Quando a entrevista de consultoria encontra a inteligência artificial
Há alguns anos, preparar-se para uma entrevista em uma consultoria estratégica como a McKinsey significava dominar frameworks como MECE, árvores de hipóteses e análises de break-even. O candidato passava horas resolvendo cases no quadro branco, estimando tamanhos de mercado e projetando fluxos de caixa. Hoje, o cenário mudou de forma silenciosa, mas profunda. Em vez de apenas calcular e estruturar, o candidato se vê diante de um problema que envolve dados gerados por modelos de linguagem, a necessidade de interpretar saídas de sistemas de IA ou até mesmo a exigência de usar ferramentas generativas durante a resolução. Não se trata mais de testar apenas o raciocínio analítico — trata-se de testar a relação do profissional com a inteligência artificial.
Essa transformação não é um modismo. Empresas de consultoria, tecnologia e finanças estão percebendo que o trabalho real, daqui a alguns anos, será profundamente mediado por IA. Portanto, faz sentido que o processo seletivo também seja. O que está em jogo não é saber se o candidato consegue usar o ChatGPT para gerar respostas rápidas, mas sim se ele consegue integrar a IA ao seu processo de pensamento sem perder o senso crítico. A entrevista, nesse novo formato, se torna um microcosmo do que será o dia a dia: um problema mal definido, ferramentas de IA disponíveis, e a necessidade de entregar uma recomendação sólida.
O que está sendo testado de fato?
Quando uma banca pede que o candidato resolva um problema de realocação e requalificação de funcionários — um típico case de transformação organizacional —, o que muda com a presença da IA? Em um cenário tradicional, o candidato estruturaria o problema, faria suposições sobre custos, prazos e impactos culturais, e apresentaria um plano. Agora, a banca pode fornecer um relatório gerado por IA com análises preliminares, projeções de turnover e até sugestões de itinerários de treinamento. O verdadeiro teste não é refazer a análise do zero, mas sim avaliar criticamente o que a IA produziu: identificar suposições ocultas, detectar vieses nos dados sintéticos, questionar a lógica por trás das recomendações e, quando necessário, descartar partes inteiras do output.
Isso exige um conjunto de habilidades que muitos candidatos ainda não desenvolveram. Saber usar ferramentas de IA é trivial — qualquer um com acesso a um modelo de linguagem pode gerar texto. O diferencial está em saber quando o modelo está alucinando, quando os dados de treinamento não cobrem o contexto específico, e como fazer perguntas que forcem o modelo a revelar suas limitações. Em outras palavras, a entrevista de IA não testa o uso da ferramenta, mas a capacidade de pensar metacognitivamente sobre o próprio pensamento assistido por máquina.
Além do framework: pensamento crítico na era dos modelos generativos
Um dos maiores riscos que observo em profissionais que tentam se adaptar a esse novo formato é o abandono precoce do pensamento estruturado. Muitos candidatos, ao receberem um problema, correm para o ChatGPT e pedem: "Monte um plano de realocação para 500 funcionários em 3 meses". A resposta vem rápidas, completa e aparentemente coerente. O erro fatal é aceitar essa resposta sem escrutínio. O modelo pode sugerir um cronograma irrealista, ignorar restrições legais trabalhistas ou propor um orçamento que não fecha. O candidato que apenas repete a sugestão da IA demonstra falta de julgamento — e isso é exatamente o que os avaliadores querem filtrar.
Na minha experiência com engenharia de software, aprendi que a melhor maneira de usar um modelo generativo é tratá-lo como um estagiário muito rápido, mas ingênuo. Você precisa verificar cada passo, pedir justificativas e, principalmente, saber quando ignorar a sugestão. Essa mesma lógica se aplica aos cases de consultoria. A banca não quer um candidato que terceiriza o raciocínio para a IA; quer alguém que use a IA para acelerar partes do processo, mas que mantenha o controle do quadro geral. O pensamento crítico, que antes era demonstrado na estruturação do case, agora é demonstrado na interação com a ferramenta.
Os riscos de uma avaliação mal desenhada
É claro que essa mudança traz riscos. Um deles é a padronização excessiva: se todas as empresas passarem a usar o mesmo tipo de teste baseado em IA, a avaliação pode se tornar enviesada contra candidatos que têm menos acesso a ferramentas de ponta ou que não foram treinados nesse tipo de dinâmica. Outro risco é a confusão entre a habilidade de usar IA e a habilidade de resolver problemas de negócio. Um candidato pode ser excelente em engenharia de prompt, mas péssimo em entender a dinâmica humana de uma reorganização. A banca precisa tomar cuidado para não confundir fluência tecnológica com capacidade de julgamento estratégico.
Além disso, há a questão da avaliação em si. Se a entrevista se torna um teste de uso de IA, como garantir que o candidato não está simplesmente copiando respostas de um modelo rodando em segundo plano? Em entrevistas remotas, isso é um problema real. Já vi casos em que o candidato claramente leu respostas prontas de um assistente. A solução está em desenhar problemas que exijam contextualização local, dados específicos fornecidos na hora, ou etapas de validação que um modelo genérico não conseguiria simular sem acesso ao contexto completo da empresa. A criatividade do avaliador continua sendo o fator mais importante.
Como se preparar para o teste de IA
Para profissionais que estão se preparando para processos seletivos em consultorias ou empresas que adotam esse modelo, minha recomendação é prática e direta. Primeiro, não abandone os fundamentos: continue estudando frameworks de negócios, análise de custo-benefício, e metodologias de mudança organizacional. A IA pode ajudar a gerar ideias, mas a estrutura do raciocínio ainda é humana. Segundo, pratique a arte de questionar outputs de IA. Pegue um case antigo, peça para um modelo de linguagem resolvê-lo, e depois critique cada suposição. Identifique onde o modelo foi vago, onde ele inventou dados, e onde ele ignorou aspectos qualitativos importantes. Esse exercício desenvolve o músculo do pensamento crítico que será testado.
Terceiro, familiarize-se com as limitações dos modelos. Entenda o que são alucinações, viés de confirmação inerente aos dados de treinamento, e a falta de capacidade de raciocínio causal genuíno. Quanto mais você souber como a IA funciona por dentro, melhor será para avaliar seus outputs. Quarto, simule entrevistas com um colega que atue como avaliador, e peça para ele introduzir elementos de IA no case — como um relatório gerado por modelo, ou uma ferramenta que você pode usar durante a resolução. A prática deliberada é a única maneira de ganhar fluência nesse novo formato.
Minha visão sobre o futuro das entrevistas
Acredito que essa tendência veio para ficar, mas vai evoluir. Em alguns anos, a avaliação poderá incluir não apenas o uso de IA, mas também a capacidade de treinar um modelo simples para uma tarefa específica, ou de interpretar resultados de um sistema de recomendação. O profissional que não se adaptar será visto como alguém que não consegue operar no ambiente de trabalho do futuro. Por outro lado, acho que as empresas precisam ser transparentes sobre o que estão testando. Se a entrevista é um teste de IA, que isso fique claro desde o início, para que o candidato possa se preparar adequadamente. Não é justo mudar as regras do jogo sem aviso.
No fim, a entrevista de emprego sempre foi um reflexo do trabalho real. Se o trabalho real está sendo transformado pela IA, é natural que a entrevista também seja. A diferença entre um candidato mediano e um excelente, nesse novo contexto, será a capacidade de usar a IA como uma parceira de pensamento, não como uma muleta. E essa é uma habilidade que vale a pena desenvolver, independentemente da vaga que você está almejando.