Seu novo portfólio deve provar como você pensa, verifica e aprende

IA tornou simples gerar interfaces, textos, APIs, notebooks e apresentações polidas. Um portfólio que mostra apenas o resultado final perdeu parte do poder de diferenciar autoria, julgamento e capacidade profissional.

O novo portfólio não precisa provar que você fez tudo sem IA. Precisa mostrar que você sabe dirigir um processo com IA e responder pelo resultado.

Resumo executivo

Para cada projeto, mostre seis evidências:

1. problema e contexto;
2. decisões e alternativas;
3. uso da IA e limites;
4. verificação e evidência;
5. resultado e impacto;
6. aprendizado e próxima mudança.

O artefato final continua importante. O que diferencia o trabalho é a cadeia que liga intenção, execução, verificação e reflexão.

Por que o resultado isolado ficou mais fraco

Uma screenshot não revela:

• se o problema era real;
• qual parte foi difícil;
• que trade-off você escolheu;
• como lidou com erro;
• se o sistema funciona fora da demo;
• o que você faria diferente.

Isso sempre foi verdade. A geração barata aumentou o volume de artefatos e tornou a evidência de processo ainda mais valiosa.

Um case em camadas

1. Problema

Explique a situação, a pessoa afetada, a restrição e o critério de sucesso. Remova dados confidenciais e não invente cliente, receita ou adoção.

2. Decisões

Mostre duas ou três escolhas materiais:

Não é necessário publicar todos os pensamentos. Selecione decisões que demonstram julgamento.

3. Colaboração com IA

Declare:

• em que etapas IA ajudou;
• qual ferramenta ou classe de modelo foi usada;
• que contexto foi fornecido;
• o que permaneceu sob decisão humana;
• quais saídas foram rejeitadas;
• que risco foi controlado.

Transparência não diminui autoria. Autoria está na intenção, seleção, julgamento, verificação e responsabilidade — não em esconder ferramentas.

4. Verificação

Inclua evidência proporcional ao trabalho:

• critérios de aceite;
• testes e casos negativos;
• auditoria de acessibilidade;
• threat model;
• avaliação de qualidade;
• medição de performance;
• feedback de usuário;
• links para commit ou demo sanitizada.

Uma attestation pode ligar artifact e build provenance, mas não prova correção semântica. A cadeia de entrega precisa permitir verificação independente e manter o limite da claim visível. [R2-C2]

5. Resultado

Separe estados:

• implemented: existe no código ou artefato;
• verified: checks sustentam propriedades declaradas;
• operating: uso real foi observado;
• outcome: efeito no destinatário foi medido.

Não promova um estado porque o projeto parece pronto. Um portfólio honesto sobre limites transmite mais maturidade que um case inflado.

6. Aprendizado

Mostre um erro ou mudança real:

• o que você acreditava;
• que evidência contrariou;
• o que mudou no sistema;
• como evitará recorrência;
• qual pergunta continua aberta.

Retrospectiva não é confissão. É demonstração de que você consegue melhorar o processo.

Portfólio para diferentes perfis

Engenharia

Priorize contratos, arquitetura, testes, observabilidade, segurança, diff e trade-offs.

Produto e negócios

Priorize problema, hipóteses, alternativas, decisão, métrica e aprendizado de mercado.

Design

Priorize pesquisa, fluxo, explorações rejeitadas, acessibilidade, teste e relação entre forma e resultado.

Dados e IA

Priorize dataset, qualidade, baseline, eval, erro por segmento, custo, risco e monitoramento.

O formato muda; o contrato de evidência permanece.

O que não publicar

Nunca transforme portfólio em vazamento. Remova:

• secrets e chaves;
• dados pessoais;
• prompts com informação confidencial;
• nomes e números sem autorização;
• arquitetura que aumente risco;
• logs internos brutos;
• claims comerciais não comprovados.

Use dados sintéticos, diagramas reduzidos, hashes, descrições de classe e resultados agregados. Quando a restrição impede mostrar evidência, explique o método sem fingir verificação pública.

Um template de uma página

Título + outcome
Contexto e restrição
Minha responsabilidade
Como usei IA
Três decisões
Como verifiquei
Resultado e limite
O que aprendi
Links seguros

Comece pequeno. Um case denso é melhor que dez cards sem substância.

Sinais de autoria forte

• você explica por que uma opção foi rejeitada;
• distingue fato, inferência e hipótese;
• mostra caso negativo;
• declara assistência por IA;
• liga claim a evidência;
• preserva limite e validade;
• atualiza o case quando aprende algo novo.

Autoria forte não exige certeza permanente. Exige rastreabilidade do julgamento.

O que este artigo prova — e o que não prova

Práticas de provenance, revisão e Evidence Pack sustentam portfólios que mostram processo além do resultado. Não existe evidência de que um único template maximize contratação ou substitua conversa, experiência e contexto.

Um portfólio é evidência selecionada pelo próprio autor. Quem avalia ainda precisa verificar e perguntar.

Conclusão

Quando qualquer pessoa pode gerar uma primeira versão, o diferencial se desloca para problema, decisão, padrão de qualidade, verificação e aprendizado.

Não tente provar que você trabalhou sem IA. Prove que, com IA, você continuou pensando.

Leitura anterior: Depois da pirâmide. Próxima leitura sugerida: Júnior na era da IA.