Durante décadas, tornar-se sénior implicava começar por baixo, aprender fazendo e assumir progressivamente trabalho mais complexo. A inteligência artificial está a alterar esse percurso e a criar um paradoxo: ao libertar os juniores de muitas das tarefas mais repetitivas, pode estar também a retirar-lhes algumas das oportunidades através das quais aprendiam a profissão e ganhavam experiência. Como formar, então, os seniores de amanhã?
POR HELENA OLIVEIRA
O ESSENCIAL
- A IA está a assumir muitas das tarefas tradicionalmente entregues aos profissionais em início de carreira, mas algumas dessas tarefas eram também parte do processo através do qual aprendiam a profissão e ganhavam experiência.
- As funções juniores mais expostas à IA estão a exigir cada vez mais competências tradicionalmente associadas a profissionais seniores, ao mesmo tempo que algumas empresas começam a reduzir o recrutamento para posições de entrada.
- O desafio não é preservar tarefas repetitivas, mas encontrar novas formas de aprender fazendo. Se as empresas não repensarem a formação dos mais jovens, os ganhos de produtividade de hoje podem comprometer o pipeline de profissionais experientes de amanhã.
____________________________________________________________________
Durante décadas, começar uma carreira significava, quase inevitavelmente, começar por baixo. Aos profissionais mais jovens cabiam muitas das tarefas mais simples, repetitivas e demoradas: pesquisar informação, rever documentos, tratar dados, preparar apresentações, escrever primeiras versões ou executar partes relativamente básicas de um trabalho que outros, mais experientes, acabariam por rever.
Não era necessariamente a parte mais interessante de uma profissão. Um jovem advogado podia passar horas a analisar contratos ou a pesquisar jurisprudência; um analista financeiro, a construir modelos e apresentações; um consultor, a recolher e organizar informação; um programador, a escrever e testar código relativamente simples. Hoje, e como sabemos, uma parte crescente desse trabalho pode ser feita, ou pelo menos acelerada, por ferramentas de inteligência artificial.
À primeira vista, há pouco a lamentar. Se uma máquina consegue realizar em minutos uma tarefa repetitiva que antes ocupava várias horas, libertar alguém desse trabalho parece ser exactamente uma das promessas mais interessantes da tecnologia. Sobretudo para quem está a começar, a possibilidade de chegar mais cedo a tarefas mais complexas, criativas ou próximas da tomada de decisão pode até tornar o início de uma carreira mais estimulante.
O problema é que estas tarefas aparentemente “menores” desempenhavam outra função, menos visível, mas de extrema importância. Não serviam apenas para produzir trabalho, mas também, e essencialmente, para produzir experiência.
Ao pesquisar dezenas de casos, rever centenas de documentos ou construir sucessivamente análises que seriam depois corrigidas por alguém mais experiente, os profissionais mais jovens não estavam apenas a executar tarefas. Estavam a familiarizar-se com a matéria, a encontrar excepções, a perceber onde costumavam errar, a observar como os mais experientes corrigiam esses erros e, a pouco e pouco, a reconhecer padrões que dificilmente poderiam aprender apenas num manual.
Na verdade, esta era uma aprendizagem incorporada no próprio trabalho, que não tinha necessariamente de ter nome nem precisava de estar desenhada como um programa de formação. Acontecia porque, antes de alguém poder resolver problemas complexos, passava muito tempo a resolver problemas mais simples.
É precisamente esta sequência que a IA começa a alterar. E fá-lo por uma razão perfeitamente racional: muitas das tarefas mais adequadas à automatização são também aquelas que tradicionalmente eram entregues aos profissionais menos experientes. A McKinsey chama a atenção para este paradoxo num trabalho publicado em Julho: muitas das tarefas que a IA começa agora a assumir eram também aquelas através das quais os profissionais mais jovens aprendiam a profissão. Era ao pesquisar, analisar, testar e corrigir que começavam a ganhar experiência e a desenvolver o julgamento que mais tarde lhes permitiria assumir trabalho mais complexo.
Tal não significa que devamos conservar trabalho repetitivo apenas porque sempre fez parte do início de uma carreira. Seria difícil defender que um jovem advogado deve continuar a passar dez horas ou mais a comparar documentos se uma ferramenta pode fazer grande parte desse trabalho em dez minutos. A questão é outra: o que aprendia esse advogado durante essas supostas dez horas e onde – ou como – vai aprender isso agora?
A verdade é que se essas tarefas deixarem de fazer parte do início de uma carreira, será preciso encontrar outras formas de proporcionar a aprendizagem que acontecia através delas. E é aqui que surge uma pergunta que, até há pouco tempo, pareceria quase absurda: como chegar a sénior sem ter sido júnior?
Juniores a quem se pede que sejam seniores
Se algumas das tarefas tradicionalmente entregues a quem estava a começar podem agora ser realizadas pela inteligência artificial, seria natural esperar que as empresas precisassem de menos profissionais em início de carreira. Apesar de existirem sinais de que isso já está a acontecer, os dados mais recentes mostram contudo uma transformação menos linear e mais paradoxal.
O Global AI Jobs Barometer 2026, da PwC, analisou mais de mil milhões de anúncios de emprego em seis continentes e encontrou uma mudança particularmente expressiva nas posições de entrada. Num conjunto de 2,4 milhões de anúncios nos Estados Unidos, as funções juniores mais expostas à IA eram já sete vezes mais propensas a exigir competências tradicionalmente associadas a profissionais seniores, como liderança, criatividade, tomada de decisão estratégica ou capacidade de trabalhar directamente com outras pessoas.
A PwC chama-lhes funções de entrada “seniorizadas”. E há um dado que torna a tendência ainda mais interessante: entre 2019 e 2025, os anúncios para estas funções cresceram 35%, enquanto as restantes posições de entrada entre as profissões mais expostas à IA diminuíram 10%. Ou seja, o primeiro degrau da carreira não está simplesmente a desaparecer. Em muitos casos, está a “subir de altura”.
O paradoxo é evidente. Ao mesmo tempo que a tecnologia permite retirar aos profissionais mais jovens algumas das tarefas através das quais tradicionalmente começavam a ganhar experiência, o mercado parece pedir-lhes mais cedo aquilo que costumava chegar precisamente com a experiência: julgamento, autonomia, capacidade de decisão ou liderança.
Noutros casos, porém, o primeiro degrau está efectivamente a encolher. Um inquérito da Gartner a 110 responsáveis de Recursos Humanos, divulgado em Julho deste ano, revelou que 22% afirmavam que pelo menos um responsável da sua organização tinha deixado de contratar para determinadas funções de entrada devido à automatização por IA. A própria Gartner chama a atenção para o risco de uma resposta aparentemente racional no curto prazo criar dificuldades futuras, se as empresas reduzirem os seus pipelines de talento sem redesenharem a forma como desenvolvem profissionais em início de carreira.
O que isso pode significar torna-se particularmente visível, por exemplo, nas sociedades de advogados. Durante muito tempo, a estrutura das grandes firmas assentou numa espécie de pirâmide: uma base relativamente larga de jovens advogados fazia pesquisa, revisão documental, due diligence, primeiras análises e versões iniciais de documentos, enquanto profissionais progressivamente mais experientes assumiam o trabalho de maior complexidade e responsabilidade.
Essa pirâmide começa a dar sinais de mudança. Nos Estados Unidos, das 24.441 contratações de associados realizadas por sociedades de advogados em 2025, apenas 38% foram recém-licenciados, contra 46% nos dois anos anteriores. Em contrapartida, 49% das contratações foram de advogados já com experiência profissional, recrutados noutras sociedades. A tecnologia jurídica e a IA, que permitem automatizar parte do trabalho tradicionalmente atribuído aos mais jovens, são apontadas entre as explicações possíveis para esta mudança, embora não sejam, naturalmente, a única causa.
E esta última ressalva é importante. Seria prematuro concluir que a IA está simplesmente a eliminar os empregos juniores. Os dados disponíveis ainda não permitem estabelecer essa relação de forma completamente directa e há sectores e empresas que continuam a recrutar jovens precisamente porque sabem que necessitam de alimentar o seu futuro pipeline de talento.
O que já parece estar a mudar é o lugar que os juniores ocupam na cadeia de trabalho. Se a máquina faz a primeira pesquisa, produz a primeira análise, compara os documentos ou prepara uma primeira versão, o profissional que está a começar pode chegar mais cedo a tarefas de maior valor. Mas como é que alguém adquire as competências necessárias para desempenhar essas tarefas?
O World Economic Forum estima que mais de um em cada três jovens trabalhadores, a nível global, esteja actualmente em profissões com exposição média ou elevada à transformação das tarefas provocada pela IA. No relatório que publicou em Junho de este ano sobre o futuro do trabalho entry-level, a questão já não é apresentada apenas como um problema de emprego jovem, mas como um desafio à forma como as organizações recrutam, desenvolvem e fazem progredir talento.
Talvez seja essa a mudança mais importante. Durante muito tempo, a progressão profissional continha uma sequência relativamente previsível: como já enunciado, primeiro aprendia-se, depois ganhava-se autonomia e, progressivamente, assumiam-se problemas mais difíceis. A IA pode permitir encurtar essa sequência, mal tal não é o mesmo que eliminá-la.
Se é possível pedir a um júnior que pense mais cedo como um sénior, resta saber como aprende a fazê-lo.
O que só se aprende fazendo
Ter acesso ao conhecimento não é o mesmo que ter experiência. Esta constrói-se também na capacidade de reconhecer padrões, perceber excepções, avaliar situações ambíguas e saber quando uma resposta aparentemente correcta não é suficiente.
Grande parte dessa capacidade constrói-se fazendo. Repetindo, observando, errando, recebendo feedback e sendo progressivamente confrontado com problemas mais difíceis. A investigação sobre aprendizagem profissional há muito que mostra a importância desta combinação entre prática e contacto com quem sabe mais. O que a IA vem alterar é o contexto em que essa aprendizagem acontecia.
É por isso que o desaparecimento de uma tarefa aparentemente básica pode ter consequências que não aparecem imediatamente nos cálculos de produtividade. Um jovem advogado que revê dezenas de contratos não aprende apenas a revê-los. Começa a reconhecer cláusulas pouco habituais, percebe onde surgem os problemas e aprende, através das correcções de colegas mais experientes, aquilo a que deve prestar atenção. O mesmo acontece com o analista que constrói sucessivamente modelos financeiros ou com o programador que passa horas a encontrar erros no próprio código.
A questão não é, naturalmente, preservar essas tarefas apenas porque proporcionavam aprendizagem. É perceber o que se aprendia durante essas “dez horas” e como garantir que essa aprendizagem continua a acontecer.
Algumas empresas começam já a experimentar respostas. Em vez de “entregar” simplesmente o trabalho à IA, estão a criar modelos em que os profissionais mais jovens fazem primeiro a sua própria análise, comparam-na depois com o resultado produzido pela tecnologia e discutem as diferenças com alguém mais experiente. Outras estão a dar aos juniores contacto mais cedo com problemas complexos, mas acompanhando essa exposição com mentoria e feedback muito mais estruturados. A McKinsey defende precisamente que, à medida que desaparecem os mecanismos informais que transformavam principiantes em especialistas, a aprendizagem terá de passar a ser deliberadamente incorporada no desenho das funções.
A oportunidade é significativa. Se a IA libertar um jovem advogado de horas de revisão documental, esse tempo pode permitir-lhe acompanhar mais cedo uma negociação. Um analista pode deixar de passar grande parte do dia a preparar uma apresentação e começar mais cedo a discutir o significado dos números. Um programador pode escrever menos código básico e dedicar mais atenção à arquitectura de um sistema. A tecnologia pode, portanto, retirar algumas oportunidades de aprendizagem e abrir outras. Mas isso exige que as organizações repensem deliberadamente a forma como os mais jovens aprendem, em vez de assumirem que a experiência se construirá por si só.
E é aqui que uma decisão aparentemente operacional se transforma numa questão estratégica. Reduzir o número de juniores pode aumentar a produtividade no presente. Mas os profissionais capazes de tomar decisões difíceis, lidar com clientes, reconhecer situações excepcionais ou liderar equipas daqui a dez anos não aparecerão subitamente no mercado já formados. A McKinsey chama também a atenção para este risco: a automatização pode tornar atractivo contratar profissionais experientes e automatizar parte do trabalho dos mais jovens, enfraquecendo precisamente a base da pirâmide de onde sempre vieram os futuros seniores.
Talvez seja essa a conta que ainda falta fazer. As empresas podem descobrir rapidamente que precisam de menos juniores para produzir o trabalho de hoje. O problema é descobrirem, demasiado tarde, que precisavam deles para formar os seniores de amanhã.
A IA obriga, por isso, a uma pergunta que vai muito além de decidir que tarefas podem ser automatizadas. Se uma parte do percurso através do qual se adquiria experiência está a desaparecer, o que vamos colocar no seu lugar?
Porque podemos pedir a um júnior que faça mais cedo trabalho de sénior. Mas ninguém se torna sénior apenas porque deixou de fazer trabalho de júnior.
Nota: Imagem gerada via IA