletivo com IA	Se a empresa quer medir fundamentos ou uso de ferramenta
Operação com IA	Se automação reduz custo sem quebrar qualidade

Algumas empresas novas vão nascer grandes porque a IA reduziu o custo de começar. Um time pequeno consegue pesquisar mercado, escrever código, criar suporte, produzir marketing, vender, medir uso e iterar com uma velocidade que antes exigia muito mais gente. Isso não garante empresa durável, mas aumenta a quantidade de tentativas.

Também muda o tipo de empresa que pode nascer. Uma startup com poucos anos de vida pode chegar a uma receita enorme se encontrar um gargalo real, usar IA para entregar melhor e distribuir rápido. Ao mesmo tempo, muitas vão sumir porque eram só interface fina em cima de um modelo, sem distribuição, dado próprio, confiança ou workflow crítico.

Alguns produtos sem IA vão continuar funcionando bem porque resolvem problemas maduros. Outros produtos vão perder sentido porque a IA mata a necessidade do serviço. E muita coisa nova vai aparecer onde antes não existia mercado.

O oceano pode ser azul, mas está agitado. Tem oportunidade, tem vento forte e tem barco quebrando.

Por que agora todo mundo quer criar algo?

Antes, um especialista de outra área quase sempre precisava contratar um programador para transformar uma ideia em software. Um médico, advogado, professor, consultor ou operador de nicho explicava o problema, esperava orçamento, traduzia o domínio para um time técnico e torcia para o resultado sair perto do que imaginou.

Agora esse especialista consegue testar sozinho. Ele abre uma ferramenta de IA, descreve o fluxo, cola exemplos, pede uma interface, conecta dados e chega em um protótipo funcional. Talvez não seja seguro. Talvez não seja escalável. Talvez não esteja pronto para produção. Mas já é suficiente para validar uma ideia.

Isso muda o mercado porque a barreira de criação caiu:

Antes	Agora
Ideia dependia de orçamento técnico	Ideia começa como protótipo com IA
Domínio ficava separado da implementação	Domínio entra direto no prompt e no feedback
Software de nicho demorava para nascer	Software de nicho aparece em dias
Programador era a primeira porta	IA vira a primeira porta

O exemplo mais claro aparece em áreas técnicas e reguladas. Um profissional pode querer criar um visualizador, um organizador de documentos, uma automação de laudo, um painel de análise ou uma ferramenta interna. Antes isso parecia projeto de empresa. Hoje parece experimento de fim de semana.

Essa é a parte boa e perigosa. A pessoa que entende o problema agora consegue construir. Mas, quando entram dados sensíveis, saúde, contratos, dinheiro ou decisões importantes, volta a pergunta central: quem está julgando segurança, privacidade, qualidade e responsabilidade?

As empresas sabem o que estão fazendo?

Muitas não sabem. Elas sabem que precisam testar, reduzir custo e mostrar produtividade. Isso não é o mesmo que ter uma estratégia madura.

Empreender é fazer, entregar e validar. Essa parte não se ensina bem só com teoria. Você aprende colocando algo no mundo, vendo o que quebrou, ouvindo o mercado e ajustando. Com IA, esse ciclo ficou mais rápido, mas também ficou mais perigoso.

Agora existe muito teste acontecendo ao mesmo tempo:

Teste	Quem paga o custo
Cortar equipe e manter roadmap	Pessoas que ficaram
Colocar IA no produto sem clareza	Usuários
Prometer produtividade antes de medir qualidade	Times internos
Trocar julgamento por automação	Produto e reputação
Usar vibe coding sem fundamentos	Manutenção futura

O mercado está validando hipóteses em produção. Algumas vão funcionar. Muitas vão gerar retrabalho, dívida técnica, incidente, produto frágil e decisão ruim.

Isso vale para produto, contratação, gestão, marketing e engenharia. Empresas usam IA para se salvar, reduzir custo, resolver escassez de mão de obra boa e sinalizar ao mercado que ainda estão atualizadas. Parte disso é estratégia. Parte é medo.

E medo não é irracional aqui. Quem já está consolidado precisa se manter. Quem ainda não está pode usar IA para ganhar velocidade e comer fatia de mercado.

Por que o dev virou alvo?

O dev é um dos alvos mais visíveis porque código é uma parte muito concreta da entrega. Se a IA escreve código, parece que o custo do dev caiu.

Só que software engineering nunca foi apenas escrever código. Também envolve entender domínio, modelar dados, decidir trade-offs, controlar risco, revisar segurança, manter sistemas vivos e proteger o negócio de soluções bonitas que quebram depois.

Basta olhar um mapa como o roadmap.sh para entender o tamanho do assunto. Existem trilhas para frontend, backend, full stack, DevOps, DevSecOps, AI Engineer, Forward Deployed Engineer, arquitetura, segurança, banco de dados, system design, code review, Claude Code, vibe coding e agentes de IA. Cada trilha puxa conceitos, fundamentos, tecnologias e ferramentas.

E tem outra camada: mesmo quando você já entende fundamentos, ainda precisa aprender como cada ferramenta funciona. Saber arquitetura ajuda, mas não ensina automaticamente o comportamento do Claude Code, do Codex, de um framework novo, de uma cloud nova, de um banco específico ou de um modelo com limitações próprias. Fundamento ajuda você a fazer perguntas melhores, perceber risco mais cedo e aprender ferramenta com mais critério. Não substitui o estudo da ferramenta.

A confusão aparece quando a empresa olha só para o output. Se antes cinco pessoas entregavam vinte tarefas e agora três pessoas com IA entregam vinte tarefas, o financeiro enxerga ganho. O que ele nem sempre enxerga é a qualidade do julgamento por trás dessas tarefas.

Por isso a pressão aumenta sobre quem fica. O dev que permaneceu precisa produzir pelo próprio trabalho, pelo trabalho de quem saiu e pela promessa de que IA multiplica tudo. Se ele souber usar harness, loop engineering, agents, skills, Model Context Protocol (MCP) e automações, a expectativa vira quase infinita.

Essa conta não fecha sem processo. IA aumenta throughput, mas também aumenta superfície de revisão.

Como a IA piorou processos seletivos?

Processos seletivos de tecnologia já eram quebrados. Com IA, ficaram mais confusos.

Agora a empresa precisa decidir:

Proíbe IA no teste técnico para medir fundamentos?
Obriga IA no teste para medir uso de ferramenta?
Deixa livre e avalia o resultado?
Faz pair programming com IA aberta?
Mede código final, raciocínio, revisão ou capacidade de corrigir erro?

Cada opção mede uma coisa diferente. Um teste sem IA pode ignorar como software será produzido no trabalho real. Um teste com IA pode esconder falta de fundamento. Um teste só de output pode premiar quem cola melhor, não quem entende melhor.

A pergunta boa não é "usou IA ou não usou?". A pergunta boa é: a pessoa sabe usar IA sem terceirizar julgamento?

O mesmo vale para code review. Se o candidato gerou um código que passa nos testes, o reviewer ainda precisa saber se aquilo é seguro, simples, sustentável e coerente com o produto. IA não remove review. Ela muda o que o review precisa observar.

O que muda com Claude Code, Codex e agentes?

Ferramentas como Claude Code e Codex mudam o jogo porque já conseguem executar tarefas que antes pareciam exclusivas de um dev experiente. Elas leem código, editam arquivos, rodam testes, corrigem falhas, explicam decisões e ajudam a manter contexto.

Na mão certa, elas programam acima do nível de um júnior. Em alguns fluxos, com bom contexto, bom harness e bons verificadores, elas se aproximam do trabalho de um senior em tarefas delimitadas.

Mas existe uma diferença importante:

Capacidade	IA faz bem	Ainda exige julgamento
Escrever código	Sim	Sim
Refatorar código local	Sim	Sim
Corrigir testes	Sim	Sim
Desenhar arquitetura	Ajuda muito	Sim
Entender risco de negócio	Parcialmente	Sim
Decidir trade-off humano	Não de forma confiável	Sim
Assumir responsabilidade	Não	Sim

O erro é confundir produção com responsabilidade. A IA pode produzir. A engenharia ainda precisa aceitar ou rejeitar.

Este próprio post é um exemplo pequeno. A capa ficou bonita por causa de IA. O texto foi organizado, revisado e corrigido com ajuda de IA. Eu "escrevi", na prática dirigi a IA para escrever, este artigo em cerca de 20 minutos enquanto programava dois projetos.

Mas, se eu não revisar, a IA também pode deixar erro, exagero, frase genérica e conclusão ruim. A ferramenta aumenta a capacidade. Ela não elimina autoria.

Quem é o vibecoder?

Vibecoder é quem consegue construir um software visualmente funcional sem dominar os fundamentos de engenharia de software. Ele descreve, cola, ajusta, pede mudanças, monta telas, conecta APIs e chega em algo que parece produto.

Isso não é inútil. Pelo contrário: é uma mudança real. Mais pessoas conseguem transformar ideia em protótipo, página, automação, landing page, dashboard ou microproduto.

O risco aparece quando o protótipo vira sistema crítico sem julgamento técnico. O vibecoder pode montar a interface, mas talvez não enxergue:

Modelo de dados frágil.
Autenticação mal feita.
Autorização ausente.
Vazamento de dados.
Acoplamento invisível.
Ausência de testes.
Custo operacional escondido.
Dependência de prompts em vez de arquitetura.

Também existem engenheiros fazendo vibe coding. A diferença é que o engenheiro sabe quando parar, inspecionar, testar, refatorar e transformar uma construção rápida em software sustentável.

O que as empresas querem com IA dentro dos produtos?

As empresas querem reduzir custo e aumentar valor percebido. Por isso estão demitindo, reorganizando times e tentando colocar IA dentro dos próprios produtos, processos, atendimentos, relatórios e softwares.

O problema é que "colocar IA" virou uma resposta genérica. Às vezes, "meu produto usa IA" aparece mais como marketing do que como melhoria real. Em muitos casos, falta clareza sobre:

Qual dor real do usuário será resolvida.
Qual dado pode ou não entrar no modelo.
Qual erro é aceitável.
Quem revisa a resposta.
Como medir qualidade.
Como explicar uma decisão.
Como desligar a automação quando ela falha.

Sem isso, IA vira teatro de produto. Parece inovação, mas só adiciona custo, risco e ruído.

Também existe uma indústria paralela vendendo atalho. Mais criadores, cursos, vídeos e promessas surgem todos os dias. Alguns ensinam coisa útil. Outros vendem Claude Code, Codex e agentes como se fossem bola de cristal. O problema não é ensinar ferramenta. O problema é vender ferramenta como substituto de critério.

Por que surgem novos nomes para funções antigas?

O mercado também está criando novas funções e novos nomes para trabalhos que já existiam em parte. Forward Deployed Engineer (FDE), AI Engineer, Applied AI Engineer, AI Product Engineer e AI Solutions Engineer são sinais dessa reorganização.

Algumas dessas funções são realmente novas. Outras são nomes novos para uma mistura antiga: entender cliente, desenhar solução, integrar sistemas, escrever código, medir impacto e voltar para ajustar.

O que mudou foi a ferramenta no centro da mesa. Agora a pessoa precisa entender produto, dados, prompt, modelo, integração, segurança, automação e entrega. Isso explica por que empresas começaram a usar termos como "AI-first". Às vezes é estratégia real. Às vezes é posicionamento para investidor, cliente e candidato.

O risco é confundir nome novo com maturidade nova. Trocar o título do cargo não resolve falta de fundamento.

Por que marketing evangeliza tanto IA?

Marketing costuma evangelizar primeiro porque sabe vender narrativa. Com Claude Code na mão, muitos marketeiros conseguem mostrar uma promessa enorme para quem ainda tem pouca base para avaliar o risco.

Isso não quer dizer que marketing seja o problema. O problema é vender uma ferramenta poderosa para pessoas que ainda não sabem o que fazer com ela, como se a ferramenta resolvesse a falta de conceito.

É parecido com entregar um telefone topo de linha para alguém que ainda não sabe enviar um email, anexar uma foto ou preencher um formulário. O aparelho é excelente. O limite continua sendo educação, fundamento e repertório.

Com IA, a mesma regra vale. A ferramenta é forte. Mas, sem fundamento, ela aumenta confusão na mesma velocidade em que aumenta produção.

O que continua valendo para o dev?

O que continua valendo é julgamento. Julgamento técnico é a habilidade de decidir o que construir, como limitar risco, quando aceitar uma solução, quando rejeitar uma resposta e quando dizer "isso ainda não está pronto".

O dev que só executava ticket está mais exposto. O dev que entende produto, arquitetura, dados, segurança, operação e automação ficou mais importante.

A nova senioridade não é escrever tudo na mão. É saber dirigir sistemas que escrevem, testam e revisam parte do trabalho. Isso inclui:

Escrever specs claras.
Criar harnesses e loops verificáveis.
Definir limites para agentes.
Separar protótipo de sistema.
Medir qualidade além de velocidade.
Revisar risco antes de celebrar produtividade.
Traduzir falhas recorrentes em testes, scripts e guardrails.

O mercado pode tentar reduzir o número de devs. Mas, quanto mais IA entra no fluxo, mais valioso fica quem sabe distinguir software entregue de software confiável.

Por que 2026 e 2027 podem doer?

2026 e 2027 tendem a ser anos de renovação forçada, reestruturação e caos. Crescer dói. Mudar processo dói. Cortar equipe dói. Aprender uma ferramenta nova enquanto o mercado cobra produtividade também dói.

A parte difícil é que esse crescimento não acontece em ambiente limpo. Ele acontece com empresa tentando bater meta, dev tentando manter emprego, founder tentando sobreviver, gestor tentando explicar corte e cliente esperando que o produto continue funcionando.

Algumas pessoas vão ganhar muito com essa virada. Outras vão sair do mercado. Outras vão voltar para fundamentos. Outras vão descobrir que sabiam executar, mas não sabiam julgar. Isso não torna a IA boa ou ruim por si só. Mostra que a tecnologia chegou antes de o mercado criar maturidade para usá-la.

As pessoas estão preparadas para esse poder?

A IA deu poder para muita gente ao mesmo tempo. Poder de criar, escrever, programar, vender, pesquisar, automatizar, publicar e competir. A pergunta é se a biologia, a mente e as emoções estão preparadas para uma produtividade tão violenta.

O corpo humano não evoluiu para viver em sprint infinito. A mente não processa bem uma comparação permanente com pessoas, empresas e agentes produzindo sem parar. A emoção também cobra a conta quando tudo parece urgente, possível e atrasado ao mesmo tempo.

Esse é um ponto pouco discutido. A conversa sobre IA fala muito de produtividade, valuation, demissão, automação e oportunidade. Fala menos de ansiedade, identidade, cansaço, vício em ferramenta, medo de ficar para trás e incapacidade de desligar.

O poder aumentou. A educação emocional, técnica e ética não aumentou na mesma velocidade.

Como responder a esse mercado?

Não adianta negar a mudança. A IA já mudou o custo de produzir software. Também não adianta aceitar a narrativa de que todo dev virou desnecessário.

A resposta prática é construir vantagem onde a IA sozinha ainda falha:

Área	Como responder
Fundamentos	Fortalecer arquitetura, dados, segurança, redes, testes e operação
IA aplicada	Usar agentes, harnesses, skills, loops e MCP com critério
Produto	Entender problema, usuário, métrica e validação
Comunicação	Escrever specs, decisões, riscos e evidências com clareza
Revisão	Julgar qualidade, não apenas volume de código

O dev que aprende IA como ferramenta de execução ganha velocidade. O dev que aprende IA como sistema de trabalho ganha alavancagem.

Resumo

O mercado está agressivo porque empresas querem cortar custo, aumentar produtividade, parecer atualizadas e testar IA antes de entender a mudança por completo.

Claude Code, Codex e agentes mostram essa mudança de forma clara no software, mas a pressão é maior que software. Ela afeta contratação, marketing, operação, produto, investimento e carreira.

A cobaia desse ciclo é o próprio mercado: empresas, pessoas, times e produtos.