Pessoal, deixem projetos públicos e relevantes no GitHub de vocês.
E quando eu falo “relevantes”, não significa que precisam ser sistemas complexos — projetos de estudo completos também valem, como:
- APIs bem estruturadas
- Frontends funcionais
- Pequenas aplicações full stack
- Ferramentas que resolvem um problema real
- Templates de projetos
Ou seja: algo que mostre seu nível técnico, e não apenas exercícios soltos de bootcamp ou CRUDs genéricos.
Esses projetos ajudam recrutadores e líderes técnicos a entender:
- Como você organiza uma aplicação
- Sua visão de arquitetura
- Se aplica boas práticas de mercado
- Seu cuidado com segurança
- Sua capacidade de documentar
- Clareza e consistência no código
- Como você toma decisões técnicas
Quando eu avaliava perfis para contratar, eu olhava tudo isso.
E profissionais que ignoravam esses detalhes perdiam pontos na avaliação, mesmo sendo bons.
“Ah, mas hoje a IA faz tudo.”
Sim, a IA ajuda muito.
Mas existem duas verdades importantes aqui:
1) A IA não faz tudo por você: principalmente aquilo que exige entendimento profundo e decisões técnicas — fora quando ela gera muito mais código do que o necessário.
2) É fácil perceber quando o código foi gerado e não revisado, quando o dev não entende o que entregou ou não sabe explicar suas escolhas.
E vale lembrar: antes da IA isso já acontecia, com profissionais copiando projetos inteiros, copiando lógica de outros repositórios e simplesmente encaixando isso no próprio código.
O problema não é usar IA.
O problema é usar sem revisar, sem entender e sem desenvolver pensamento crítico.
Se você quer se destacar:
👉 publique projetos completos
👉 revise seu código (humano ou gerado por IA)
👉 demonstre maturidade técnica na prática
👉 construa um portfólio que represente quem você realmente é
Acredite: isso faz diferença — e muita.
Top comments (0)