A porta de entrada encolheu antes de as empresas redesenharem a carreira

Uma pessoa de 22 anos entra no primeiro emprego para organizar planilhas, revisar textos, responder solicitações e corrigir pequenos erros. Meses depois, uma ferramenta passa a fazer boa parte dessa rotina em segundos. A empresa economiza tempo, mas o trabalhador perde o lugar onde aprenderia a conferir uma informação, explicar uma decisão e assumir uma entrega. O problema não aparece no organograma no dia seguinte. Ele aparece alguns anos depois, quando faltam profissionais preparados para ocupar funções de coordenação.

Essa é a tese que emerge dos dados mais recentes: a inteligência artificial está comprimindo justamente a faixa de tarefas que funcionava como porta de entrada, enquanto as empresas ainda selecionam e treinam pessoas com critérios herdados de uma rotina anterior. O estudo do Stanford Digital Economy Lab encontrou uma queda relativa de 19% no emprego de trabalhadores de 22 a 25 anos em ocupações mais expostas à IA, em comparação com funções menos expostas. A pesquisa usou registros administrativos de folha de pagamento da ADP, com milhões de trabalhadores nos Estados Unidos, até junho de 2026. O resultado é descritivo, não uma prova de causalidade, mas o sinal é específico demais para ser tratado como ruído.

Novembro de 2022 abriu uma diferença entre executar e aprender

O lançamento do ChatGPT, em novembro de 2022, marcou o início do período usado pelo Stanford Digital Economy Lab para acompanhar a mudança. A pesquisa não diz que a economia inteira perdeu empregos por causa da IA. Ela mostra uma separação dentro das ocupações: entre jovens, as funções com maior exposição passaram a se comportar pior que as menos expostas.

O detalhe importa porque a primeira tarefa de um profissional costuma ser operacional. Um analista júnior organiza dados antes de interpretá-los. Um desenvolvedor iniciante corrige problemas simples antes de discutir arquitetura. Uma pessoa recém-formada em atendimento registra solicitações antes de negociar uma solução complexa. São atividades que podem ser automatizadas ou aceleradas por modelos generativos. Quando desaparecem sem uma etapa substituta, a empresa deixa de oferecer o treino que transformava execução em repertório.

O estudo de Erik Brynjolfsson, Bharat Chandar e Ruyu Chen também separa substituição de complementaridade. A queda se concentra nas ocupações em que a tecnologia tende a executar tarefas humanas. Nas funções em que a IA complementa o trabalhador, o emprego de pessoas experientes ficou estável ou cresceu. A distinção muda a pergunta feita ao candidato. Saber produzir volume deixa de ser suficiente quando a máquina já entrega o primeiro volume. O valor passa para a capacidade de conferir, escolher, organizar e responder pelo resultado.

Uma conta simples ajuda a dimensionar a perda da trilha inicial. Na amostra do estudo, os dois quintis de ocupações mais expostas reuniam cerca de 57% do emprego de pessoas de 22 a 25 anos em novembro de 2022. Nesses grupos, o emprego caiu aproximadamente 11% até junho de 2026. Aplicando os dois números publicados, a retração nesses quintis retirou cerca de 6,3 pontos percentuais da base total dessa faixa etária, antes que o crescimento nas ocupações menos expostas compensasse parte do efeito. A conta não transforma correlação em causa. Ela mostra por que uma média geral quase estável pode esconder uma mudança forte no começo da carreira.

Maio de 2025 mostrou que exposição não significa desaparecimento automático

Em maio de 2025, a Organização Internacional do Trabalho publicou a atualização do índice global de exposição ocupacional à IA generativa. O dado central foi que um em cada quatro trabalhadores no mundo está em uma ocupação com algum grau de exposição. A maior concentração continua em funções administrativas, mas a conclusão da OIT é mais cuidadosa que a previsão de uma substituição em massa: a maioria dos empregos tende a ser transformada, porque as tarefas ainda exigem participação humana.

A diferença entre exposição e eliminação é decisiva para o desenho das empresas. Se um cargo perde a parte repetitiva, sobra uma oportunidade de ampliar o escopo do iniciante. O trabalhador pode aprender a validar uma saída, conversar com o usuário, identificar uma exceção e registrar o raciocínio que levou à decisão. Se a organização simplesmente extingue o cargo, essa aprendizagem não acontece. A mesma tecnologia que aumenta a produtividade de uma equipe pode estreitar o caminho de entrada para a próxima geração.

A própria OIT alertou, em julho de 2025, que programadores juniores estavam no centro do debate porque ferramentas de IA simplificaram tarefas de escrita e depuração de código. O órgão recomendou falar em tarefas afetadas, não em profissões automaticamente substituídas. A ressalva não reduz o risco. Ela indica onde a gestão precisa agir: identificar quais atividades serão automatizadas e quais experiências devem ser preservadas para que a pessoa evolua.

O relatório também coloca a infraestrutura no cálculo. A velocidade de adoção depende de competências digitais, custo da tecnologia, acesso à internet e capacidade de integração. Uma pequena empresa brasileira pode não usar a mesma ferramenta de uma multinacional, mas enfrenta a mesma questão de gestão: qual parte do trabalho será delegada e qual parte continuará sendo uma aula prática para quem está começando?

Janeiro de 2025 colocou a formação diante de um déficit mensurável

O Future of Jobs Report 2025, publicado pelo Fórum Econômico Mundial em janeiro, projetou 170 milhões de novos postos e 92 milhões de postos deslocados até 2030, com saldo líquido de 78 milhões. O número líquido é positivo, mas não descreve uma fila de vagas iguais às atuais. Cerca de 40% das competências exigidas no trabalho devem mudar, e 63% dos empregadores apontaram a lacuna de habilidades como principal barreira à transformação.

O cálculo entre os dois números de postos deixa uma advertência para o RH: 92 milhões de ocupações podem ser deslocadas enquanto 170 milhões surgem em outras configurações. O saldo de 78 milhões não garante que quem perdeu a primeira vaga consiga ocupar a próxima. Sem aprendizagem no início, a empresa cria uma seleção cada vez mais exigente para funções que antes serviam de escola.

O mesmo relatório aponta que inteligência artificial, dados, redes e cibersegurança estão entre as habilidades que mais crescem. Pensamento analítico, criatividade, resiliência, liderança e colaboração também permanecem relevantes. A combinação explica por que o estágio operacional precisa ser redesenhado, não apagado. O jovem talvez não precise passar dois anos executando uma tarefa que um agente realiza. Precisa, porém, de situações reais em que possa comparar uma sugestão da ferramenta com o objetivo do negócio, justificar uma escolha e receber correção de alguém mais experiente.

O Fórum Econômico Mundial registrou ainda que 77% dos empregadores planejam qualificar trabalhadores, enquanto 41% esperam reduzir equipes em áreas onde a IA automatiza tarefas. As duas intenções podem coexistir, mas não são equivalentes. Treinamento oferecido depois do corte não recompõe a experiência que a pessoa não teve. A formação precisa começar dentro do trabalho, com responsabilidades graduais e avaliação do raciocínio, não só da velocidade.

Agosto de 2026 confirmou que a contratação de entrada é o ponto mais frágil

A versão revisada do estudo de Stanford, publicada em agosto de 2026, ampliou os dados até junho e elevou o intervalo de atenção. O emprego de jovens de 22 a 25 anos em ocupações expostas ficou 19% abaixo do que teria ocorrido se acompanhasse o ritmo das ocupações menos expostas. Trabalhadores experientes não apresentaram uma diferença comparável. A mudança acontece principalmente pela redução de novas contratações, e não por uma onda de desligamentos.

Essa mecânica é menos visível que uma demissão coletiva. A empresa mantém os profissionais seniores, automatiza tarefas de base e abre menos vagas para iniciantes. O resultado parece uma reorganização eficiente no trimestre. Cinco anos depois, surge um problema de sucessão: os trabalhadores que deveriam conhecer o processo, o cliente e os limites da ferramenta não foram formados.

Um caso citado pela Exame ajuda a enxergar a mudança no trabalho técnico. David Pires, CIO e CPO da Zig, contou que deixou de escrever código pessoalmente como fazia antes e passou a coordenar o trabalho realizado pelas ferramentas. Segundo o executivo, em uma semana chegou a colocar mais de 10 ou 20 itens em produção enquanto participava de reuniões e cuidava de outras atividades. A informação não significa que todo programador deva abandonar a execução. Ela mostra que a função está se deslocando para coordenação, julgamento e relação com o produto.

O mesmo debate reuniu Augusto Frazão, CEO da InHire, e Lívia Kuga, cofundadora da Alia. Frazão afirmou que a seleção precisa perguntar o que a pessoa fará que um agente não faz e como o processo vai testar isso. Kuga defendeu que pessoas mais novas podem trazer vantagem por ainda não carregarem vícios de processos antigos. As duas observações apontam para o mesmo ajuste: contratar um júnior para executar menos não significa esperar menos dele. Significa avaliar a capacidade de aprender, questionar e trabalhar com ferramentas desde o início.

O Work Trend Index 2026, da Microsoft, encontrou 49% das conversas analisadas no Copilot ligadas a trabalho cognitivo, como análise, solução de problemas, avaliação e pensamento criativo. Entre os usuários pesquisados, 50% disseram que controle de qualidade das respostas ficou mais importante, e 46% apontaram pensamento crítico. A pesquisa é baseada em sinais de produtividade e respostas de 20 mil trabalhadores que usam IA em dez países. Ela não substitui uma avaliação de desempenho, mas reforça o ponto da seleção: a empresa precisa medir o que acontece depois da primeira resposta da ferramenta.

Outubro de 2026 deixou a descrição da vaga atrasada em relação ao trabalho

O debate publicado pela Exame em 19 de outubro de 2026 mostrou o descompasso de forma direta. Empresas já usam IA em etapas da seleção, mas continuam descrevendo cargos com competências de um período anterior. Em alguns processos, candidatos são proibidos de usar a ferramenta em testes para funções que exigirão seu uso cotidiano. A empresa pede uma simulação antiga para preencher um cargo novo.

Essa incoerência também afeta a avaliação de quem já está dentro. Uma pessoa pode usar IA para pesquisar alternativas, mas ser cobrada como se tivesse produzido cada linha sem assistência. Outra pode copiar uma resposta sem verificar e receber elogio por rapidez. Sem uma regra sobre responsabilidade, a tecnologia passa a premiar o comportamento errado: terceiriza-se o julgamento e mantém-se a aparência de produtividade.

O risco para o desenvolvimento pessoal está nesse ponto. A carreira não é formada apenas pelo acúmulo de tarefas. Ela depende de situações em que o profissional percebe um erro, entende a consequência e muda o método. Se o agente entrega a resposta antes que a pessoa reconheça o problema, o aprendizado precisa ser desenhado de outra maneira. A empresa pode pedir duas soluções, comparar fontes, explicar a escolha e revisar o resultado com um gestor. O treinamento deixa de ser repetição e passa a ser análise acompanhada.

O que permanece em aberto depende da primeira vaga que a empresa desenhar

O estudo de Stanford ainda não resolve quanto da queda entre jovens vem exclusivamente da IA. Os próprios autores registram tendências anteriores, diferenças de educação e limites da amostra da ADP. A OIT também trabalha com exposição potencial, não com previsão de demissões. A pergunta sobre o Brasil exige dados locais mais granulares, por idade, ocupação e intensidade de uso das ferramentas.

Há, porém, uma decisão que não depende de esperar a próxima pesquisa. Na segunda-feira, o dono do negócio ou gestor de RH pode escolher uma vaga de entrada e listar as tarefas que a IA já executa, as decisões que continuam humanas e as evidências que provarão que o contratado aprendeu. Em seguida, deve transformar a lista em um ciclo de 30 dias: uma entrega produzida com ferramenta, uma conferência manual, uma explicação escrita da escolha e uma conversa de revisão com alguém experiente. A métrica não é o número de respostas geradas. É a proporção de entregas que o iniciante consegue validar, corrigir e defender sem repetir a saída da máquina.

Esse passo não elimina a pressão por produtividade. Ele impede que a economia de hoje retire a formação de amanhã. Se as empresas preservarem experiências de julgamento, relacionamento e responsabilidade dentro das vagas iniciais, a IA pode mudar a escada de carreira sem remover o primeiro degrau. Se não preservarem, a falta de líderes daqui a dez anos terá começado em uma contratação que nunca aconteceu.

Fontes consultadas

• Stanford Digital Economy Lab, Canaries in the Coal Mine, revisão de agosto de 2026
• PDF do estudo do Stanford Digital Economy Lab
• Organização Internacional do Trabalho, Generative AI and jobs: A 2025 update
• Organização Internacional do Trabalho, The future of work: How will junior programmers be affected?
• Fórum Econômico Mundial, Future of Jobs Report 2025
• Microsoft, Work Trend Index 2026
• Exame, debate sobre vagas juniores e formação de líderes na era da IA