Jovens, IA e a barreira de entrada: por que o efeito da automação não é (e nunca foi) sobre o desemprego total

O dado que não surpreende, mas o recorte que deveria nos preocupar

O relatório mais recente da OCDE sobre perspectivas de emprego para 2026 chega com um diagnóstico que, à primeira vista, parece contradizer o discurso apocalíptico que domina manchetes: a inteligência artificial não está provocando uma queda generalizada do emprego nos países da OCDE. A taxa de desemprego da organização, de 4,9%, oscila perto do mínimo histórico. Se você esperava um artigo para alimentar o pânico de que máquinas substituirão todos os trabalhadores em massa, sugiro pular este texto. Porque o problema real, como o relatório aponta com clareza cirúrgica, não está na taxa agregada — está na assimetria. A IA está dificultando a entrada de jovens no mercado de trabalho, e esse efeito tem implicações profundas para quem constrói produtos, gerencia times de engenharia e toma decisões de infraestrutura.

Como especialista em transformação digital e automação, acompanhei de perto a implementação de sistemas baseados em IA generativa em ambientes corporativos de médio e grande porte. E posso afirmar: o dado da OCDE faz sentido, mas apenas se olharmos para ele com as lentes de quem entende como a automação realmente funciona em cadeias produtivas. Não se trata de eliminar postos, mas de reconfigurar as portas de entrada. E essa reconfiguração é particularmente cruel com quem está tentando dar o primeiro passo na carreira.

Por que a taxa de desemprego geral não caiu (e por que isso é enganoso)

A estabilidade da taxa de emprego agregada esconde um fenômeno que engenheiros de produto conhecem bem: o viés de seleção. Trabalhadores experientes, com domínio de linguagens consolidadas, processos estabelecidos e redes de contato, conseguem se adaptar mais rapidamente às ferramentas de IA. Eles não são substituídos — são amplificados. O engenheiro sênior que usa um copilot de código para revisar pull requests em minutos, o analista de dados que emprega modelos generativos para gerar documentação técnica, o gerente de produto que utiliza LLMs para analisar feedback de usuários em escala: todos esses profissionais viram sua produtividade aumentar, não seu risco de demissão.

O problema está no outro lado da equação. O jovem recém-formado, que antes ocupava vagas de entrada como analista júnior, estagiário ou trainee, agora compete com sistemas que entregam o mesmo output básico que ele produziria — mas sem custo de onboarding, sem erros de iniciante e sem a necessidade de supervisão intensiva. A OCDE captura esse fenômeno não como uma substituição direta, mas como uma dificuldade de ingresso. Empresas estão reduzindo suas vagas de entrada ou elevando os requisitos iniciais, porque a IA já cobre parte do trabalho que antes era treinamento.

Em termos técnicos, vivemos uma compressão da função de aprendizado. O profissional júnior sempre teve um período de baixa produtividade, compensado pelo investimento da empresa em seu desenvolvimento. Com a IA, a produtividade de entrada sobe artificialmente — mas o custo desse ganho é que menos empresas estão dispostas a pagar pelo período de formação.

O trade-off escondido: produtividade de curto prazo versus formação de longo prazo

Este é o ponto que não vi discutido em nenhum dos comentários superficiais sobre o relatório da OCDE, e que merece atenção de quem trabalha com engenharia de software e produto: a IA generativa cria um incentivo perverso para que empresas enxuguem suas posições de entrada exatamente no momento em que a tecnologia poderia, em tese, tornar o treinamento mais barato e escalável.

Parece contraditório, mas não é. Se você tem uma ferramenta que reduz o tempo de aprendizado de um novo funcionário, por que não contratar mais juniores? A resposta está no modelo de custos. Empresas de tecnologia, especialmente em cenários de aperto de margem, preferem redução de headcount a otimização de onboarding. Em vez de usar a IA para acelerar o treinamento de estagiários, elas usam a IA para eliminar a necessidade de contratá-los. É uma decisão racional do ponto de vista financeiro de curto prazo, mas desastrosa para a renovação do pipeline de talentos.

Vivi essa dinâmica na pele durante a implantação de um assistente de código interno em uma fintech de médio porte. A ferramenta reduziu o tempo médio de code review em 40% e eliminou a necessidade de um revisor sênior dedicado para cada dupla de juniores. O resultado imediato? O time sênior ganhou capacidade de entregar mais features. O resultado colateral? O programa de estágio foi reduzido pela metade no trimestre seguinte, porque o custo de supervisão caiu, mas a alocação orçamentária de RH foi redirecionada para contratar dois seniors a mais — que, com a IA, se tornaram ainda mais produtivos. O jovem não entrou. E não entrou não porque a IA substituiu seu trabalho, mas porque a empresa otimizou a estrutura de custos eliminando a necessidade de formá-lo.

A assimetria setorial: áreas que mais sentem o impacto

O relatório da OCDE não detalha, mas a experiência de implementação mostra que o impacto não é uniforme. Em setores onde o trabalho de entrada envolve tarefas padronizáveis e com alta densidade de linguagem natural — redação técnica, análise de dados básica, atendimento ao cliente, programação de baixa complexidade — a barreira para jovens aumentou significativamente. Em contrapartida, áreas que exigem trabalho físico adaptativo, habilidades interpessoais complexas ou tomada de decisão em ambientes de alta incerteza ainda mantêm portas de entrada relativamente abertas.

Para engenheiros de software, o recado é direto: o jovem que domina apenas uma linguagem e um framework e espera ser treinado no resto está em risco. O mercado já não paga pelo potencial puro. Ele paga pela capacidade de aplicar ferramentas de IA para aumentar a produtividade desde o dia um. Isso não significa que todo estagiário precise ser especialista em LLMs. Significa que o mínimo aceitável subiu. Quem não consegue demonstrar familiaridade com ferramentas como GitHub Copilot, ChatGPT para documentação, ou até mesmo com a orquestração básica de prompts para automação de tarefas, simplesmente não passa do filtro inicial.

E aqui há um paradoxo cruel: as universidades, em sua maioria, ainda não incorporaram o uso crítico de IA generativa em seus currículos. O jovem que aprendeu a programar sem usar suporte de IA está despreparado para o mercado que a IA transformou. Mas o jovem que usou IA para fazer o trabalho de casa também está despreparado, porque nunca desenvolveu a capacidade de resolver problemas sem muleta. O equilíbrio é difícil, e o mercado, como de costume, não tem paciência para explicar o meio-termo.

O que isso significa para quem contrata e para quem constrói produto

Se você lidera times de produto ou engenharia, o relatório da OCDE deveria provocar uma reflexão estratégica, não apenas uma nota de rodapé sobre tendências macroeconômicas. A decisão de reduzir vagas de entrada é tentadora no curto prazo, mas cria um gargalo de médio prazo que já estamos começando a enxergar: a falta de profissionais plenos e seniors daqui a cinco ou seis anos.

O jovem que não consegue entrar hoje não estará disponível para ser pleno amanhã. E ao contrário do que alguns pregam, a IA não substitui a experiência acumulada em contextos reais de produção. Ela substitui tarefas, não julgamento situacional, não conhecimento tácito construído ao longo de anos de debugging, de crise em produção, de negociação com stakeholders. Formar um profissional leva tempo. Se o sistema de entrada secar por três ou quatro anos, teremos um buraco geracional difícil de remendar.

Para quem constrói produto, a implicação é igualmente relevante. O perfil de usuário que consome ferramentas de IA está mudando. Profissionais mais experientes adotam a tecnologia como amplificadora. Profissionais mais jovens, que deveriam ser os early adopters naturais, estão se sentindo excluídos. Produtos de IA que ignoram essa dinâmica correm o risco de criar interfaces que funcionam bem para poder de compra consolidado — seniors e gestores — mas falham em atrair a próxima geração de usuários. E isso, em qualquer ciclo de produto, é receita para obsolescência.

Lições operacionais para navegar esse cenário

Vou direto ao ponto, sem rodeios de consultoria. Se você trabalha com tecnologia e quer se posicionar bem nesse mercado em transformação, algumas ações práticas emergem desse diagnóstico:

• Para jovens profissionais: Pare de tratar IA como atalho e comece a tratá-la como ferramenta de produtividade. A diferença é sutil mas crucial. Um atalho substitui o aprendizado; uma ferramenta acelera a execução de tarefas que você já sabe fazer. Construa um portfólio que demonstre sua capacidade de usar IA para resolver problemas reais, não para gerar conteúdo vazio. E invista em habilidades que a IA ainda não consegue replicar: comunicação técnica, resolução de conflitos, debugging em sistemas legados obscuros, compreensão profunda de domínio de negócio.
• Para líderes de engenharia: Reavalie o custo real de reduzir vagas de entrada. O cálculo de curto prazo ignora o custo de reposição de talentos seniors que se aposentarão ou mudarão de área nos próximos anos. Crie programas estruturados de mentorship onde a IA seja usada para acelerar o treinamento, não para eliminá-lo. Um estagiário que aprende a usar IA corretamente sob supervisão de um sênior se torna produtivo em meses, não em anos — e com custo de supervisão muito menor do que se imagina.
• Para gerentes de produto: Observe o comportamento de adoção das suas ferramentas por faixa etária e nível de experiência. Se jovens estão sub-representados no uso do seu produto, você tem um problema de posicionamento, não de funcionalidade. Considere criar fluxos de onboarding que eduquem o usuário sobre como a IA pode amplificar seu trabalho — e não substituí-lo. O discurso de substituição vende, mas afasta justamente quem mais precisa da sua ferramenta.

O risco de ignorar a assimetria

O relatório da OCDE é um alerta que muitos vão ler como alívio: "veja, o desemprego não explodiu". E de fato não explodiu. Mas o viés de composição esconde o drama real. O jovem que não entra hoje não aparece nas estatísticas de desemprego da mesma forma que uma vaga eliminada não aparece como demissão. O efeito é silencioso, gradual e difícil de rastrear em termos agregados, mas absolutamente devastador do ponto de vista individual e, a médio prazo, sistêmico.

Como profissional de transformação digital, meu alerta é: não confunda ausência de colapso com estabilidade saudável. A IA está reconfigurando o mercado de trabalho por baixo, nas camadas de entrada, onde a taxa de rotatividade é alta e o investimento em formação é baixo. Essa reconfiguração vai gerar um gap de talentos em três a cinco anos que muitas empresas já estão criando agora, com a falsa sensação de que estão otimizando custos. Estamos colhendo eficiência de curto prazo e plantando escassez de longo prazo.

A pergunta que fica para quem lê este artigo — engenheiros, gestores, founders, profissionais de produto — não é se a IA vai tomar seu emprego. É se você está preparado para operar em um mercado onde a porta de entrada ficou mais estreita, o treinamento mais caro e o custo do erro, para quem não se adapta, muito mais alto. A resposta não está na tecnologia. Está nas decisões que tomamos hoje sobre como, onde e para quem construímos as ferramentas que definirão o futuro do trabalho.