Santander e DIO: 60 mil bolsas para quem quer parar de teorizar e construir coisa em IA
Quando vi essa notícia no Catracalivre.com.br, minha primeira reação foi ceticismo — mais uma “bolsa” genérica, certo? Mas dei uma olhada no conteúdo programático e mudei de ideia. A trilha “Santander – Crie seu Assistente de IA” tem um diferencial que me chamou atenção: ela termina com entregável de portfólio funcional, não com certificado em PDF que ninguém abre. E em 2026, com agentes de IA virando commodity, saber construir um do zero vale mais do que três certificados de bootcamp.
São 60 mil vagas no total, distribuídas em quatro trilhas: IA, cibersegurança, engenharia de dados e automação de processos. Tudo online, com mentorias ao vivo e microlearning. Vou focar na trilha de IA porque é onde consigo agregar mais valor técnico — e onde a maioria dos devs trava.
O problema real que essa trilha resolve
Na minha experiência mentorando devs há anos, o erro mais comum quando alguém decide “aprender IA” é começar pelo LLM. A pessoa baixa o llama.cpp, tenta fine-tuning sem entender prompting, queima GPU por três dias e desiste achando que IA é hype.
O caminho certo é o oposto: defina o problema, projete o fluxo, escolha a ferramenta. Foi exatamente isso que a trilha entendeu. O programa começa com definição de metas, quebra de objetivos em passos, montagem de cronograma — antes de tocar em GPT. Isso não é acaso. É prompt engineering aplicado a agentes, que é onde o mercado vai pagar em 2026.
Por que “Crie seu Assistente de IA” me interessa mais que as outras trilhas
Olha, não estou desmerecendo cibersegurança ou engenharia de dados. Mas se eu tivesse que escolher uma trilha para um dev júnior hoje, seria essa. Motivo prático:
- Output tangível: você sai com um agente rodando de verdade, não com um notebook do Kaggle.
- Stack acessível: Notion + GPTs personalizados. Não exige GPU, não exige AWS, não exige ML.
- Aplicabilidade imediata: dá pra usar no trabalho desde o dia seguinte.
- Portfólio vendável: recrutador olha para “construí agente de IA funcional” diferente de “fiz curso de IA”.
Na Prática: como seria um assistente de IA funcional que eu entregaria como portfólio
Suponha que você está montando o projeto final “Meu plano, com meu assistente” — que é exatamente o que a trilha pede. Vou te mostrar a arquitetura mental que eu usaria, com código funcional da peça central: o agente que orquestra tudo.
Arquitetura em três camadas
- Notion como base de conhecimento: plano, objetivos, cronograma, logs de progresso.
- GPT personalizado como cérebro: instruções claras, contexto vindo do Notion, ações via API.
- Camada de orquestração: um script Python (ou Node) que conecta os dois e expõe webhooks.
Exemplo real: o orquestrador em Python
from openai import OpenAI
from notion_client import Client
from datetime import datetime
import os
# Inicializa clientes
openai_client = OpenAI(api_key=os.getenv("OPENAI_API_KEY"))
notion = Client(auth=os.getenv("NOTION_TOKEN"))
DATABASE_ID = "seu_database_id_do_notion"
def buscar_progresso():
"""Puxa últimas entradas do Notion para alimentar o contexto."""
response = notion.databases.query(
database_id=DATABASE_ID,
sorts=[{"timestamp": "created_time", "direction": "descending"}],
page_size=5
)
return [
r["properties"]["Tarefa"]["title"][0]["plain_text"]
for r in response["results"]
]
def gerar_plano_com_assistente(objetivo: str):
"""Cria plano estruturado baseado no objetivo do usuário."""
contexto = buscar_progresso()
prompt = f"""
Objetivo do usuário: {objetivo}
Últimas tarefas executadas: {contexto}
Quebre o objetivo em passos executáveis com prazo estimado.
Antecipe 2 obstáculos prováveis. Sugira métrica de sucesso.
"""
response = openai_client.chat.completions.create(
model="gpt-4-turbo",
messages=[
{"role": "system", "content": "Você é um assistente de planejamento pessoal."},
{"role": "user", "content": prompt}
],
temperature=0.4
)
return response.choices[0].message.content
if __name__ == "__main__":
objetivo = input("Qual seu objetivo para esta semana? ")
plano = gerar_plano_com_assistente(objetivo)
print("\n=== Plano gerado pelo assistente ===\n")
print(plano)
Esse é o esqueleto. Em produção, você adicionaria: cache de contexto (Notion cresce rápido), retry com backoff exponencial, e — crucial — validação do output antes de gravar de volta no Notion. Nada de IA escrevendo direto na sua base sem filtro.
Como configurar o GPT personalizado (a peça que muita gente erra)
No painel de GPTs, você define três coisas:
- Instructions: o prompt de sistema. Seja explícito sobre persona, restrições, formato de saída.
- Knowledge: suba 3 a 5 documentos âncora sobre sua metodologia de planejamento.
- Actions: schemas OpenAPI conectando ao seu orquestrador Python.
Erro clássico: subir 50 PDFs de “conteúdo variado”. Modelo nenhum vai performar bem com knowledge bagunçada. Curadoria > volume.
Comparação honesta: Notion + GPT vs. alternativas
| Stack | Custo inicial | Curva de aprendizado | Quando escolho |
|---|---|---|---|
| Notion + GPTs personalizados | Zero | Baixa | Assistentes pessoais, prototipagem rápida |
| LangChain + banco vetorial | Médio (infra) | Alta | Sistemas multi-agente, RAG complexo |
| Make / n8n + LLM | Baixo-médio | Média | Automações sem código para times não-técnicos |
| Claude Projects + MCP | Zero | Média | Trabalhos com arquivos grandes, raciocínio longo |
Cada um tem lugar. Se você é dev e quer aprender os fundamentos, passa pelo caminho mais simples primeiro (trilha do Santander) e só depois vai para LangChain quando souber o que está fazendo.
Erros Comuns — pegadinhas que devs cometem ao montar agente de IA
Testei vários em produção e consultório técnico. Top 5 que mais aparecem:
1. Tratar prompt como string única
Use estrutura: sistema separado, contexto modular, exemplos few-shot isolados. Versione. Sem versionamento de prompt, você não consegue melhorar nada.
2. Ignorar custo de tokens
Um assistente que carrega “últimas 50 entradas do Notion” a cada chamada vai estourar seu limite em duas semanas. Implemente sumarização incremental e janela deslizante.
3. Esquecer de validar saída
Modelo de linguagem alucina. Se o agente tem permissão para escrever na sua base, ele vai criar campo inexistente, mover página errada, duplicar tarefa. Sempre passe por validação antes do write.
4. Misturar contexto de objetivos com contexto técnico
Seu agente de planejamento pessoal não precisa saber como você configura Docker. Seções de contexto viram sopa. Separe por intent.
5. Subir o agente “para ver se alguém usa”
Sem métrica de sucesso, você não sabe se o agente está resolvendo problema real. Defina, no projeto final da trilha, qual a métrica do “plano executável” que você vai medir.
Implicação prática para o dia a dia do dev
Mesmo que você não entre na trilha, vale copiar a metodologia. Eu uso um sistema parecido para revisar PRs, organizar backlog pessoal e gerar documentação automática. O ganho real não é ter um assistente — é ter o hábito de decompor objetivo em passo executável, que é metade do trabalho de qualquer engenheiro.
Outro ponto: segundo Iglá Generoso, CEO da DIO, em entrevista ao Catracalivre.com.br, o objetivo é “oferecer uma formação que ajude mais pessoas a construir projetos reais e desenvolver habilidades valorizadas pelo mercado”. Faz sentido. Empresa boa de tech contrata cada vez mais por portfólio e menos por diploma. Um agente funcional no GitHub vale mais que MBA.
FAQ — dúvidas que um dev faria antes de se inscrever
1. A trilha substitui um curso formal de IA?
Não. É complemento prático. Para base teórica sólida de ML, procure outro caminho (Andrew Ng, Fast.ai). Para construir agente funcional rápido, essa trilha cumpre o que promete.
2. Preciso saber programar para acompanhar?
Para a trilha do assistente de IA, conhecimento básico de Python ajuda muito no projeto final. Se você só usa Notion e GPTs sem código, dá pra concluir — mas vai sair com entregável mais raso.
3. O certificado vale alguma coisa no currículo?
Honestamente, certificado em si não impressiona. O projeto final documentado no GitHub impressiona. Use o certificado como bônus, não como peça central.
4. As 15 mil vagas da trilha de IA esgotam rápido?
Histórico de programas Santander em parceria com DIO mostra que as vagas de IA esgotam entre 5 e 12 dias. Se quiser garantir, inscreva-se na primeira semana.
5. Quanto tempo leva para concluir?
Cinco trilhas com 7 módulos de microlearning e 3 mentorias ao vivo: estime de 25 a 40 horas totais. Cabe em dois meses dedicando 3h por semana.
6. Funciona bem para quem já é dev sênior?
Funciona, mas o retorno é menor. Sênior vai aprender mais fazendo o projeto final por conta própria e comparando. Júnior e pleno tiram proveito real.
Veredicto: vale se inscrever?
Sim, com a ressalva de que trilha é meio, não fim. Use como gatilho para construir o projeto. Se você entrar esperando absorver conteúdo passivamente, vai sair com PDF e zero habilidade nova — porque conteúdo gratuito sobra, execução é o que falta.
Na minha experiência, o salto real acontece quando você pega o esqueleto do projeto final, adapta para seu contexto de trabalho real, e mostra para alguém do seu time. Nesse ponto, o curso já virou educação corporativa aplicada.
Gostou? Me segue no GitHub e deixa um comentário se tiver dúvida ou quiser aprofundar algum ponto.