A Inteligência Artificial não produziu, até agora, uma história clara de desemprego em massa. O emprego agregado em países desenvolvidos permanece amplamente estável, e avaliações recentes encontraram evidências limitadas de que a IA tenha alterado os números gerais. Mas uma mudança preocupante pode estar escondida sob a superfície: o enfraquecimento silencioso do primeiro degrau da escada profissional.
As evidências mais alarmantes estão aparecendo exatamente onde deveríamos esperá-las primeiro: nas contratações em início de carreira. Um documento divulgado em novembro de 2025 pelo Stanford Digital Economy Lab revelou que trabalhadores de 22 a 25 anos, nas ocupações mais expostas à IA, tiveram uma queda relativa de 16% no emprego após a disseminação da IA generativa, mesmo após controlar outros fatores que poderiam afetar as decisões de emprego das empresas. Um relatório da Anthropic, de março de 2026, oferece evidências sugestivas de uma conclusão semelhante.
Trabalhadores mais experientes nessas mesmas ocupações não sofreram a mesma queda. O emprego também não está diminuindo nos empregos de nível inicial com baixa exposição à IA. A preocupação é específica de empregos em início de carreira que são expostos à IA.
Isso não é um sinal menor. Sugere que as empresas podem estar usando a IA para substituir as tarefas juniores por meio das quais as pessoas tradicionalmente conquistam seu primeiro espaço, ao menos naqueles empregos em que a IA generativa é usada de forma extensa, como desenvolvedores de software, representantes de atendimento ao cliente, programadores de computador e gerentes de sistemas de informação.
O momento de fazer mudanças na forma como treinamos, preparamos e apoiamos jovens prestes a entrar no mercado de trabalho é agora. Instituições educacionais precisam se reorientar para a era de uma força de trabalho ampliada pela IA. Governos devem criar incentivos para que as empresas contratem e treinem trabalhadores em início de carreira. As empresas, por sua vez, precisam reconhecer a importância de desenvolver uma força de trabalho de longo prazo, experiente em IA, um processo que começa com trabalhadores de nível inicial. E os próprios estudantes devem assumir a responsabilidade não apenas de se tornarem fluentes em IA, mas de aprender a aplicar esse conhecimento em diversos campos.
Em resumo, precisamos mudar a forma como tradicionalmente pensamos sobre o trabalho de nível inicial.
Isso é especialmente verdade porque o mercado de trabalho mais amplo para recém-formados também está perdendo força. O Federal Reserve Bank of New York informou que, no quarto trimestre de 2025, a taxa de desemprego de recém-formados na faculdade subiu para 5,6%, enquanto a taxa de subemprego, a parcela de formados trabalhando em empregos que normalmente não exigem diploma universitário, chegou a 42,5%, seu nível mais alto desde a pandemia de covid-19. Nenhuma estatística isolada pode provar que a IA seja a única causa dessa deterioração. As contratações em geral caíram muito no pós-pandemia, e os jovens são particularmente vulneráveis à desaceleração. Mas seria um erro ignorar a possibilidade de que a IA esteja acelerando uma transição, já difícil, da escola para o trabalho.
Por trás dessas estatísticas há um grande sofrimento pessoal. Recém-formados de hoje muitas vezes enviam centenas de candidaturas antes de receber uma única oferta, e pesquisas consistentemente apontam níveis elevados de ansiedade, insegurança financeira e esgotamento entre jovens trabalhadores em buscas prolongadas por emprego. Se a IA fechar silenciosamente a porta para empregos iniciais típicos, as pessoas pagarão o preço na independência adiada, na formação de família postergada e na sensação de que seus primeiros esforços profissionais sérios foram recusados.
Isso também importa porque empregos de nível inicial fazem parte do sistema de treinamento da economia. Analistas juniores aprendem quais números são confiáveis. Jovens desenvolvedores de software aprendem como sistemas de produção falham. Novos profissionais de marketing aprendem como os clientes se comportam fora da linguagem limpa dos painéis.
Profissionais em início de carreira, nas áreas jurídica e financeira, aprendem como regras, julgamento, prazos e relações humanas de fato interagem. Se a IA absorver mais da redação, da triagem, da codificação, do resumo e da preparação administrativa que antes ajudavam a treinar trabalhadores de nível inicial, as empresas podem se tornar mais eficientes no curto prazo, enquanto a sociedade se torna menos capaz no longo prazo.
A forma certa de melhorar as habilidades de jovens trabalhadores não é dizer a eles: “Aprendam a programar.” Esse conselho, que orientou mais de uma década de iniciativas federais e expansão universitária, se baseava na premissa de que programar era uma habilidade estável e escalável que quase qualquer pessoa poderia aprender e transformar em um emprego de classe média. A premissa já não se sustenta. A camada de trabalho que a IA faz bem, traduzir uma especificação em código rotineiro, reproduzir padrões, depurar erros previsíveis, é precisamente a camada em torno da qual programas de “aprenda a programar” foram construídos.
Supervisionar sistemas de IA no trabalho é, agora, uma habilidade muito mais relevante. Assim, entender as saídas que sistemas de IA produzem se tornará muito importante.
Para ajudar as pessoas a desenvolver tais habilidades, deveríamos exigir que universidades, faculdades comunitárias e programas profissionais incorporem alfabetização em IA, alfabetização em dados, habilidades de fluxo de trabalho baseadas em prompts, habilidades de verificação e julgamento de domínio em cursos comuns. Todo graduado deveria saber como usar ferramentas de IA, checar seus resultados, entender seus limites e combiná-los com a expertise humana. Isso importa até para graduados que entram em ocupações que parecem relativamente protegidas da IA, como as da área da saúde. Quase todo trabalho contém tarefas, redação, resumo, agendamento, pesquisa, trabalho básico com dados, comunicação rotineira, para os quais a IA já é uma ferramenta substancial de produtividade.
A competição que a maioria dos jovens trabalhadores vivenciará não é humano versus máquina, mas colega versus colega ampliado pela IA. Para a maioria, o caminho realista para se tornar valioso não é evitar a IA, mas se tornar fluente na tecnologia e combinar isso com julgamento de domínio, raciocínio contextual e habilidades de relacionamento humano. Para isso, as escolas deveriam enfatizar programas de co-op remunerados, aprendizagens e projetos vinculados a empregadores, para que os estudantes construam julgamento em ambientes de trabalho reais antes de se formarem.
Governos também deveriam criar créditos tributários direcionados, subsídios salariais e bolsas de treinamento para empregadores que contratem trabalhadores em início de carreira em funções estruturadas, ampliadas pela IA. A arquitetura para esse tipo de subsídio condicional, vinculado a comportamentos, já existe na política tributária dos EUA. O que falta é uma versão desses instrumentos construída especificamente em torno do trabalho, ampliado pela IA, em início de carreira.
As empresas, por sua vez, deveriam parar de tomar decisões de contratação baseadas apenas em economias de custo de curto prazo com IA. Jovens trabalhadores não são valiosos apenas pelas tarefas que executam neste trimestre. Seu valor está no aprendizado, na formação de habilidades, na memória institucional e na produtividade futura. Contratar para o nível inicial não é apenas um gasto. É um investimento no estoque futuro de julgamento dentro da empresa. A força de trabalho sênior mais eficaz, ampliada pela IA, no final da década de 2030, será composta esmagadoramente pela coorte júnior de hoje. Empresas que automatizam a etapa de aprendizado podem melhorar suas margens imediatas, mas podem se ver, uma década à frente, sem ninguém que entenda como seus próprios fluxos de trabalho orientados por IA realmente se comportam.
Estudantes que se formam nesta primavera e na próxima enfrentam um mercado de trabalho difícil, em transição. Fluência em IA está se tornando uma commodity. Expertise de domínio sem fluência em IA está ficando para trás. A combinação é o que é genuinamente escasso. O engenheiro mecânico com conhecimento de manufatura e proficiência em IA, o programador de software com conhecimento de serviços financeiros que também é um craque em IA, esses são os tipos de profissionais que estarão em demanda.
Georgios Petropoulos
