Ir para o conteúdo

Transformação de Papéis e Carreiras

A introdução de Large Language Models na engenharia de requisitos não apenas altera processos e ferramentas, mas redefine fundamentalmente os papéis profissionais e trajetórias de carreira. Este capítulo examina como o trabalho de engenheiros de requisitos e analistas de negócio está se transformando, quais competências emergem como críticas e que oportunidades profissionais se abrem na nova era.

O Novo Engenheiro de Requisitos

De Autor para Curador

A mudança mais profunda na função de engenheiro de requisitos é a transição de produtor para curador de requisitos.

Engenharia de Requisitos Tradicional

No modelo convencional, o engenheiro de requisitos operava primariamente como autor:

  • Conduzia entrevistas presenciais com stakeholders
  • Transcrevia e analisava manualmente documentos
  • Redigia extensos documentos de especificação
  • Criava diagramas e modelos manualmente
  • Facilitava workshops presenciais de elicitação
  • Revisava documentos página por página

O valor do profissional residia em sua capacidade de capturar, organizar e documentar informações de forma precisa e completa.

Engenharia de Requisitos na Era dos LLMs

Com assistência de IA, o papel evolui para curador e arquiteto de requisitos:

  • Projetia prompts que extraem informações de stakeholders de forma eficiente
  • Orquestra agentes de IA que realizam entrevistas, análises e especificações
  • Valida e refina outputs gerados automaticamente
  • Toma decisões estratégicas sobre escopo, prioridades e trade-offs
  • Foca em problemas complexos que requerem julgamento humano

O valor do profissional desloca-se da produção de conteúdo para garantia de qualidade e decisão estratégica.

Comparativo de Atividades

Atividade Tradicional Com IA Foco do Profissional
Elicitação Entrevistas presenciais IA conduz entrevistas estruturadas Design de protocolo, validação
Análise documental Leitura manual Extração automática Verificação de completude
Especificação Redação extensiva Geração automatizada Revisão e refinamento
Validação Inspeções manuais Detecção automática de problemas Decisão sobre correções
Gestão de mudanças Análise manual de impacto Propagação automática Aprovação estratégica

Novas Competências Necessárias

O perfil do engenheiro de requisitos moderno exige competências que complementam expertise tradicional de domínio com habilidades técnicas emergentes.

1. Prompt Engineering para RE

A capacidade de projetar prompts efetivos torna-se central:

  • Design de prompts estruturados: construir templates que guiam LLMs a produzir requisitos de qualidade
  • Técnicas avançadas: aplicação de Chain-of-Thought, Retrieval-Augmented Generation, Chain-of-Verification
  • Iteração e refinamento: testar múltiplas variações de prompts e otimizar baseado em resultados
  • Versionamento de prompts: tratar prompts como código, com controle de versão e documentação
## Exemplo: Competência de Prompt Engineering

**Cenário**: Elicitar requisitos para um sistema de pagamentos

**Prompt Ineficaz**:
"Liste requisitos para um sistema de pagamentos"

**Prompt Efetivo**:

[CONTEXT] Você é um analista de requisitos sênior em sistemas financeiros. Domínio: Processamento de pagamentos B2B Stakeholders: Financeiro, TI, Compliance Restrições: PCI DSS, LGPD, latência < 200ms

[TASK] Elicite requisitos funcionais para funcionalidade de conciliação automática.

[OUTPUT FORMAT]

  • ID: REQ-XXX
  • Descrição: [ação do sistema]
  • Prioridade: [Alta/Média/Baixa]
  • Critérios de aceitação: [3-5 bullets]

[CONSTRAINTS]

  • Não inclua requisitos de UI
  • Foque em regras de negócio
  • Use terminologia bancária padrão

[EXAMPLES] Input: "Reconciliação de cartões" Output:

  • ID: REQ-001
  • Descrição: O sistema deve conciliar transações de cartão em até 24h
  • Prioridade: Alta
  • Critérios:
  • Match automático quando valores coincidem
  • Flag para discrepâncias > 1%
  • Auditoria de todas as ações
**Habilidade demonstrada**: Contextualização completa, formato estruturado, exemplos de few-shot.

2. Avaliação de IA

Profissionais devem desenvolver capacidade crítica para avaliar outputs de IA:

  • Critérios de qualidade: definir e aplicar métricas para requisitos gerados
  • Detecção de hallucinações: identificar requisitos inconsistentes com domínio
  • Benchmarking de modelos: comparar performance de diferentes LLMs para tarefas específicas
  • Análise de viés: reconhecer e mitigar tendências indesejadas nos outputs

Framework de Avaliação de Requisitos Gerados:

Dimensões de Avaliação:
├── Completude (0-10)
│   ├── Todos os aspectos da funcionalidade cobertos?
│   └── Dependências identificadas?
├── Clareza (0-10)
│   ├── Ambiguidades presentes?
│   └── Termos definidos?
├── Viabilidade (0-10)
│   ├── Tecnicamente realizável?
│   └── Alinhado com restrições?
├── Consistência (0-10)
│   ├── Conflitos com requisitos existentes?
│   └── Terminologia uniforme?
└── Valor (0-10)
    ├── Endereça necessidade real?
    └── Alinhado com objetivos de negócio?

Score mínimo aceitável: 7/10 em todas as dimensões
Ação: Requisitos abaixo do mínimo retornam para refinamento

3. Orquestração de Agentes

Sistemas multi-agente requerem profissionais capazes de projetar workflows colaborativos:

  • Design de sistemas multi-agente: definir papéis e responsabilidades de agentes especializados
  • Workflows de IA: construir pipelines onde múltiplos agentes colaboram sequencial ou paralelamente
  • Integração com ferramentas: conectar agentes a ferramentas de RM existentes
  • Monitoramento: acompanhar performance de workflows e otimizar

4. Governança de IA

Competências em aspectos éticos e regulatórios tornam-se essenciais:

  • Ética em IA: reconhecer implicações éticas de requisitos gerados
  • Compliance e regulamentação: garantir que processos atendam a normas aplicáveis
  • Gestão de riscos: identificar e mitigar riscos de uso de IA em RE
  • Transparência: documentar processos para fins de auditoria

O Futuro do Analista de Negócios (BA)

Pesquisas de 2024 indicam que o papel tradicional de Business Analyst está se fragmentando em três funções distintas, cada uma com foco e competências específicas.

1. Storyteller (Narrador de Dados)

Função Principal: Traduzir insights gerados por IA em narrativas compreensíveis que apoiam decisões de projeto.

Responsabilidades:

  • Comunicar resultados de análises de IA para stakeholders não-técnicos
  • Criar narrativas de ROI e valor de negócio
  • Traduzir dados técnicos complexos em recomendações executivas
  • Apresentar trade-offs de forma acessível
  • Construir consenso entre stakeholders com interesses divergentes

Competências Necessárias:

  • Comunicação persuasiva e visualização de dados
  • Entendimento profundo de negócio e domínio
  • Capacidade de síntese e storytelling
  • Habilidade de mediação e facilitação

Exemplo de Atuação:

**Cenário**: Sistema de IA identificou 47 requisitos potenciais a partir de
análise de documentos de stakeholders.

**Atuação do Storyteller**:
1. Analisa os 47 requisitos e agrupa em temas (ex: onboarding, pagamentos,
   relatórios)
2. Calcula estimativas de esforço e valor para cada tema
3. Cria apresentação executiva mostrando:
   - "Se implementarmos tema A: 3 meses, ROI de 150% no primeiro ano"
   - "Se implementarmos tema B: 1 mês, resolve problema crítico do cliente X"
4. Facilita workshop com stakeholders para priorização informada
5. Documenta decisões e justificativas para auditoria

2. Steward (Guardião da Qualidade)

Função Principal: Validar lineage de outputs de IA, garantir compliance e mitigar vieses.

Responsabilidades:

  • Verificar qualidade e integridade de dados usados por IA
  • Assegurar compliance regulatório em todos os outputs
  • Auditar requisitos por vieses e fairness
  • Manter governança de modelos e processos
  • Documentar evidências para auditorias

Competências Necessárias:

  • Conhecimento de regulamentações aplicáveis (GDPR, LGPD, HIPAA)
  • Técnicas de auditoria e controle de qualidade
  • Entendimento de vieses em IA e métodos de mitigação
  • Meticulosidade e atenção a detalhes

Exemplo de Atuação:

**Cenário**: Sistema de IA gerou 120 user stories para novo produto.

**Atuação do Steward**:
1. Executa análise de vieses nas stories:
   - 85% das personas são descritas com pronomes masculinos
   - Nenhuma consideração de acessibilidade
   - Pressupostos culturais ocidentais

2. Reporta problemas à equipe de RE

3. Ajusta prompts para incluir:
   - "Use linguagem neutra em gênero"
   - "Considere requisitos de acessibilidade WCAG 2.1"
   - "Inclua diversidade cultural nas personas"

4. Registra processo de correção para governança

5. Valida stories revisadas antes de aprovação

3. Prompt Engineer Especializado

Função Principal: Criar prompts efetivos e otimizados para elicitação e especificação de requisitos.

Responsabilidades:

  • Design de prompts especializados para domínios específicos
  • Desenvolvimento de frameworks de prompting organizacionais
  • Otimização de prompts para qualidade e consistência
  • Manutenção de bibliotecas de prompts
  • Treinamento de outros profissionais em prompt engineering

Competências Necessárias:

  • Domínio avançado de técnicas de prompt engineering
  • Conhecimento profundo do domínio de negócio
  • Capacidade de teste e experimentação sistemática
  • Documentação técnica clara

Exemplo de Atuação:

**Cenário**: Organização precisa elicitar requisitos para sistemas em
diferentes domínios (financeiro, saúde, educação).

**Atuação do Prompt Engineer**:
1. Desenvolve templates específicos por domínio:

   financeiro_prompts/
   ├── conciliacao.md
   ├── compliance_regulatorio.md
   └── reporting.md

   saude_prompts/
   ├── prontuario_eletronico.md
   ├── agendamento.md
   └── prescricao.md

2. Cria framework CLEK adaptado (Context, Language, Examples, Keywords)

3. Estabelece processo de versionamento no Git:
   - Branches por domínio
   - Pull requests para alterações
   - Code review de prompts

4. Treina analistas de negócio no uso dos templates

5. Coleta métricas de eficácia e itera melhorias

Mapeamento de Transição

Business Analyst Tradicional
            │
            ▼
    ┌───────┴───────┐
    │               │
    ▼               ▼
┌─────────┐   ┌─────────┐   ┌─────────┐
│Storyteller│   │ Steward │   │ Prompt  │
│         │   │         │   │ Engineer│
└────┬────┘   └────┬────┘   └────┬────┘
     │             │             │
     └─────────────┴─────────────┘
                   │
                   ▼
        ┌──────────────────┐
        │  COLABORAÇÃO     │
        │  Triangulação de │
        │  perspectivas    │
        └──────────────────┘

Impacto na Produtividade

Dados empíricos de 2024-2025 quantificam o impacto da IA na produtividade de profissionais de RE.

Métricas Documentadas

Produtividade Organizacional

Estudo da Matillion (2024) analisando 200 organizações:

  • 40% maior produtividade em organizações que adotaram IA comparadas a benchmarks
  • 54% decisões mais rápidas em ciclos de aprovação de requisitos
  • Redução de 60% no tempo de documentação de requisitos

Geração de Test Cases

Pesquisa da ThoughtWorks (2024):

  • 80% redução no tempo de geração de casos de teste a partir de user stories
  • 96.11% consistência entre testes gerados por IA
  • 67.78% melhoria com refinamento iterativo de prompts

Ciclo de Requisitos

Relatos da indústria indicam:

  • De dias para horas: elicitação que levava 3-5 dias reduzida para 4-8 horas
  • Redução de 70% em retrabalho devido a requisitos mal especificados
  • Capacidade de atender 2-3x mais projetos com mesma equipe

Qualidade vs. Quantidade

Importante notar que o ganho de produtividade não implica redução de qualidade. Pelo contrário:

  • Requisitos gerados com assistência de IA tendem a ser mais consistentes
  • Detecção automática de ambiguidades melhora clareza
  • Análise de impacto automatizada reduz erros de propagação
  • Validação humana focada em problemas complexos aumenta qualidade geral

Oportunidades Emergentes

A transformação do campo cria novas funções especializadas.

AI Requirements Architect

Descrição: Arquiteto especializado em projetar sistemas completos de RE assistida por IA.

Responsabilidades:

  • Projetar arquiteturas de pipelines de RE
  • Selecionar e integrar ferramentas de IA
  • Definir padrões e frameworks organizacionais
  • Garantir escalabilidade e governança

Perfil: Engenheiro de software com experiência em RE e ML/IA

Prompt Librarian

Descrição: Curador de bibliotecas de prompts organizacionais.

Responsabilidades:

  • Organizar e catalogar prompts por domínio e função
  • Manter versionamento e documentação
  • Treinar profissionais no uso da biblioteca
  • Monitorar eficácia e promover melhorias

Perfil: Background em gestão de conhecimento e domínio técnico

AI Validation Specialist

Descrição: Especialista em validação de outputs de IA.

Responsabilidades:

  • Desenvolver frameworks de validação
  • Criar checklists e critérios de qualidade
  • Auditar requisitos gerados
  • Treinar outros na detecção de problemas

Perfil: QA ou RE sênior com expertise em domínio

Human-AI Interaction Designer

Descrição: Designer de interfaces entre humanos e agentes de RE.

Responsabilidades:

  • Projetar experiências de colaboração humano-IA
  • Desenvolver interfaces para orquestração de agentes
  • Criar dashboards de monitoramento
  • Otimizar workflows de interação

Perfil: UX designer com background técnico em IA

Estratégias de Desenvolvimento de Carreira

Para Profissionais em Início de Carreira

  1. Domine Fundamentos Tradicionais: Entenda RE clássico antes de adicionar IA
  2. Aprenda Prompt Engineering: Cursos práticos e experimentação
  3. Desenvolva Pensamento Crítico: Capacidade de avaliar outputs de IA
  4. Escolha Especialização: Storyteller, Steward ou Prompt Engineer
  5. Construa Portfólio: Documente projetos e prompts efetivos

Para Profissionais Experientes

  1. Reconheça o Shift: Aceite que produtividade individual será menos valorizada que decisão estratégica
  2. Mentoreia: Ensine profissionais juniores a trabalhar com IA
  3. Foco em Domínio: Aprofunde expertise em setor específico
  4. Governança: Desenvolva competências de compliance e ética
  5. Liderança: Posicione-se como arquiteto de soluções de RE com IA

Programa de Transição Sugerido

Fase 1 (Meses 1-2): Fundamentos
├── Curso de prompt engineering básico
├── Estudo de ferramentas de RE com IA
└── Experimentação em projeto pessoal

Fase 2 (Meses 3-4): Aplicação
├── Aplicação em projeto real (não-crítico)
├── Documentação de lições aprendidas
└── Feedback de colegas e stakeholders

Fase 3 (Meses 5-6): Especialização
├── Escolha de vertente (Storyteller/Steward/Prompt Engineer)
├── Aprofundamento na especialização escolhida
└── Certificações relevantes

Fase 4 (Meses 7-12): Consolidação
├── Liderança de iniciativas de RE com IA
├── Mentoria de outros profissionais
└── Contribuição para comunidade (artigos, talks)

Referências

  1. Gudala, M. (2025). "Business Analysts Who Partner with LLMs Are Transforming Their Role in 2025." Medium. https://manojgudala.medium.com/business-analysts-who-partner-with-llms-are-transforming-their-role-in-2025-fa771b7e1bfd

  2. Matillion. (2025). "How AI Agents Are Transforming Business Analysis." https://www.matillion.com/blog/ai-agents-business-analysis

  3. Turing. (2024). "The Future of Business Analysis In the Age of AI." https://www.turing.com/kb/future-of-business-analysis-in-the-age-of-ai

  4. ThoughtWorks. (2024). "AI-Generated Test Cases from User Stories: An Experimental Research Study." https://www.thoughtworks.com/insights/blog/generative-ai/AI-generated-test-cases-from-user-stories-an-experimental-research-study

  5. Vogelsang, A. (2024). "From Specifications to Prompts: On the Future of Generative Large Language Models in Requirements Engineering." IEEE Software, 41(5). https://www.computer.org/csdl/magazine/so/2024/05/10629163/1Zdj3HlmqFG