A corrida pelos talentos de IA continua: quais são as competências mais valorizadas?
O LinkedIn colocou “AI Engineer” no topo dos cargos com crescimento mais rápido nos Estados Unidos em 2026, com as ofertas para essa função a subir 143% num ano. Quatro dos cinco cargos que mais cresceram na plataforma estão ligados a IA. Isto não é um pico passageiro: as ofertas de emprego que mencionam competências em IA generativa passaram de 16 mil em 2024 para mais de 66 mil, segundo o Stanford AI Index. A oferta de talento qualificado não está a acompanhar essa procura, e é isso que está a empurrar salários para números que pareciam exagero há três anos.
O engenheiro de IA continua a ser o cargo mais transversal e o que mais aparece nas contratações, com salário médio de cerca de 206 mil dólares nos Estados Unidos, mais 51 mil do que em 2025. Mas há uma distinção que separa quem consegue mesmo emprego de quem fica de fora nas primeiras entrevistas: mais de 75% das ofertas exigem já especialização de domínio, não competências generalistas. Alguém que escreve “machine learning” e “ChatGPT” no currículo sem mais nada perde-se num monte de trezentas candidaturas parecidas. Quem combina IA com conhecimento profundo de um sector específico, saúde, finanças, indústria, ganha entre 30% a 50% mais do que um generalista com a mesma experiência.
Os especialistas em MLOps são hoje talvez a contratação mais difícil de fechar. A razão é estrutural: a função exige, ao mesmo tempo, conhecimento de ciência de dados, engenharia de software sólida e domínio de arquitectura de nuvem. A maior parte dos candidatos tem uma ou duas dessas três competências, raramente as três juntas. O resultado é que estas vagas ficam abertas bem para lá dos noventa dias, não por falta de esforço das empresas, mas porque quem reúne o perfil completo é escasso a sério. Os salários seniores nesta área rondam os 220 mil a 350 mil dólares, chegando aos 400 mil em laboratórios de topo.
A engenharia de prompt, que parecia há dois anos ser uma função isolada com futuro próprio, está a diluir-se dentro de funções mais amplas de engenharia de IA aplicada. A procura por esta competência específica cresceu 135% num ano, mas cada vez menos aparece como cargo autónomo e cada vez mais como parte do trabalho de quem constrói sistemas de recuperação aumentada por geração, os chamados RAG, que já aparecem em 65% das ofertas ligadas a modelos de linguagem aplicados. Saber escrever um bom prompt deixou de ser suficiente sozinho; hoje espera-se que a mesma pessoa saiba também avaliar qualidade de resposta, gerir custo e latência, e ligar tudo isso a um produto real.
Uma função nova que ganhou peso rapidamente é a de especialista em sistemas multiagente, ligada à IA agêntica. Espera-se que 40% das aplicações empresariais integrem agentes de IA até ao final de 2026, contra menos de 5% em 2024, e 91% dos líderes empresariais dizem já achar que competências em agentes vão ser críticas para vantagem competitiva dentro de três anos. Os salários nesta área, entre 100 mil e 180 mil libras no Reino Unido segundo a Lorien, refletem essa urgência súbita.
Fora das funções puramente técnicas, há uma competência que atravessa quase todos os cargos e é frequentemente subestimada: a capacidade de traduzir o que um modelo de IA consegue realmente fazer em resultado de negócio mensurável. Um estudo sobre mais de 900 vagas de “AI Engineer” encontrou que 90% delas focavam-se em aplicar modelos existentes, construir pipelines de recuperação de dados e afinar sistemas para casos concretos como deteção de fraude, não em investigação fundamental sobre novos modelos. É a diferença entre saber treinar um modelo do zero e saber pôr um modelo já existente a resolver um problema real dentro de um orçamento e um prazo. A maior parte das vagas quer a segunda coisa, e é aí que a maioria dos candidatos falha nas entrevistas, ao prepararem-se para perguntas de investigação teórica em vez de mostrarem trabalho de produção.
Trabalhadores com competências de IA ganham hoje, em média, 56% mais do que colegas em funções equivalentes sem essas competências, segundo o Barómetro de Empregos em IA da PwC, um número que duplicou em relação ao ano anterior. Para quem está a pensar em preparar a carreira para este mercado, o conselho mais útil que se retira destes dados não é aprender tudo sobre IA de forma superficial, é escolher uma especialização concreta, ligá-la a um domínio de conhecimento real, e construir um portefólio de projectos que mostrem trabalho posto em produção, não apenas teoria estudada. É isso que separa quem consegue emprego de quem continua a candidatar-se sem resposta.
