A inteligência artificial está automatizando tarefas tradicionalmente entregues a estagiários e profissionais juniores. A porta de entrada não acabou, mas pode estar ficando menor e exigindo muito mais de quem está começando.

Introdução

Durante décadas, a entrada no mercado de trabalho seguiu uma lógica relativamente previsível. O estudante concluía a faculdade, conquistava uma vaga de entrada, começava executando tarefas mais simples e, aos poucos, acumulava experiência suficiente para assumir responsabilidades maiores. Essa escada profissional nunca foi perfeita, mas funcionava como um caminho reconhecível: primeiro você entrava, depois aprendia, então crescia.

O problema é que justamente o primeiro degrau dessa escada começa a ser pressionado por uma transformação importante. Muitas das tarefas tradicionalmente entregues a estagiários e profissionais juniores, como organizar informações, produzir versões preliminares, pesquisar dados, elaborar relatórios básicos ou executar atividades padronizadas, estão entre aquelas que ferramentas de inteligência artificial conseguem acelerar ou automatizar com mais facilidade. O World Economic Forum estima que mais de um em cada três jovens trabalhadores no mundo está em ocupações com exposição média ou alta a mudanças de tarefas provocadas pela IA.

Isso não significa que o primeiro emprego esteja acabando. Significa algo talvez mais desconfortável: a vaga de entrada pode continuar existindo enquanto aquilo que se espera de quem ocupa essa vaga muda profundamente. O Global AI Jobs Barometer 2026, da PwC, encontrou que as posições iniciais mais expostas à inteligência artificial são sete vezes mais propensas a exigir competências tradicionalmente associadas a profissionais mais experientes, como julgamento, liderança e pensamento estratégico. Em outras palavras, parte do trabalho rotineiro pode estar sendo absorvida pela tecnologia enquanto competências mais complexas chegam cada vez mais cedo na carreira.

Para quem ainda está na universidade, essa mudança pode alterar completamente a estratégia de preparação profissional. Talvez não seja mais suficiente imaginar que o primeiro emprego servirá para ensinar tudo aquilo que não foi desenvolvido durante a faculdade. Se a porta de entrada estiver ficando mais estreita e o nível mínimo estiver subindo, experiência prática, domínio de IA, pensamento crítico, comunicação, portfólio e capacidade de resolver problemas precisam começar a ser construídos antes do diploma.

Este artigo não pretende convencer você de que não haverá mais vagas juniores. Os próprios dados mostram um cenário muito mais complexo, com algumas posições sendo transformadas enquanto outras continuam crescendo. A pergunta que realmente importa é outra: se o mercado estiver esperando mais de quem está começando, o que você precisa construir agora para estar preparado quando chegar a sua vez de entrar?

A carreira sempre teve uma escada. A IA pode estar mudando o primeiro degrau

Durante muito tempo, a trajetória profissional foi construída sobre uma lógica relativamente simples. Quem estava começando não precisava chegar ao mercado sabendo tomar as decisões mais complexas da profissão. Entrava para executar atividades mais estruturadas, aprendia observando profissionais experientes, entendia como a organização funcionava e, gradualmente, assumia responsabilidades maiores.

Essa lógica ajudou a construir aquilo que podemos chamar de escada profissional. O estagiário não era contratado porque possuía o mesmo repertório de um analista pleno. O profissional júnior não precisava demonstrar a mesma capacidade de julgamento de um sênior. Existia uma expectativa de desenvolvimento. Parte do valor daquela vaga estava justamente em permitir que alguém aprendesse enquanto trabalhava.

A inteligência artificial começa a tensionar essa estrutura porque muitas das tarefas utilizadas como primeiro degrau da carreira estão entre aquelas que podem ser aceleradas, simplificadas ou parcialmente automatizadas. Isso não significa que o profissional iniciante tenha deixado de ser necessário. Significa que precisamos compreender algo que normalmente passa despercebido: tarefas simples não serviam apenas para produzir resultados para a empresa. Elas também ajudavam a formar os profissionais que posteriormente seriam capazes de executar trabalhos mais complexos.

Por que profissionais começavam pelas tarefas mais simples

Quando alguém entra em uma profissão, existe uma diferença enorme entre conhecer os fundamentos da área e compreender como esses conhecimentos funcionam em situações reais. A faculdade pode ensinar conceitos, técnicas e metodologias, mas o ambiente profissional acrescenta elementos que dificilmente podem ser reproduzidos integralmente em sala de aula.

Existem clientes reais, prazos, interesses conflitantes, limitações de orçamento, ferramentas específicas, processos internos, decisões imperfeitas e consequências concretas. O profissional iniciante precisa aprender a operar dentro desse ambiente antes de receber responsabilidades maiores.

É justamente por isso que tarefas mais estruturadas sempre cumpriram uma função importante.

Um estudante de finanças poderia começar organizando informações e produzindo análises preliminares antes de participar de decisões mais relevantes. Um profissional de marketing poderia realizar pesquisas, preparar relatórios e acompanhar campanhas antes de definir uma estratégia. Um programador iniciante poderia corrigir problemas menores ou desenvolver funcionalidades mais simples antes de tomar decisões importantes sobre arquitetura de sistemas.

Essas tarefas eram menos complexas, mas não eram inúteis.

Enquanto executava atividades básicas, o profissional começava a compreender a profissão por dentro. Observava como decisões eram tomadas, aprendia quais erros deveriam ser evitados e adquiria algo que nenhum diploma entrega instantaneamente: contexto.

O trabalho básico também funcionava como treinamento

Existe uma diferença importante entre aprender sobre uma profissão e aprender a exercê-la.

Você pode estudar negociação e nunca ter participado de uma conversa difícil com um cliente. Pode compreender conceitos de gestão e nunca ter precisado coordenar pessoas com objetivos diferentes. Pode conhecer métodos de análise e nunca ter recebido dados incompletos diante de uma decisão urgente.

A experiência profissional é construída justamente pelo contato repetido com essas situações.

As tarefas iniciais criavam uma espécie de ambiente de aprendizagem com risco relativamente controlado. O profissional júnior participava do processo sem necessariamente ser responsável por todas as decisões. Podia executar uma primeira análise que seria revisada por alguém mais experiente. Produzir uma versão inicial de um documento que receberia correções. Desenvolver uma solução que seria avaliada antes de chegar ao cliente.

Esse processo de execução, feedback e correção permitia transformar conhecimento acadêmico em repertório profissional.

É por isso que reduzir determinadas tarefas de entrada produz uma consequência muito maior do que simplesmente economizar algumas horas de trabalho. Dependendo de como as organizações incorporarem a inteligência artificial, elas também precisarão repensar como os profissionais iniciantes aprenderão aquilo que anteriormente aprendiam executando essas atividades.

Experiência não aparece de repente quando alguém é promovido

Quando observamos um profissional sênior tomando boas decisões, é fácil enxergar apenas o resultado final e esquecer todo o processo necessário para desenvolver aquela capacidade.

Julgamento profissional é construído lentamente.

A pessoa reconhece um problema porque já encontrou situações semelhantes. Identifica um risco porque já viu algo dar errado. Sabe qual pergunta fazer porque aprendeu que determinadas informações são importantes. Consegue avaliar uma solução rapidamente porque possui referências acumuladas ao longo de anos.

Boa parte desse conhecimento não veio apenas de cursos ou livros.

Veio da experiência.

E experiência geralmente começa com exposição progressiva aos problemas da profissão.

É por isso que existe um paradoxo importante quando empresas imaginam utilizar inteligência artificial para eliminar indiscriminadamente o trabalho mais simples. No curto prazo, a organização pode obter ganhos evidentes de produtividade. No longo prazo, precisa responder a outra pergunta: como desenvolverá os profissionais capazes de assumir as responsabilidades mais complexas no futuro?

O World Economic Forum já trata a transformação do trabalho de entrada não apenas como uma questão de emprego juvenil, mas também como um problema de desenvolvimento de talentos para as próprias organizações. Se as primeiras etapas da carreira forem alteradas pela IA, os mecanismos de formação também precisarão ser redesenhados.

O profissional júnior nunca foi apenas mão de obra barata

Existe uma interpretação simplista de que empresas contratam estagiários e profissionais juniores apenas porque custam menos. Certamente o custo influencia algumas decisões, mas essa explicação ignora um elemento estratégico importante: organizações precisam renovar continuamente seu capital humano.

O profissional júnior de hoje pode se tornar o especialista, gestor ou líder de amanhã.

Empresas que desenvolvem talentos internamente conseguem formar pessoas familiarizadas com seus processos, cultura, clientes e desafios. Existe, portanto, um investimento embutido na contratação de quem está começando.

Essa lógica ajuda a explicar por que eliminar completamente as vagas de entrada também pode criar problemas para as organizações. Se ninguém entra na base, eventualmente haverá menos pessoas preparadas para ocupar os níveis seguintes.

O desafio que a IA cria não é necessariamente escolher entre manter todos os processos antigos ou eliminar profissionais iniciantes. É descobrir como utilizar a tecnologia para aumentar produtividade sem destruir os mecanismos pelos quais experiência, julgamento e conhecimento tácito são construídos.

O primeiro emprego era também uma escola profissional

Para o universitário, talvez essa seja a mudança mais importante de perspectiva.

Durante muito tempo, era razoável imaginar que uma parcela significativa do desenvolvimento profissional aconteceria depois da contratação. Você precisava demonstrar fundamentos, capacidade de aprendizado e disposição. A empresa forneceria contexto, experiência e treinamento à medida que sua carreira avançasse.

Essa expectativa ainda continuará existindo em muitas organizações. Empresas precisam ensinar seus processos e nenhum recém-formado chegará conhecendo todos os detalhes da profissão.

Mas existe a possibilidade de o equilíbrio mudar.

Se a IA passa a executar parte das tarefas que antes justificavam anos iniciais de trabalho operacional, empresas podem começar a esperar que o profissional iniciante avance mais rapidamente para atividades envolvendo análise, interpretação, comunicação e julgamento.

Isso significa que o estudante talvez precise desenvolver antes da contratação uma parcela das competências que gerações anteriores poderiam desenvolver depois dela.

Projetos acadêmicos ganham importância.

Estágios ganham importância.

Empresa júnior, pesquisa, extensão, portfólio, projetos pessoais e experiências reais ganham importância.

Não porque todas as empresas deixarão de ensinar seus profissionais, mas porque depender exclusivamente da futura vaga para iniciar seu desenvolvimento pode se tornar uma estratégia mais arriscada.

A escada não precisa desaparecer para ficar mais difícil de subir

Esse é o ponto central.

Não precisamos imaginar um futuro no qual não existam estagiários, analistas juniores ou recém-formados. As evidências atuais mostram uma transformação muito mais complexa. Algumas posições iniciais altamente expostas à IA continuam crescendo, mas passam a exigir competências tradicionalmente encontradas em níveis mais avançados da carreira.

A escada profissional continua existindo.

O que pode mudar é a distância entre os degraus.

O primeiro degrau pode exigir mais conhecimento. A progressão pode acontecer mais rapidamente. Parte do treinamento pode precisar ocorrer de maneira diferente. Algumas tarefas utilizadas historicamente para preparar iniciantes podem deixar de ocupar tanto tempo.

Para quem está na universidade, isso produz uma conclusão importante: não basta perguntar se haverá uma vaga esperando por você depois do diploma. É preciso perguntar quais competências serão necessárias para conseguir colocar o pé no primeiro degrau.

Porque talvez a maior transformação provocada pela inteligência artificial nas carreiras não seja eliminar o topo da escada.

Talvez seja elevar o ponto em que você precisa começar a subir.

A vaga de entrada realmente está desaparecendo?

Depois de tudo o que vimos até aqui, a pergunta parece inevitável: afinal, as vagas de entrada estão realmente desaparecendo?

A resposta mais responsável é: não podemos afirmar que o primeiro emprego está desaparecendo de forma generalizada. Existem sinais relevantes de transformação e pressão sobre determinadas posições iniciais, especialmente em ocupações mais expostas à inteligência artificial, mas o mercado de trabalho é amplo demais para ser reduzido a uma única tendência.

E essa distinção importa muito.

Se disséssemos simplesmente que “a IA está acabando com as vagas júnior”, teríamos uma manchete poderosa, mas uma análise fraca. O que os dados mais recentes mostram é algo mais interessante: algumas oportunidades tradicionais de entrada estão sendo pressionadas, outras continuam crescendo e uma terceira categoria parece estar passando por uma transformação nas competências exigidas.

Em outras palavras, talvez a porta de entrada não esteja simplesmente desaparecendo.

Ela está mudando de formato.

O que os dados realmente mostram

Um relatório publicado em 2026 pelo World Economic Forum sobre o futuro do trabalho de entrada mostra a dimensão do problema. Globalmente, mais de um em cada três trabalhadores jovens está empregado em ocupações com exposição média ou alta a mudanças de tarefas provocadas pela inteligência artificial.

Isso não significa que um terço dos jovens perderá seus empregos.

Significa que uma parcela significativa dos profissionais que estão começando trabalha justamente em ocupações nas quais a maneira de executar determinadas atividades pode ser profundamente alterada pela tecnologia.

Essa diferença é essencial.

Exposição representa possibilidade de transformação. O resultado pode assumir formas muito diferentes: automação de algumas tarefas, aumento da produtividade, mudança das responsabilidades, criação de novas funções ou redução da necessidade de determinados tipos de trabalho.

É por isso que não devemos procurar apenas evidências de demissões. Parte da transformação pode aparecer naquilo que as empresas começam a exigir de quem desejam contratar.

Algumas vagas não estão desaparecendo. Estão ficando mais exigentes.

Os dados da PwC ajudam a enxergar esse fenômeno com mais clareza.

Em uma análise de 2,4 milhões de vagas de entrada nos Estados Unidos, a consultoria encontrou que posições iniciais mais expostas à IA se tornaram sete vezes mais propensas a exigir competências tradicionalmente associadas a profissionais mais experientes.

Estamos falando de capacidades como julgamento, liderança, criatividade, tomada de decisão e interação humana.

Esse resultado é particularmente importante porque sugere uma transformação que vai além do número de vagas disponíveis.

A própria definição de profissional iniciante pode estar mudando.

Quando ferramentas conseguem assumir parte da execução rotineira, empresas podem começar a transferir para o trabalhador humano uma parcela maior das atividades que exigem interpretação, contexto e decisão. O resultado é um profissional júnior que continua no início da carreira, mas recebe expectativas que antes poderiam surgir somente depois de algum tempo no mercado.

A vaga continua existindo.

O nível de entrada é que sobe.

Há um dado ainda mais interessante

A mesma pesquisa encontrou algo que impede uma interpretação simplista de que “mais IA significa menos vagas”.

As posições iniciais expostas à IA que passaram por essa espécie de seniorização cresceram 35% desde 2019 na amostra norte-americana analisada pela PwC. Outras posições de entrada, por outro lado, apresentaram redução de 10% no mesmo período.

Isso produz uma conclusão importante.

A inteligência artificial pode pressionar determinados trabalhos ao mesmo tempo em que aumenta a demanda por outros.

O que parece ganhar espaço são funções nas quais a tecnologia amplia a capacidade humana, mas o profissional continua necessário para julgamento, criatividade, comunicação, liderança e interpretação.

Isso muda completamente a discussão.

O problema talvez não seja simplesmente:

“Existirão menos empregos para iniciantes?”

Pode ser:

“Quais tipos de iniciantes continuarão encontrando espaço?”

Correlação não significa que a IA causou tudo isso

Aqui precisamos colocar um freio importante no entusiasmo das manchetes.

O mercado de trabalho não é transformado apenas pela inteligência artificial.

Taxas de juros, crescimento econômico, mudanças no consumo, reorganizações empresariais, trabalho remoto, terceirização, alterações demográficas, custos trabalhistas e inúmeras outras variáveis influenciam decisões de contratação.

Por isso, observar redução nas vagas de determinada área durante um período de expansão da IA não permite concluir automaticamente que a inteligência artificial causou aquela redução.

Mesmo estudos sofisticados enfrentam essa limitação.

Podemos observar que determinadas ocupações estão altamente expostas à IA.

Podemos identificar mudanças nas competências exigidas.

Podemos encontrar diferenças na evolução das vagas.

Mas transformar esses sinais em uma afirmação como “a IA eliminou X% das vagas de entrada” exigiria uma demonstração causal muito mais forte.

Esse cuidado não diminui nosso argumento.

Na verdade, fortalece.

Porque não precisamos exagerar os dados para reconhecer que alguma coisa importante está acontecendo.

O Brasil também mostra que a porta de entrada não acabou

Quando olhamos especificamente para o mercado brasileiro, encontramos outro elemento que impede uma narrativa apocalíptica.

Dados do Guia para Recém-formados 2026 do LinkedIn mostram funções que continuam crescendo como portas de entrada para quem conclui o ensino superior. Engenharia de Inteligência Artificial aparece novamente entre as posições de maior crescimento para recém-formados, enquanto cargos como analista de programação e assistente de suporte técnico também apresentam expansão.

Há uma aparente contradição interessante aqui.

A inteligência artificial pode pressionar determinadas vagas enquanto contribui para o crescimento de outras.

Isso é exatamente o que esperaríamos de uma grande transformação tecnológica.

Ela não apenas elimina tarefas.

Ela reorganiza oportunidades.

Algumas competências perdem valor relativo. Outras se tornam mais importantes. Novas especializações aparecem. Funções tradicionais mudam de conteúdo.

Para o universitário, isso significa que esperar uma resposta simples, “haverá ou não haverá emprego?”, talvez seja menos útil do que entender para onde as oportunidades estão se deslocando.

O problema pode não ser menos vagas, mas maior competição pelas vagas certas

Existe ainda uma possibilidade importante.

Mesmo que a quantidade total de oportunidades para jovens permaneça relevante, determinadas vagas podem concentrar cada vez mais candidatos porque oferecem melhores perspectivas de desenvolvimento, remuneração ou resistência à automação.

Isso aumenta a importância da diferenciação profissional.

O diploma deixa de ser suficiente para separar candidatos que possuem formações semelhantes. Projetos, estágio, portfólio, domínio tecnológico, comunicação e experiência prática passam a fornecer evidências adicionais de capacidade.

Nesse cenário, o universitário enfrenta duas transformações simultaneamente.

A primeira acontece nas vagas.

A segunda acontece nos concorrentes.

Se seus colegas também estão aprendendo a utilizar IA, construindo projetos, desenvolvendo presença profissional e buscando experiências antes da formatura, competir apenas com formação acadêmica se torna ainda mais difícil.

A mudança no mercado não altera somente aquilo que as empresas procuram.

Ela altera o nível de preparação das pessoas que disputam as oportunidades.

Então, a vaga de entrada está desaparecendo?

Em algumas ocupações, determinadas oportunidades podem estar diminuindo.

Em outras, continuam crescendo.

E em várias delas, talvez o fenômeno mais importante não seja desaparecimento, mas transformação.

Por isso, a frase que dá título a este artigo precisa ser interpretada como um alerta, não como uma previsão universal.

A vaga de entrada tradicional está sob pressão.

Especialmente aquela construída em torno de tarefas rotineiras que podiam ser entregues a um profissional iniciante justamente porque eram estruturadas, supervisionáveis e relativamente previsíveis.

Se essas tarefas passam a ser realizadas com auxílio de inteligência artificial, o mercado não necessariamente deixa de contratar iniciantes.

Pode simplesmente passar a perguntar:

“O que esse profissional consegue fazer além do trabalho que a tecnologia já consegue acelerar?”

E é justamente nessa pergunta que começa a surgir uma nova realidade para quem está saindo da universidade.

Talvez a vaga júnior não esteja desaparecendo.

Talvez ela esteja ficando menos júnior.

Por que a inteligência artificial atinge justamente o trabalho de quem está começando?

A inteligência artificial não escolhe profissionais pela idade, pelo tempo de carreira ou pelo cargo escrito no crachá. Ela afeta tarefas.

E esse detalhe muda completamente a análise.

Quando observamos o trabalho tradicionalmente destinado a estagiários, assistentes e profissionais juniores, encontramos muitas atividades com características semelhantes: são relativamente estruturadas, possuem procedimentos conhecidos, trabalham com informações digitais e permitem que o resultado seja revisado por alguém mais experiente.

Essas características são justamente aquelas que favorecem o uso de inteligência artificial.

O problema, portanto, não é que a tecnologia tenha sido criada para substituir profissionais iniciantes. O problema é que uma parcela importante do trabalho utilizado historicamente para iniciar pessoas em determinadas carreiras está entre aquilo que a tecnologia consegue executar, acelerar ou simplificar com maior facilidade.

Muitas tarefas iniciais são estruturadas por definição

Empresas normalmente não entregam os problemas mais críticos da organização para alguém em seu primeiro mês de trabalho.

Isso seria irresponsável.

Um profissional iniciante recebe tarefas com escopo mais claro, menor risco e maior possibilidade de supervisão. Ele precisa aprender antes de assumir decisões que envolvam clientes importantes, grandes investimentos, riscos jurídicos, estratégias empresariais ou consequências difíceis de reverter.

Por isso, é comum que sua rotina comece com atividades como organizar dados, consolidar informações, pesquisar referências, atualizar documentos, preparar relatórios preliminares, revisar materiais ou executar partes específicas de processos maiores.

Essas tarefas fazem sentido pedagogicamente.

Mas também apresentam exatamente aquilo que sistemas de inteligência artificial precisam para funcionar bem: informações disponíveis, objetivos relativamente definidos e resultados que podem ser conferidos.

Quanto mais claro o processo, maior tende a ser a possibilidade de automatizar ou acelerar parte dele.

Pesquisa e levantamento preliminar

Imagine um profissional iniciante que precisava passar algumas horas pesquisando concorrentes, reunindo notícias de determinado setor, localizando informações públicas ou preparando um primeiro levantamento para alguém mais experiente analisar.

Esse trabalho não desaparece necessariamente.

Mas sua execução pode mudar radicalmente.

Ferramentas de IA conseguem resumir documentos, organizar grandes volumes de texto, identificar padrões preliminares, comparar informações e ajudar a localizar pontos relevantes com velocidade muito superior à pesquisa manual tradicional.

Isso permite que um profissional produza em menos tempo algo que anteriormente exigiria diversas horas de trabalho operacional.

Para a empresa, existe um ganho evidente de produtividade.

Para quem está começando, surge uma consequência menos óbvia: parte da atividade que anteriormente justificava sua participação no processo pode precisar ser reinventada.

O valor deixa de estar apenas em encontrar a informação.

Passa a estar em saber avaliar sua qualidade, identificar o que realmente importa, perceber inconsistências e transformar aquele material em uma análise útil.

Organização e processamento de informações

Grande parte das organizações funciona graças a tarefas invisíveis de organização.

Planilhas precisam ser atualizadas.

Dados precisam ser classificados.

Documentos precisam ser estruturados.

Informações precisam ser transferidas entre sistemas.

Relatórios precisam ser consolidados.

Essas tarefas foram historicamente associadas a funções administrativas e posições de entrada justamente porque são importantes, mas costumam possuir regras relativamente claras.

A inteligência artificial, combinada com automação tradicional, pode reduzir significativamente o esforço humano necessário em parte dessas atividades.

Isso não significa que nenhuma pessoa será responsável pelo processo.

Alguém ainda pode precisar definir critérios, supervisionar resultados, corrigir exceções e responder quando algo der errado.

Mas observe o que acontece com a lógica da contratação.

Se uma equipe precisava de três pessoas para processar determinado volume de informações e passa a conseguir realizar o mesmo trabalho com uma pessoa utilizando ferramentas de automação, não é necessário demitir três funcionários para que exista impacto sobre o emprego.

Basta que as próximas duas vagas nunca sejam abertas.

É exatamente por isso que transformações nas vagas de entrada podem acontecer de maneira silenciosa.

Primeiras versões de textos, relatórios e apresentações

Outro exemplo aparece nas atividades de comunicação.

Durante muito tempo, profissionais iniciantes foram responsáveis por produzir primeiras versões.

Um assistente preparava o rascunho de uma apresentação.

Um analista júnior organizava um relatório.

Um profissional de comunicação produzia uma primeira versão de um texto.

Um estudante reunia informações para que alguém mais experiente realizasse a análise final.

Ferramentas generativas conseguem hoje participar diretamente dessa etapa.

Elas podem estruturar documentos, sugerir textos, sintetizar informações, criar esboços e transformar grandes volumes de conteúdo em uma primeira versão utilizável.

Novamente, isso não significa que o profissional humano perdeu sua função.

Uma primeira versão produzida rapidamente ainda precisa de alguém capaz de entender o objetivo, identificar erros, ajustar o tom, interpretar o contexto e assumir responsabilidade pelo resultado.

Mas existe uma diferença importante.

Produzir a primeira versão deixa de ser o diferencial. Saber transformar uma primeira versão em algo realmente bom passa a valer mais.

Isso eleva a expectativa sobre quem está começando.

O mesmo acontece com programação

Tecnologia oferece um exemplo particularmente interessante porque mostra como exposição à IA não significa necessariamente desaparecimento da profissão.

Ferramentas de inteligência artificial já conseguem gerar trechos de código, explicar erros, sugerir soluções, criar testes e auxiliar no desenvolvimento de funcionalidades.

Parte dessas atividades poderia anteriormente ocupar uma quantidade significativa do tempo de um programador iniciante.

Mas uma empresa não precisa apenas de alguém capaz de produzir código.

Precisa de profissionais que compreendam o problema, avaliem se uma solução é adequada, identifiquem riscos, entendam arquitetura, segurança, desempenho e consequências para o restante do sistema.

Quanto mais fácil se torna produzir código básico, maior pode ser a importância de compreender o que deveria ser construído, por que deveria ser construído e se aquilo realmente funciona.

Essa lógica se repete em diversas áreas.

A IA reduz o custo da execução básica.

O valor humano se desloca para interpretação, contexto, qualidade e decisão.

Atendimento e suporte também podem mudar

Funções de atendimento oferecem outro exemplo evidente.

Uma grande parcela das interações iniciais entre clientes e empresas envolve perguntas recorrentes, consultas a informações conhecidas e procedimentos relativamente padronizados.

Chatbots e sistemas de IA conseguem atender parte dessas demandas.

Isso não elimina necessariamente profissionais de atendimento.

Mas pode modificar o tipo de problema que chega até eles.

Se a tecnologia resolve as questões simples, o profissional humano recebe justamente os casos mais difíceis: clientes insatisfeitos, situações excepcionais, negociações, problemas que exigem empatia ou decisões que não estavam previstas no sistema.

Perceba novamente o padrão.

A tecnologia assume parte do simples e empurra o humano mais rapidamente para o complexo.

Para profissionais experientes, isso pode significar uma mudança de rotina.

Para profissionais iniciantes, pode significar que algumas das atividades utilizadas anteriormente como treinamento deixam de existir na mesma proporção.

A IA não precisa substituir você. Basta aumentar muito a produtividade de outra pessoa.

Existe ainda outro mecanismo importante.

Quando discutimos automação, normalmente imaginamos uma comparação direta:

humano versus máquina.

Mas essa talvez seja a comparação errada.

Em muitos casos, a verdadeira competição será:

profissional sem IA versus profissional utilizando IA.

Imagine que determinado trabalho exigia oito horas e um profissional experiente, utilizando novas ferramentas, consegue realizá-lo em duas.

A empresa pode concluir que não precisa contratar alguém adicional para ajudar naquela atividade.

Novamente, ninguém necessariamente foi substituído.

Uma contratação simplesmente deixou de ser necessária.

Esse efeito ajuda a compreender por que o impacto da inteligência artificial sobre vagas de entrada pode ser diferente da imagem clássica de máquinas ocupando postos de trabalho.

A produtividade de profissionais existentes pode reduzir a demanda por algumas funções auxiliares.

E posições auxiliares são frequentemente portas de entrada.

O iniciante pode deixar de ser contratado apenas para executar

Esse talvez seja o ponto mais importante desta seção.

Historicamente, era possível entrar em determinadas profissões oferecendo principalmente capacidade de execução.

A empresa dizia o que precisava ser feito.

O profissional iniciante executava.

Alguém mais experiente revisava.

Com inteligência artificial participando cada vez mais da execução, essa divisão pode mudar.

O profissional de entrada passa a precisar demonstrar também capacidade de entender o problema, orientar a ferramenta, avaliar o resultado, comunicar conclusões e perceber situações em que a resposta automática não é suficiente.

Isso não transforma um recém-formado em sênior.

Experiência continua importando.

Mas pode reduzir a quantidade de tempo durante a qual o mercado aceita que alguém saiba apenas executar tarefas básicas.

É exatamente por isso que a preparação profissional durante a universidade ganha tanta importância.

O problema não está na tarefa simples. Está em depender exclusivamente dela.

Não existe nada errado em começar pelo básico.

Todo profissional precisa aprender fundamentos.

O risco aparece quando todo o seu valor profissional depende de tarefas que podem ser facilmente reproduzidas, aceleradas ou automatizadas.

Um universitário que sabe apenas montar uma apresentação enfrenta um cenário diferente daquele que sabe interpretar informações e construir uma narrativa estratégica.

Quem apenas organiza dados possui um perfil diferente de quem consegue encontrar um problema dentro deles.

Quem apenas produz texto disputa espaço em outro nível daquele que compreende objetivo, público e estratégia.

Quem apenas gera código oferece algo diferente de quem compreende o problema que aquele código precisa resolver.

A inteligência artificial torna essa diferença mais visível.

Ela pressiona justamente a fronteira entre executar uma tarefa e compreender o valor daquela tarefa dentro de um problema maior.

E isso nos leva a uma das questões mais difíceis desta transformação.

Se as tarefas básicas diminuírem, mas experiência continua sendo necessária para realizar as complexas, surge um paradoxo:

como alguém aprenderá a fazer o trabalho avançado se tiver menos oportunidades de começar pelo trabalho básico?

O paradoxo da experiência: como conseguir experiência se o trabalho de iniciante diminuir?

Existe uma contradição no mercado de trabalho que universitários conhecem muito bem.

Para conquistar determinadas vagas, você precisa de experiência.

Mas, para adquirir experiência, precisa primeiro conseguir uma oportunidade.

Esse problema sempre existiu. A diferença é que a inteligência artificial pode torná-lo ainda mais complexo em algumas profissões, justamente porque parte das atividades utilizadas tradicionalmente para desenvolver profissionais iniciantes está entre aquelas que podem ser automatizadas ou aceleradas.

Se uma empresa reduz a quantidade de tarefas básicas disponíveis para estagiários e juniores, surge uma pergunta inevitável:

onde esses profissionais aprenderão aquilo que precisarão saber para se tornar plenos e seniores?

A experiência profissional é construída em camadas

Ninguém começa uma carreira dominando os problemas mais difíceis da profissão.

Primeiro você executa.

Depois começa a perceber padrões.

Comete erros.

Recebe feedback.

Observa como pessoas mais experientes resolvem situações que você ainda não sabe resolver.

Gradualmente, deixa de simplesmente seguir instruções e começa a compreender por que determinadas decisões são tomadas.

É assim que experiência se transforma em julgamento.

Esse processo leva tempo porque conhecimento profissional não é composto apenas por informações que podem ser ensinadas em uma aula ou consultadas em um manual.

Existe uma parcela de aprendizado que acontece somente quando você enfrenta problemas reais.

Um profissional pode conhecer perfeitamente uma metodologia e ainda não saber quando utilizá-la.

Pode compreender uma técnica e não perceber quando ela produzirá um resultado ruim.

Pode saber quais indicadores acompanhar e ainda não conseguir identificar quais deles realmente importam em uma decisão específica.

Esse tipo de capacidade aparece com exposição repetida a situações reais.

E normalmente essa exposição começava nas posições de entrada.

O problema de eliminar o treinamento sem perceber

Imagine uma empresa que perceba que uma ferramenta de inteligência artificial consegue executar grande parte do trabalho operacional realizado por profissionais juniores.

A decisão imediata pode parecer óbvia.

Se a tecnologia aumenta produtividade, talvez seja possível reduzir a quantidade de pessoas necessárias naquela etapa.

Financeiramente, a escolha pode fazer sentido no curto prazo.

Mas existe uma consequência que pode demorar anos para aparecer.

A empresa não estava utilizando aquelas tarefas apenas para produzir relatórios, organizar informações ou preparar análises.

Estava, ao mesmo tempo, formando pessoas.

O analista sênior que hoje consegue identificar rapidamente um problema talvez tenha passado anos realizando análises menores.

O gestor que hoje toma decisões importantes provavelmente começou executando atividades muito mais simples.

O especialista que consegue perceber uma inconsistência quase imediatamente desenvolveu essa capacidade depois de observar centenas de situações semelhantes.

A automação consegue remover uma atividade do processo.

Mas não necessariamente substitui o aprendizado que aquela atividade produzia.

Quem formará o profissional experiente de amanhã?

Essa pergunta ultrapassa o interesse do universitário.

Também interessa às empresas.

Toda organização precisa de profissionais capazes de assumir responsabilidades maiores ao longo do tempo. Algumas contratam esses profissionais no mercado. Outras preferem desenvolvê-los internamente.

Mas existe um problema coletivo.

Se todas as empresas decidirem contratar apenas pessoas que já chegam experientes, alguém precisará ter criado essa experiência anteriormente.

É impossível construir um mercado composto apenas por profissionais plenos e seniores.

Todo profissional experiente já foi iniciante.

Por isso, a transformação das vagas de entrada cria um desafio de formação de talentos.

Empresas poderão precisar desenvolver novas maneiras de ensinar aquilo que antes era aprendido naturalmente pela execução das tarefas básicas.

Programas estruturados de treinamento, acompanhamento por profissionais mais experientes, rotação entre áreas, projetos supervisionados e utilização pedagógica da própria inteligência artificial podem ganhar importância.

A questão não será apenas como substituir tarefas.

Será como preservar aprendizagem.

A IA também pode acelerar a formação de quem está começando

Aqui aparece um lado menos discutido dessa transformação.

A mesma tecnologia que pode reduzir determinadas atividades de entrada também pode ajudar profissionais iniciantes a aprender mais rapidamente.

Um estudante pode utilizar inteligência artificial para compreender conceitos, explorar diferentes soluções, analisar casos, receber explicações, revisar raciocínios e simular situações profissionais.

Dentro das empresas, ferramentas podem ajudar um profissional júnior a compreender processos, interpretar documentos, identificar dúvidas e preparar-se melhor antes de procurar alguém mais experiente.

Isso significa que a IA não precisa necessariamente destruir a escada profissional.

Ela também pode modificar a maneira como subimos por ela.

O problema aparece quando a tecnologia é utilizada apenas para remover trabalho humano, sem que ninguém pense sobre o papel de formação que aquele trabalho exercia.

Automatizar uma atividade é relativamente simples.

Reconstruir o aprendizado que acontecia dentro dela é muito mais difícil.

Experiência não é a mesma coisa que tempo de emprego

Essa transformação também obriga o universitário a rever o significado de experiência profissional.

Frequentemente tratamos experiência como sinônimo de tempo contratado.

Um ano de experiência.

Dois anos de experiência.

Três anos de experiência.

Mas o número de meses em uma empresa não explica sozinho o desenvolvimento de alguém.

Uma pessoa pode passar dois anos repetindo exatamente a mesma tarefa e aprender relativamente pouco.

Outra pode participar de projetos diferentes, receber feedback frequente, resolver problemas reais e desenvolver rapidamente competências relevantes.

Experiência profissional é, em grande parte, exposição a problemas + responsabilidade progressiva + feedback + reflexão sobre aquilo que foi feito.

Essa definição é importante porque abre possibilidades para quem ainda não conseguiu seu primeiro emprego.

Parte dessa experiência pode começar a ser construída antes de uma contratação formal.

O universitário precisa começar a fabricar experiência

Essa talvez seja uma das maiores mudanças de mentalidade necessárias para quem está entrando no mercado.

Você não controla quando uma empresa decidirá contratá-lo.

Mas pode controlar parte das situações às quais decide se expor antes disso.

Projetos acadêmicos podem ser tratados como problemas profissionais.

Uma empresa júnior pode colocar você diante de clientes reais.

Um projeto de extensão pode exigir organização, comunicação e solução de problemas.

Uma iniciação científica desenvolve investigação e análise.

Um projeto pessoal pode demonstrar capacidade técnica.

Um trabalho voluntário pode gerar responsabilidade real.

Uma competição acadêmica, hackathon ou desafio empresarial pode colocar você diante de restrições semelhantes às encontradas no mercado.

Nenhuma dessas experiências substitui completamente um emprego.

Mas todas podem produzir algo que o estudante precisa desesperadamente no início da carreira: evidências de que consegue transformar conhecimento em ação.

O portfólio passa a resolver um problema maior do que mostrar trabalhos

É por isso que construir um portfólio durante a faculdade se torna ainda mais estratégico.

O portfólio não serve apenas para profissionais criativos.

Ele pode ser entendido como uma coleção organizada de evidências profissionais.

Um estudante de Administração pode apresentar um diagnóstico empresarial.

Um estudante de Marketing pode documentar uma campanha.

Um estudante de Sistemas de Informação pode mostrar um projeto desenvolvido.

Um estudante de Contabilidade pode construir análises fictícias ou acadêmicas preservando informações confidenciais.

Um estudante de Pedagogia pode documentar planos, projetos e metodologias desenvolvidas.

O ponto não é fingir experiência profissional que você ainda não possui.

É demonstrar aquilo que já conseguiu fazer com o conhecimento que possui.

Quando uma empresa pergunta:

“Você tem experiência?”

Talvez o estudante ainda precise responder:

“Não possuo experiência profissional formal nessa função.”

Mas pode imediatamente acrescentar:

“Tenho projetos que demonstram como aplico essas competências.”

Essa segunda parte muda completamente a conversa.

A primeira oportunidade pode chegar depois da primeira experiência

Tradicionalmente imaginamos uma sequência muito simples:

primeiro emprego → experiência → melhores oportunidades

Mas para muitos universitários a sequência mais inteligente pode começar antes:

projeto → experiência prática → evidência → primeira oportunidade

A contratação deixa de ser necessariamente o ponto zero da vida profissional.

Ela pode ser o momento em que experiências anteriores começam a ser reconhecidas formalmente pelo mercado.

Essa mudança é especialmente importante se as vagas de entrada realmente passarem a exigir mais.

Quanto maior o nível esperado para conseguir entrar, mais importante se torna construir competências antes de chegar ao processo seletivo.

Não espere alguém lhe dar permissão para começar sua carreira

Existe uma armadilha perigosa na universidade.

O estudante imagina que sua carreira começará no dia em que uma empresa finalmente o contratar.

Até lá, estaria apenas se preparando.

Mas essa divisão entre “preparação” e “carreira” está ficando cada vez menos útil.

Sua carreira começa quando você começa a construir repertório, resolver problemas, produzir projetos, conhecer profissionais, testar competências e reunir evidências do que sabe fazer.

O emprego continua sendo extremamente importante.

O estágio continua sendo uma das melhores experiências possíveis durante a graduação.

Mas nenhuma dessas oportunidades precisa ser a autorização oficial para começar seu desenvolvimento profissional.

Se a porta de entrada estiver ficando menor, esperar do lado de fora não é uma estratégia.

Você precisa chegar até ela carregando mais do que um diploma.

O paradoxo muda quando você redefine experiência

A pergunta:

“Como conseguir experiência se ninguém me dá uma oportunidade?”

continua legítima.

Mas ela pode ser complementada por outra:

“Que experiências consigo construir antes de alguém decidir me contratar?”

Essa segunda pergunta devolve parte do controle ao estudante.

Você talvez não consiga criar uma vaga.

Mas consegue criar um projeto.

Talvez não consiga obrigar uma empresa a lhe oferecer um estágio.

Mas consegue desenvolver uma competência.

Talvez ainda não tenha uma experiência formal para colocar no currículo.

Mas pode começar a construir evidências.

E essa diferença pode se tornar cada vez mais importante em um mercado no qual a vaga de entrada continua existindo, mas começa a esperar mais de quem deseja ocupá-la.

Porque, se o primeiro emprego deixar de ser o lugar onde você começa a aprender tudo, sua aprendizagem profissional precisará começar antes do primeiro emprego.

O novo júnior está ficando menos júnior

Durante muito tempo, existiu uma divisão relativamente intuitiva entre os níveis de uma carreira.

O profissional júnior executava tarefas mais estruturadas e trabalhava sob supervisão. O pleno possuía maior autonomia. O sênior combinava conhecimento técnico, experiência, julgamento e capacidade de tomar decisões em situações mais complexas.

Essa divisão nunca foi perfeitamente igual entre empresas e profissões, mas ajudava a estabelecer uma expectativa importante: quem estava começando não precisava chegar pronto.

A inteligência artificial pode estar alterando justamente essa expectativa.

Não porque um recém-formado tenha se transformado repentinamente em um profissional experiente, mas porque parte das atividades mais básicas está sendo acelerada pela tecnologia. Quando isso acontece, competências que antes apareciam depois de alguns anos de carreira podem começar a ser exigidas mais cedo.

O resultado é uma espécie de paradoxo.

O cargo continua sendo júnior.

O candidato continua sendo iniciante.

Mas o trabalho começa a pedir menos execução básica e mais capacidade de pensar sobre aquilo que está sendo executado.

A seniorização da vaga júnior

O Global AI Jobs Barometer 2026, da PwC, oferece uma das evidências mais interessantes dessa transformação.

A consultoria analisou mais de um bilhão de anúncios de emprego em 27 países e territórios e realizou uma investigação específica sobre 2,4 milhões de vagas de entrada nos Estados Unidos. Nas funções iniciais mais expostas à inteligência artificial, tornou-se sete vezes mais provável encontrar competências tradicionalmente associadas a profissionais mais experientes quando comparadas às posições de entrada menos expostas à IA.

Entre essas competências aparecem gestão de processos, tomada de decisão orientada por dados, liderança, formação de equipes, gestão de pessoas, relacionamento com stakeholders, mentoria e capacidade de julgamento. No conjunto de novas competências observadas pela PwC nas vagas iniciais mais expostas à IA, 52% estavam classificadas como tradicionalmente associadas a níveis mais experientes.

Podemos chamar esse fenômeno de seniorização da vaga júnior.

Mas é importante compreender exatamente o que isso significa.

Não significa que empresas estejam simplesmente transformando todos os cargos juniores em posições seniores.

Muito menos que um universitário recém-formado precise possuir dez anos de experiência.

Significa que a fronteira entre aquilo que se espera de um iniciante e aquilo que anteriormente aparecia mais tarde na carreira pode estar começando a se mover.

Quando o básico deixa de ser suficiente

Imagine duas empresas contratando para uma mesma função.

Na primeira, o profissional júnior passa boa parte do dia reunindo informações, produzindo relatórios preliminares e preparando materiais para que alguém mais experiente faça a interpretação final.

Na segunda, ferramentas de inteligência artificial já auxiliam na pesquisa, organização dos dados e elaboração das primeiras versões.

As duas empresas ainda podem precisar de um profissional iniciante.

Mas provavelmente não precisarão dele exatamente para a mesma coisa.

Na segunda organização, o candidato pode ganhar valor quando consegue conferir se a informação está correta, perceber inconsistências, fazer perguntas melhores, interpretar resultados, comunicar conclusões e compreender quando a resposta fornecida pela IA não faz sentido.

Observe o deslocamento.

Antes, uma parcela significativa do valor estava em produzir.

Agora, uma parcela crescente pode estar em avaliar o que foi produzido.

E avaliar exige repertório.

Essa é uma das razões pelas quais o novo profissional júnior pode parecer menos júnior.

A inteligência artificial não elimina necessariamente o iniciante. Ela pode elevar o piso.

Essa talvez seja uma forma mais precisa de compreender o fenômeno.

Quando uma tecnologia aumenta aquilo que uma pessoa consegue produzir, também pode aumentar aquilo que uma empresa considera uma produtividade aceitável.

Planilhas eletrônicas não acabaram com profissionais de finanças.

Softwares gráficos não eliminaram designers.

Mecanismos de busca não acabaram com pesquisadores.

Mas essas tecnologias alteraram aquilo que passou a ser considerado conhecimento básico para atuar nessas áreas.

A inteligência artificial pode provocar algo semelhante em uma escala muito maior.

Saber utilizar determinados recursos de IA pode deixar rapidamente de ser um diferencial extraordinário e se tornar apenas parte do repertório esperado.

Nesse momento, surge uma nova pergunta para o recrutador:

se todos os candidatos conseguem acessar ferramentas semelhantes, o que diferencia um deles dos demais?

A resposta volta às competências que a tecnologia não entrega automaticamente.

Julgamento.

Conhecimento da área.

Comunicação.

Capacidade de fazer boas perguntas.

Pensamento crítico.

Compreensão do problema.

Responsabilidade sobre o resultado.

Em outras palavras, a IA pode elevar o piso técnico enquanto aumenta o valor das competências necessárias para utilizar esse piso de maneira inteligente.

O dado mais interessante não é que essas vagas estejam desaparecendo

Existe um detalhe especialmente importante na pesquisa da PwC.

As posições de entrada mais expostas à IA e que passaram por essa seniorização não apresentaram simplesmente um colapso na quantidade de oportunidades. Na amostra analisada, essas vagas cresceram 35% desde 2019, enquanto outras posições de entrada apresentaram queda de 10%.

Isso reforça uma das teses centrais deste artigo.

A transformação da vaga de entrada não pode ser explicada apenas pela ideia de substituição.

Algumas funções podem diminuir.

Outras podem crescer.

Outras continuarão existindo, mas serão reconstruídas ao redor de uma nova divisão entre aquilo que a tecnologia executa e aquilo que permanece sob responsabilidade humana.

A PwC descreve justamente um mercado dividido entre funções que estão sendo “profissionalizadas” pela IA, nas quais a tecnologia amplia a capacidade de especialistas e aumenta a importância de competências humanas, e funções que estão sendo “democratizadas”, nas quais a IA permite que pessoas com menos expertise executem uma parcela maior do trabalho.

Essa distinção pode ser decisiva para quem está escolhendo como se preparar para uma carreira.

Não confunda seniorização com exploração

Aqui precisamos fazer uma distinção importante.

O fato de os dados mostrarem competências tradicionalmente associadas a profissionais experientes aparecendo em vagas de entrada não significa que qualquer anúncio absurdo de “júnior com cinco anos de experiência” tenha se tornado razoável.

Também não significa que empresas deveriam transferir responsabilidades de profissionais seniores para iniciantes sem treinamento, supervisão ou remuneração adequada.

São discussões diferentes.

O fenômeno que estamos analisando é uma mudança na composição das competências.

Se uma tecnologia assume uma parcela maior das atividades rotineiras, a contribuição humana pode começar mais cedo em tarefas envolvendo análise, comunicação, decisão e interação.

Mas experiência continua existindo por uma razão.

Um profissional recém-formado pode aprender a utilizar inteligência artificial extremamente bem e continuar sem possuir o repertório de alguém que enfrentou centenas de situações reais.

Tecnologia pode acelerar aprendizagem.

Não pode simplesmente fabricar anos de experiência.

O novo júnior pode precisar ser melhor preparado.

Ele não deixa de ser júnior por causa disso.

Saber usar IA não resolve o problema sozinho

Existe também um erro que pode surgir entre universitários diante dessa transformação.

Pensar que a resposta é simplesmente colocar:

“Conhecimento em ChatGPT”

no currículo.

Isso será cada vez menos suficiente.

Se uma ferramenta estiver amplamente disponível, saber abrir o aplicativo e gerar uma resposta não constitui uma vantagem profissional duradoura.

A diferença aparece naquilo que você consegue fazer com ela.

Um estudante de Administração pode utilizar IA para ajudar na análise de um processo, mas precisa compreender gestão para perceber se as sugestões fazem sentido.

Um estudante de Direito pode utilizar uma ferramenta para organizar informações, mas precisa conhecer os fundamentos jurídicos para avaliar riscos e interpretações.

Um estudante de Marketing pode produzir dezenas de ideias em minutos, mas precisa compreender posicionamento, comportamento do consumidor e estratégia para decidir quais realmente valem alguma coisa.

Um estudante de programação pode gerar código rapidamente, mas precisa compreender lógica, arquitetura, segurança e manutenção para saber se aquele código deveria ser utilizado.

O padrão se repete:

IA + pouco conhecimento pode produzir muito conteúdo.

IA + conhecimento profissional pode produzir valor.

É a segunda combinação que interessa ao mercado.

O profissional iniciante pode receber problemas complexos mais cedo

A PwC observa que a tradicional escada de carreira está sendo comprimida em algumas funções expostas à IA. Conforme tarefas rotineiras são absorvidas pela tecnologia, organizações precisam preparar profissionais juniores para chegar mais cedo a decisões complexas.

Isso pode mudar a própria experiência dos primeiros anos de carreira.

Talvez o profissional iniciante passe menos tempo preenchendo planilhas e mais tempo interpretando aquilo que os dados mostram.

Menos tempo construindo uma primeira versão manualmente e mais tempo avaliando, corrigindo e melhorando versões produzidas com auxílio tecnológico.

Menos tempo procurando informações e mais tempo decidindo quais informações merecem confiança.

Menos tempo apenas cumprindo instruções e mais tempo precisando compreender o objetivo por trás delas.

Isso pode ser excelente para quem estiver preparado.

Um profissional jovem poderá participar mais cedo de trabalhos intelectualmente interessantes, assumir responsabilidades maiores e acelerar seu desenvolvimento.

Mas existe outro lado.

Quem chegar ao mercado esperando receber apenas tarefas simples até se sentir preparado pode encontrar menos espaço.

O primeiro emprego pode deixar de ser o lugar onde você aprende o básico do zero

Essa é uma das consequências mais importantes para o universitário.

Naturalmente, nenhuma empresa razoável deveria esperar que um recém-formado conheça seus processos internos antes de ser contratado.

Treinamento continuará existindo.

Supervisão continuará sendo necessária.

Erros continuarão fazendo parte da aprendizagem.

Mas existe uma diferença entre aprender como aquela empresa funciona e chegar sem possuir fundamentos profissionais.

Se ferramentas de IA tornam a execução básica mais acessível, o mercado pode esperar que o candidato chegue dominando mais cedo aquilo que anteriormente desenvolveria nos primeiros meses ou anos de trabalho.

A graduação, portanto, deixa de ser apenas preparação acadêmica.

Ela precisa se tornar também espaço de desenvolvimento profissional.

O universitário que utiliza seus anos de faculdade apenas para acumular disciplinas pode chegar ao mesmo processo seletivo que outro estudante que, além das disciplinas, construiu projetos, participou de organizações, aprendeu ferramentas, desenvolveu portfólio, resolveu problemas reais e aprendeu a trabalhar com inteligência artificial.

Os dois podem ter o mesmo diploma.

Mas não chegam com o mesmo nível de prontidão.

A nova disputa talvez seja pela capacidade de gerar valor mais cedo

Durante décadas, empresas puderam contratar pessoas para executar uma parcela maior do trabalho básico enquanto elas desenvolviam competências mais sofisticadas.

Esse modelo não desaparecerá completamente.

Mas pode ficar menos comum em determinadas áreas.

A lógica começa a migrar de:

“Contratamos você para executar enquanto aprende a pensar.”

para algo mais próximo de:

“Esperamos que você consiga executar com tecnologia e comece a demonstrar capacidade de pensar desde o início.”

Essa é uma mudança enorme.

Especialmente para estudantes que imaginam que competências como comunicação, pensamento crítico, visão de negócios, julgamento e resolução de problemas são coisas que poderão desenvolver somente depois de conseguirem um emprego.

Talvez não possam mais esperar tanto.

Talvez o mercado não queira um júnior com experiência. Queira um júnior com evidências.

Essa distinção pode mudar a maneira como o universitário interpreta anúncios de emprego.

Você não precisa necessariamente ter ocupado vários cargos para demonstrar que consegue pensar, aprender, colaborar e resolver problemas.

Pode demonstrar isso por meio de projetos.

Cases.

Portfólio.

Pesquisa.

Empresa júnior.

Competições acadêmicas.

Projetos de extensão.

Estágio.

Trabalho voluntário.

Iniciativas pessoais.

Resultados que possam ser explicados em uma entrevista.

A experiência formal continua valiosa, mas ela não é a única forma de construir evidências de competência.

E isso nos leva a uma interpretação mais útil daquilo que os dados estão mostrando.

O novo júnior não precisa fingir ser sênior.

Precisa chegar mais preparado para ser júnior.

Existe uma enorme diferença entre as duas coisas.

A primeira expectativa é injusta e irrealista.

A segunda pode estar se tornando uma característica do mercado que está sendo construído.

A IA talvez não acabe com a vaga júnior. Pode simplesmente elevar aquilo que o mercado considera suficiente para ocupar uma.

Se a IA faz o trabalho básico, o que sobra para quem está começando?

Essa talvez seja a pergunta que mais assusta quem acompanha de perto a evolução da inteligência artificial.

Se ferramentas conseguem pesquisar, resumir, escrever, organizar dados, gerar apresentações, produzir código e responder dúvidas com velocidade cada vez maior, qual espaço resta para o profissional que ainda está começando?

A resposta não está em tentar encontrar tarefas que a IA nunca consiga realizar.

Está em compreender que o valor profissional não desaparece quando a tecnologia assume parte da execução.

Ele se desloca.

Quanto mais barata e rápida se torna a produção básica, maior tende a ser a importância daquilo que vem antes e depois dela: compreender o problema, definir critérios, avaliar resultados, perceber erros, comunicar decisões e assumir responsabilidade pelo que será feito.

Para quem está começando, isso significa uma mudança importante.

Talvez seja menos valorizado apenas saber fazer uma tarefa e mais valorizado compreender por que aquela tarefa precisa ser feita e o que fazer com o resultado.

O valor começa antes da execução

Imagine que uma empresa precise analisar determinado mercado.

Uma ferramenta de IA pode ajudar a localizar informações, resumir relatórios, organizar concorrentes e produzir uma primeira síntese.

Isso reduz drasticamente o tempo necessário para chegar a uma primeira versão.

Mas alguém ainda precisa responder:

Quais dados realmente importam?

A fonte é confiável?

O que foi ignorado?

Existe alguma contradição?

O que esse conjunto de informações significa para aquela empresa específica?

Qual decisão deveria ser tomada?

Essas perguntas não desaparecem porque a ferramenta ficou melhor.

Na verdade, podem se tornar ainda mais importantes.

Quando produzir respostas fica fácil, saber fazer as perguntas certas ganha valor.

Esse princípio pode ser aplicado a praticamente qualquer profissão baseada em conhecimento.

Pensamento crítico deixa de ser apenas uma habilidade bonita no currículo

Durante anos, “pensamento crítico” apareceu em listas de competências profissionais de maneira tão frequente que quase perdeu significado.

No novo contexto, ele se torna muito concreto.

Pensar criticamente significa não aceitar automaticamente aquilo que uma ferramenta produz.

É conferir fatos.

Questionar premissas.

Perceber quando uma resposta parece correta, mas não serve para aquele contexto.

Identificar aquilo que está faltando.

Comparar alternativas.

Reconhecer limites.

E, principalmente, conseguir explicar por que uma conclusão deveria ou não ser utilizada.

Um profissional iniciante que apenas copia a resposta gerada por uma IA não aumenta seu valor.

Ele transfere sua responsabilidade para uma ferramenta.

Já o profissional que utiliza a tecnologia para acelerar o trabalho, mas mantém capacidade de avaliar criticamente o resultado, oferece algo muito mais importante.

Ele não utiliza IA para evitar pensar.

Utiliza IA para pensar melhor e mais rápido.

Conhecimento da profissão continua sendo indispensável

Existe uma ilusão perigosa produzida por ferramentas que conseguem gerar respostas muito convincentes.

A sensação de que, se a IA sabe responder, talvez não seja mais necessário estudar profundamente determinado assunto.

Na prática, acontece o contrário.

Quanto mais sofisticadas forem as ferramentas, mais importante se torna saber reconhecer quando estão erradas.

Um estudante de Contabilidade precisa entender contabilidade para avaliar uma análise contábil.

Um estudante de Direito precisa compreender fundamentos jurídicos para verificar uma interpretação.

Um estudante de Enfermagem precisa dominar conhecimento técnico para avaliar informações relacionadas ao cuidado.

Um estudante de Administração precisa compreender gestão para distinguir uma recomendação genérica de uma decisão adequada para uma organização específica.

A inteligência artificial pode ampliar a capacidade de aplicação do conhecimento.

Mas não elimina a necessidade de possuir esse conhecimento.

Sem repertório, o usuário pode se tornar apenas alguém capaz de produzir respostas que não consegue avaliar.

O novo iniciante precisa aprender a trabalhar com problemas, não apenas com tarefas

Existe uma diferença importante entre receber uma tarefa e receber um problema.

Uma tarefa pode ser:

“Monte esta planilha.”

Um problema pode ser:

“Precisamos descobrir por que nossos custos aumentaram.”

Uma tarefa pode ser:

“Faça uma apresentação.”

Um problema pode ser:

“Precisamos convencer a diretoria a aprovar este projeto.”

Uma tarefa pode ser:

“Pesquise concorrentes.”

Um problema pode ser:

“Precisamos entender por que nossos clientes estão escolhendo outra empresa.”

Quando profissionais iniciantes atuam apenas sobre tarefas, dependem de alguém mais experiente para transformar problemas em instruções.

Quanto mais a IA consegue ajudar na execução das instruções, mais valor existe em aprender a compreender o problema antes que alguém entregue uma lista de etapas.

Isso não significa que um estagiário deva chegar tomando decisões estratégicas sozinho.

Significa que ele pode começar a desenvolver a capacidade de enxergar o contexto que existe por trás da atividade recebida.

Essa capacidade acelera muito o desenvolvimento profissional.

Comunicação passa a valer ainda mais

Outra mudança importante acontece na comunicação.

Ferramentas de IA conseguem gerar textos, apresentações, resumos e relatórios.

Mas comunicação profissional não é simplesmente produzir palavras.

É conseguir fazer alguém compreender algo.

Convencer.

Explicar.

Negociar.

Adequar uma mensagem ao público.

Escolher o que precisa ser dito e o que pode ser retirado.

Responder perguntas inesperadas.

Defender uma ideia.

Lidar com discordância.

Construir confiança.

Uma apresentação impecavelmente formatada possui pouco valor se o profissional não consegue explicar por que aquela recomendação deveria ser adotada.

Um relatório pode estar perfeitamente escrito e ainda não responder à pergunta que o gestor precisava resolver.

É por isso que comunicação continua sendo uma competência central.

A tecnologia pode ajudar a produzir a mensagem.

O profissional precisa compreender qual mensagem precisa existir.

Julgamento é aquilo que aparece quando não existe uma resposta óbvia

Outra competência que tende a ganhar importância é julgamento.

Problemas simples possuem regras claras.

Problemas profissionais importantes frequentemente não possuem.

Existem informações incompletas.

Interesses conflitantes.

Riscos.

Prazos.

Custos.

Consequências.

Uma solução pode ser tecnicamente correta e ainda assim ser inadequada para aquele momento.

É nesse espaço que experiência e julgamento se tornam importantes.

O profissional precisa pesar alternativas e decidir qual delas faz mais sentido diante das circunstâncias.

Um iniciante naturalmente possui menos repertório para fazer isso do que um profissional experiente.

Mas isso não significa que não possa começar a desenvolver essa capacidade.

Pode perguntar por que determinada decisão foi tomada.

Comparar alternativas.

Observar consequências.

Pedir feedback.

Estudar casos.

Participar de projetos.

Refletir sobre erros.

Julgamento não aparece magicamente depois de cinco anos de carreira.

Ele começa a ser construído desde os primeiros problemas que você tenta compreender.

Saber trabalhar com IA também será parte do básico

Não faria sentido defender todas essas competências humanas e ignorar a própria tecnologia que está modificando o trabalho.

O profissional iniciante também precisará aprender a utilizar inteligência artificial.

Mas aprender IA profissionalmente significa muito mais do que saber escrever prompts.

Significa compreender quando utilizar uma ferramenta.

Escolher a ferramenta adequada.

Fornecer contexto suficiente.

Proteger informações sensíveis.

Avaliar qualidade.

Verificar resultados.

Reconhecer limitações.

Integrar tecnologia ao fluxo de trabalho sem perder responsabilidade sobre aquilo que está sendo produzido.

Esse tipo de domínio será cada vez mais diferente de simplesmente “usar ChatGPT”.

Assim como saber pesquisar na internet deixou de ser um grande diferencial profissional, utilizar ferramentas de IA provavelmente se tornará parte do repertório básico em muitas áreas.

O diferencial estará na qualidade da utilização.

Responsabilidade continua sendo humana

Existe ainda uma característica profissional que frequentemente fica escondida nas discussões sobre automação.

Responsabilidade.

Uma ferramenta pode sugerir.

Pode calcular.

Pode escrever.

Pode recomendar.

Mas organizações ainda precisam de pessoas capazes de responder pelo resultado.

Quando uma decisão causa prejuízo, alguém precisa explicar o que aconteceu.

Quando uma informação está errada, alguém precisa identificá-la.

Quando um cliente é prejudicado, alguém precisa lidar com a consequência.

Quando existe conflito entre possibilidades, alguém precisa assumir uma escolha.

Esse elemento muda a natureza do trabalho.

O profissional não é valioso apenas porque executa uma atividade.

É valioso porque pode ser responsável por conduzir aquela atividade dentro de um contexto real.

Responsabilidade exige compreensão.

E compreensão exige mais do que apertar um botão.

A IA pode aumentar a diferença entre dois profissionais iniciantes

Imagine dois estudantes com formações acadêmicas semelhantes.

Os dois sabem utilizar ferramentas de inteligência artificial.

O primeiro utiliza IA para evitar esforço.

Copia respostas.

Aceita análises sem verificar.

Produz trabalhos rapidamente sem compreender profundamente o conteúdo.

Depende da ferramenta sempre que surge um problema.

O segundo utiliza IA como amplificador.

Pesquisa mais.

Compara alternativas.

Questiona resultados.

Produz projetos mais complexos.

Testa ideias.

Aprende ferramentas da profissão.

Utiliza o tempo economizado para aprofundar sua compreensão.

Depois de alguns anos, os dois podem apresentar diferenças enormes de repertório.

A mesma tecnologia que torna alguém mais produtivo pode tornar outra pessoa mais dependente.

Por isso, aprender a trabalhar com IA não significa terceirizar o próprio desenvolvimento intelectual.

Significa utilizar tecnologia para ampliar aquilo que você consegue aprender e realizar.

O que sobra para o iniciante é justamente aquilo que pode fazê-lo crescer

Quando olhamos dessa maneira, a transformação deixa de parecer apenas negativa.

Sim, algumas tarefas básicas podem diminuir.

Sim, determinadas portas podem ficar mais estreitas.

Sim, o nível esperado para entrar pode subir.

Mas também existe uma oportunidade.

Profissionais iniciantes podem chegar mais cedo a atividades intelectualmente relevantes.

Podem utilizar ferramentas que anteriormente estavam disponíveis apenas para grandes organizações.

Podem produzir projetos que anos atrás exigiriam equipes inteiras.

Podem aprender mais rapidamente.

Podem testar ideias.

Podem construir evidências profissionais antes mesmo de conseguir o primeiro emprego.

A questão não é proteger eternamente o trabalho básico para que iniciantes continuem executando tarefas que a tecnologia consegue fazer melhor.

A questão é garantir que eles consigam desenvolver as competências necessárias para avançar além dessas tarefas.

Porque, se a IA ficar responsável por uma parte maior da execução, aquilo que sobra para você não é “nada”.

Sobra justamente aquilo que diferencia um profissional de uma ferramenta.

Entender o problema. Fazer perguntas. Avaliar respostas. Tomar decisões. Comunicar. Aprender. E assumir responsabilidade pelo resultado.

Quais vagas de entrada estão mais expostas à inteligência artificial?

Quando alguém pergunta quais vagas estão mais ameaçadas pela inteligência artificial, existe uma tentação de produzir uma lista definitiva de profissões que desaparecerão.

Esse tipo de lista chama atenção, mas explica pouco.

A exposição à IA acontece principalmente no nível das tarefas, não simplesmente no nome da profissão. Duas pessoas com o mesmo cargo podem realizar atividades diferentes e, portanto, apresentar níveis diferentes de exposição. Da mesma forma, uma profissão pode ter algumas tarefas altamente automatizáveis e outras que continuam dependendo fortemente de conhecimento, contexto, interação humana e responsabilidade.

A Organização Internacional do Trabalho reforça justamente essa interpretação. Em seu índice global atualizado sobre exposição à inteligência artificial generativa, a OIT concluiu que aproximadamente um em cada quatro trabalhadores no mundo está em uma ocupação com algum grau de exposição à GenAI. Entretanto, apenas uma parcela muito menor está na categoria de exposição mais elevada, e a transformação das ocupações continua sendo considerada mais provável do que sua substituição integral.

Por isso, a pergunta mais útil para um universitário não é simplesmente:

“Minha profissão está ameaçada?”

É:

“Quais tarefas normalmente entregues a quem está começando na minha profissão estão ficando mais fáceis de automatizar?”

Essa pergunta produz respostas muito mais interessantes.

Administração e funções de escritório

As funções administrativas aparecem entre as áreas mais claramente expostas.

Segundo a OIT, ocupações clericais continuam apresentando os maiores níveis de exposição à inteligência artificial generativa. Entre os exemplos destacados estão profissionais de entrada de dados, digitadores, auxiliares ligados a contabilidade e escrituração e secretários administrativos.

O World Economic Forum chega a uma conclusão semelhante ao analisar as expectativas dos empregadores até 2030. Assistentes administrativos, secretários executivos, funcionários de serviços postais, caixas bancários e profissionais de entrada de dados aparecem entre as ocupações com perspectivas de maior declínio.

Existe uma razão relativamente fácil de compreender.

Grande parte dessas atividades envolve movimentar, organizar, conferir, registrar, localizar e transformar informações seguindo regras conhecidas.

São tarefas importantes.

Mas são também atividades que podem ser profundamente alteradas quando softwares conseguem interpretar documentos, preencher campos, organizar informações, gerar resumos e automatizar etapas de processos administrativos.

Para um profissional de entrada, isso significa que apenas dominar a execução operacional pode perder valor.

Em compensação, entender o processo, identificar exceções, lidar com pessoas, interpretar informações e perceber quando algo saiu do padrão pode se tornar mais importante.

Contabilidade, finanças e análise

Finanças apresentam um exemplo ainda mais interessante porque mostram como exposição e desaparecimento são coisas diferentes.

A OIT identificou aumento de exposição em algumas ocupações altamente digitalizadas, incluindo analistas financeiros e consultores de investimento. Também aparecem com alta exposição funções de contabilidade e escrituração.

Ao mesmo tempo, o World Economic Forum aponta contadores e auditores entre funções que empregadores esperam reduzir, enquanto outras carreiras associadas a dados, FinTech e tecnologia financeira aparecem entre as de crescimento mais acelerado.

Parece contraditório apenas se pensarmos em profissões como blocos indivisíveis.

Não é.

Imagine um analista iniciante cuja maior contribuição seja coletar números, organizar planilhas, calcular indicadores e produzir uma primeira descrição do que aconteceu.

Boa parte desse processo pode ser acelerada.

Mas interpretar por que determinada variação aconteceu, avaliar riscos, questionar pressupostos, entender consequências para o negócio e apresentar uma recomendação envolve outra camada de trabalho.

A consequência pode ser uma mudança na porta de entrada.

Menos valor em simplesmente produzir os números. Mais valor em saber o que os números significam.

Isso não elimina o profissional de finanças.

Pode aumentar a exigência sobre aquilo que ele precisa conseguir fazer.

Tecnologia e programação

Programação talvez seja o melhor exemplo de por que não devemos confundir exposição à IA com profissão condenada.

A OIT identificou aumento de exposição em ocupações como desenvolvedores web e multimídia e programadores de aplicações, refletindo a crescente capacidade da inteligência artificial para executar tarefas especializadas e altamente digitalizadas.

Ao mesmo tempo, o World Economic Forum coloca desenvolvedores de software e aplicações entre as profissões de crescimento mais acelerado até 2030. Especialistas em IA e machine learning, big data, FinTech, segurança da informação e outras funções tecnológicas também aparecem entre as áreas com perspectivas positivas.

Então a IA ameaça programação ou cria empregos em programação?

As duas coisas podem acontecer simultaneamente.

Ferramentas podem assumir uma parcela crescente da geração de código, documentação, testes, identificação de erros e desenvolvimento de componentes simples.

Mas quanto mais software for produzido, maior também pode ser a necessidade de profissionais capazes de compreender sistemas, arquitetura, segurança, integração, requisitos e problemas de negócio.

Para quem está entrando na área, a consequência é particularmente relevante.

O estudante que aprendeu apenas a produzir código pode enfrentar mais pressão.

O estudante que entende por que aquele código precisa existir, como validar o que foi gerado e como integrá-lo corretamente a uma solução maior começa a construir outra proposta de valor.

A IA não torna programação irrelevante.

Ela pode tornar o programador que apenas transforma instruções simples em código relativamente menos valioso.

Marketing, comunicação, conteúdo e design

As áreas criativas também estão passando por uma transformação rápida.

Modelos generativos já conseguem produzir textos, imagens, vídeos, layouts, roteiros, apresentações, variações publicitárias e inúmeras primeiras versões de materiais que anteriormente exigiam trabalho humano desde o início.

A atualização da OIT de 2025 registra que o avanço de modelos capazes de gerar voz, imagem e vídeo aumentou a exposição de tarefas presentes em ocupações relacionadas à mídia e à web.

O World Economic Forum também trouxe um sinal importante: designers gráficos apareceram próximos das ocupações com declínio mais acelerado, uma mudança em relação ao relatório anterior, quando a profissão possuía perspectiva moderadamente positiva. O próprio relatório relaciona essa alteração, entre outros fatores, ao avanço da IA generativa.

Isso não significa que empresas deixarão de precisar de comunicação, marketing ou design.

Provavelmente continuarão precisando muito.

A questão é quanto do trabalho será necessário para produzir determinado resultado e qual tipo de profissional continuará agregando valor ao processo.

Se qualquer pessoa consegue gerar cinquenta opções de headline em poucos segundos, apenas produzir headlines perde parte de sua escassez.

Saber qual delas conversa com o posicionamento da marca, qual atende ao comportamento daquele público, qual deveria ser testada e qual pode prejudicar a estratégia continua exigindo compreensão.

O mesmo acontece no design.

Gerar uma imagem pode ficar mais fácil.

Construir identidade, compreender contexto cultural, resolver problemas de comunicação e tomar decisões visuais coerentes continua sendo uma tarefa diferente.

Novamente, o valor se desloca da pura produção para a capacidade de orientar, escolher, avaliar e integrar.

Atendimento, telemarketing e interações padronizadas

Outra área particularmente sensível é aquela baseada em interações repetitivas e roteirizadas.

O World Economic Forum inclui operadores de telemarketing entre as funções com perspectivas de declínio, enquanto tecnologias de IA, processamento de informações e automação aparecem entre os grandes vetores de transformação do emprego até 2030.

Isso faz sentido quando pensamos em atendimentos nos quais grande parte das perguntas possui respostas previsíveis.

Consultar uma informação.

Informar o andamento de um pedido.

Orientar sobre determinado procedimento.

Registrar uma solicitação.

Resolver uma dúvida recorrente.

Sistemas automatizados conseguem assumir uma parcela crescente desse fluxo.

Mas o que acontece quando o cliente está irritado?

Quando existe uma exceção?

Quando o procedimento normal não funciona?

Quando é necessário negociar?

Quando duas regras entram em conflito?

É justamente nesses momentos que a interação humana tende a ganhar importância.

O padrão aparece novamente.

A tecnologia fica com aquilo que consegue ser estruturado. O profissional recebe uma concentração maior daquilo que foge da estrutura.

E isso pode elevar a complexidade do trabalho humano que permanece.

Quanto mais digital e codificável a tarefa, maior tende a ser sua exposição

Uma pesquisa publicada pela OCDE em 2026 ajuda a organizar todas essas observações em um princípio mais amplo.

Ao desenvolver uma nova medida de exposição ocupacional à IA, a organização concluiu que as capacidades atuais da tecnologia estão mais próximas das exigências de ocupações baseadas em processamento rotineiro de informações, trabalho administrativo e tarefas codificáveis.

A distância continua maior quando o trabalho exige julgamento contextual, compreensão interpessoal, decisões complexas e responsabilidade.

Isso oferece um excelente teste para qualquer universitário.

Observe aquilo que um profissional iniciante realiza na área em que você pretende trabalhar.

Quanto dessa rotina acontece completamente dentro de um computador?

Quanto segue regras relativamente conhecidas?

Quanto envolve transformar informação em outra informação?

Quanto possui um resultado fácil de conferir?

Quanto depende pouco de contexto humano?

Quanto pode ser dividido em etapas previsíveis?

Quanto mais respostas apontarem nessa direção, maior a chance de parte do trabalho sofrer transformação tecnológica.

Mas existe outra metade da análise.

Quanto da profissão depende de interpretar situações ambíguas?

Conversar com pessoas?

Assumir responsabilidade?

Decidir diante de informações incompletas?

Compreender consequências?

Negociar interesses?

Resolver exceções?

É nessa combinação que encontramos uma visão mais realista da exposição profissional.

Uma profissão pode estar exposta e continuar crescendo

Esse ponto merece ser repetido porque combate um dos maiores erros das discussões sobre inteligência artificial.

Exposição à IA não significa automaticamente destruição de empregos.

Desenvolvimento de software demonstra isso claramente.

Algumas tarefas possuem elevada exposição enquanto as perspectivas de crescimento da profissão continuam positivas.

O mesmo raciocínio pode aparecer em outras áreas.

Uma tecnologia pode automatizar determinada atividade e, ao mesmo tempo, reduzir custos, aumentar demanda, criar novos serviços e ampliar a quantidade de trabalho realizado pelo setor.

O resultado final depende de muito mais do que capacidade tecnológica.

Depende de custos, adoção empresarial, regulamentação, comportamento dos consumidores, novos modelos de negócio e da própria maneira como organizações redesenham seus processos.

A OCDE ressalta justamente que exposição potencial não determina sozinha o impacto real sobre o emprego. A adoção das tecnologias, mudanças organizacionais, regulação e escolhas sociais também influenciam o resultado.

Por isso, ninguém deveria escolher ou abandonar uma carreira apenas porque encontrou seu nome em uma lista de profissões “ameaçadas pela IA”.

A análise precisa ser muito mais inteligente.

Não procure uma profissão segura. Procure entender onde seu valor estará.

Talvez não exista mais uma lista confiável de profissões que alguém possa escolher hoje com a certeza de que permanecerão praticamente iguais pelos próximos quarenta anos.

Mesmo ocupações pouco expostas à automação integral utilizarão novas ferramentas, modificarão processos e desenvolverão novas especializações.

Para o universitário, portanto, procurar simplesmente uma “profissão segura” pode ser uma estratégia equivocada.

Muito mais importante é compreender para onde o valor está migrando dentro da profissão escolhida.

Se tarefas operacionais estão sendo automatizadas, aprenda aquilo que existe acima delas.

Se produzir ficou fácil, aprenda a avaliar.

Se informação ficou abundante, aprenda a interpretar.

Se a IA consegue responder, aprenda a perguntar.

Se ferramentas conseguem executar, aprenda a decidir o que deveria ser executado.

Porque a maior ameaça talvez não esteja em escolher uma profissão exposta à inteligência artificial.

Pode estar em construir um perfil profissional concentrado justamente na parte mais automatizável dessa profissão.

O que isso muda para quem ainda está na faculdade?

Se a vaga de entrada está ficando mais exigente, a principal consequência para o universitário é simples:

você não pode esperar a formatura para começar a construir sua preparação profissional.

Durante muito tempo, muitos estudantes trataram a faculdade como uma etapa quase isolada do mercado. Primeiro vinha o diploma. Depois começava a preocupação com currículo, experiência, portfólio, networking e empregabilidade.

Esse modelo sempre foi arriscado.

Agora pode se tornar ainda mais.

Se empresas passam a esperar que profissionais iniciantes cheguem com maior capacidade de análise, domínio tecnológico, comunicação, experiência prática e autonomia, então parte daquilo que anteriormente poderia ser desenvolvido depois da contratação precisa começar a ser construído durante a graduação.

A universidade deixa de ser apenas o lugar onde você aprende uma profissão.

Ela precisa se tornar também o período em que você começa a provar que consegue exercê-la.

A experiência precisa começar antes do diploma

Esse é provavelmente o primeiro ajuste de estratégia.

Experiência profissional não deveria começar somente quando uma empresa registra seu primeiro cargo no currículo.

Durante a faculdade, existem diversas oportunidades para entrar em contato com problemas reais ou próximos da realidade profissional.

Estágio é uma delas.

Mas não é a única.

Projetos acadêmicos.

Empresa júnior.

Extensão universitária.

Iniciação científica.

Monitoria.

Competições.

Projetos pessoais.

Trabalho voluntário.

Freelances.

Participação em organizações estudantis.

Cada uma dessas experiências pode desenvolver competências diferentes.

O ponto não é acumular atividades apenas para preencher o currículo.

É escolher experiências que permitam executar, errar, receber feedback, resolver problemas e produzir resultados que você consiga explicar depois.

Uma experiência só ganha valor profissional quando você consegue mostrar o que aprendeu com ela.

Pare de fazer trabalhos acadêmicos apenas para conseguir nota

Essa mudança pode começar dentro da própria faculdade.

Muitos estudantes produzem dezenas de trabalhos ao longo da graduação e descartam praticamente todos depois da avaliação.

Isso representa uma enorme perda de oportunidade.

Um bom projeto acadêmico pode se transformar em case.

Uma pesquisa pode virar uma análise de mercado.

Um plano de negócios pode se tornar parte de um portfólio.

Um projeto de extensão pode demonstrar capacidade de organização, liderança e comunicação.

Um trabalho interdisciplinar pode mostrar como você resolve problemas em equipe.

Não significa publicar qualquer atividade feita em sala de aula.

Significa começar a olhar para suas entregas com outra pergunta:

“Isso demonstra alguma competência que um recrutador teria interesse em enxergar?”

Se a resposta for sim, aquele trabalho pode ser melhorado, documentado e reaproveitado como evidência profissional.

Portfólio deixa de ser coisa de designer

Existe ainda uma visão muito limitada sobre portfólio.

Muitos universitários acreditam que apenas designers, fotógrafos, arquitetos ou profissionais de comunicação precisam de um.

Não.

Em um mercado no qual empresas querem compreender o que um candidato realmente consegue fazer, praticamente qualquer estudante pode se beneficiar de alguma forma de portfólio.

Um futuro administrador pode apresentar análises, planos e projetos.

Um estudante de Contabilidade pode demonstrar modelos e estudos.

Um programador pode publicar aplicações.

Um estudante de Pedagogia pode documentar projetos educacionais.

Um profissional de Marketing pode apresentar campanhas, pesquisas ou planejamentos.

Um estudante de Direito pode organizar estudos, artigos e projetos acadêmicos, respeitando naturalmente limites éticos e confidencialidade.

O formato muda.

A lógica permanece.

Você precisa criar evidências daquilo que afirma saber fazer.

Em um processo seletivo competitivo, existe uma diferença enorme entre dizer:

“Tenho capacidade analítica.”

e mostrar:

“Este foi o problema, estes dados foram utilizados, esta análise foi realizada e esta foi minha conclusão.”

O segundo candidato fornece prova.

Estágio passa a ter ainda mais valor estratégico

Se o trabalho inicial está mudando, conseguir experiência dentro de uma organização durante a graduação pode se tornar ainda mais importante.

O estágio permite algo difícil de reproduzir completamente em qualquer outro ambiente: contato com processos, profissionais, clientes, decisões e consequências reais.

Também permite observar como a inteligência artificial está sendo utilizada na prática dentro da sua área.

Quais atividades estão sendo automatizadas?

Quais ferramentas estão entrando no fluxo de trabalho?

Quais tarefas continuam dependendo fortemente de profissionais?

Quais competências os melhores funcionários possuem?

Quais erros os iniciantes cometem?

Essas observações são extremamente valiosas.

Por isso, o estágio não deveria ser tratado apenas como obrigação curricular ou uma maneira de ganhar algum dinheiro durante a faculdade.

Ele pode funcionar como um laboratório de carreira.

Aprenda IA dentro da sua profissão

Outro erro seria estudar inteligência artificial como um assunto completamente separado da graduação.

O estudante precisa aprender como a IA está sendo utilizada dentro da área em que pretende trabalhar.

Um administrador deveria compreender ferramentas de análise, automação, produtividade e apoio à decisão.

Um profissional de comunicação deveria acompanhar geração de conteúdo, análise de dados, personalização e pesquisa.

Um estudante de Direito precisa entender possibilidades e limitações da IA aplicada à pesquisa, documentos e processos jurídicos.

Um programador precisa aprender a trabalhar com assistentes de código sem abandonar fundamentos de desenvolvimento.

Um estudante de Finanças precisa compreender como ferramentas podem apoiar análises sem terceirizar julgamento.

O objetivo não é transformar todo universitário em especialista técnico em inteligência artificial.

É impedir que ele chegue ao mercado sem compreender uma tecnologia que já está modificando sua profissão.

Desenvolva competências que ficam mais valiosas quando a execução fica fácil

Se ferramentas conseguem acelerar execução, você precisa fortalecer aquilo que existe acima dela.

Pensamento crítico.

Comunicação.

Resolução de problemas.

Capacidade analítica.

Organização.

Trabalho em equipe.

Julgamento.

Criatividade.

Visão de negócio.

Capacidade de aprender.

Essas competências não substituem o conhecimento técnico.

Elas aumentam o valor dele.

Um excelente comunicador que não conhece a própria profissão continua limitado.

Um especialista técnico incapaz de explicar uma ideia também possui limitações.

O perfil mais forte combina as duas coisas.

Conhecimento profissional + tecnologia + competências humanas.

É justamente essa combinação que tende a produzir maior capacidade de adaptação.

Aprenda a explicar o valor do que você faz

Existe ainda uma habilidade que muitos universitários ignoram.

Saber comunicar valor profissional.

Você pode participar de projetos excelentes e ainda assim parecer um candidato comum se não souber explicar aquilo que realizou.

Em vez de dizer:

“Participei de uma empresa júnior.”

Aprenda a explicar:

Qual problema você ajudou a resolver?

Qual era sua responsabilidade?

Quais ferramentas utilizou?

Quais dificuldades encontrou?

Que decisão precisou tomar?

Qual resultado foi obtido?

O que aprendeu?

Esse tipo de resposta transforma uma atividade em evidência.

E evidências são especialmente importantes para candidatos que ainda possuem pouca experiência formal.

Construa presença profissional antes de precisar dela

Outro erro comum é criar LinkedIn, currículo e portfólio somente quando surge uma vaga interessante.

Nesse momento, você começa atrasado.

Sua presença profissional deveria ser construída gradualmente.

Um perfil de LinkedIn bem organizado pode ajudar você a acompanhar profissionais, empresas e oportunidades.

Um currículo atualizado permite perceber quais competências ainda estão faltando.

Um portfólio cresce conforme novos projetos são realizados.

Networking é construído através de relacionamento ao longo do tempo, não em mensagens desesperadas enviadas quando você precisa de emprego.

A mesma lógica vale para reputação.

Você não precisa se transformar em criador de conteúdo profissional.

Mas participar de conversas relevantes, compartilhar projetos e demonstrar interesse real pela sua área pode ajudar outras pessoas a entender quem você está se tornando profissionalmente.

Observe vagas antes de precisar procurar uma

Essa talvez seja uma das estratégias mais simples e menos utilizadas por universitários.

Pesquise vagas da profissão que pretende exercer mesmo que ainda não possa se candidatar.

Leia descrições.

Observe competências.

Ferramentas.

Experiência exigida.

Responsabilidades.

Certificações.

Conhecimentos técnicos.

Faça isso regularmente.

Você começará a perceber padrões.

Se uma ferramenta aparece em dezenas de vagas, talvez seja interessante aprendê-la.

Se determinado conhecimento é recorrente, talvez mereça aprofundamento.

Se todas as oportunidades mais interessantes pedem experiências que você ainda não possui, existe tempo para construí-las.

O estudante que começa a observar vagas apenas quando precisa de emprego descobre suas lacunas no pior momento possível.

O estudante que começa dois anos antes possui tempo para corrigi-las.

Não tente fazer tudo ao mesmo tempo

Existe um risco nessa discussão.

O universitário lê que precisa dominar IA, construir portfólio, fazer estágio, aprender inglês, desenvolver networking, estudar ferramentas, manter boas notas e participar de projetos.

A lista parece infinita.

Não precisa funcionar assim.

Preparação profissional é acumulativa.

Escolha uma competência relevante.

Construa um projeto.

Melhore seu LinkedIn.

Busque uma experiência.

Aprenda uma ferramenta.

Depois avance.

A diferença não aparece em uma semana.

Aparece depois de alguns semestres.

Enquanto parte dos estudantes chega ao último ano perguntando por onde começar, outro grupo já passou anos acumulando pequenas evidências de preparação.

É essa vantagem composta que importa.

Sua graduação precisa produzir mais do que um diploma

Talvez essa seja a síntese mais importante deste tópico.

Quando você terminar a faculdade, deveria conseguir apresentar pelo menos três coisas:

conhecimento, experiência e evidências.

Conhecimento mostra aquilo que você aprendeu.

Experiência mostra os contextos em que tentou aplicar esse conhecimento.

Evidências mostram aquilo que conseguiu produzir.

O diploma comprova formação.

Mas sozinho não conta toda essa história.

Se a vaga de entrada realmente estiver ficando mais exigente, o estudante que conseguir combinar esses três elementos chegará ao mercado em uma posição muito diferente daquele que possui apenas a certificação acadêmica.

A universidade continua sendo importante.

Muito importante.

Mas talvez o maior erro seja acreditar que estar matriculado já significa estar se preparando profissionalmente.

São coisas diferentes.

Você pode passar quatro ou cinco anos dentro de uma faculdade e ainda chegar completamente despreparado para disputar uma vaga.

Ou pode utilizar esses mesmos anos para experimentar, construir, aprender, errar, corrigir e formar um perfil profissional muito antes da formatura.

Se o mercado estiver antecipando aquilo que espera de quem está começando, você precisa antecipar sua preparação também.

O diploma pode marcar o fim da faculdade. Sua carreira não deveria começar apenas naquele dia.

Pare de perguntar: “como consigo experiência se ninguém me contrata?”

Poucas frases representam tão bem a frustração de quem está começando quanto esta:

“Como vou conseguir experiência se todas as vagas pedem experiência?”

A reclamação é legítima.

Muitos processos seletivos realmente criam uma situação contraditória ao exigir experiência de candidatos que estão justamente tentando conquistar a primeira oportunidade. Em um mercado no qual determinadas vagas de entrada podem se tornar mais competitivas e exigir competências mais desenvolvidas, essa barreira tende a parecer ainda maior.

Mas existe uma diferença importante entre reconhecer o problema e permitir que ele determine toda a sua estratégia.

Você não controla as exigências de uma empresa.

Não controla quantos candidatos disputarão uma vaga.

Não controla quando uma organização decidirá abrir um estágio.

Mas existe algo sobre o qual possui muito mais influência:

as evidências profissionais que você consegue construir antes de ser contratado.

Emprego e experiência não são exatamente a mesma coisa

Esse é o primeiro conceito que precisa mudar.

Emprego formal é uma forma extremamente importante de adquirir experiência.

Mas não é a única.

Experiência surge quando você enfrenta um problema, utiliza conhecimentos e ferramentas para tentar resolvê-lo, toma decisões, recebe algum tipo de feedback e aprende com o resultado.

Um emprego oferece tudo isso de maneira estruturada.

Mas projetos também podem oferecer.

Uma empresa júnior pode oferecer.

Uma iniciação científica pode oferecer.

Um trabalho voluntário pode oferecer.

Um projeto de extensão pode oferecer.

Uma competição universitária pode oferecer.

Até um projeto pessoal bem construído pode produzir experiência relevante.

Naturalmente, essas situações não são equivalentes a trabalhar durante anos dentro de uma empresa.

O objetivo não é fingir que são.

O objetivo é entender que existe uma enorme diferença entre chegar a uma entrevista dizendo:

“Não tenho experiência.”

e dizer:

“Ainda não trabalhei formalmente nessa função, mas já desenvolvi projetos nos quais apliquei essas competências.”

Os dois candidatos podem nunca ter ocupado uma vaga júnior.

Mas não chegam ao processo seletivo da mesma maneira.

Construa projetos que imitem problemas profissionais

Uma das maneiras mais eficientes de fabricar experiência é parar de estudar apenas conceitos e começar a aplicá-los a problemas.

Imagine um estudante de Administração interessado em consultoria.

Ele pode escolher uma pequena empresa, estudar informações públicas sobre seu mercado e construir um diagnóstico estratégico.

Um estudante de Marketing pode selecionar uma marca e desenvolver uma análise de posicionamento, concorrência, público e comunicação.

Um estudante de Sistemas de Informação pode identificar um problema cotidiano e construir uma aplicação simples para resolvê-lo.

Um estudante de Contabilidade pode desenvolver modelos de análise financeira utilizando dados fictícios ou públicos.

Um estudante de Pedagogia pode criar e documentar uma proposta de intervenção educacional.

Nenhuma empresa precisou contratar esses estudantes para que começassem a praticar.

Eles encontraram um problema e construíram uma solução.

Essa iniciativa produz algo extremamente valioso para quem está começando:

material para conversar sobre a própria capacidade.

Pare de acumular certificados sem aplicação

Outro comportamento comum entre universitários é tentar compensar a falta de experiência acumulando cursos.

Cursos são importantes.

Certificações também podem ser.

O problema aparece quando todo o desenvolvimento profissional permanece no campo da preparação teórica.

Curso de Excel.

Curso de IA.

Curso de Power BI.

Curso de comunicação.

Curso de gestão.

Curso de programação.

Depois de dezenas de certificados, surge a pergunta que realmente interessa:

o que você consegue fazer com aquilo que aprendeu?

Existe uma diferença enorme entre conhecimento declarado e competência demonstrada.

Se você terminou um curso de análise de dados, construa uma análise.

Se aprendeu uma ferramenta de automação, automatize alguma coisa.

Se estudou inteligência artificial, aplique-a a um problema da sua área.

Se fez um curso de marketing digital, desenvolva um pequeno projeto.

Um certificado demonstra que você entrou em contato com determinado conteúdo.

Um projeto pode demonstrar que você conseguiu utilizá-lo.

No início da carreira, essa diferença importa muito.

Transforme atividades da própria faculdade em experiência

Você talvez já tenha mais material do que imagina.

Ao longo de uma graduação, estudantes participam de pesquisas, apresentações, trabalhos em grupo, estudos de caso, projetos integradores e atividades práticas.

A maioria dessas entregas desaparece depois que a nota é lançada.

Mas algumas podem ser reconstruídas como evidências profissionais.

O trabalho acadêmico pode virar case.

A apresentação pode ser transformada em projeto documentado.

A pesquisa pode gerar uma análise.

A atividade interdisciplinar pode mostrar capacidade de trabalho em equipe.

Até uma disciplina aparentemente teórica pode gerar um conteúdo aprofundado capaz de demonstrar domínio sobre determinado assunto.

A pergunta deixa de ser:

“Isso vale nota?”

E passa a ser:

“Isso demonstra alguma habilidade que terá valor no mercado?”

Essa mudança transforma a maneira como você aproveita a própria universidade.

Procure problemas reais antes de procurar cargos

Existe ainda uma estratégia especialmente poderosa.

Oferecer ajuda para resolver problemas pequenos e reais.

Uma organização estudantil precisa melhorar sua comunicação?

Ajude.

Um projeto universitário precisa organizar dados?

Participe.

Uma ONG precisa de um planejamento simples?

Contribua.

Uma pequena iniciativa precisa estruturar processos?

Talvez você consiga ajudar.

Isso não significa trabalhar gratuitamente de forma indefinida ou aceitar exploração disfarçada de “oportunidade”.

Significa procurar situações pontuais nas quais seja possível aplicar conhecimento e gerar aprendizado real.

O objetivo é sair da lógica de que você só consegue desenvolver uma competência depois que alguém lhe entrega oficialmente um cargo.

Antes do cargo pode existir um problema.

Antes do salário pode existir um projeto.

Antes da experiência profissional formal pode existir experiência prática.

Documente aquilo que você faz

Existe outro erro frequente.

O estudante participa de muitas atividades, mas não registra nada.

Meses depois, mal consegue explicar o que realizou.

Toda experiência relevante deveria deixar alguma memória profissional.

Qual era o problema?

Qual era o objetivo?

O que você fez?

Quais ferramentas utilizou?

Qual foi sua responsabilidade?

Que dificuldade apareceu?

Como resolveu?

Qual foi o resultado?

O que aprendeu?

Essas perguntas transformam uma atividade em um case.

E o case pode posteriormente alimentar currículo, LinkedIn, portfólio e entrevistas.

Você não precisa guardar informações confidenciais nem divulgar dados de organizações.

Pode anonimizar, resumir e documentar apenas aquilo que é apropriado.

O importante é não permitir que experiências importantes desapareçam simplesmente porque ninguém pensou em registrá-las.

Portfólio é evidência acumulada

É aqui que o portfólio ganha uma função ainda mais estratégica.

Ele não precisa ser uma página sofisticada.

Pode começar com alguns projetos bem documentados.

O importante é que responda a uma pergunta simples:

“Que provas existem de que você consegue fazer aquilo que afirma saber?”

Cada novo projeto acrescenta uma evidência.

Depois de algum tempo, você deixa de apresentar apenas potencial.

Começa a apresentar histórico.

Mesmo que esse histórico ainda não tenha sido construído inteiramente dentro de empregos formais.

Para alguém no início da carreira, isso pode reduzir uma das maiores dificuldades do processo seletivo: pedir que o recrutador acredite apenas em promessas.

Você passa a mostrar.

Use a inteligência artificial para aumentar a complexidade dos seus projetos

Existe ainda uma oportunidade que seria impossível ignorar neste artigo.

A mesma IA que pode elevar as exigências das vagas também permite que estudantes realizem projetos muito mais sofisticados do que poderiam alguns anos atrás.

Você pode analisar conjuntos maiores de informações.

Criar protótipos.

Explorar cenários.

Automatizar partes de um processo.

Desenvolver apresentações melhores.

Comparar alternativas.

Testar ideias.

Aprender ferramentas mais rapidamente.

A inteligência artificial reduz algumas barreiras de execução.

Isso significa que o universitário também pode utilizá-la para aumentar a qualidade da própria preparação.

Mas existe uma condição.

Você precisa compreender aquilo que está fazendo.

O objetivo não é apresentar um projeto produzido integralmente por IA e fingir que representa sua capacidade.

O objetivo é utilizar tecnologia para chegar mais longe enquanto você continua responsável pelo raciocínio, pelas decisões e pela qualidade da entrega.

O recrutador não precisa acreditar apenas no seu potencial

Quando uma empresa contrata um profissional experiente, consegue avaliar empregos anteriores, responsabilidades e resultados.

Quando contrata alguém que está começando, possui menos informações.

É por isso que evidências ganham tanta importância.

Um projeto.

Uma recomendação.

Um portfólio.

Uma participação relevante.

Um case.

Um trabalho bem documentado.

Cada elemento reduz um pouco a incerteza.

Você continua sendo iniciante.

Mas deixa de ser uma página completamente em branco.

Esse é um objetivo muito mais realista do que tentar parecer um profissional experiente quando ainda não é.

Não finja senioridade.

Demonstre preparação.

A pergunta certa devolve parte do controle para você

Talvez você realmente encontre vagas pedindo uma experiência que ainda não possui.

Talvez seja eliminado de alguns processos.

Talvez alguém com mais tempo de mercado conquiste uma oportunidade que você gostaria de ter.

Tudo isso faz parte de uma realidade que você não controla completamente.

Mas existe uma diferença enorme entre enfrentar essa realidade sem nenhuma estratégia e chegar preparado.

Por isso, quando surgir novamente a pergunta:

“Como consigo experiência se ninguém me contrata?”

não precisa abandoná-la.

Acrescente outra logo depois:

“O que consigo construir enquanto ainda não fui contratado?”

Essa segunda pergunta pode levar a um projeto.

O projeto pode gerar uma competência.

A competência pode produzir uma evidência.

A evidência pode entrar no portfólio.

O portfólio pode melhorar uma candidatura.

E uma candidatura melhor pode finalmente abrir a primeira oportunidade.

Sua carreira formal talvez comece com uma contratação.

Sua construção profissional não precisa esperar por ela.

O profissional de entrada que o novo mercado procura

Depois de analisar como a inteligência artificial está transformando tarefas, elevando expectativas e mudando a lógica das vagas iniciais, surge uma pergunta inevitável:

afinal, que tipo de profissional as empresas tendem a valorizar cada vez mais em quem está começando?

A resposta não está em procurar alguém que já chegue pronto.

Profissionais iniciantes continuam sendo profissionais em formação.

O que muda é o nível de preparação esperado para começar a contribuir.

O novo mercado tende a valorizar menos o candidato que apenas cumpre instruções e mais aquele que consegue compreender contexto, utilizar ferramentas, aprender rapidamente e transformar conhecimento em resultado.

Esse perfil não nasce depois da formatura.

Ele começa a ser construído durante a graduação.

Ele entende o problema antes de executar

Um profissional de entrada mais preparado não corre imediatamente para a tarefa.

Primeiro tenta compreender o objetivo.

Por que aquilo precisa ser feito?

Quem será afetado?

Qual resultado é esperado?

Quais informações são relevantes?

Quais riscos existem?

Essa postura muda completamente a qualidade da execução.

Duas pessoas podem utilizar exatamente a mesma ferramenta de IA.

Uma gera uma resposta genérica.

A outra fornece contexto, define critérios, compara alternativas e identifica limitações.

A diferença não está na tecnologia.

Está na capacidade de compreender o problema.

Esse é um tipo de competência que pode ser desenvolvido muito antes do primeiro emprego.

Ele sabe utilizar inteligência artificial sem terceirizar o raciocínio

Dominar IA passa a fazer parte do repertório profissional em muitas áreas.

Mas domínio não significa dependência.

O profissional mais interessante para uma empresa não é aquele que pergunta tudo à ferramenta.

É aquele que sabe quando utilizá-la, como orientar a execução, como verificar o resultado e quando simplesmente não deveria confiar na resposta produzida.

Isso exige conhecimento da própria profissão.

Sem conhecimento, o usuário não consegue distinguir uma resposta excelente de uma resposta convincente, porém errada.

Por isso, a combinação mais poderosa não é:

profissional versus IA.

É:

profissional competente + IA.

Quanto melhor você conhece sua área, maior tende a ser sua capacidade de utilizar tecnologia de maneira realmente produtiva.

Ele aprende rápido

Uma das características mais importantes do novo profissional de entrada pode ser sua velocidade de aprendizagem.

Ferramentas mudam.

Processos mudam.

Competências mudam.

Áreas inteiras podem incorporar novas tecnologias durante os quatro ou cinco anos de uma graduação.

Isso significa que a empresa não procura apenas aquilo que você já sabe.

Também precisa avaliar se você consegue aprender aquilo que ainda não sabe.

Essa capacidade aparece em comportamentos simples.

Você pesquisa antes de perguntar.

Consegue aprender uma nova ferramenta.

Busca feedback.

Corrige rapidamente um erro.

Testa alternativas.

Consegue abandonar um método quando percebe que existe outro melhor.

Não confunde desconhecimento com incapacidade.

Nenhum recém-formado saberá tudo.

Mas existe uma diferença enorme entre alguém que precisa ser ensinado continuamente e alguém que consegue transformar orientação em aprendizagem.

Ele consegue trabalhar com autonomia sem confundir autonomia com isolamento

Autonomia é outra competência que pode ganhar importância.

Se ferramentas aumentam a produtividade individual, empresas podem esperar que cada profissional consiga avançar mais antes de precisar de intervenção constante.

Mas autonomia não significa fazer tudo sozinho.

Um profissional autônomo sabe começar.

Sabe procurar informações.

Sabe testar.

Sabe utilizar recursos disponíveis.

E também sabe reconhecer quando chegou ao limite e precisa pedir ajuda.

Essa última parte é essencial.

Iniciantes que tentam esconder dúvidas podem produzir erros muito maiores do que aqueles que fazem boas perguntas no momento correto.

Autonomia profissional significa reduzir dependência desnecessária sem abandonar colaboração.

Ele comunica com clareza

Conhecimento que não consegue ser comunicado possui valor limitado dentro de uma organização.

Você pode fazer uma excelente análise.

Mas precisa explicar aquilo que encontrou.

Pode identificar um problema.

Mas precisa conseguir descrevê-lo.

Pode construir uma solução.

Mas talvez precise convencer outras pessoas a adotá-la.

Essa competência ganha ainda mais importância quando IA torna a produção de informação abundante.

Qualquer pessoa pode gerar um relatório enorme.

Poucas conseguem dizer:

“Estas são as três informações que realmente importam, este é o problema e esta é minha recomendação.”

Clareza passa a ser uma vantagem.

Especialmente para profissionais que ainda possuem pouca autoridade formal.

Quanto melhor você consegue estruturar seu raciocínio, mais fácil se torna para outras pessoas confiar naquilo que você apresenta.

Ele sabe trabalhar em equipe

Existe uma narrativa curiosa sobre inteligência artificial que às vezes imagina o profissional do futuro trabalhando sozinho com dezenas de ferramentas.

Organizações reais não funcionam assim.

Projetos dependem de pessoas.

Áreas dependem umas das outras.

Decisões precisam ser negociadas.

Clientes possuem expectativas.

Colegas discordam.

Prioridades entram em conflito.

Por isso, colaboração continua sendo uma competência central.

Saber ouvir.

Dar feedback.

Receber feedback.

Cumprir combinados.

Comunicar atrasos.

Respeitar responsabilidades.

Resolver conflitos.

Contribuir sem precisar ser o centro de tudo.

Esses comportamentos parecem simples.

Mas são justamente eles que transformam alguém tecnicamente competente em alguém com quem outras pessoas realmente querem trabalhar.

Ele possui visão de negócio

Essa talvez seja uma das competências mais subestimadas entre universitários.

Muitos estudantes conhecem técnicas da própria profissão, mas não compreendem por que uma empresa utilizaria aquelas técnicas.

Uma organização não contrata alguém porque precisa de uma planilha.

Contrata porque existe um problema financeiro, operacional ou estratégico.

Não precisa de uma apresentação.

Precisa comunicar uma decisão.

Não precisa simplesmente de código.

Precisa resolver um problema através de software.

Não precisa de conteúdo.

Precisa atrair, informar, vender, posicionar ou construir relacionamento.

Quanto mais cedo o universitário aprende a conectar sua atividade ao resultado que ela pretende produzir, mais profissional se torna sua maneira de pensar.

Isso é visão de negócio.

E não é exclusiva de quem estuda Administração.

Todo profissional precisa compreender minimamente como sua atividade cria valor dentro do sistema em que trabalha.

Ele transforma conhecimento em evidência

O novo profissional de entrada também precisa saber mostrar aquilo que consegue fazer.

Isso não significa autopromoção exagerada.

Significa apresentar evidências.

Projetos.

Cases.

Resultados.

Portfólio.

Participações relevantes.

Problemas resolvidos.

Competências aplicadas.

Quando uma empresa analisa alguém sem muitos anos de experiência, ela precisa reduzir incerteza.

Quanto mais evidências você apresenta, menos precisa depender apenas de declarações.

Não diga apenas que sabe trabalhar em equipe.

Conte sobre um projeto.

Não diga apenas que possui pensamento analítico.

Mostre uma análise.

Não diga apenas que sabe utilizar IA.

Mostre como utilizou tecnologia para resolver um problema relevante.

A evidência torna sua competência mais concreta.

Ele demonstra responsabilidade

Existe uma característica que separa rapidamente comportamentos estudantis de comportamentos profissionais.

Responsabilidade.

Um profissional assume compromissos.

Quando erra, comunica.

Quando não sabe, pergunta.

Quando percebe um risco, avisa.

Quando promete uma entrega, entende que outras pessoas podem depender dela.

Essa postura não exige anos de experiência.

Pode ser desenvolvida ainda durante a universidade.

Na verdade, muitas empresas conseguem tolerar a falta de conhecimento técnico de um iniciante porque sabem que conhecimento pode ser desenvolvido.

É muito mais difícil trabalhar com alguém que não cumpre compromissos, esconde problemas ou transfere continuamente a responsabilidade pelos próprios resultados.

Em um ambiente no qual a IA consegue executar cada vez mais tarefas, responsabilidade humana pode se tornar ainda mais importante.

Ele não espera receber um roteiro completo

Esse talvez seja um dos sinais mais claros de maturidade profissional.

O estudante está acostumado a receber instruções bastante definidas.

Tema.

Prazo.

Critério de avaliação.

Formato.

Quantidade de páginas.

No mercado, problemas raramente chegam tão organizados.

Às vezes ninguém sabe exatamente qual é a solução.

É necessário investigar.

Perguntar.

Entender prioridades.

Escolher um caminho.

O profissional de entrada que consegue lidar minimamente com essa ambiguidade possui uma vantagem importante.

Ele não precisa saber resolver tudo sozinho.

Mas precisa conseguir avançar sem esperar que outra pessoa transforme cada problema em um passo a passo.

Ele chega para aprender, mas também chega para contribuir

Essa talvez seja a melhor maneira de resumir o novo profissional júnior.

Ele continua entrando para aprender.

Mas não entra apenas para aprender.

Também precisa encontrar maneiras de contribuir.

Essa contribuição pode ser pequena no início.

Uma análise melhor.

Uma automação.

Uma pesquisa bem feita.

Uma melhoria de processo.

Uma boa ideia.

Uma organização mais eficiente.

Uma solução simples.

O importante é desenvolver a mentalidade de que uma vaga não existe apenas para proporcionar experiência ao candidato.

Ela também existe porque uma organização possui problemas que precisam ser resolvidos.

Quanto mais cedo você compreende isso, mais profissional passa a ser sua preparação.

O mercado não procura um sênior disfarçado de júnior

É importante repetir esse ponto.

Não estamos defendendo que um estudante precise dominar tudo antes da primeira contratação.

Isso seria absurdo.

Empresas continuam possuindo responsabilidade sobre treinamento, desenvolvimento e formação de seus profissionais.

O que pode estar mudando é o nível mínimo de contribuição esperado.

O novo júnior não precisa saber tudo.

Precisa demonstrar que consegue aprender.

Não precisa tomar todas as decisões.

Precisa começar a desenvolver julgamento.

Não precisa possuir anos de experiência.

Precisa apresentar evidências.

Não precisa trabalhar sozinho.

Precisa demonstrar autonomia.

Não precisa competir com inteligência artificial.

Precisa aprender a utilizá-la.

Essa diferença é fundamental.

A combinação que pode definir o novo profissional de entrada

Podemos resumir esse perfil em quatro elementos:

Conhecimento profissional.

Você precisa compreender os fundamentos da área em que pretende atuar.

Domínio tecnológico.

Precisa conseguir utilizar as ferramentas que estão transformando essa área, incluindo inteligência artificial.

Competências humanas.

Comunicação, colaboração, julgamento, pensamento crítico e responsabilidade continuam essenciais.

Evidências práticas.

Projetos e experiências precisam demonstrar que você consegue transformar conhecimento em ação.

Nenhum desses elementos funciona tão bem isoladamente.

A força aparece justamente na combinação.

É por isso que o profissional de entrada que pode ganhar espaço neste novo mercado não é necessariamente aquele que acumulou mais cursos ou possui o currículo mais extenso.

É aquele que começa a demonstrar uma característica muito valiosa:

capacidade de gerar valor antes mesmo de possuir muitos anos de carreira.

Talvez você precise chegar mais pronto do que as gerações anteriores

Existe uma ideia desconfortável atravessando todo este artigo.

Talvez o universitário que entra no mercado nos próximos anos precise chegar à primeira oportunidade com um nível de preparação maior do que aquele exigido de muitos profissionais que começaram suas carreiras anteriormente.

Isso não significa que as gerações anteriores tenham tido uma trajetória fácil.

Cada época teve suas próprias dificuldades.

Crises econômicas.

Desemprego.

Mudanças tecnológicas.

Concorrência.

Transformações nas profissões.

O ponto aqui é outro.

A sequência tradicional de desenvolvimento profissional pode estar mudando.

Durante muito tempo, era razoável imaginar algo próximo de:

faculdade → primeiro emprego → desenvolvimento profissional

A graduação fornecia a base.

A empresa oferecia o ambiente em que boa parte das competências práticas seria desenvolvida.

O profissional entrava sabendo menos, executava tarefas mais simples e ganhava autonomia ao longo dos anos.

Essa lógica continuará existindo em muitas carreiras.

Mas a transformação provocada pela inteligência artificial pode antecipar parte desse desenvolvimento.

O caminho começa a parecer mais próximo de:

faculdade + desenvolvimento profissional → primeira oportunidade

Essa pequena mudança na ordem dos fatores altera profundamente a maneira como um universitário deveria utilizar os anos de graduação.

O mercado pode estar antecipando o momento da cobrança

Se ferramentas permitem que profissionais realizem mais trabalho em menos tempo, empresas naturalmente começam a rever processos e expectativas.

Uma atividade que antes exigia várias horas pode passar a ser realizada em minutos.

Uma pesquisa que dependia de trabalho manual pode começar a ser acelerada.

Uma primeira versão pode ser criada instantaneamente.

Uma tarefa operacional pode ser automatizada.

Nesse contexto, o mercado não precisa esperar que um profissional iniciante domine tudo.

Mas pode começar a esperar que ele chegue mais rapidamente ao próximo nível de contribuição.

Isso significa que competências anteriormente desenvolvidas depois da contratação podem precisar começar antes.

Comunicação.

Capacidade analítica.

Domínio de ferramentas.

Pensamento crítico.

Autonomia.

Visão de negócio.

Utilização responsável de IA.

Construção de projetos.

Nenhuma dessas competências transforma um estudante em profissional sênior.

Mas podem permitir que ele aproveite melhor a primeira oportunidade quando ela surgir.

O diploma pode chegar no mesmo momento. A preparação não precisa.

Dois estudantes podem entrar na mesma graduação no mesmo semestre.

Frequentar disciplinas semelhantes.

Ter professores parecidos.

Receber o mesmo diploma quatro anos depois.

Mas podem chegar à formatura profissionalmente muito diferentes.

Um deles utilizou a universidade apenas como sequência de disciplinas.

Assistiu às aulas.

Fez provas.

Entregou trabalhos.

Esperou o último semestre para pensar em carreira.

O outro fez tudo isso, mas também explorou a profissão.

Participou de projetos.

Construiu relacionamentos.

Experimentou ferramentas.

Acompanhou vagas.

Buscou estágio.

Criou um portfólio.

Utilizou inteligência artificial para aprender e produzir melhor.

Errou algumas vezes.

Descobriu áreas que não gostava.

Encontrou outras que faziam mais sentido.

Os dois possuem formação universitária.

Mas apenas um deles passou os anos da graduação construindo também formação profissional.

Essa diferença pode se tornar cada vez mais importante.

Começar antes não significa viver apenas para a carreira

Existe um cuidado necessário aqui.

Defender preparação durante a universidade não significa transformar todos os anos da graduação em uma corrida desesperada por produtividade.

A faculdade também é espaço de descoberta.

Relacionamentos.

Experimentação.

Formação intelectual.

Vida cultural.

Mudanças de interesse.

Erros.

O universitário não precisa chegar ao primeiro semestre com sua carreira inteira planejada.

Isso seria pouco realista.

A proposta é outra.

Não desperdice quatro ou cinco anos imaginando que toda a construção profissional poderá ser adiada para depois.

Você pode explorar enquanto estuda.

Pode mudar de direção.

Pode descobrir novas áreas.

Pode testar caminhos.

Na verdade, começar cedo permite justamente errar quando o custo do erro ainda é menor.

Descobrir durante o terceiro semestre que você não gosta de determinada área costuma ser muito melhor do que descobrir isso depois de anos tentando construir uma carreira nela.

Preparação antecipada não deveria produzir rigidez.

Deveria produzir liberdade para experimentar.

O universitário possui uma vantagem que frequentemente não percebe: tempo

Quem já está no mercado enfrenta uma dificuldade importante diante das transformações tecnológicas.

Precisa se adaptar enquanto trabalha.

Cumpre metas.

Atende clientes.

Paga contas.

Mantém responsabilidades.

Muitas vezes precisa aprender uma nova tecnologia ao mesmo tempo em que tenta preservar a própria posição.

O universitário possui uma condição diferente.

Ainda está formando seu repertório.

Isso significa que pode incorporar novas competências enquanto sua identidade profissional ainda está sendo construída.

Pode aprender inteligência artificial junto com sua profissão.

Pode estudar ferramentas antes que sejam uma exigência.

Pode construir projetos antes de depender deles para conseguir renda.

Pode observar transformações enquanto ainda possui tempo para ajustar sua trajetória.

Aquilo que parece uma desvantagem, ainda não possuir experiência, também traz uma oportunidade.

Você ainda não precisa desaprender uma carreira antiga para construir uma nova.

Pode começar diretamente com uma versão mais atual dela.

Não espere a faculdade lhe dizer tudo o que precisa aprender

Outro ponto precisa ser entendido.

Cursos universitários não conseguem atualizar suas grades curriculares na mesma velocidade com que ferramentas e processos profissionais mudam.

Isso não é necessariamente uma falha da universidade.

Formação acadêmica possui objetivos mais amplos do que acompanhar cada novidade tecnológica.

Fundamentos continuam importantes justamente porque tecnologias mudam rapidamente.

Mas essa realidade cria uma responsabilidade adicional para o estudante.

Você precisa construir uma camada complementar de aprendizagem.

A faculdade ensina fundamentos.

O mercado mostra aplicações.

Você precisa aprender a conectar os dois.

Isso exige observar empresas, profissionais, vagas e ferramentas enquanto ainda está estudando.

Se uma habilidade importante começar a aparecer repetidamente nas oportunidades da sua área, talvez não faça sentido esperar que ela eventualmente apareça em alguma disciplina.

Aprenda.

Experimente.

Teste.

Construa algo.

A formação universitária pode oferecer a base.

A responsabilidade por manter essa base conectada ao mercado também é sua.

Quanto mais cedo você construir repertório, menos dependerá de sorte

O primeiro emprego sempre envolve alguma dose de oportunidade.

Encontrar a vaga certa.

Conhecer alguém.

Participar de um processo no momento adequado.

Ser entrevistado pela pessoa certa.

Existem elementos que não podem ser completamente controlados.

Mas preparação altera as probabilidades.

Quanto mais competências você desenvolve, mais vagas consegue disputar.

Quanto mais projetos possui, mais consegue demonstrar.

Quanto mais entende sua área, melhores perguntas faz em entrevistas.

Quanto mais acompanha o mercado, menos é surpreendido pelas exigências.

Quanto mais relacionamentos constrói, maior sua exposição a oportunidades.

Você não elimina o acaso.

Mas reduz sua dependência dele.

Isso é particularmente importante se a porta de entrada estiver ficando mais estreita.

Quando existem menos espaços ou expectativas maiores, chegar melhor preparado aumenta sua capacidade de competir por aquilo que continua disponível.

Seu primeiro emprego não deveria ser seu primeiro contato com o mercado

Talvez esta seja uma das mudanças mais práticas que o universitário precisa realizar.

Quando você participa de um processo seletivo pela primeira vez, o mercado não deveria parecer um território completamente desconhecido.

Você já deveria ter lido vagas.

Conhecido profissionais.

Pesquisado empresas.

Acompanhado tendências.

Participado de projetos.

Experimentado ferramentas.

Entendido minimamente como sua profissão gera valor.

Talvez ainda não tenha um emprego formal.

Mas já começou a construir familiaridade com o ambiente profissional.

Essa familiaridade reduz uma distância que costuma prejudicar muitos recém-formados.

A diferença entre linguagem acadêmica e linguagem de negócios.

Entre responder uma prova e resolver um problema.

Entre demonstrar conhecimento e demonstrar competência.

Quanto mais cedo você atravessa essa ponte, menos brusca tende a ser a transição depois do diploma.

Estar mais pronto não significa estar pronto

Esse cuidado precisa permanecer muito claro.

Nenhum universitário precisa terminar a graduação como produto acabado.

Na verdade, nenhum profissional deveria acreditar que chegou a esse ponto.

O mercado continuará mudando.

Ferramentas continuarão evoluindo.

Novas competências aparecerão.

A preparação que defendemos não é chegar ao primeiro emprego sabendo tudo.

É chegar sabendo o suficiente para aprender rapidamente, contribuir desde cedo e continuar evoluindo.

Essa diferença muda a pressão colocada sobre o estudante.

Seu objetivo não é ser perfeito.

É reduzir a distância entre quem você é hoje e aquilo que o mercado começa a exigir.

Um projeto de cada vez.

Uma habilidade de cada vez.

Uma experiência de cada vez.

Durante alguns anos, esse acúmulo pode produzir um profissional muito diferente.

Talvez a nova vantagem competitiva seja começar antes

Muitos universitários perceberão essas mudanças somente quando começarem a procurar emprego.

Nesse momento, descobrirão quais ferramentas deveriam ter aprendido.

Que tipo de experiência as empresas pedem.

Como funciona um processo seletivo.

Que projetos poderiam ter construído.

Que competências estão faltando.

Não existe nada impossível de corrigir.

Mas corrigir depois costuma ser mais difícil.

Quem percebe isso durante a graduação possui uma vantagem importante.

Tempo.

Tempo para aprender.

Tempo para experimentar.

Tempo para construir.

Tempo para errar.

Tempo para melhorar.

E talvez essa seja uma das maiores oportunidades escondidas dentro de toda a transformação que discutimos.

Você não controla o que a inteligência artificial fará com o mercado.

Não controla quais cargos serão transformados.

Não controla quantas vagas existirão quando terminar a faculdade.

Mas controla uma parte importante da equação:

o profissional que chegará até essas vagas.

Se o mercado estiver elevando o nível necessário para entrar, sua resposta não deveria ser esperar que ele volte ao que era antes.

Deveria ser começar sua preparação mais cedo.

Porque talvez a mudança mais importante na carreira universitária seja exatamente esta:

o diploma continua chegando no final da faculdade. Mas o profissional precisa começar a ser construído muito antes dele.

Conclusão

A vaga de entrada não acabou. Mas a forma como ela funciona está mudando.

A inteligência artificial não precisa eliminar completamente posições juniores para transformar a vida de quem está começando. Basta automatizar parte das tarefas básicas, aumentar a produtividade das equipes e elevar aquilo que as empresas consideram suficiente para um profissional iniciante. Quando isso acontece, algumas portas ficam menores, outras mudam de lugar e certas competências passam a ser exigidas muito antes.

Para o universitário, a principal conclusão é direta: não dá mais para esperar o diploma para começar a construir empregabilidade. Se experiência, domínio tecnológico, pensamento crítico, comunicação, portfólio e capacidade de resolver problemas começam a pesar mais cedo, então sua preparação profissional também precisa começar mais cedo.

Isso não significa viver a faculdade em função de processos seletivos. Significa aproveitar os anos de graduação para testar, construir, errar, aprender e acumular evidências reais de capacidade. Projetos, estágio, empresa júnior, pesquisa, extensão, portfólio, networking e domínio de inteligência artificial podem transformar a universidade em muito mais do que um caminho até o diploma.

O mercado continuará precisando de jovens profissionais.

A pergunta é se continuará precisando deles da mesma forma.

Talvez não.

E é justamente por isso que esperar passivamente pela primeira oportunidade pode ser uma das decisões mais arriscadas.

A vaga de entrada pode continuar existindo.

Mas o profissional que consegue ocupá-la talvez precise começar a ser construído muito antes da formatura.

Mais Artigos para você

• 
  A Vaga de Entrada Está Desaparecendo. E Isso Pode Mudar Sua Vida Profissional
• 
  O Mercado Não Precisa Extinguir Sua Profissão Para Extinguir Sua Vaga
• 
  Como Negociar Seu Primeiro Salário Mesmo Sem Experiência: Guia Completo para Universitários
• 
  Por Que Alunos Nota Máxima Muitas Vezes Fracassam Após a Faculdade

FAQ: Vagas de Entrada, IA e Primeiro Emprego

Leitura complementar

Por que os generalistas vencem em um mundo de especialistas, de David Epstein

Em Por que os generalistas vencem em um mundo de especialistas, David Epstein questiona a ideia de que o melhor caminho para o sucesso seja escolher uma área o mais cedo possível e seguir uma trajetória extremamente especializada desde o início. Ao analisar diferentes carreiras e contextos, o autor mostra como experimentação, experiências variadas e capacidade de conectar conhecimentos de áreas diferentes podem ajudar profissionais a resolver problemas novos e complexos.

Essa reflexão faz muito sentido para o universitário que está entrando em um mercado transformado pela inteligência artificial. Quando ferramentas conseguem executar tarefas cada vez mais específicas, possuir apenas uma habilidade operacional pode ser insuficiente. Construir repertório, aprender rapidamente, compreender problemas por diferentes perspectivas e conectar conhecimentos pode aumentar sua capacidade de adaptação quando funções, tecnologias e oportunidades mudarem.

A principal contribuição do livro para quem ainda está na faculdade talvez seja justamente esta: você não precisa ter toda a carreira definida aos 18 ou 20 anos. A graduação também pode ser um período de exploração. Estágios, projetos, disciplinas, atividades extracurriculares e experiências em diferentes contextos ajudam você a descobrir onde suas competências realmente criam valor. Em um mercado no qual a primeira porta pode mudar antes mesmo da sua formatura, ter capacidade de aprender, experimentar e reposicionar-se pode ser tão importante quanto saber exatamente qual cargo deseja ocupar.

Acompanhe o Universitário Vencedor e explore conteúdos exclusivos que vão impulsionar sua jornada acadêmica e profissional:

Quer receber nossas atualizações direto no seu WhatsApp? Inscreva-se no Canal Universitário Vencedor e seja avisado primeiro.
Acompanhe nosso Blog e tenha acesso aos nossos conteúdos exclusivos.
Visite a Loja do Universitário Vencedor, amplie seus conhecimentos e apoie nosso blog.
Siga nosso Instagram, sempre com alguma novidade para os Universitários Vencedores.

Transforme sua paixão em um legado de impacto. O próximo universitário vencedor pode ser você!

Referências

Os dados e análises apresentados neste artigo foram construídos a partir de relatórios, pesquisas e levantamentos recentes sobre inteligência artificial, transformação do trabalho e oportunidades profissionais para jovens e recém-formados.

World Economic Forum. Artificial Intelligence and the Future of Entry-Level Work: A Framework for Safeguarding and Reinventing Early Career Pathways. 2026.

Relatório dedicado especificamente aos impactos da inteligência artificial sobre o trabalho de entrada. O estudo aponta que mais de um em cada três trabalhadores jovens no mundo está em ocupações com exposição média ou alta a mudanças de tarefas provocadas pela IA e discute como organizações precisarão repensar formação, contratação e desenvolvimento de profissionais iniciantes.

Acessar relatório do World Economic Forum

PwC. 2026 Global AI Jobs Barometer. 2026.

Análise baseada em mais de um bilhão de anúncios de emprego em 27 países e territórios. Entre os principais achados utilizados neste artigo está a constatação de que vagas de entrada altamente expostas à IA são sete vezes mais propensas a exigir competências tradicionalmente associadas a profissionais mais experientes.

Acessar o 2026 Global AI Jobs Barometer

International Labour Organization. Generative AI and Jobs: A Refined Global Index of Occupational Exposure. 2025.

Working Paper 140 da Organização Internacional do Trabalho, desenvolvido em colaboração com pesquisadores do NASK. O estudo analisa quase 30 mil tarefas profissionais e estima que aproximadamente um em cada quatro trabalhadores no mundo esteja em uma ocupação com algum grau de exposição à IA generativa. A principal conclusão é que a transformação dos empregos tende a ser mais provável do que sua substituição completa.

Acessar estudo da Organização Internacional do Trabalho

International Labour Organization. Generative AI at Work: What It Means for Jobs in Europe and Beyond. 2025.

Análise complementar da OIT sobre as diferenças de exposição entre ocupações. A publicação destaca funções clericais e administrativas entre as mais expostas e registra aumento da exposição em algumas ocupações profissionais e técnicas altamente digitalizadas, como análise financeira, desenvolvimento web e programação.

Acessar análise da Organização Internacional do Trabalho

OECD. The OECD AI Exposure Measure: Mapping the OECD AI Capability Indicators to Occupations. 2026.

Estudo da Organização para a Cooperação e Desenvolvimento Econômico que relaciona as capacidades atuais da inteligência artificial às exigências de diferentes ocupações. A pesquisa aponta maior proximidade da IA com tarefas envolvendo processamento rotineiro de informações, trabalho administrativo e atividades codificáveis, enquanto julgamento contextual, interação humana, decisões complexas e responsabilidade apresentam distâncias maiores.

Acessar estudo da OECD

World Economic Forum. The Future of Jobs Report 2025. 2025.

Relatório global sobre as transformações esperadas no mercado de trabalho até 2030. O levantamento identifica crescimento em áreas como software, inteligência artificial, dados e segurança, ao mesmo tempo em que aponta declínio esperado em diversas funções administrativas, clericais e operacionais.

Acessar o Future of Jobs Report 2025

LinkedIn Notícias. Guia para Recém-formados 2026. 2026.

Levantamento baseado em dados da plataforma sobre cargos, funções e setores com crescimento na contratação de recém-formados no Brasil. O estudo mostra que Engenharia de Inteligência Artificial lidera entre as portas de entrada em expansão, enquanto funções como análise de programação e suporte técnico também apresentam crescimento.

Acessar o Guia para Recém-formados 2026