Quem formará os seniores quando a IA fizer o trabalho dos juniores?

Existe uma contradição começando a aparecer no mercado de trabalho.

As empresas querem profissionais com pensamento estratégico, capacidade de julgamento, liderança, criatividade, autonomia e habilidade para lidar com situações complexas.

Ao mesmo tempo, a inteligência artificial está assumindo justamente uma parte das tarefas mais simples, repetitivas e estruturadas que historicamente faziam parte do início da carreira desses profissionais.

Parece uma evolução natural.

Se uma inteligência artificial consegue pesquisar informações, preparar relatórios, organizar planilhas, escrever primeiras versões, revisar documentos, produzir códigos básicos e analisar grandes volumes de dados em poucos minutos, por que continuar pagando alguém para fazer manualmente aquilo que a tecnologia consegue executar?

A pergunta faz sentido do ponto de vista da produtividade.

Mas esconde outra:

como o profissional que hoje possui julgamento, experiência e capacidade estratégica adquiriu essas competências?

Na maioria dos casos, ele não começou tomando grandes decisões.

Começou fazendo trabalhos menores.

Observando.

Executando.

Errando.

Sendo corrigido.

Refazendo.

Participando de situações que, isoladamente, pareciam simples, mas que ao longo dos anos construíram alguma coisa muito mais valiosa: experiência.

E é justamente aí que aparece um dos problemas mais interessantes da inteligência artificial no mercado de trabalho.

Estou chamando de Teoria da Escada Quebrada.

Se automatizamos os primeiros degraus utilizados para formar um profissional, como produziremos os especialistas que precisarão ocupar os degraus superiores no futuro?

Ninguém começa sênior

Imagine um advogado experiente.

Hoje ele pode analisar um caso complexo, identificar riscos, perceber detalhes que um profissional menos experiente ignoraria, conversar com um cliente em situação delicada e decidir que determinada estratégia juridicamente possível não é a melhor estratégia naquele contexto.

Esse julgamento não surgiu no momento em que recebeu seu diploma.

Ele provavelmente começou pesquisando jurisprudência, revisando documentos, preparando minutas, acompanhando profissionais mais experientes e realizando atividades muito menos sofisticadas.

Agora imagine um analista financeiro.

Antes de participar de decisões relevantes, provavelmente passou anos manipulando planilhas, preparando relatórios, conferindo números, tentando compreender por que determinados indicadores mudaram e aprendendo a distinguir um dado importante de um dado apenas aparentemente importante.

Um programador experiente também começou resolvendo problemas menores.

Um vendedor experiente provavelmente começou enfrentando objeções simples, errando abordagens, ouvindo clientes e perdendo negociações.

Um gestor não aprende a lidar com pessoas apenas estudando liderança. Ele constrói repertório enfrentando conflitos reais, acompanhando comportamentos e descobrindo que aquilo que funciona perfeitamente com uma pessoa pode falhar completamente com outra.

O trabalho inicial possui duas funções.

A mais evidente é produzir resultado para a empresa.

A menos evidente é produzir o profissional que será necessário no futuro.

Durante décadas, essas duas funções estiveram misturadas.

A empresa contratava alguém para executar trabalho de entrada e, enquanto essa pessoa trabalhava, acumulava experiência.

A inteligência artificial começa a separar essas duas coisas.

Ela pode executar parte do trabalho.

Mas isso não significa automaticamente que alguém continuará acumulando a experiência que aquele trabalho produzia.

Os primeiros sinais já apareceram

O AI Jobs Barometer 2026 da PwC encontrou um dado particularmente importante.

Analisando 2,4 milhões de vagas de entrada nos Estados Unidos, a pesquisa encontrou que os cargos juniores mais expostos à inteligência artificial estão agora sete vezes mais propensos a exigir habilidades tradicionalmente associadas a profissionais seniores, como julgamento, liderança, criatividade e interação humana.

Existe algo aparentemente positivo nisso.

Os trabalhos iniciais podem estar ficando mais interessantes.

Se a IA assume atividades burocráticas, jovens profissionais podem chegar mais rapidamente a trabalhos que envolvem raciocínio, relacionamento e tomada de decisão.

Mas existe outra leitura.

Estamos começando a pedir competências seniores de pessoas que ainda não tiveram experiência suficiente para construí-las.

A própria PwC reconhece essa tensão ao afirmar que a relação tradicional entre experiência e expertise está mudando: atividades rotineiras que funcionavam como uma espécie de aprendizado profissional estão sendo removidas enquanto empresas passam a exigir julgamento, liderança e adaptabilidade mais cedo na carreira.

Isso é praticamente a Escada Quebrada aparecendo nos dados.

O problema não é perder o trabalho ruim

Seria um erro concluir que devemos preservar tarefas tediosas apenas porque pessoas mais velhas foram obrigadas a executá-las.

Não existe virtude especial em passar quatro horas copiando informações de uma planilha para outra.

Se uma máquina pode fazer isso em segundos, ótimo.

O objetivo não deveria ser preservar trabalho improdutivo em nome da tradição.

A verdadeira pergunta é:

Que aprendizado estava escondido dentro daquele trabalho e como vamos preservá-lo depois que a execução for automatizada?

Essa diferença é fundamental.

Talvez preencher uma planilha não ensine nada relevante.

Mas talvez analisar diariamente aqueles números permita que um analista perceba padrões que alguém que recebe apenas o relatório final nunca verá.

Talvez escrever uma primeira versão de um contrato seja ineficiente.

Mas talvez o esforço necessário para construí-la obrigue um advogado jovem a compreender relações que desapareceriam se ele apenas revisasse um documento pronto.

Talvez produzir dezenas de pequenas peças publicitárias seja operacional.

Mas talvez seja exatamente essa repetição que ajude um profissional criativo a desenvolver gosto.

Não devemos preservar o trabalho antigo.

Precisamos identificar qual competência ele produzia.

Existe uma diferença entre conhecimento e experiência

A inteligência artificial é excepcionalmente boa em disponibilizar conhecimento.

Um jovem profissional pode perguntar como conduzir uma negociação, como analisar um balanço, como estruturar uma campanha, como revisar um contrato ou como resolver determinado problema técnico.

Ele pode receber em segundos uma explicação melhor do que aquela que muitos profissionais tinham acesso no início de suas carreiras.

Isso é extraordinário.

Mas conhecer uma explicação e possuir julgamento não são a mesma coisa.

Existe uma diferença entre saber:

“Em situações desse tipo, normalmente fazemos X.”

e ter vivido situações suficientes para perceber:

“Eu sei que normalmente fazemos X, mas neste caso específico alguma coisa está diferente.”

Essa segunda capacidade depende muito mais de experiência contextual.

É o conhecimento que surge depois de ver regras funcionarem e falharem várias vezes.

A inteligência artificial pode transmitir parte do repertório acumulado por outros.

Mas existe uma parcela da competência profissional construída justamente pela interação entre conhecimento e consequência.

Você tomou uma decisão.

Alguma coisa aconteceu.

Você percebeu algo que não havia considerado.

Na próxima vez, decidiu melhor.

Chamamos o resultado final de experiência.

Mas experiência é, em grande parte, um arquivo de consequências.

E talvez estejamos reduzindo o acesso a essas consequências

Um estudo do Stanford Digital Economy Lab encontrou um dos primeiros sinais preocupantes no emprego de jovens.

Trabalhadores de 22 a 25 anos nas ocupações mais expostas à IA apresentaram uma queda relativa de aproximadamente 16% no emprego, mesmo depois de controles utilizados pelos pesquisadores para tentar separar choques específicos das empresas. Trabalhadores mais experientes nas mesmas ocupações não apresentaram o mesmo padrão.

Esse resultado precisa ser interpretado com cuidado.

Ele não prova que a inteligência artificial esteja causando toda a redução observada no emprego jovem. Outros estudos encontram efeitos menores, e os próprios pesquisadores de Stanford ressaltam que o fenômeno ainda precisa ser acompanhado.

A Anthropic chegou a conclusão igualmente cautelosa: não encontrou até agora aumento sistemático de desemprego nas profissões mais expostas, embora tenha identificado sinais iniciais de redução na entrada de trabalhadores jovens em algumas delas.

Portanto, ainda é cedo para declarar uma crise generalizada do emprego inicial.

Mas já não é cedo demais para fazer a pergunta.

O que acontece com a formação profissional se empresas começarem a contratar menos pessoas justamente na base da carreira?

O problema pode aparecer anos depois

Esse é o aspecto mais traiçoeiro da Escada Quebrada.

Os benefícios da automação aparecem imediatamente.

A empresa consegue reduzir custo.

A produtividade aumenta.

Uma equipe menor produz mais.

Os relatórios chegam rapidamente.

As análises são feitas.

Os clientes são atendidos.

Financeiramente, a decisão pode parecer impecável.

O problema de formação aparece muito mais tarde.

Imagine uma organização que tradicionalmente contrata dez profissionais juniores por ano.

Alguns saem.

Alguns permanecem.

Depois de três ou quatro se tornam profissionais intermediários.

Depois de mais alguns anos, um ou dois desenvolvem capacidade suficiente para ocupar posições seniores.

Agora imagine que a empresa conclua que a IA consegue executar 70% do trabalho dos juniores e passe a contratar apenas dois.

No primeiro ano, provavelmente parecerá uma decisão brilhante.

No segundo também.

No terceiro talvez ainda.

Mas, anos depois, surge uma pergunta que não aparecia na planilha inicial:

de onde virão os próximos profissionais intermediários?

E depois:

de onde virão os próximos seniores?

A empresa economizou no presente utilizando capital humano produzido pelo sistema antigo.

Mas deixou de financiar a produção do capital humano futuro.

Podemos consumir a experiência acumulada sem perceber

Existe uma espécie de estoque invisível dentro das empresas.

Profissionais experientes.

Eles aprenderam em um mundo no qual alguém pagou pelo processo de formação deles.

Empresas aceitaram seus erros.

Gestores corrigiram trabalhos.

Colegas ensinaram.

Clientes tiveram paciência.

Projetos menores serviram de treinamento.

Todo esse processo produziu conhecimento acumulado.

Agora podemos colocar agentes de IA ao lado desses profissionais e aumentar radicalmente sua produtividade.

Isso pode produzir uma sensação perigosa:

“Não precisamos mais de tantas pessoas.”

Talvez seja verdade para executar o trabalho de hoje.

Mas um profissional de 45 anos altamente produtivo com dez agentes não será o profissional sênior da empresa daqui a 30 anos.

Uma organização pode descobrir que reduziu sua necessidade imediata de juniores enquanto aumentou sua dependência de um grupo cada vez menor de pessoas que foram formadas antes da automação.

É possível, portanto, que empresas tenham equipes extraordinariamente produtivas e, simultaneamente, estejam consumindo seu estoque de experiência.

Mas existe outro futuro possível

A Escada Quebrada não é inevitável.

E talvez essa seja a conclusão mais importante deste artigo.

Um estudo com mais de cinco mil profissionais de atendimento ao cliente encontrou que acesso a uma ferramenta de IA generativa aumentou a produtividade em aproximadamente 14% em média.

Entre trabalhadores novatos e menos qualificados, o ganho chegou a aproximadamente 34%. Entre os trabalhadores mais experientes, o efeito foi muito menor.

Os pesquisadores encontraram evidências de que a IA ajudava a disseminar práticas utilizadas pelos profissionais de maior desempenho para os trabalhadores menos experientes.

Isso aponta para um cenário completamente diferente.

A inteligência artificial não precisa eliminar o aprendiz.

Ela pode se tornar parte do sistema de aprendizagem.

Imagine um profissional iniciante que, em vez de passar horas realizando atividades mecânicas, recebe assistência da IA enquanto é exposto mais rapidamente a situações reais.

A máquina explica.

Sugere.

Compara.

Mostra alternativas.

Aponta erros.

O profissional experimenta.

O gestor corrige.

O cliente reage.

E o iniciante consegue atravessar em dois anos uma quantidade de situações que anteriormente exigiria cinco.

Nesse caso, a IA não quebra a escada.

Ela diminui a distância entre os degraus.

A decisão está no desenho do trabalho

Considere duas empresas que implementam exatamente a mesma tecnologia.

A primeira conclui:

“Se a IA executa o trabalho dos iniciantes, não precisamos mais contratar iniciantes.”

A segunda conclui:

“Se a IA eliminou grande parte do trabalho mecânico dos iniciantes, podemos acelerar sua exposição às atividades que realmente desenvolvem competência.”

As duas podem obter produtividade.

Mas estão construindo futuros completamente diferentes.

A primeira trata a IA como substituta de mão de obra.

A segunda trata a IA também como infraestrutura de formação.

Na primeira, o ganho é principalmente de eficiência.

Na segunda, eficiência e desenvolvimento podem caminhar juntos.

Essa distinção começa a aparecer também nos dados de mercado. O estudo de Stanford encontrou que os efeitos negativos sobre emprego jovem estavam mais concentrados em ocupações onde a IA parece estar sendo utilizada de maneira automatizadora; nas ocupações onde seu uso tende a complementar o trabalhador, o padrão foi diferente.

A tecnologia sozinha não determina qual caminho será seguido.

O desenho organizacional importa.

Precisamos separar trabalho de treinamento

Talvez o modelo tradicional de carreira tenha escondido uma coisa durante muito tempo.

Nós confundimos trabalho produtivo com formação profissional porque ambos aconteciam ao mesmo tempo.

O júnior produzia e aprendia.

A empresa precisava do trabalho dele e, indiretamente, financiava seu desenvolvimento.

Quando a tecnologia deixa de precisar daquela produção, o mecanismo de financiamento da aprendizagem começa a desaparecer.

Esse pode ser um dos grandes desafios da era da inteligência artificial.

Se não precisamos mais economicamente do trabalho inicial, talvez precisemos criar deliberadamente aquilo que antes surgia como consequência natural do emprego.

Treinamento.

Simulações.

Rotação entre áreas.

Acompanhamento de profissionais experientes.

Exposição controlada a decisões.

Revisão crítica das respostas da IA.

Participação em reuniões.

Contato com clientes.

Responsabilidade progressiva.

Mentoria.

Talvez a formação do futuro precise ser muito mais intencional do que a formação do passado.

E isso muda também o papel do profissional sênior

Hoje muitos profissionais experientes são avaliados principalmente pelo que conseguem produzir.

Mas em uma organização agentizada, pode crescer outra responsabilidade:

produzir profissionais capazes de pensar.

Um sênior altamente produtivo que utiliza IA para executar o trabalho de cinco pessoas pode parecer extremamente valioso.

Mas um sênior que produz quatro novos profissionais capazes de tomar decisões talvez seja ainda mais importante para a organização no longo prazo.

Esse valor, porém, é muito mais difícil de medir.

A planilha captura facilmente:

quantas entregas foram feitas;

quantas horas foram economizadas;

quanto custo foi reduzido.

Ela captura com muito mais dificuldade:

quantas pessoas aprenderam;

quanto julgamento foi desenvolvido;

quanto conhecimento tácito foi transferido;

quantos futuros líderes foram formados.

Existe aqui um conflito entre eficiência presente e capacidade futura.

Talvez precisemos redefinir senioridade

Existe ainda uma consequência mais profunda.

Se a IA consegue realizar em minutos atividades que anteriormente consumiam horas, talvez anos de trabalho deixem de ser uma boa aproximação da experiência.

Uma pessoa pode permanecer cinco anos em uma profissão e tomar poucas decisões relevantes.

Outra pode, com ajuda da tecnologia, ser exposta a centenas de situações complexas durante o mesmo período.

Talvez senioridade passe progressivamente de:

tempo de execução

para:

qualidade e diversidade das situações julgadas.

Isso mudaria formação profissional de maneira radical.

Não precisaríamos obrigar o jovem a executar manualmente tudo aquilo que a tecnologia pode fazer.

Precisaríamos garantir que ele compreenda o processo, consiga revisar a máquina, perceba suas limitações e seja progressivamente exposto às consequências das decisões.

O objetivo deixa de ser reproduzir a carreira antiga.

Passa a ser construir um novo caminho até a expertise.

Existe um risco ainda mais estranho

A inteligência artificial pode elevar rapidamente a capacidade aparente dos profissionais iniciantes.

Um jovem pode produzir um relatório excelente.

Um código sofisticado.

Uma análise convincente.

Uma apresentação impecável.

Um planejamento detalhado.

Mas existe uma diferença entre:

produzir um resultado de nível sênior

e

possuir competência de nível sênior.

Esse talvez seja um dos problemas de avaliação mais difíceis da próxima década.

Quando a qualidade do resultado deixa de revelar claramente a capacidade de quem o produziu, como identificaremos quem realmente sabe?

Um profissional pode parecer excepcional enquanto está apoiado pela máquina e ainda não possuir os modelos mentais necessários para perceber quando a máquina falha.

E quanto melhor a IA ficar, mais difícil essa diferença pode se tornar visível.

A aparência de competência pode crescer mais rápido do que a competência real.

Então a empresa passa a precisar de algo aparentemente contraditório

Ela precisa permitir que pessoas façam coisas que a IA poderia fazer melhor.

Não por nostalgia.

Por formação.

Um piloto precisa treinar situações que normalmente serão controladas por sistemas automáticos.

Um profissional precisa aprender a avaliar aquilo que um agente normalmente executará.

Um gestor precisa compreender o processo que posteriormente poderá delegar.

Não precisamos obrigatoriamente executar manualmente durante anos.

Mas talvez precisemos executar o suficiente para construir capacidade de supervisão e julgamento.

Porque delegar algo que você compreende é muito diferente de delegar algo que você apenas sabe pedir.

A verdadeira Escada Quebrada

A ameaça, portanto, não é simplesmente:

“jovens perderão seus empregos para a IA.”

Isso seria uma leitura pequena demais.

A questão maior é:

podemos estar modificando o mecanismo pelo qual conhecimento profissional atravessa gerações.

Antes, a empresa contratava alguém para executar.

Ao executar, essa pessoa aprendia.

Ao aprender, assumia problemas maiores.

Ao resolver problemas maiores, desenvolvia julgamento.

Com julgamento, passava a ensinar outros.

A sequência era aproximadamente:

execução → exposição → experiência → julgamento → senioridade → formação de outros.

A inteligência artificial pode remover grande parte da primeira etapa.

Se não redesenharmos deliberadamente as etapas seguintes, teremos quebrado a conexão.

Essa é a Escada Quebrada.

O paradoxo final

Existe uma ironia importante nisso tudo.

No artigo anterior, escrevi sobre o Paradoxo da Excelência Medíocre: quando a inteligência artificial eleva a competência média, aquilo que diferencia profissionais começa a migrar da execução para julgamento, criatividade, contexto, liderança e autoria.

Agora surge o problema.

São justamente essas capacidades que normalmente levam tempo para serem formadas.

Ao mesmo tempo em que o mercado começa a valorizá-las mais, a inteligência artificial começa a assumir uma parcela das experiências utilizadas para desenvolvê-las.

O mercado pode acabar dizendo ao jovem:

“Não preciso que você faça o trabalho simples. A IA já faz.”

E imediatamente depois:

“Mas preciso que você possua julgamento, liderança, criatividade e visão.”

A pergunta inevitável é:

onde ele deveria ter aprendido tudo isso?

A Escada Quebrada não é um argumento contra automação.

É um argumento contra automatizar sem redesenhar a formação.

A inteligência artificial pode destruir degraus.

Também pode permitir que subamos muito mais rapidamente.

A diferença estará na decisão que empresas, escolas e profissionais tomarem agora.

Porque existe algo que talvez seja ainda mais perigoso do que descobrir que uma máquina consegue fazer o trabalho dos iniciantes:

descobrir, daqui a vinte anos, que deixamos de formar as pessoas capazes de supervisioná-la.

Por

Danielson Matos