Como montar um portfólio de IA

O que o portfólio deve provar

Currículo afirma competências; portfólio mostra evidência. O avaliador quer saber se você entende problema, escolhe método adequado, implementa, verifica e comunica. Em IA, precisa também reconhecer incerteza, dados e risco.

Defina público: recrutador lê poucos minutos; gestor técnico quer arquitetura e código; líder de negócio procura impacto; governança verifica proteção. Crie uma página-resumo e links para profundidade.

Não tente demonstrar tudo. Escolha uma tese profissional: “construo automações auditáveis para atendimento” ou “desenho experiências que comunicam incerteza”. Projetos devem reforçar essa narrativa.

Escolha problemas, não ferramentas

Um clone de chatbot demonstra interface, mas pouco julgamento. Procure um processo real: extrair informação, reduzir retrabalho, apoiar decisão, melhorar acessibilidade ou avaliar risco. Converse com usuários e defina sucesso antes de escolher modelo.

O escopo deve caber em semanas e permitir resultado verificável. Prefira um fluxo completo pequeno a plataforma enorme incompleta. Evite usos de alto risco sem especialista e dados adequados.

Fontes de projeto incluem trabalho pessoal, dado público, ONG, pequeno negócio com autorização e problema simulado realista. Nunca publique dado confidencial para impressionar.

Estruture cada estudo de caso

Comece com contexto, usuário, problema, restrições e seu papel. Mostre descoberta, opções consideradas e por que escolheu a solução. Depois apresente dados, arquitetura, execução, testes, resultado, risco e próximos passos.

Diferencie sua contribuição em equipe. Dizer “nós construímos” sem explicar sua parte dificulta avaliação. Cite colaboração e crédito corretamente.

Mostre falhas. Um caso difícil que levou a redesenho demonstra maturidade. Não exponha vulnerabilidade ativa ou segredo; explique de forma responsável.

1. Resumo em uma frase e resultado principal.
2. Contexto, público, tarefa e restrições.
3. Linha de base e critérios de sucesso.
4. Alternativas e decisão arquitetural.
5. Implementação e contribuição individual.
6. Avaliação, falhas e mitigação.
7. Impacto, limitações e próximos passos.

Portfólio por perfil profissional

Engenharia: repositório executável, testes, API, implantação, monitoramento e custo. Dados: pergunta, dicionário, análise reproduzível e validade. Prompt/evals: conjunto de casos, rubrica e comparação. Automação: processo, integrações, exceções e retorno.

Design: pesquisa, jornada, protótipos, comunicação de incerteza, acessibilidade e teste com usuários. Produto: priorização, requisito, métrica e rollout. Governança: inventário, avaliação de impacto, controles, auditoria e plano de incidente.

Especialista de domínio: problema real, fontes, validação profissional e adoção. Não force código em um portfólio que deve demonstrar outra competência.

Dados, privacidade e direitos autorais

Use conjuntos abertos com licença, dados sintéticos ou autorização documentada. Remover nome não anonimiza automaticamente. Não publique conversa de cliente, currículo, prontuário, código privado ou documento de empregador.

Registre origem, licença, versão e transformações. Para imagens, texto, áudio e código gerados, verifique termos, semelhança e direitos. Dê crédito a bibliotecas, autores, colegas e tutoriais.

Se o projeto precisa de segredo para funcionar, crie uma versão sanitizada: arquitetura, dado fictício e resultado agregado. Explique o que foi omitido e por quê.

Avaliação é o diferencial de um projeto de IA

Inclua conjunto de teste representativo, métrica e linha de base. Compare com regra simples, processo humano ou versão anterior. Relate resultados por caso e risco, não só média.

Para geração, use rubrica de correção, fidelidade, completude e segurança; para RAG, avalie recuperação e resposta; para agentes, resultado e trajetória. Mostre como erros mudaram o projeto.

Registre modelo, prompt, parâmetro, fonte e data. Ferramentas mudam; reprodução demonstra profissionalismo. Inclua custo e latência se o projeto poderia ser usado.

Repositório e demonstração reproduzível

README deve explicar problema, arquitetura, instalação, configuração, teste, uso, segurança e limitações. Inclua arquivo de dependências travado, licença e dados de exemplo. Um avaliador deve conseguir entender mesmo sem executar.

Demonstração online ajuda, mas prepare para custo e abuso: limite taxa, esconda credenciais, modere entrada e permita desligar. Vídeo curto pode substituir hospedagem cara. Não publique ferramenta perigosa sem controles.

Use commits com mensagens úteis e issues ou roadmap para mostrar processo. Limpe arquivos temporários, dados pessoais e histórico de segredos antes de tornar público.

Narrativa visual e acessibilidade

Abra com problema e resultado, não com logotipo de tecnologia. Use diagramas pequenos, capturas legíveis e tabelas para comparação. Explique jargão e ofereça texto alternativo. Portfólio é uma experiência de usuário.

Cada página deve responder: o que foi feito, por que importa, qual foi sua parte e como sabe que funciona. Coloque código detalhado atrás de link; mantenha leitura principal curta.

Teste celular, teclado, contraste, títulos e links. Evite animação pesada e painel que exige cadastro. Ofereça PDF ou resumo quando o público preferir.

Erros que enfraquecem o portfólio

Copiar tutorial sem extensão, listar ferramenta sem projeto, inventar métrica, esconder falhas, publicar segredo, usar dado sem licença e prometer “100% preciso” são sinais negativos. Quantidade não compensa falta de profundidade.

Certificados não substituem resultado. Screenshots de conversa não demonstram processo. Interfaces polidas sem avaliação e notebooks sem instrução também limitam credibilidade.

Revise texto e links. Peça feedback a uma pessoa técnica e outra do domínio. Corrija antes de enviar candidatura.

Plano de construção em seis semanas

Semana 1: vaga-alvo e problema. Semana 2: linha de base e dados. Semanas 3 e 4: implementação e testes. Semana 5: avaliação e correção. Semana 6: narrativa, publicação e revisão.

Defina entregável por semana e evite trocar de ferramenta no meio sem motivo. Um projeto finalizado ensina integração, documentação e limite.

1. Selecionar três competências recorrentes em vagas.
2. Escolher problema que demonstre duas delas.
3. Definir dado, licença, linha de base e métrica.
4. Construir a menor versão completa.
5. Testar casos comuns, difíceis e falhas.
6. Documentar decisões, impacto e limites.
7. Publicar resumo e repositório sanitizado.
8. Obter feedback e produzir segunda versão.

Checklist antes de enviar a candidatura

Adapte ordem dos projetos à vaga e inclua link direto no currículo. O recrutador não deve procurar onde está sua melhor evidência.

Teste o portfólio como um produto. Peça a uma pessoa para encontrar em dois minutos o problema, sua contribuição, o resultado e uma limitação. Se ela não conseguir, reduza navegação, melhore títulos e coloque um resumo executivo em cada caso.

Prepare uma apresentação de cinco minutos e outra de vinte. A curta explica decisão e impacto; a longa permite discutir dados, arquitetura, avaliação e falhas. Em entrevista, abra o artefato correto rapidamente e adapte profundidade à pergunta.

Mantenha o material vivo. Corrija links, dependências e custos, arquive projetos ultrapassados e registre nova versão após feedback. A manutenção periódica e um status honesto evitam que uma demonstração quebrada prejudique sua credibilidade.

1. Minha especialidade fica clara em menos de um minuto.
2. Projetos começam por problema e resultado.
3. Contribuição individual e colaboração estão identificadas.
4. Dados, licenças, privacidade e segredos foram revisados.
5. Há linha de base, testes, métricas e falhas documentadas.
6. Repositório possui README e instruções reproduzíveis.
7. Links, celular, acessibilidade e ortografia foram testados.
8. O projeto mais relevante aparece primeiro para a vaga.

Como demonstrar impacto sem exagerar resultados

Separe resultado do experimento, projeção e impacto observado. “Reduzi o tempo de 12 para 8 minutos em 40 casos de teste” é evidência; “economizaria milhões” é projeção e precisa de volume, adoção, custo e intervalo. Informe tamanho da amostra e condições.

Mostre qualidade ao lado de velocidade. Inclua revisão humana, erros, tokens, infraestrutura e manutenção. Se não houve usuário real, diga que a métrica é de protótipo. Se trabalhou em equipe, identifique sua contribuição e dê crédito sem revelar material protegido.

Uma seção “o que eu faria em produção” demonstra maturidade: autenticação, monitoramento, acessibilidade, privacidade, fallback, orçamento e teste ampliado. Não finja que protótipo é serviço pronto. Recrutadores experientes valorizam quem enxerga a distância entre demonstração e operação.