Mapa de progressão de habilidades

O que os Levels 1, 2 e 3 parecem para o seu papel – de forma concreta.

Como usar esta página

O Framework de Referência define três níveis de maturidade. Esta página mostra o que esses níveis significam na prática para famílias de papéis específicas – não em teoria, mas no trabalho que você faz dia a dia.

Para cada família de papéis:

Level 1 (AI-Assisted): Você usa a IA como ferramenta. Mesmos fluxos de trabalho, mais rápido em alguns pontos.
Level 2 (AI-Integrated): A IA está integrada ao seu fluxo de trabalho. Parte do seu trabalho foi redesenhada em torno do que a IA consegue fazer.
Level 3 (AI-Native): Você define especificações e julga resultados. A IA cuida da execução.

A escala de tiers individuais adiciona estágios intermediários: Tier 0.5 (IA-curioso), Tier 1.5 (IA-construtor) e Tier 2.5 (IA-avançado). Se você se encontrar entre dois níveis abaixo, provavelmente está no estágio .5 – em transição ativa. Isso é progresso, não uma lacuna.

Encontre sua família de papéis abaixo. Identifique onde você está. Depois use Transformando Seu Papel para o processo de transição e a seção Reconhecendo Seu Padrão para entender quais forças estruturais estão atuando no seu papel.

Uma nota sobre profundidade. A coluna de Engenharia tem mais substância operacional porque é onde a maturidade IA-nativa está melhor documentada. As colunas de Atendimento ao Cliente, Marketing, Vendas e Design refletem o entendimento atual do framework – direcionalmente certas, mas mais leves. Modelos de maturidade paralelos para os domínios de tarefas discretas onde essa maturidade existe com mais clareza – engenharia, atendimento ao cliente, operações financeiras, revisão jurídica, pesquisa de conhecimento – estão no roadmap do framework; até que sejam entregues, trate as colunas não-engenharia como o piso de como seu papel se parece em cada nível, não o teto. Veja também a nota mais ampla do framework sobre essa assimetria.

Engenharia

Padrão dominante: Elevação – de escrever código para especificar o que o código deve fazer.

Level 1 – AI-Assisted

Você usa IA para completação de código e consultas rápidas. Copilot ou ChatGPT sugere linhas; você aceita ou rejeita.

Como parece:

A IA autocompleta código enquanto você digita
Você cola código no ChatGPT para debugar ou explicar
Os outputs de IA exigem revisão e edição manual significativas
Sem configurações compartilhadas ou templates de prompt entre a equipe
Seu fluxo de trabalho é fundamentalmente o mesmo de antes da IA

Os dados: 84% dos desenvolvedores usam ou planejam usar ferramentas de IA, 51% diariamente. Mas a confiança caiu para 29%, e 66% reportam gastar mais tempo corrigindo código gerado por IA do que economizam (Stack Overflow, 2025). Esta é a experiência do Level 1: a IA ajuda em alguns pontos, mas o ganho líquido é incerto porque o fluxo de trabalho não foi redesenhado.

Level 2 – AI-Integrated

A IA faz parte do fluxo de trabalho de desenvolvimento, não apenas um auxiliar. Você dirige mudanças em múltiplos arquivos, revisa código gerado por IA no nível de PR e mantém arquivos de contexto compartilhados.

Como parece:

A IA gera código a partir de descrições; você revisa e itera
Templates de prompt e arquivos de contexto compartilhados existem para a codebase
A IA cuida de testes, documentação e boilerplate de forma sistemática
Você passa mais tempo em arquitetura e revisão, menos digitando
Remover a IA quebraria sua velocidade de desenvolvimento

A mudança: No Level 2, você aceita ~30% das sugestões de IA mas retém 88% dos caracteres gerados (GitHub/Accenture, 2024). A habilidade é saber o que aceitar, o que rejeitar e como dirigir a geração.

Level 3 – AI-Native

A IA é a camada de execução; os humanos dão direção e validam. O trabalho é estruturado em torno de uma unidade operacional recorrente (Contexto → Clarificação → Execução → Validação → Recuperação) e seu valor se concentra nas fronteiras. Isso corresponde aos Rungs 4-5 na escala de engenharia.

Unidade de trabalho: a feature ou story de usuário, tratada de ponta a ponta dentro de um loop de agente (arquitetar → implementar → revisar → merge). Não a linha de código. Não o prompt.

Tempo de ciclo: stories entregues em horas-a-dias; features em dias-a-semanas. "Atrasado em um entregável" perde seu velho significado – quando um projeto empaca no L3, a causa raramente é a capacidade humana.

Como parece:

Você define especificações, critérios de aceitação e restrições
A IA produz a implementação, roda testes, abre o PR e resolve comentários de revisão
Um agente revisor separado valida o PR; você intervém apenas em problemas sinalizados ou na validação final de UX
Os portões de validação são graduados por risco – revisão só por agente para trabalho reversível, aprovação humana para mudanças irreversíveis (deploys de produção, dados sensíveis, comunicações voltadas ao cliente)
Veja o Lab de IA para a unidade operacional em detalhe

Modo de falha: quando um entregável empaca, a causa geralmente é o gargalo de IA – o agente atingiu um limite estrutural (direção errada, spec ambígua, caso de borda subjetivo que ele não consegue resolver sozinho). A recuperação é recalibração, não depuração: uma sessão de brainstorm que reconstrói o entendimento da IA sobre o problema, frequentemente com múltiplos humanos trazendo perspectivas diferentes. Jogar mais humanos na execução não ajuda.

Forma do dia: Um dia típico de L3 concentra o trabalho nas fronteiras frontal e traseira. Manhã: revisar o output do agente da noite anterior, validar dois PRs que o agente revisou, rodar testes UX com primeiros usuários numa feature recém entregue. Meio-dia: escrever specs para duas novas stories; engajar um diálogo de clarificação com o agente até que não reste ambiguidade material. Tarde: uma sessão de recalibração numa story bloqueada; refinar critérios de aceitação para o próximo sprint. Quase nenhum tempo é gasto assistindo ao agente executar.

Métricas: throughput (PRs entregues por semana, stories enviadas), qualidade (defeitos por story, cobertura de cenários), custo (custo de token por PR entregue, margem bruta da IA) – não "tempo economizado pela IA". Veja Economia da IA em maturidade.

O aviso crítico: Level 1 sem progressão degrada ativamente a qualidade. Análise de 211 milhões de linhas de código mostra que o desenvolvimento assistido por IA sem progressão de habilidades fez a refatoração cair de 25% para menos de 10% das mudanças, enquanto o churn de código quase dobrou (GitClear, 2025). As ferramentas facilitam produzir código e tornam difícil produzir bom código. A história da produtividade também é bimodal: estudos empíricos medindo indivíduos em L1–L2 adicionando IA a fluxos de trabalho existentes constatam que os ganhos são espúrios ou negativos; estudos de caso de equipes reestruturadas em torno da execução por IA (AMPECO, Monte Carlo, Every) reportam ganhos de 4× e aumentos de 73% na taxa de PR. As habilidades de Level 2 e 3 – julgamento de revisão, qualidade de especificação, design de testes, process design – são o que destrava o segundo modo e evita o primeiro.

Autoavaliação

Pergunta	Level 1	Level 1.5	Level 2	Level 2.5	Level 3
Como você começa uma nova funcionalidade?	Abre o editor, começa a codificar, usa IA para completação	Experimenta a IA em partes da funcionalidade, construindo e testando fluxos de prompt	Descreve a funcionalidade para a IA, revisa o output, itera	Escreve specs detalhadas com restrições, avançando em direção ao output verificado por testes	Escreve uma especificação com restrições e casos de teste, deixa a IA implementar
O que acontece quando o código da IA está errado?	Corrige linha por linha	Itera no prompt, começando a construir templates reutilizáveis	Melhora o prompt/contexto e regenera	Melhora os cenários e sistemas de verificação	Recalibre (reconstrua o entendimento da IA via brainstorm + refazer a spec) antes de depurar – a spec ou o contexto geralmente é a causa real
O que você compartilha com colegas?	Nada específico de IA	Experimentos que funcionaram, rascunhos de prompt	Templates de prompt, arquivos de contexto	Padrões de especificação, abordagens de verificação	Padrões de especificação, bibliotecas de cenários

Marketing

Padrão dominante: Especialização – deixando a produção de conteúdo de lado, aprofundando o julgamento estratégico.

Level 1 – AI-Assisted

Você usa IA para primeiros rascunhos e geração de ideias. Cada output é editado manualmente.

Como parece:

A IA gera rascunhos de posts de blog, cópias de e-mail ou posts de redes sociais
Você edita 80%+ do output de IA antes de publicar
Sem fluxo de trabalho sistemático – a IA é usada ad hoc
Cada membro da equipe usa a IA de forma diferente (ou não usa)
As campanhas ainda são planejadas e executadas da forma tradicional

Os dados: 91% dos líderes de marketing dizem que suas equipes usam IA, com criação de conteúdo (43%) como principal caso de uso. Mas 86% editam o conteúdo gerado por IA antes de publicar (HubSpot, 2025). E 68% não recebem treinamento formal em IA (Marketing AI Institute, 2025).

Level 2 – AI-Integrated

Os fluxos de trabalho de campanha são redesenhados em torno da IA. A IA não apenas rascunha – ela gera variantes, cuida da pesquisa e produz análises como etapa sistemática.

Como parece:

Bibliotecas de prompt compartilhadas codificam a voz de marca e o posicionamento
A IA gera variantes de campanha; você seleciona e refina
Pesquisa, análise competitiva e relatórios são fluxos de trabalho AI-first
Novos membros da equipe são integrados em processos integrados com IA
A equipe produz mais com menos pessoas

A mudança: Você para de escrever conteúdo e começa a dirigir sistemas de conteúdo. Seu valor migra da velocidade de produção para o julgamento estratégico: qual ângulo, qual audiência, qual posicionamento.

Level 3 – AI-Native

Você define estratégia, posicionamento e restrições. Os sistemas produzem campanhas, variantes e relatórios.

Como parece:

Você especifica a campanha: alvo, posicionamento, restrições, métricas de sucesso
A IA produz o criativo, a cópia e o plano de distribuição
Você revisa, seleciona e ajusta – não produz
A equipe de marketing é significativamente menor mas produz significativamente mais
Seu papel é estratégia e gosto, não execução

Validação externa: A própria pesquisa de maturidade do Marketing AI Institute se mapeia quase diretamente nesses níveis: 40% das equipes de marketing estão em Experimentação (Level 1), 26% em Integração (Level 2), 17% em Transformação (Level 3) (Marketing AI Institute, 2025).

Autoavaliação

Pergunta	Level 1	Level 1.5	Level 2	Level 2.5	Level 3
Como você cria uma campanha?	Planeja, depois usa IA para alguns rascunhos	Testa a IA em etapas específicas, construindo bibliotecas de prompt	Define o briefing, a IA gera variantes, você curadoria	Define estratégia e restrições, a IA produz a maioria dos entregáveis com edição leve	Define a estratégia e as restrições, a IA produz a campanha
Qual é o seu gargalo?	Escrita e produção	Descobrir quais fluxos de trabalho de IA se firmam	Revisão e decisões estratégicas	Definir as restrições certas para qualidade consistente	Definir o problema certo a resolver
Quanto você edita o output de IA?	80%+	50–70% (melhorando conforme os fluxos amadurecem)	30-50%	15–25% (principalmente selecionando, não reescrevendo)	10-20% (selecionando, não reescrevendo)

Atendimento ao cliente

Padrão dominante: Elevação migrando para Convergência – de responder tickets para projetar sistemas de serviço.

Level 1 – AI-Assisted

A IA sugere respostas. Os agentes copiam, colam e editam. O fluxo de trabalho é o mesmo, ligeiramente mais rápido.

Como parece:

A IA rascunha sugestões de resposta para os agentes
Os agentes tratam o mesmo volume e tipos de interações
A IA cuida apenas das consultas mais simples e roteirizadas
Sem mudanças nos papéis – todos ainda fazem o mesmo trabalho
A qualidade depende dos agentes individuais, não dos sistemas

Level 2 – AI-Integrated

A IA trata consultas de rotina de forma autônoma. Os agentes passam de responder para treinar, revisar e tratar casos complexos. Novos papéis emergem.

Como parece:

A IA resolve a maioria dos tickets de rotina sem envolvimento humano
Os agentes passam mais tempo treinando sistemas de IA do que fazendo suporte tradicional
Novos papéis emergem: analistas de conversa, gestores de conhecimento, líderes de operações de IA
A lógica de escalada é projetada e documentada, não improvisada
A equipe trata significativamente mais volume com quadro estável ou reduzido

Os dados: 82% das equipes de suporte se sentem positivas quanto à colaboração com IA. 60% dizem que os papéis estão evoluindo. 40% das equipes reportam que os agentes passam mais tempo treinando sistemas de IA do que fazendo suporte tradicional (Intercom, 2025). Isso é o Level 2 em ação.

Level 3 – AI-Native

Os humanos definem estratégia de serviço, lógica de escalada e padrões de qualidade. A IA executa a grande maioria das interações.

Como parece:

Você define: o que constitui bom serviço, quando escalar, como é a qualidade
A IA cuida de 80%+ das interações
Os agentes humanos existem para decisões de julgamento, momentos de relacionamento e casos que o sistema não consegue tratar
A equipe é uma fração de seu tamanho anterior, mas a qualidade do serviço é igual ou melhor
Seu papel é design de sistema e propriedade da qualidade, não resolução de tickets

O atendimento ao cliente costuma ser a primeira função a alcançar o Level 3. Ele mostra a maior cobertura real de tarefas por IA (Anthropic, 2026) e gera a maior parcela do valor de IA (38%, segundo BCG, 2025).

Autoavaliação

Pergunta	Level 1	Level 1.5	Level 2	Level 2.5	Level 3
O que você faz na maior parte do dia?	Responde tickets	Testa a IA em categorias de tickets, constrói templates de resposta	Treina IA, trata escaladas, revisa qualidade	Projeta lógica de escalada, monitora métricas de qualidade da IA	Projeta estratégia de serviço e regras de escalada
O que acontece quando a IA dá uma resposta ruim?	Corrige e segue em frente	Constrói um template melhor ou uma entrada na base de conhecimento	Atualiza os dados de treinamento ou a base de conhecimento	Redesenha os critérios de qualidade ou os dados de treinamento	Redesenha a lógica de escalada ou os critérios de qualidade
Como seu desempenho é medido?	Tickets resolvidos, tempo de resposta	Qualidade do template, taxa de adoção de IA	Taxa de deflexão de IA, qualidade da escalada	Qualidade do design do sistema, qualidade em escala	Métricas de qualidade de serviço, eficácia do design do sistema

Vendas

Padrão dominante: Especialização – deixando a sobrecarga administrativa de lado, aprofundando relacionamento e julgamento de negócios.

Level 1 – AI-Assisted

A IA ajuda com rascunhos de e-mail e pesquisa básica. Os vendedores ainda passam a maior parte do tempo em tarefas não relacionadas a vendas.

Como parece:

A IA rascunha e-mails frios e follow-ups
A pesquisa é semi-manual com assistência de IA
O CRM é atualizado por humanos
70% do tempo vai para tarefas não relacionadas a vendas (Salesforce, 2024)
O processo de vendas não mudou, apenas tarefas individuais

Level 2 – AI-Integrated

A IA automatiza pesquisa, sequenciamento de prospecção e enriquecimento de CRM. Os vendedores focam em relacionamentos e estratégia de negócios complexos.

Como parece:

A IA cuida de pesquisa de prospecção, sequências de prospecção e timing de follow-up
O CRM é enriquecido automaticamente com dados coletados pela IA
Os vendedores focam em conversas de alto valor: qualificação, negociação, fechamento
Usuários de IA têm 2,4× menos probabilidade de se sentir sobrecarregados
A sobrecarga de tarefas não relacionadas a vendas cai significativamente

A mudança: O valor migra de volume de atividade (ligações feitas, e-mails enviados) para qualidade de negócios (precisão do pipeline, taxa de win, tamanho do negócio). Os vendedores de Level 2 não trabalham mais – eles trabalham nas coisas certas.

Level 3 – AI-Native

Os humanos definem lógica de qualificação, regras de negócios e limites de escalada. A IA produz prospecção, propostas e análise de pipeline.

Como parece:

Você define: perfil de cliente ideal, critérios de qualificação, regras de precificação, condições de escalada
A IA produz: prospecção, follow-ups, propostas, análise competitiva
Seu tempo vai para construção de relacionamentos, contas estratégicas e decisões de julgamento
Até 2027, 95% dos fluxos de trabalho de pesquisa de vendedores deverão começar com IA (Gartner, 2025)
Vendedores que fazem parceria com IA têm 3,7× mais probabilidade de atingir quota

Autoavaliação

Pergunta	Level 1	Level 1.5	Level 2	Level 2.5	Level 3
Quanto tempo você passa em admin?	70%+	50–60% (automatizando tarefas ativamente)	30-40%	15–25% (a maior parte do admin é tratada pelo sistema)	Menos de 15%
Como você pesquisa um prospect?	Manualmente, com alguma ajuda de IA	Constrói fluxos de trabalho de pesquisa com IA, testa automação	A IA produz o briefing de pesquisa, você revisa	A IA trata a pesquisa de ponta a ponta, você revisa e define estratégia	A IA identifica e qualifica prospects, você cuida dos relacionamentos
Qual é sua vantagem competitiva?	Volume de atividade	Experimentação de fluxos de trabalho	Julgamento de negócios	Design do sistema para o processo de vendas	Especificação do que "bom" parece

Design

Padrão dominante: Elevação – de produção de pixels para direção de sistemas.

Level 1 – AI-Assisted

A IA gera mood boards, conceitos iniciais ou cópia. Você refina tudo manualmente.

Como parece:

A IA produz inspiração: mood boards, variações de conceito, explorações de estilo
Todo o trabalho de produção (layouts, componentes, assets) é feito manualmente
A IA é um ponto de partida, não um participante do fluxo de trabalho
O processo de design não mudou – a IA adiciona uma etapa de brainstorming

Level 2 – AI-Integrated

A IA cuida do trabalho de produção. Você migra para pensamento sistêmico, direção de marca e julgamento de qualidade.

Como parece:

A IA gera layouts, variações de assets e adaptações responsivas
Você define sistemas de design e restrições de marca; a IA opera dentro deles
O tempo de produção cai drasticamente; o tempo de revisão e direção aumenta
Os papéis de produção de nível inicial se contraem à medida que a IA absorve esse trabalho
71% dos profissionais de UX acreditam que a IA vai moldar o futuro do UX (UX Design Institute, 2025)

A mudança: Seu valor migra de execução do ofício para gosto e design de sistemas. Você não é menos designer – é mais um arquiteto.

Level 3 – AI-Native

Você define sistemas, restrições e regras de marca. A IA produz os artefatos.

Como parece:

Você especifica: sistema de design, parâmetros de marca, restrições, critérios de qualidade
A IA produz: mockups, componentes, layouts responsivos, bibliotecas de assets
Você revisa, curadoria e refina – não desenha
O design orientado a resultados substitui o trabalho no nível de pixels
"Arquitetos de Sistemas" e "Diretores de IA" emergem como os papéis de design de alto valor (NN/g, 2025)

No Q3 2025, "o trabalho manual de pixels havia efetivamente terminado para a produção comercial" (UX Design Institute, 2025). A progressão do Level 1 para o Level 3 está acontecendo mais rápido no design do que na maioria das outras funções.

Autoavaliação

Pergunta	Level 1	Level 1.5	Level 2	Level 2.5	Level 3
O que você produz?	Entregáveis pixel-perfect	Mix de entregáveis manuais e assistidos por IA	Sistemas de design e direção, a IA produz entregáveis	Sistemas de design e restrições, a IA produz a maioria dos assets	Especificações e critérios de qualidade
Qual é o seu gargalo?	Tempo de produção	Descobrir quais ferramentas de IA funcionam para o seu fluxo de trabalho	Tomar as decisões de design certas	Definir restrições que produzem qualidade de marca consistente	Definir as restrições certas
Quais habilidades estão crescendo?	Domínio de ferramentas	Integração de ferramentas de IA, design de prompt	Pensamento sistêmico, julgamento de marca	Especificação de restrições, julgamento de qualidade em escala	Engenharia de especificação, gosto em escala

Transversal: as habilidades que importam em todo nível

Independentemente da sua família de papéis, certas habilidades se acumulam ao longo da progressão:

Level 1 → Level 2: A habilidade crítica é reconhecer quais partes do seu trabalho são padrões herdados – execução repetível que a IA pode absorver. A transição é sobre ver a oportunidade, não apenas usar a ferramenta.

Level 2 → Level 3: A habilidade crítica é a engenharia de especificação – escrever instruções suficientemente claras para que a IA possa executar sem supervisão em tempo real. Esta é a Regra de Tradução Universal aplicada ao seu trabalho individual.

Em todo nível: As cinco funções insubstituíveis – Direção, Julgamento, Gosto, Relacionamento, Responsabilidade – definem o que permanece humano. Sua progressão não é sobre fazer menos. É sobre se concentrar no que somente você pode fazer.

Trabalhadores em funções expostas à IA ganham até 30% a mais de salário (PwC, 2025). O mercado já está precificando a progressão.

← Voltar para o início · Transformando seu papel · Padrões de Execução de IA · Guia de Especificação