Desenvolvedor no Habr saiu de uma empresa internacional por recusa em adotar AI de forma ativa

O desenvolvedor contou que saiu voluntariamente de uma empresa internacional com bom salário não por medo de AI, mas pela falta de disposição do empregador em usar novas ferramentas. Segundo ele, depois do surgimento de LLM maduros, o trabalho deixou de dar sensação de crescimento, e o interesse se deslocou para agentes e sistemas de gestão do conhecimento.

Por que ele saiu

O autor descreve sua experiência como uma divisão entre o antes e o depois da era dos grandes modelos de linguagem. Antes disso, o trabalho na empresa parecia estável e previsível: tarefas claras, equipe internacional, remuneração adequada e um fluxo habitual de projetos web.

Depois que LLM se tornaram úteis o bastante no desenvolvimento real, especialmente os modelos da Anthropic, ele viu ao redor deles uma nova camada de tecnologias, produtos e trajetórias de carreira. Nesse contexto, o trabalho anterior deixou de parecer um ponto de crescimento e passou a ser percebido como repetição do que ele já dominava.

O ponto de virada, segundo ele, foi uma conversa sobre o uso prático de AI dentro do negócio. Em vez de experimentos e tentativas de incorporar novas ferramentas aos processos, ele ouviu a lógica de preservar o modelo atual: a empresa ganha dinheiro com sites, então o que ela precisa, antes de tudo, é de sites.

Para o autor, isso soou como uma recusa em olhar para o mercado para além do próprio nicho. Ele comparou diretamente essa posição às reações do passado, quando uma nova tecnologia parece desnecessária simplesmente porque o modelo antigo ainda dá dinheiro.

“A gente ganha dinheiro com sitezinhos.

O que a gente precisa é de sitezinhos.”

O que o atraiu

O principal ímã para o autor não foram conversas abstratas sobre uma “revolução da AI”, mas coisas bastante aplicadas que ele já tinha começado a montar com as próprias mãos. Por vários anos, ele desenvolveu seu próprio sistema de gestão do conhecimento e, depois de integrar LLM, isso se transformou, segundo ele, em algo muito mais vivo: não apenas um arquivo de notas, mas um ambiente de trabalho em que o conhecimento ajuda a tomar decisões e acionar ações. Nesse ponto, a tecnologia deixou de ser um brinquedo e se tornou uma ferramenta pessoal.

Depois, como ele descreve, um agente pessoal começou a ganhar outros agentes ao redor, e toda a estrutura passou a lembrar uma rede distribuída de assistentes. Foi aí que ele viu uma nova área de desenvolvimento — não mais um projeto web, mas uma combinação de memória, automação e modelos de linguagem que já agora pode mudar o trabalho do dia a dia. Isso se tornou, para ele, uma alternativa à trajetória de carreira tradicional no desenvolvimento de serviços.

O interesse dele se deslocou do desenvolvimento clássico para um conjunto mais amplo de tarefas:

• criação de cenários de agentes sobre uma base de conhecimento
• automação de ações de trabalho do dia a dia
• integração de vários assistentes em um único sistema
• busca de novos produtos de AI em vez de encomendas web padronizadas

Em essência, trata-se de uma mudança já conhecida no setor: valor passa a ser criado não apenas pelo código em si, mas também pela capacidade de montar rapidamente, sobre os modelos, estruturas de trabalho úteis. Para parte dos desenvolvedores, isso parece o próximo passo natural; para empresas com um negócio de serviços já estabelecido, parece um risco que é mais fácil adiar. Mas é justamente dessas decisões adiadas que muitas vezes nasce, mais tarde, a defasagem tecnológica.

Por que isso mexeu com o mercado

A história teve repercussão não apenas por causa da saída em si, mas também porque tocou num nervo de toda a indústria. Muitas equipes hoje pensam de forma parecida: AI é interessante, mas a principal receita ainda vem do antigo conjunto de serviços, então não é preciso fazer mudanças em grande escala.

Essa abordagem é racional no curto prazo, mas também costuma afastar especialistas que querem trabalhar não só pela estabilidade, mas também pela competência futura.

Uma linha à parte no texto é a frustração do autor com a comunidade profissional e com o formato da discussão em torno do tema de AI. Ele escreve que recebeu uma onda de negatividade depois da publicação anterior e vê cada vez menos valor em uma plataforma onde a discussão é substituída pela reação da multidão.

Mas, mesmo nesse contexto, a principal mensagem dele não é sobre ressentimento, e sim sobre encontrar pessoas que ainda tenham interesse em construir novas combinações tecnológicas, trocar projetos e formar juntos o futuro desejado.

O que isso significa

Essa história mostra que a virada para AI já está afetando não só os produtos, mas também as decisões de carreira. Se uma empresa trata LLM e agentes como uma moda opcional, ela corre o risco de perder funcionários para quem é justamente aí que está o próximo ponto de crescimento profissional.

Para o mercado, este é mais um sinal: uma estratégia de AI se tornou uma questão de retenção de talentos, e não apenas de ganho de eficiência.