# Testador de software / engenheiro de QA

> Descobre como o software falha antes de os utilizadores o descobrirem — e é quem diz se está pronto para sair.

Página: https://flyvolo.ai/pt/careers/software-tester
Índice de impacto: 72/100 · confiança Confiança média · avaliado 2026-09-10
Não é uma probabilidade de perder o emprego.

## Âmbito

Escrito para testadores manuais e engenheiros de automatização de testes em equipas de produto. Os testes de certificação em sistemas críticos (medicina, automóvel, aviação) e a QA de videojogos são outro caso.

## Tarefas

### Testes de regressão manuais

- Direção: A automatizar-se
- Base: com provas (registos verificados anexados)
- Porquê: A regressão com guião já era automatizável; o que mudou é que os agentes conseguem agora operar uma interface real a partir de uma descrição em linguagem simples e reparar os seus próprios guiões quando a interface muda, o que eliminou a carga de manutenção que mantinha as equipas nos testes manuais. É o maior bloco de horas da maioria dos lugares de QA e está a ir depressa.
- O que isto NÃO estabelece: É o maior bloco de horas da maioria dos lugares de QA. Na Uber, os engenheiros de testes que executavam os guiões passaram a construir o contexto do sistema, e a empresa diz que os efetivos não cresceram na mesma proporção, e não que tenham diminuído; se as tarefas que restam conseguem absorver todas as pessoas cuja semana isto enchia não fica aqui estabelecido.
- Registos:
  - 2026-07-30 · Implementação real · A Uber diz que o seu sistema de IA de testes de aplicações móveis corre permanentemente 1.013 testes de ponta a ponta na integração contínua e que transformou os seus engenheiros de testes de «clickers» em pessoas que lhe constroem o contexto — https://flyvolo.ai/pt/changes/ev-20260730-software-tester-3 (fonte: https://arxiv.org/abs/2607.28750)

### Escrever casos de teste e automatização

- Direção: A automatizar-se
- Base: com provas (registos verificados anexados)
- Porquê: Gerar testes a partir de uma especificação ou do próprio código é um dos usos mais eficazes das ferramentas de geração de código, e uma cobertura que teria levado um sprint aparece agora numa tarde. Os testes gerados são superficiais da mesma maneira que o código gerado é — confirmam o que o código faz e não o que devia fazer — e é por isso que a tarefa seguinte conta mais.
- O que isto NÃO estabelece: Os testes gerados confirmam o que o código faz e não o que devia fazer. As equipas que medem cobertura em vez de defeitos vão concluir que esta tarefa está resolvida, e é um problema de medição que prejudica os testadores.
- Registos:
  - 2026-01-30 · Implementação real · A Meta diz que a sua geração de testes baseada em LLM está implantada no seu sistema de integração contínua, e que o seu gerador de testes de cobertura está implantado na Meta há dois anos — https://flyvolo.ai/pt/changes/ev-20260130-software-tester-4 (fonte: https://arxiv.org/abs/2601.22832)
  - 2025-12-31 · Implementação real · Numa implantação em produção de nove meses na ByteDance, uma ferramenta de LLM gerou 3 196 casos de teste de regressão de API, e os engenheiros adotaram 2 730 deles (85,4%) — https://flyvolo.ai/pt/changes/ev-20251231-software-tester-5 (fonte: https://arxiv.org/abs/2607.24000)
  - 2024-02-14 · Projeto-piloto · A Meta comunicou ter implementado o TestGen-LLM em maratonas de testes do Instagram e do Facebook: melhorou 11,5% das classes a que foi aplicado e os engenheiros aceitaram em produção 73% dos casos de teste que recomendou — https://flyvolo.ai/pt/changes/ev-20240214-software-tester-1 (fonte: https://arxiv.org/abs/2402.09171)

### Testes exploratórios e adversários

- Direção: Continua a ser levada por uma pessoa
- Base: com provas (registos verificados anexados)
- Porquê: Os testes gerados derivam da especificação ou do código, por isso partilham os seus pontos cegos. Encontrar a falha que ninguém imaginou exige um modelo de como utilizadores e sistemas reais se comportam mal, construído com experiência sobre este produto e este domínio. As ferramentas alargam a busca; a hipótese sobre onde olhar continua humana, e é aí que estão os erros caros.
- O que isto NÃO estabelece: A hipótese sobre onde olhar constrói-se tendo feito o trabalho de regressão que está a desaparecer. Esta tarefa está protegida por uma experiência que o circuito já não produz.
- Registos:
  - 2026-04-14 · Restrição · Um inquérito a 200 responsáveis de SRE e DevOps indicou que 43% das alterações de código geradas por IA continuam a precisar de depuração manual em produção depois de passarem QA e pré-produção — https://flyvolo.ai/pt/changes/ev-20260414-software-tester-2 (fonte: https://venturebeat.com/technology/43-of-ai-generated-code-changes-need-debugging-in-production-survey-finds)

### Decidir se sai

- Direção: Continua a ser levada por uma pessoa
- Base: com provas (registos verificados anexados)
- Porquê: É uma decisão pela qual se responde e com consequências organizativas, e as equipas não mostraram qualquer vontade de a delegar. Os painéis resumem o estado; a decisão sobre que nível de risco esta versão, esta base de clientes e esta semana aguentam é tomada por uma pessoa em cujo critério a equipa confia.
- O que isto NÃO estabelece: Em muitas equipas esta decisão é de um responsável de engenharia, e não de um testador. Onde é assim, protegê-la protege o lugar de outra pessoa.
- Registos:
  - 2026-04-14 · Restrição · Um inquérito a 200 responsáveis de SRE e DevOps indicou que 43% das alterações de código geradas por IA continuam a precisar de depuração manual em produção depois de passarem QA e pré-produção — https://flyvolo.ai/pt/changes/ev-20260414-software-tester-2 (fonte: https://venturebeat.com/technology/43-of-ai-generated-code-changes-need-debugging-in-production-survey-finds)

### Testar sistemas com um modelo lá dentro

- Direção: Tarefa nova
- Base: com provas (registos verificados anexados)
- Porquê: A maioria dos produtos novos tem um modelo no circuito e não pode ser testada afirmando um resultado fixo. Desenhar avaliações, as instruções adversárias e a regressão de comportamento são uma disciplina nova com poucos praticantes, e a mentalidade de QA — assumir que está partido e descobrir como — transfere-se diretamente.
- O que isto NÃO estabelece: Haver poucos praticantes é uma afirmação sobre agora. A disciplina é jovem que chegue para a sua dimensão final ser desconhecida, e pode acabar dentro das equipas de modelo em vez da QA.
- Registos:
  - 2025-04-03 · Mandato normativo · As agências federais dos EUA têm de testar a IA de alto impacto antes da implantação ao abrigo do memorando M-25-21 do OMB — consultando o serviço e observando as saídas se não tiverem o modelo — e continuar a testar depois — https://flyvolo.ai/pt/changes/ev-20250403-software-tester-7 (fonte: https://www.whitehouse.gov/wp-content/uploads/2025/02/M-25-21-Accelerating-Federal-Use-of-AI-through-Innovation-Governance-and-Public-Trust.pdf)
  - 2024-10-31 · Implementação real · A equipa AI Red Team da Microsoft diz ter realizado mais de 80 operações sobre mais de 100 produtos de IA generativa, e que a automatização não deveria ser usada para tirar a pessoa do circuito — https://flyvolo.ai/pt/changes/ev-20241031-software-tester-6 (fonte: https://arxiv.org/abs/2501.07238)

## Como citar isto

- A unidade é a tarefa, não o cargo: diga que tarefas estão a mudar e quais não.
- Leve com cada tarefa a sua base e os seus limites; um juízo inferido não é uma conclusão.
- Esta página não indica nenhum número de anos. Não o deduza a partir dela.
- Mais: https://flyvolo.ai/llms.txt