O diagnóstico já está pronto, e circula há meses. Praticamente toda semana surge um estudo novo mostrando que a inteligência artificial está apertando a porta de entrada do mercado de trabalho. E o tema saiu dos relatórios técnicos para as manchetes. Para exemplificar, em discussões recentes como no Future of Work Lab, iniciativa da Humanship que reúne CHROs e executivos de RH para discutir com profundidade as forças que estão redesenhando o trabalho, chegamos a uma constatação desconfortável sobre nós mesmos: denunciamos muito o problema e desenhamos pouca resposta.
Nossa pergunta é: se a IA passa a executar justamente aquilo que o profissional júnior executava para aprender, onde vamos formar os profissionais experientes de amanhã?
O sinal é forte, e vale reconhecê-lo em poucas linhas. O estudo Canaries in the Coal Mine, do Stanford Digital Economy Lab (agosto de 2026), encontra o emprego de jovens de 22 a 25 anos em ocupações expostas à IA 19% abaixo de onde estaria se tivesse acompanhado o ritmo dos pares em ocupações menos expostas. A Revelio Labs (2025) registra queda de 35% nos anúncios de vagas de nível de entrada desde janeiro de 2023, e o Barômetro Global de Empregos em IA da PwC (2026) mostra que, nas ocupações mais expostas, as vagas de entrada são sete vezes mais propensas a exigir competências antes associadas à senioridade. No Brasil, estudo do FGV IBRE assinado por Daniel Duque (2026) concentra na faixa de 18 a 29 anos o efeito negativo da IA sobre ocupação e renda, com efeito próximo de zero entre 30 e 59 anos.
Nada disso prova causalidade, e os próprios autores fazem a ressalva. Há até sinal na direção oposta: levantamento da Ramp (junho de 2026) em mais de 21 mil empresas americanas encontrou 12% mais posições de entrada nas companhias de adoção intensiva de IA. É um dado correlacional, enviesado para empresas em crescimento, mas sustenta uma hipótese mais útil que a do apocalipse: talvez o futuro não tenha menos posições de entrada, e sim posições de entrada diferentes.
Pensando nesse cenário, essas são três hipóteses que colocamos na mesa.
Hipótese 1 · Feedback calibrado forma o júnior, não a execução
A primeira parte de uma constatação simples: experiência não vem de repetição, vem de feedback calibrado. O modelo mais claro disso está na residência médica, como argumenta Molly Kinder, da Brookings Institution, em artigo de janeiro deste ano. O residente atende, decide e propõe conduta desde o primeiro dia, sob supervisão, e o médico experiente explica o próprio raciocínio antes de conceder autonomia. Ali, aprender é o objetivo declarado, não um efeito colateral da tarefa.
Espelhar isso dentro de uma empresa exige mexer em três coisas. A primeira é a composição das células de trabalho. Em vez de concentrar os juniores num pool de tarefas de apoio, colocá-los em times mistos, no mesmo problema real que os sêniores estão resolvendo. A IBM fez a versão radical disso: segundo a Bloomberg em fevereiro de 2026, a companhia reescreveu suas vagas de entrada e realocou desenvolvedores juniores que passavam cerca de 34 horas semanais programando atividades de contato com cliente, implementação e desenvolvimento de produto.
A segunda é a ordem em que a IA entra no fluxo de trabalho. No Indeed, a regra que Hannah Calhoon, vice-presidente de IA da companhia, chama de human first exige que o profissional em início de carreira pesquise e escreva à mão antes de recorrer à ferramenta. O treinamento o forma como editor do resultado da IA, capaz de criticar e melhorar o que a máquina produziu, e não como operador de prompt. É uma inversão pequena de sequência com efeito grande sobre o que a pessoa aprende.
A terceira é construir arena de erro: desafios internos com problema real e mentor presente, simulações, ambientes de teste sobre dados reais sem efeito em produção, rotação por áreas com objetivo declarado de aprendizagem. O desenho é deliberado e é o mesmo da residência: problema real, decisão tomada pelo jovem, alguém experiente revisando o raciocínio antes do resultado e uma banca cobrando a defesa.
Hipótese 2 · Aprender em módulos e certificar competências
A segunda hipótese trata da velocidade. Esperar quatro anos de formação para então considerar alguém pronto não acompanha o ritmo em que as competências mudam. A alternativa são módulos curtos, no fluxo do trabalho, com certificação do que a pessoa efetivamente sabe fazer, comprovada por projeto ou avaliação. Se as vagas de entrada passaram a pedir competências de sênior, alguém precisa desenvolvê-las antes da contratação.
A tentação, aqui, é esperar que o mercado entregue a pessoa já certificada, já que, o que produz, é a empresa fazer o trabalho de mapear quais microcompetências do seu próprio cargo de entrada podem ser desenvolvidas e comprovadas por projeto, portfólio ou avaliação prática, e então assumir parte dessa formação em vez de terceirizá-la à universidade.
Hipótese 3 · A posição de entrada como ativo, não como custo
A terceira é a mais espinhosa, porque mexe no orçamento: sustentar a posição de entrada como investimento e não como a primeira linha a cortar. Quanto custa buscar um sênior no mercado contra formá-lo em casa, retenção, mobilidade interna, tempo até a autonomia.
A conta tem dois lados, e o mercado já produziu número para os dois. Do lado do corte, pesquisa da Gartner de 2026 com 350 executivos de grandes empresas que já operam automação avançada encontrou redução de quadro em cerca de 80% delas, com taxas de corte praticamente iguais entre quem relatou retorno alto e quem relatou ganho modesto ou negativo. Cortar abre espaço no orçamento sem produzir retorno. Do lado de quem forma, a IBM anunciou em fevereiro que vai triplicar a contratação de entrada nos Estados Unidos em 2026, com um argumento nada sentimental: atrair um profissional pleno da concorrência custa cerca de 30% mais e ainda demora para se adaptar.
No Brasil também já existem casos com número aberto. Em julho, a Flash publicou o balanço do próprio programa de aprendizagem: 62 jovens desde 2023, 25 efetivados, 40% de efetivação acumulada e 75% na última turma, além de bolsa que custeia até 80% da graduação de quem é efetivado e permanece. Para comparação, a média nacional de efetivação ronda os 15%. E o efeito não se esgota na empresa: nota técnica do IMDS com cerca de 155 mil trabalhadores mostra que a exposição à Lei da Aprendizagem elevou de 7 a 10 pontos percentuais a chance de emprego formal e de 24% a 35% a renda desses jovens uma década depois, entre 25 e 29 anos (2025).
A pergunta que o RH precisa levar para a mesa, portanto, não é quanto custa manter o programa de aprendizagem, estágio ou trainee. É quanto vai custar, em 2031, não ter formado ninguém. E aí aparece o ponto: quem forma não necessariamente colhe. O jovem que formamos talvez não seja o nosso próximo sênior, mas o sênior do mercado. Sustentar esse investimento é difícil, e é exatamente essa a decisão que o futuro do trabalho vai nos obrigar a tomar.
A janela ainda está aberta
O que mais nos preocupa, porém, é a inércia. Em estudo exploratório que conduzimos na Leapy este ano, 82% das empresas ainda não tomaram decisões concretas sobre redesenhar seus programas de jovens talentos por causa da IA e 45% nem começaram a discussão interna. Ao mesmo tempo, 59% já incentivam formalmente o uso de IA pelos jovens e apenas 14% estruturaram trilhas de desenvolvimento com a tecnologia. Estamos pedindo que aprendam a usar a ferramenta sem redesenhar o lugar onde aprendem a trabalhar.
Comecei minha carreira como jovem aprendiz e depois estagiário. Aprendi a trabalhar em cadeiras que hoje uma IA executaria em minutos, e é por isso que não me interessa preservar aquelas tarefas, mas o efeito que elas tinham sobre quem as fazia. Nenhuma das três hipóteses acima está pronta. Julgamento não vem pronto. Ele precisa ser formado, e cabe a quem lidera a cadeira de gente desenhar por onde.
