Os algoritmos no quadro não dizem nada sobre engenharia em produção. O nosso processo avalia critério de arquitectura, qualidade de código sob revisão e AI-readiness em casos reais.
O PROBLEMA
Antes de explicar como funciona o nosso, é preciso entender por que os processos habituais produzem maus engenheiros.
Resolver uma árvore de grafos em 45 minutos não tem nenhuma correlação com manter uma API que recebe 50.000 requisições por hora. São habilidades diferentes que não se sobrepõem.
Um recrutador pode verificar se o candidato diz as palavras certas. Só um CTO ativo pode avaliar se uma decisão de arquitetura é correta ou um erro que custará meses.
O trabalho remoto exige habilidades específicas de comunicação, documentação e autonomia que não aparecem em nenhuma entrevista presencial padrão.
Em 2026, um engenheiro que não domina ferramentas de IA entrega de 30% a 40% mais devagar do que um que domina. Quase nenhum processo avalia isso.
5 PILARES
Cenários reais com restrições reais: escala, orçamento, tamanho da equipe, dívida técnica existente. Avaliamos o raciocínio sobre trade-offs e a capacidade de comunicar decisões técnicas a stakeholders não técnicos.
Revisamos código real do candidato — algo construído em produção, não um exercício de entrevista. Olhamos estrutura limpa, tratamento de erros, disciplina de testes, separação de responsabilidades e legibilidade.
Avaliamos o uso efetivo de GitHub Copilot, Cursor, Claude e ferramentas similares. Prompt engineering aplicado a tarefas de engenharia reais. E o mais importante: critério para saber quando o output da IA precisa de revisão humana.
Clareza escrita, fluência verbal, capacidade de levantar problemas de forma proativa e disciplina de fuso horário. O trabalho remoto não falha por falta de habilidade técnica — falha quando a comunicação se rompe.
Verificação de emprego, referências profissionais reais e alinhamento cultural com ambientes de startup e scale-up. Procuramos engenheiros que trabalharam em produtos com usuários reais.
O FUNIL
Cada fase elimina perfis que não se encaixam — não pessoas, mas perfis que não poderiam entregar no contexto dos nossos clientes.
100% dos candidatos entram no processo.
40% passa. Screening inicial de experiência, stack e trabalho em produção.
20% passa. Clareza escrita, fluência verbal, disciplina de fuso horário.
12% passa. Pair programming com um CTO ativo sobre problemas reais.
10% passa. Histórico de emprego, referências profissionais confirmadas.
4% final. Prontos para serem alocados em projetos de clientes.
taxa de aceitação final