226 vagas revelam: 75% dos especialistas em IA são chamados para trabalhar no escritório
O recorte de 226 vagas no hh.ru mostra não um único “mercado de IA”, mas três profissões diferentes: desenvolvimento de modelos, criação de aplicações com LLM e manutenção da infraestrutura de ML. Dos 144 anúncios relevantes, 104 tratam de modelos, 34 de IA aplicada e apenas seis de MLOps. Para o candidato, a principal conclusão é simples: é preciso olhar para as tarefas, não para o título da moda.
Processado por IA de Habr AI; editado por Hamidun News
Hoje, o título “ML Engineer” pode esconder três profissões quase totalmente diferentes. Em uma vaga, é preciso treinar modelos e calcular métricas; em outra, montar um serviço RAG sobre uma LLM pronta; e, em uma terceira, distribuir o processamento entre GPUs e cuidar da infraestrutura. Por isso, uma lista de tecnologias da moda, por si só, diz pouco ao candidato.
Os pesquisadores analisaram 226 anúncios do hh.ru salvos em 6 de novembro de 2026. Após a classificação, 144 vagas foram consideradas relevantes: 104 estavam ligadas ao desenvolvimento de modelos de ML e DL, 34 a sistemas de IA aplicada e outras seis a MLOps. Não se trata de um censo de todo o mercado, mas de um retrato de uma amostra em um dia específico. Mesmo assim, ele mostra bem onde os títulos dos cargos e o trabalho real divergem.
Três mercados sob uma única bandeira
A primeira trajetória é o desenvolvimento de modelos. Ela inclui preparação de dados, treinamento, avaliação de qualidade e experimentos. Visão computacional, Data Science clássica, scoring, sistemas de recomendação e NLP se destacam na amostra. Esse é o maior grupo: 104 dos 144 anúncios relevantes.
A segunda trajetória é a IA aplicada. Aqui, muitas vezes o empregador não precisa de alguém que treine um modelo de linguagem próprio. Precisa de um engenheiro capaz de conectar uma LLM pronta, criar busca em documentos e adicionar RAG, agentes, APIs, registros e avaliação de respostas. Há 34 vagas desse tipo. O trabalho está mais próximo do desenvolvimento de produto: o valor não vem do modelo isoladamente, mas de um fluxo confiável construído ao redor dele.
A terceira trajetória é MLOps e infraestrutura de ML. A infraestrutura era a principal responsabilidade em apenas seis anúncios. Eles tratavam de GPUs, implantação de modelos, observabilidade e segurança dos pipelines. O número é pequeno, mas não deve ser interpretado como ausência de demanda: responsabilidades de infraestrutura também aparecem dentro das vagas para desenvolvedores de modelos.
Um exemplo simples: dois anúncios podem ter o título “AI Engineer”. No primeiro, o candidato faz o ajuste adicional de um modelo e compara métricas. No segundo, chama um modelo externo por API, procura documentos para fornecer contexto e trata falhas. O título é igual, mas o portfólio, a entrevista e o trabalho cotidiano serão diferentes.
O que os empregadores escrevem nos requisitos
Entre as 144 vagas relevantes, Python é mencionado em 55, ou 38,2%. LLM aparece em 54 anúncios, ou 37,5%; agentes de IA em 35, ou 24,3%; PyTorch em 26, ou 18,1%; e RAG em 21, ou 14,6%. Esses percentuais não devem ser transformados em um ranking de competências obrigatórias: os pesquisadores só tinham acesso aos títulos e a trechos salvos das descrições. Se uma tecnologia não apareceu no trecho, isso não significa que o empregador não a utilize.
O mercado deixa uma passagem estreita para iniciantes. Apenas seis vagas relevantes estão formalmente marcadas como “sem experiência”. Outras 61 exigem de um a três anos, 64 exigem de três a seis anos e 13 exigem mais de seis anos. Além disso, “sem experiência” não significa “sem conhecimento”: até um profissional júnior precisa de fundamentos, ferramentas de trabalho e um projeto que possa ser explicado em termos de decisões, métricas e limitações.
Há ainda menos dados sobre salários. A remuneração foi publicada em apenas 32 dos 144 anúncios relevantes. A amostra mistura rublos, tenges e dólares; valores antes e depois dos impostos; limites mínimos e faixas completas. Por isso, não é possível obter uma média salarial honesta com esses dados. Ofertas individuais são úteis como referência, mas não como benchmark de mercado.
Conclusão prática
O candidato deve primeiro escolher o tipo de trabalho e só depois montar seu stack. Para desenvolver modelos, são importantes dados, métricas, validação e experimentos reproduzíveis. Para IA aplicada, integrações, tratamento de erros, avaliação de respostas, referências às fontes e monitoramento. Para MLOps, implantação, observabilidade, infraestrutura computacional e segurança.
Também é melhor construir o portfólio em torno de algo além da frase “fiz um chatbot”. Um sistema completo causa uma impressão mais forte: uma tarefa clara, uma fonte de dados, uma solução de referência para comparação, uma métrica escolhida, limitações e uma forma de execução. E há mais um sinal para manter os pés no chão: 75% das vagas relevantes pressupõem trabalho presencial, enquanto o formato remoto aparece em apenas 22,9%. O mercado de IA se mostrou não apenas exigente quanto à experiência, mas também consideravelmente menos remoto do que as conversas em torno do setor podem sugerir.
- 13 de out. de 2026Vagas remotas para analistas de TI diminuem: a participação caiu de 33% para 26%
- 12 de out. de 2026OpenAI amplia sede em Dublin e abre novas vagas no escritório da UE
- 6 de nov. de 2026Baidu abre os pesos do ERNIE 5.5 Flash: de 280 bilhões de parâmetros, 14 bilhões (5%) atuam por token
- 12 de jul. de 2026Gradium, startup parisiense de IA de voz, capta US$ 100 milhões com apoio da Nvidia
Perguntas frequentes sobre a notícia
O que se sabe sobre Três mercados sob uma única bandeira?
A primeira trajetória é o desenvolvimento de modelos. Ela inclui preparação de dados, treinamento, avaliação de qualidade e experimentos. Visão computacional, Data Science clássica, scoring, sistemas de recomendação e NLP se destacam na amostra. Esse é o maior grupo: 104 dos 144 anúncios relevantes. A segunda trajetória é a IA aplicada. Aqui, muitas vezes o empregador não precisa de alguém que treine um modelo de linguagem próprio.
O que os empregadores escrevem nos requisitos?
Entre as 144 vagas relevantes, Python é mencionado em 55, ou 38,2%. LLM aparece em 54 anúncios, ou 37,5%; agentes de IA em 35, ou 24,3%; PyTorch em 26, ou 18,1%; e RAG em 21, ou 14,6%. Esses percentuais não devem ser transformados em um ranking de competências obrigatórias: os pesquisadores só tinham acesso aos títulos e a trechos salvos das descrições. Se uma tecnologia não apareceu no trecho, isso não significa que o empregador não a utilize. O mercado deixa uma passagem estreita para iniciantes.
O que se sabe sobre Conclusão prática?
O candidato deve primeiro escolher o tipo de trabalho e só depois montar seu stack. Para desenvolver modelos, são importantes dados, métricas, validação e experimentos reproduzíveis. Para IA aplicada, integrações, tratamento de erros, avaliação de respostas, referências às fontes e monitoramento. Para MLOps, implantação, observabilidade, infraestrutura computacional e segurança. Também é melhor construir o portfólio em torno de algo além da frase “fiz um chatbot”.
Test Frontier LLMs & Autonomous Agents in One Workspace
Run Claude Opus 5.5, GPT-6, Gemini 3.1, and DeepSeek side-by-side in Nomad AI (nomadnet.ai) — unified model routing, deep research, and multimodal workflows under one subscription.
O essencial da IA — uma vez por semana
Sete histórias que realmente importaram, escolhidas a dedo. Sem ruído nem releases.
Pronto! Verifique seu e-mail para a confirmação.