Conteúdos e materiais

Os 5 erros mais comuns das empresas ao contratar profissionais de Inteligência Artificial

Os 5 erros mais comuns das empresas ao contratar profissionais de Inteligência Artificial

Os 5 erros mais comuns das empresas ao contratar profissionais de Inteligência Artificial

Sua empresa está com dificuldade para contratar profissionais de Inteligência Artificial. Mas será que o problema é realmente a falta de candidatos qualificados?

Com a expansão da IA generativa e o aumento dos investimentos em soluções inteligentes, empresas de diferentes setores passaram a buscar profissionais capazes de desenvolver aplicações com modelos de linguagem, automatizar processos, estruturar sistemas de machine learning e transformar dados em resultados de negócio.

O desafio é que muitas organizações iniciam essas contratações sem compreender completamente quais competências precisam encontrar.

A vaga é aberta com o título de AI Engineer, uma lista extensa de tecnologias e a expectativa de encontrar alguém que consiga liderar toda a estratégia de inteligência artificial. O recrutamento começa, os primeiros candidatos são apresentados e surge a percepção de que os profissionais disponíveis não correspondem ao perfil esperado.

Em alguns casos, realmente existe uma dificuldade de encontrar pessoas com determinada combinação de experiências. Em outros, porém, o problema começa antes mesmo do hunting.

Descrições de vagas pouco claras, requisitos excessivos, avaliações desalinhadas e processos seletivos demorados podem comprometer a contratação, independentemente da qualidade dos candidatos disponíveis.

O Future of Jobs Report 2025, do World Economic Forum, coloca especialistas em inteligência artificial e machine learning entre as ocupações com maior crescimento percentual projetado até 2030. O estudo também identificou que 86% dos empregadores pesquisados esperavam que tecnologias de IA e processamento de informações transformassem seus negócios nesse período.

Esse cenário reforça a importância de desenvolver estratégias de recrutamento mais precisas. Afinal, não basta reconhecer que a inteligência artificial será relevante para o negócio. É necessário compreender quais profissionais podem transformar essa intenção em resultados.

Contratar talentos de IA exige mais do que buscar pessoas que conhecem as tecnologias mais recentes. Exige clareza sobre o problema, entendimento do mercado e capacidade de avaliar experiências reais.

A seguir, exploramos cinco erros que podem comprometer essas contratações e como evitá-los.

1. Abrir uma vaga de IA sem definir qual problema o profissional precisa resolver

Um dos erros mais frequentes começa na definição da posição.

A empresa decide investir em inteligência artificial, identifica a necessidade de contratar um especialista e inicia a construção da descrição da vaga. Entretanto, ainda não existe clareza sobre quais projetos serão priorizados, qual será a responsabilidade do profissional ou quais resultados são esperados.

Nesse cenário, é comum que o título da posição seja definido antes do escopo.

A empresa abre uma vaga de AI Engineer porque deseja desenvolver soluções com IA generativa. Mas, ao aprofundar a necessidade, percebe que o principal desafio envolve estruturar dados, desenvolver modelos preditivos ou criar integrações entre sistemas.

Embora essas atividades estejam relacionadas à inteligência artificial, podem exigir experiências bastante diferentes.

Um profissional especializado em desenvolver aplicações com LLMs pode não possuir a mesma trajetória de um Machine Learning Engineer que trabalha com treinamento de modelos, pipelines de dados e MLOps.

Da mesma forma, um pesquisador de IA pode ter conhecimento aprofundado em modelagem e experimentação, mas não necessariamente experiência construindo produtos corporativos.

O impacto de uma vaga mal definida

Quando o escopo não está claro, o recrutamento encontra dificuldades desde o início.

O hunting pode ser direcionado para profissionais com experiências diferentes das necessárias. Os candidatos recebem informações incompletas sobre o desafio e os entrevistadores podem utilizar critérios distintos para avaliar a mesma posição.

O problema também aparece durante as etapas técnicas.

Um gestor pode priorizar experiência em engenharia de software, enquanto outro espera conhecimentos avançados em treinamento de modelos. Um candidato pode ser aprovado por sua experiência com IA generativa e posteriormente descartado porque não possui determinada competência que não havia sido considerada essencial no alinhamento inicial.

Esse tipo de desalinhamento aumenta o retrabalho e dificulta a tomada de decisão.

Além disso, compromete a experiência dos candidatos, que investem tempo em processos cujas expectativas podem mudar ao longo das entrevistas.

Como evitar esse erro?

Antes de abrir a posição, a empresa precisa responder a uma pergunta fundamental: qual problema queremos que esse profissional resolva?

A partir dessa definição, torna-se mais simples compreender quais competências são indispensáveis.

Se o objetivo é desenvolver aplicações utilizando modelos de linguagem existentes, por exemplo, pode fazer sentido priorizar experiência em engenharia de software, integração de APIs, RAG, agentes e avaliação de sistemas generativos.

Se a necessidade envolve construir modelos próprios de machine learning, conhecimentos de dados, treinamento, estatística e operacionalização de modelos podem assumir maior importância.

Também é necessário compreender o estágio do projeto.

A empresa está iniciando uma prova de conceito? Já possui uma solução validada? Precisa colocar um produto em produção? Ou está buscando alguém para estruturar uma área de IA do zero?

Cada situação exige um tipo diferente de experiência.

O alinhamento de uma vaga de IA precisa começar pelas entregas esperadas, não por uma lista de tecnologias.

2. Procurar um profissional que domine todas as áreas de Inteligência Artificial

Outro erro comum está na construção de descrições de vagas excessivamente abrangentes.

A empresa procura alguém com experiência em Python, machine learning, deep learning, LLMs, RAG, agentes, fine-tuning, MLOps, arquitetura de software, cloud, engenharia de dados e pesquisa aplicada.

Além disso, espera que o profissional tenha experiência em liderança, conhecimento de negócio e capacidade de estruturar projetos do zero.

Individualmente, muitas dessas competências podem ser relevantes. O problema aparece quando todas são tratadas como requisitos obrigatórios, sem considerar o escopo real da posição.

Inteligência artificial é um campo amplo, que reúne diferentes especializações.

Um AI Engineer pode possuir experiência relevante construindo aplicações com modelos de linguagem sem ter trabalhado diretamente no treinamento de modelos do zero.

Um Machine Learning Engineer pode dominar pipelines, experimentação e implantação de modelos preditivos, mas ter pouca experiência com agentes de IA generativa.

Um especialista em MLOps pode conhecer profundamente infraestrutura e operação de modelos, sem atuar diretamente na pesquisa de novas arquiteturas.

Essas diferenças não significam que os profissionais sejam menos qualificados. Significam que desenvolveram competências em áreas distintas.

Quando os requisitos restringem o mercado desnecessariamente

Descrições de vagas muito extensas podem gerar dois problemas.

O primeiro é reduzir o universo de candidatos considerados, excluindo profissionais que possuem as competências realmente necessárias para a função.

O segundo é criar uma expectativa de contratação incompatível com a estrutura da empresa, o orçamento disponível ou a realidade do mercado.

Em algumas situações, a organização está tentando reunir responsabilidades de diferentes posições em uma única pessoa.

Isso pode acontecer especialmente quando a empresa está estruturando sua primeira iniciativa de inteligência artificial e ainda não possui uma equipe especializada para distribuir responsabilidades.

O resultado é uma busca por um profissional que combine profundidade técnica em múltiplas áreas, visão estratégica e capacidade de execução em todas as etapas do projeto.

Embora existam profissionais com repertórios amplos, é importante reconhecer que amplitude de conhecimento e profundidade técnica não são a mesma coisa.

Como evitar esse erro?

A primeira medida é separar requisitos indispensáveis de competências desejáveis.

Se a posição exige principalmente o desenvolvimento de aplicações com LLMs, experiência em engenharia de software e sistemas de IA generativa pode ser mais relevante do que conhecimento aprofundado em treinamento de redes neurais.

Se o desafio envolve modelos preditivos, outras competências deverão receber prioridade.

Também é importante considerar quais conhecimentos já existem na equipe.

Uma empresa com especialistas em dados e infraestrutura pode precisar de um engenheiro focado na aplicação. Outra, com desenvolvedores experientes, pode necessitar de alguém que traga profundidade em modelagem ou operação de sistemas de IA.

O objetivo é identificar a combinação de competências que realmente permitirá executar o projeto.

Isso também exige flexibilidade para reconhecer experiências transferíveis.

Um engenheiro de software com fundamentos sólidos, experiência em sistemas distribuídos e atuação prática com LLMs pode ser um candidato relevante, mesmo sem ter utilizado todas as ferramentas mencionadas na descrição da vaga.

Em um mercado que evolui rapidamente, a capacidade de aprender e aplicar conhecimentos também precisa ser considerada.

3. Fazer hunting de IA utilizando apenas títulos de cargos e palavras-chave

A estratégia de busca é outro ponto que merece atenção.

Com a expansão da inteligência artificial generativa, novas nomenclaturas profissionais ganharam espaço no mercado.

AI Engineer, Generative AI Engineer, LLM Engineer, Machine Learning Engineer, Applied AI Engineer e AI Researcher são alguns exemplos.

Entretanto, esses títulos não possuem definições completamente padronizadas.

Um profissional pode desenvolver aplicações avançadas com IA e continuar utilizando o título de Software Engineer. Outro pode trabalhar com modelos de linguagem em uma posição de Backend Engineer ou Data Scientist.

Da mesma forma, profissionais com o título de AI Engineer podem possuir experiências bastante diferentes.

Quando o hunting depende exclusivamente da nomenclatura do cargo, a empresa corre o risco de deixar de identificar candidatos relevantes.

Por que a busca por palavras-chave pode ser insuficiente?

Imagine uma empresa que procura profissionais com experiência em RAG.

Uma busca restrita ao termo pode identificar candidatos que mencionam a tecnologia em seus perfis, mas também deixar de encontrar profissionais que desenvolveram sistemas de recuperação de informações sem utilizar essa nomenclatura explicitamente.

O mesmo acontece com agentes de IA.

Alguns profissionais descrevem experiências com automação inteligente, integração de ferramentas e aplicações baseadas em LLMs sem utilizar o termo AI Agent.

Isso não significa que todos possuam as competências necessárias, mas indica que a ausência de uma palavra-chave não deve ser tratada automaticamente como ausência de experiência.

O recrutamento especializado precisa compreender as relações entre tecnologias, atividades e responsabilidades.

O hunting de IA exige uma leitura mais aprofundada das trajetórias

Uma estratégia eficiente pode combinar diferentes abordagens.

A primeira é mapear empresas que desenvolvem produtos ou soluções semelhantes às necessidades da posição.

Também é importante identificar profissionais que participaram de projetos relevantes, mesmo quando seus cargos não possuem uma nomenclatura diretamente relacionada à inteligência artificial.

Outra possibilidade é ampliar a busca para comunidades técnicas, contribuições públicas, projetos de código aberto e conteúdos profissionais, quando essas informações estiverem disponíveis e forem pertinentes à vaga.

Esses sinais ajudam a encontrar profissionais que talvez não apareçam nas buscas mais tradicionais.

Entretanto, projetos públicos não devem ser tratados como requisito universal.

Muitos engenheiros desenvolvem soluções relevantes em ambientes corporativos que não permitem divulgar código, arquiteturas ou informações confidenciais.

O objetivo do hunting não é encontrar o maior número possível de perfis com palavras-chave relacionadas à IA.

É identificar profissionais cujas experiências apresentem evidências de conexão com o desafio da empresa.

No recrutamento de IA, entender o que o profissional faz pode ser mais importante do que o título que ele utiliza.

4. Avaliar candidatos pela familiaridade com ferramentas, e não pelas entregas realizadas

Um candidato afirma possuir experiência com LangChain, OpenAI, modelos de linguagem, bancos vetoriais e agentes de IA.

Outro apresenta uma trajetória sólida em engenharia de software e explica que desenvolveu uma aplicação baseada em LLMs utilizada por clientes, com mecanismos de avaliação, segurança e monitoramento.

Qual dos dois possui maior aderência?

A resposta depende da posição, mas o exemplo revela uma dificuldade importante: conhecer ferramentas não significa necessariamente possuir experiência aplicando essas tecnologias em problemas reais.

Com a popularização da IA generativa, tornou-se mais acessível desenvolver protótipos, participar de cursos e experimentar diferentes soluções.

Essas experiências são importantes para o desenvolvimento profissional.

Entretanto, precisam ser diferenciadas de projetos que exigiram decisões arquiteturais, integração com sistemas existentes, avaliação de resultados e operação em ambientes reais.

O risco de confundir conhecimento conceitual com experiência aplicada

Durante as entrevistas, é comum perguntar se o candidato conhece determinada tecnologia.

O problema é que respostas afirmativas não revelam necessariamente a profundidade da experiência.

Um profissional pode conhecer o conceito de RAG e ter desenvolvido um projeto experimental. Outro pode ter estruturado um sistema de recuperação de informações utilizado diariamente por uma organização.

Ambos possuem experiência com RAG, mas enfrentaram desafios diferentes.

Da mesma forma, um candidato pode ter criado um agente simples que executa uma sequência de tarefas, enquanto outro participou do desenvolvimento de um sistema com múltiplas integrações, controles de acesso e mecanismos de avaliação.

Para compreender essas diferenças, é necessário investigar o contexto.

Qual problema o profissional precisava resolver? Qual foi sua contribuição? Que decisões tomou? Quais dificuldades enfrentou? Como os resultados foram avaliados?

Essas perguntas ajudam a identificar evidências concretas.

Como estruturar uma avaliação mais precisa?

O relatório Future of Recruiting 2025, do LinkedIn, identificou que 93% dos profissionais de Talent Acquisition pesquisados consideram a avaliação precisa de competências essencial para melhorar a qualidade das contratações.

O mesmo estudo encontrou uma associação entre maior utilização de buscas baseadas em competências e maior probabilidade de realizar contratações de qualidade, conforme os critérios da pesquisa.

Essa abordagem é especialmente relevante no recrutamento de IA.

Em vez de avaliar apenas ferramentas utilizadas, o processo pode investigar quatro dimensões: contexto do projeto, contribuição individual, complexidade técnica e resultados alcançados.

Também é importante definir quais evidências são esperadas para cada nível de senioridade.

Um profissional júnior pode demonstrar fundamentos sólidos, capacidade de aprendizagem e participação em projetos menores.

Já uma posição sênior pode exigir maior autonomia, experiência em decisões complexas e responsabilidade sobre sistemas utilizados em produção.

A avaliação deve considerar essas diferenças sem exigir que todos os candidatos tenham percorrido a mesma trajetória.

O recrutador não precisa substituir a entrevista técnica conduzida por engenheiros especializados. Seu papel é compreender o suficiente para identificar experiências relevantes, aprofundar a investigação inicial e garantir que a avaliação esteja alinhada às necessidades da posição.

5. Conduzir um processo seletivo que não consegue atrair e engajar profissionais de IA

Mesmo quando a vaga está bem definida e o hunting identifica profissionais qualificados, a contratação ainda pode enfrentar dificuldades.

Um dos motivos está na maneira como a oportunidade é apresentada e como o processo seletivo é conduzido.

Profissionais de tecnologia avaliam diferentes fatores antes de considerar uma mudança de carreira. Remuneração, flexibilidade, autonomia, desafios técnicos, ambiente de trabalho e perspectivas de desenvolvimento podem influenciar essa decisão.

No recrutamento de IA, também é importante compreender o tipo de projeto que o profissional deseja desenvolver.

Alguns candidatos buscam oportunidades para construir produtos com IA generativa. Outros preferem atuar com pesquisa, treinamento de modelos, infraestrutura ou desenvolvimento de plataformas.

A oportunidade precisa ser apresentada de maneira coerente com essas motivações.

Uma proposta de valor genérica pode não despertar interesse

Uma empresa pode divulgar que está desenvolvendo projetos inovadores com inteligência artificial, mas não explicar quais problemas pretende resolver ou qual será a participação do profissional.

Para candidatos experientes, essa descrição pode ser insuficiente.

O que significa trabalhar com IA naquela organização? Existe uma equipe estruturada? O projeto já possui orçamento e prioridade? O profissional terá autonomia para tomar decisões? A solução será utilizada por clientes ou ainda está em fase de experimentação?

Essas informações ajudam o candidato a compreender a oportunidade.

O levantamento What Candidates Want in 2025, do LinkedIn, identificou remuneração e benefícios entre as principais prioridades de 63% dos participantes, seguidos por equilíbrio entre vida pessoal e profissional, com 49%, e flexibilidade de trabalho, com 44%.

Esses percentuais representam o conjunto dos profissionais pesquisados, e não exclusivamente especialistas em inteligência artificial. Ainda assim, reforçam a importância de apresentar uma proposta de valor clara e competitiva.

No recrutamento de IA, a conversa também deve investigar quais características da oportunidade são mais relevantes para aquele candidato específico.

Processos longos podem comprometer o engajamento

Outro problema aparece quando o processo seletivo possui etapas excessivas, critérios pouco claros ou longos períodos sem retorno.

Uma empresa pode realizar diferentes entrevistas técnicas, avaliações comportamentais e conversas com lideranças sem definir exatamente o que cada etapa precisa avaliar.

Isso aumenta o tempo necessário para tomar uma decisão e pode gerar avaliações repetitivas.

Além disso, mudanças de requisitos durante o processo podem exigir novas entrevistas e prolongar a contratação.

O problema não está necessariamente na quantidade de etapas, mas na ausência de uma estrutura que justifique cada uma delas.

Uma posição estratégica pode exigir avaliações aprofundadas. Entretanto, essas avaliações precisam produzir informações relevantes para a decisão.

Como construir uma experiência mais competitiva?

O primeiro passo é definir previamente quais competências serão avaliadas e quem será responsável por cada etapa.

Também é importante estabelecer critérios claros de aprovação, alinhar expectativas de remuneração e manter uma comunicação consistente com os candidatos.

A agilidade precisa estar acompanhada de qualidade.

Reduzir etapas indiscriminadamente pode comprometer a avaliação. Por outro lado, prolongar o processo sem produzir novas evidências pode aumentar o risco de perder profissionais relevantes.

O recrutamento especializado deve ajudar a encontrar esse equilíbrio.

Isso envolve compreender as expectativas dos candidatos, orientar gestores sobre o mercado e identificar possíveis riscos de desistência ao longo do processo.

Atrair profissionais de IA não depende apenas de oferecer uma oportunidade tecnicamente interessante. Depende de construir uma experiência de recrutamento compatível com o valor que a empresa atribui à contratação.

O que esses cinco erros revelam sobre o recrutamento de IA?

Embora os problemas apresentados apareçam em diferentes momentos do processo seletivo, eles possuem um ponto em comum: a falta de conexão entre a necessidade do negócio e a estratégia de contratação.

Uma vaga mal definida compromete o hunting.

Requisitos excessivos restringem o mercado.

Buscas baseadas apenas em títulos podem deixar de identificar profissionais relevantes.

Avaliações superficiais dificultam a diferenciação entre experiências.

E processos pouco estruturados podem comprometer o engajamento dos candidatos.

Esses desafios não são exclusivos da inteligência artificial, mas ganham relevância em um mercado no qual as competências, ferramentas e nomenclaturas profissionais estão em constante evolução.

Por isso, contratar profissionais de IA exige uma abordagem que combine conhecimento técnico suficiente para compreender as funções, inteligência de mercado e capacidade de conduzir processos seletivos consultivos.

O recrutamento precisa atuar desde a definição da necessidade até a tomada de decisão.

Como estruturar uma estratégia de recrutamento de IA mais eficiente?

O primeiro passo é compreender a maturidade da empresa em inteligência artificial.

Uma organização que está contratando seu primeiro AI Engineer possui necessidades diferentes de uma empresa que já desenvolve produtos baseados em modelos de linguagem e precisa ampliar sua equipe.

No primeiro caso, pode ser necessário encontrar alguém com experiência em construção de soluções, autonomia e capacidade de trabalhar em ambientes pouco estruturados.

No segundo, a empresa pode precisar de competências mais específicas, relacionadas a arquitetura, qualidade, escalabilidade ou operação.

A partir dessa compreensão, é possível definir o escopo da posição, identificar requisitos prioritários e construir uma estratégia de busca.

Também é importante mapear o mercado antes de estabelecer expectativas definitivas sobre disponibilidade de profissionais, remuneração e combinações de competências.

O hunting deve considerar experiências equivalentes e trajetórias que nem sempre aparecem nos títulos tradicionais.

Durante as entrevistas, a avaliação precisa investigar entregas concretas e diferenciar conhecimento conceitual de experiência aplicada.

Por fim, o processo deve ser estruturado para produzir decisões consistentes, com comunicação clara e critérios compartilhados entre recrutamento e liderança técnica.

Nenhuma dessas medidas elimina a complexidade do mercado. Entretanto, ajuda a reduzir dificuldades que podem ser criadas pelo próprio processo de contratação.

O papel do Tech Recruiter especializado em Inteligência Artificial

O recrutamento de IA está criando uma oportunidade importante para a evolução do papel do Tech Recruiter.

Em um mercado no qual as funções ainda apresentam diferenças de nomenclatura e escopo, compreender as competências técnicas passa a ser um diferencial na identificação e avaliação de profissionais.

Isso não significa que o recrutador precise desenvolver modelos de machine learning, construir agentes ou dominar todas as ferramentas utilizadas pelos engenheiros.

Mas significa que precisa compreender o suficiente para realizar perguntas relevantes, interpretar experiências e identificar possíveis desalinhamentos.

Um Tech Recruiter especializado em IA deve conseguir diferenciar uma posição de AI Engineer de uma vaga de Machine Learning Engineer, compreender o que significa experiência com LLMs em produção e reconhecer quando uma descrição reúne responsabilidades de diferentes funções.

Também precisa acompanhar a evolução do mercado, compreender quais competências estão ganhando relevância e saber traduzir essas informações para as lideranças contratantes.

Essa atuação permite ir além da execução do hunting.

O recrutador passa a contribuir para a definição das posições, a construção de estratégias de atração, o alinhamento de expectativas e a melhoria dos critérios de avaliação.

O resultado esperado não é apenas encontrar candidatos mais rapidamente, mas aumentar a precisão das contratações.

Contratar profissionais de IA exige estratégia antes de velocidade

A expansão da inteligência artificial está transformando as necessidades de contratação das empresas.

Novas funções surgem, competências evoluem e organizações de diferentes setores passam a competir por profissionais capazes de desenvolver soluções baseadas em IA.

Nesse cenário, é natural que algumas posições apresentem maior complexidade de recrutamento.

Entretanto, atribuir todas as dificuldades à escassez de talentos pode impedir que as empresas identifiquem problemas em suas próprias estratégias.

Uma descrição de vaga pouco clara, requisitos incompatíveis com o desafio, hunting restritivo, avaliações superficiais e processos seletivos desalinhados podem comprometer a contratação antes mesmo de uma proposta ser apresentada.

Por isso, o recrutamento especializado em IA precisa começar com perguntas mais estratégicas.

Qual problema a empresa deseja resolver? Que experiência é realmente necessária? Onde estão os profissionais que já enfrentaram desafios semelhantes? Como avaliar suas contribuições? E o que torna a oportunidade atrativa para esse público?

Responder a essas perguntas exige conhecimento do mercado, proximidade com as lideranças e capacidade de compreender o trabalho realizado pelos profissionais de inteligência artificial.

Porque o maior desafio de contratar talentos de IA nem sempre está em encontrar pessoas qualificadas. Muitas vezes, está em saber exatamente quem procurar, como avaliar e o que oferecer para atrair o profissional certo.

E essa diferença começa muito antes da primeira entrevista.

Referências bibliográficas

  1. World Economic Forum — The Future of Jobs Report 2025. https://www.weforum.org/publications/the-future-of-jobs-report-2025/
  2. LinkedIn Talent Solutions — Future of Recruiting 2025. https://business.linkedin.com/br/pt/hire/resources/future-of-recruiting
  3. LinkedIn Talent Solutions — How AI Will Redefine Recruiting in 2025. https://www.linkedin.com/business/talent/blog/talent-acquisition/future-ofrecruiting-2025
  4. LinkedIn Talent Solutions — What Candidates Want in 2025. https://www.linkedin.com/business/talent/blog/talent-acquisition/what-candidateswant-in-2025
Taina Besvoglio
Escrito por Taina Besvoglio Sócia da e-volve.one

Taina Besvoglio é sócia da e-volve.one e lidera a vertical e-vo.tech, dedicada ao recrutamento especializado em tecnologia. Psicóloga formada pela UNESP, atua há mais de 5 anos na área de recrutamento, com experiência na construção de times estratégicos para startups, scale-ups e empresas em expansão. Ao longo de sua trajetória, conduziu processos seletivos end-to-end para diferentes níveis e perfis, desenvolvendo uma visão consultiva sobre atração de talentos e conectando as necessidades do negócio às pessoas certas. Sua atuação combina conhecimento em recrutamento, liderança e estratégia, com uma abordagem próxima às empresas e às lideranças na construção de equipes de alta performance. Na e-volve.one, além de liderar a operação de recrutamento tech, atua na definição de estratégias de talentos e no desenvolvimento de soluções para aproximar empresas e profissionais de tecnologia.

Clique para Ligar
Fale por WhatsApp
Fale por WhatsApp