Scovai Scovai
Talent Intelligence 2026-11-09 1 min read

A especialização de domínio perdeu terreno nas fichas de avaliação de entrevista da Anthropic. A sua quota de contratações técnicas juniores caiu de 27% para 9%.

DSL

Dr. Sarah Liu

A especialização de domínio perdeu terreno nas fichas de avaliação de entrevista da Anthropic. A sua quota de contratações técnicas juniores caiu de 27% para 9%.

A quota de juniores nas contratações técnicas da Anthropic caiu de 27% para 9%. Esse número foi comentado até à exaustão. O que está por baixo dele, não: um codificador automatizado leu as fichas de avaliação de entrevista preenchidas pelos gestores de contratação para milhares de colaboradores admitidos desde 2024 e concluiu que, entre os candidatos técnicos, "os maiores aumentos ocorreram nos comentários sobre a autonomia e o julgamento dos candidatos", enquanto "a discussão da especialização de domínio encolheu como proporção da avaliação global" (Anthropic, 2026).

Quase tudo o que sabemos sobre IA e contratação de perfis de entrada vem de anúncios de emprego — o que os empregadores dizem querer antes de conhecerem alguém. O relatório de emprego da Anthropic de 16 de outubro faz algo mais raro: lê o que os entrevistadores escreveram depois da conversa.

Dois números, dois objetos diferentes. O número de efetivos é contestado, como vou mostrar. O número das fichas de avaliação é aquele para o qual a sua própria grelha de entrevista não está preparada.

O que as fichas de avaliação de entrevista mediram de facto

O relatório é um estudo com dados internos de uma única empresa: registos de utilização de IA, métricas de produção, inquéritos a colaboradores, dados de Slack e de calendário, registos de decisões de contratação, mais 17 entrevistas a colaboradores. O autor principal, Nathan Wilmers, está na MIT Sloan; o trabalho é publicado pela própria Anthropic.

Na composição, dois valores distintos importam e não devem ser misturados. A proporção de colaboradores de nível júnior dentro dos departamentos técnicos "desceu de 21% para 14% desde o início de 2025". A proporção de contratações técnicas juniores "caiu ainda mais depressa, de 27% para 9%". A segunda é uma mudança na composição de quem é contratado, não um corte de efetivos — o relatório afirma claramente que a contratação técnica "continuou a crescer em termos absolutos" enquanto a empresa "triplicou de tamanho no último ano". Quem leia 27% para 9% como uma redução de 65% na contratação júnior interpretou mal.

O que os gestores disseram acompanha os dados. Inquiridos em abril de 2026, "uma maioria dos gestores descreveu contratar à procura de um conjunto diferente de competências devido à IA", enquanto "cerca de um terço dos gestores de ML e um quinto dos de SWE declararam contratar menos devido à IA". A maioria mudou os critérios. Uma minoria cortou volume. Essa ordem é a história toda.

A camada das fichas de avaliação

A evidência distintiva é textual. Em 2024, os gestores de contratação anotavam o historial de um candidato com ferramentas de IA em "cerca de 5% das avaliações para funções técnicas e 7% para funções não técnicas". Em 2026 essas taxas tinham triplicado nas funções técnicas e quadruplicado nas não técnicas. O relatório dá as bases de 2024 e os multiplicadores apenas por palavras, pelo que os valores finais não estão publicados — e inventá-los fabricaria uma precisão que a fonte não tem.

Por baixo disso, o reequilíbrio mais profundo. Para candidatos técnicos: autonomia e julgamento em alta com a maior margem, especialização de domínio em baixa como proporção da avaliação. Para candidatos não técnicos: "a orientação para o cliente e para a missão aumentou, enquanto a discussão das capacidades de execução diminuiu". A explicação de um gestor é o resumo mais limpo desta lógica em todo o documento: "Espero que os modelos continuem irregulares, por isso para a minha equipa quero pessoas permutáveis entre domínios."

Note o que não tem número associado. O aumento em autonomia e julgamento é reportado de forma direcional, como a maior variação, sem percentagem. Isso é uma limitação da evidência, não uma razão para a descartar — mas significa que este resultado apoia uma direção de marcha, não uma magnitude.

Uma só empresa não é um referencial

Os autores do relatório são mais diretos quanto a isto do que a maior parte dos comentários: "Há muitas partes das práticas de emprego da Anthropic que não podem ser replicadas em toda a economia." A empresa gera entre duas e quatro vezes mais receita por colaborador do que a Meta e a Google no seu auge. É n = 1, autopublicado, não auditado e situado no extremo da intensidade de IA. Nada nele estabelece uma tendência à escala da economia.

A literatura mais ampla está em desacordo ativo exatamente no ponto que a maioria retira dela. A análise de Lambert e Schindler sobre 243 milhões de novas contratações e 407 milhões de anúncios de emprego nos EUA, Reino Unido, Canadá e Austrália concluiu que um aumento de dois desvios-padrão na exposição à IA generativa ou na exposição ao trabalho remoto estava, isoladamente, associado a uma queda de cerca de cinco pontos percentuais na quota júnior até 2025 — mas quando ambos eram introduzidos em conjunto, o coeficiente da IA "atenua-se acentuadamente e torna-se frequentemente estatisticamente indistinguível de zero", enquanto o efeito do trabalho remoto se mantinha robusto (Lambert & Schindler, 2026). A sua leitura: a escada júnior quebrada pode ser uma história sobre onde se trabalha, não sobre o que é automatizado.

Os dados de despesa ao nível da empresa cortam novamente no sentido oposto. Ligando a despesa em IA observada em 21 559 empresas norte-americanas a registos de força de trabalho, a Ramp e a Revelio Labs concluíram que os adotantes de alta intensidade aumentaram os efetivos de nível de entrada cerca de 12% nos dois anos seguintes à adoção, enquanto os de baixa intensidade não mostraram qualquer variação estatisticamente significativa (Ramp, 2026). Um investimento forte em IA, nesse conjunto de dados, associou-se a mais contratação júnior, não a menos.

Portanto, a afirmação causal sobre o colapso dos juniores está em aberto, e um Head of Operations não tem razão para planear efetivos a partir dela. A afirmação sobre os critérios é outra questão.

O que converge são os critérios, não a contagem

Eis por que o resultado das fichas de avaliação merece atenção apesar do n = 1. Concorda com evidência extraída de um tipo de dados completamente diferente, a uma escala completamente diferente.

O Global AI Jobs Barometer 2026 da PwC analisou mais de mil milhões de anúncios de emprego em seis continentes, com uma análise aprofundada de 2,4 milhões de funções de nível de entrada nos EUA. Concluiu-se que as funções juniores expostas à IA tinham sete vezes mais probabilidade do que as funções juniores menos expostas de exigir competências tradicionalmente sénior — julgamento, pensamento estratégico, liderança motivacional, inteligência emocional. Os anúncios com esse perfil "seniorizado" cresceram 35% desde 2019, mesmo enquanto o conjunto dos anúncios de início de carreira estagnava nos setores com elevada exposição à IA (PwC, 2026).

Os anúncios registam o que os empregadores publicitam. As fichas de avaliação registam o que os entrevistadores premiaram depois de conhecerem a pessoa. São superfícies de medição independentes, recolhidas por partes diferentes com incentivos diferentes, e moveram-se na mesma direção: para o julgamento e a autonomia, longe da execução especializada.

A convergência entre métodos independentes é mais fraca do que uma única estimativa causal, mas mais forte do que dois casos anedóticos. É suficiente para agir, porque a ação é barata e verificável localmente.

E o desajuste que expõe está presente na maioria dos sistemas de contratação do mid-market. O pedido de recrutamento de nível de entrada pede agora julgamento sénior, enquanto a banda salarial, a integração a 90 dias e o modelo de mentoria continuam a pressupor um principiante. Entretanto, os recrutadores de recém-licenciados no Reino Unido reportaram entre 141 e 172 candidaturas por vaga nos setores mais sobrelotados (ISE, 2026) — o que significa que a camada de triagem está sob mais pressão de volume do que nunca, precisamente no momento em que mudou aquilo que vale a pena triar.

O que um Head of Operations deve fazer este trimestre

A auditoria aqui implícita é pequena o suficiente para a conduzir pessoalmente antes do fecho do próximo ciclo de contratação.

  1. Vá buscar as suas últimas vinte fichas de avaliação de entrevista. Não a grelha — os comentários em texto livre que os seus entrevistadores efetivamente escreveram.
  2. Codifique cada linha numa de quatro categorias: profundidade especializada de domínio, execução e implementação, autonomia e julgamento, e evidência de trabalho eficaz com ferramentas de IA.
  3. Conte. Se as duas primeiras categorias dominarem — e na maioria das empresas de 50 a 500 FTE irão dominar, porque foi exatamente para isso que a grelha foi construída —, está a selecionar com mais severidade nas duas categorias que perderam terreno na empresa mais avançada neste caminho.
  4. Depois verifique o mais difícil: se o seu processo consegue sequer observar as outras duas. A autonomia e o julgamento não aparecem num CV nem num exercício técnico cronometrado. Aparecem no modo como alguém enquadra um problema ambíguo, decide o que não fazer e explica um compromisso em que errou.

Este último ponto é a verdadeira restrição, e é um problema de medição antes de ser um problema de critérios. Diplomas e títulos de função são aproximações à especialização de domínio — o atributo que está a perder peso. O julgamento e a autonomia exigem evidência demonstrada: avaliação estruturada, problemas trabalhados, um registo de decisões em vez de um registo de posições. Os instrumentos do lado do candidato construídos para esta distinção, entre eles o Talent Passport da Scovai, certificam a capacidade demonstrada com um percentil por competência em vez do historial apenas — que é a forma que a evidência teria de assumir para ser triável em grande volume.

Duas cautelas antes de reescrever algo. Não use isto para justificar cortes na contratação júnior; a evidência causal não o apoia e os dados de despesa ao nível da empresa apontam no sentido contrário. E não retire a especialização de domínio dos seus critérios — "encolheu como proporção da avaliação global" é um reequilíbrio, não uma remoção. Numa equipa de operações de 200 pessoas sem função de treino de modelos, o conhecimento de domínio continua a ser aquilo que os seus clientes estão a pagar.

A decisão que tem à frente

O resumo honesto da evidência é este: ninguém lhe pode ainda dizer se a IA vai encolher a sua camada júnior. Vários conjuntos de dados credíveis divergem. Mas duas fontes independentes — mil milhões de anúncios de emprego e milhares de fichas de avaliação de entrevista — concordam quanto àquilo contra o qual as funções sobreviventes estão a ser avaliadas, e a maioria das grelhas de entrevista não se mexeu em resposta.

As suas fichas de avaliação de entrevista são um registo escrito daquilo que a sua organização acredita que prevê o desempenho. As da Anthropic são dois anos dessa convicção a mudar em texto mensurável. As suas estão no seu ATS neste momento, não lidas como conjunto de dados.

Leia vinte delas este trimestre. Se continuarem a premiar o candidato que sabe mais em vez do candidato que decide melhor, encontrou a correção de maior alavancagem do trimestre — e custa uma tarde, não uma rubrica orçamental.

Ready to go beyond the CV?

Scovai's AI-powered Talent Passport reveals what resumes can't: personality, potential, and true job fit.