Key Takeaways
Padrões mais elevados: A IA está a orientar o trabalho de entrada para a capacidade de julgamento, a comunicação e a resolução de problemas, anteriormente associadas a funções sénior.
Prática perdida: A automatização de tarefas rotineiras pode eliminar os erros, a observação e o contexto que ajudam os trabalhadores no início da carreira a desenvolver a capacidade de julgamento.
Mudança na contratação: Os empregadores avaliam cada vez mais o raciocínio, a adaptabilidade e a rapidez de aprendizagem, em vez de dependerem de qualificações ou realizações ensaiadas.
Nova progressão: A IA acelera a produção, mas as empresas têm de criar deliberadamente oportunidades de prática supervisionada antes de atribuírem aos trabalhadores responsabilidades mais abrangentes.
Conceção prática: Simulações, rotações, análises posteriores e erros passíveis de correção podem substituir a aprendizagem de desenvolvimento que o trabalho rotineiro proporcionava anteriormente.
O trabalho de nível inicial está a começar a parecer menos de nível inicial.
Barómetro de Empregos em IA da PwC, de junho de 2026 concluiu que os empregos de nível inicial com elevada exposição à IA têm uma probabilidade sete vezes maior de exigir competências tradicionalmente associadas a trabalhadores seniores do que as funções menos expostas à IA. Mais de metade das competências que surgiram recentemente nessas ofertas estavam historicamente associadas a posições mais seniores.
A mudança faz sentido intuitivamente. A IA é cada vez mais capaz de lidar com o trabalho estruturado e repetitivo que anteriormente ocupava grande parte do dia de um trabalhador em início de carreira. O que resta tem maior probabilidade de exigir capacidade de decisão, comunicação, resolução de problemas e decisões tomadas com informação incompleta.
Mas há um problema com esse ganho de eficiência.
Essas tarefas mais simples faziam mais do que produzir resultados. Também davam aos trabalhadores inexperientes tempo para observar como funcionavam as organizações, cometer erros relativamente pouco dispendiosos e acumular gradualmente o contexto necessário para tomar decisões mais difíceis.
A Dra. Rachel Wood, investigadora de ciberpsicologia e fundadora do AI Mental Health Collective, defende que esta função frequentemente ignorada do trabalho de nível inicial é importante.
Pense no trabalhador que entra numa indústria e desempenha um trabalho que parece periférico à própria função. Enquanto conclui essas tarefas, esse trabalhador também apreende como os líderes tomam decisões, como os colegas interagem e como a empresa funciona realmente.
Eliminar totalmente essa experiência leva à conclusão lógica de que os empregadores arriscam eliminar aquilo que Wood descreve como “uma parte crucial do trabalho árduo que desenvolve a capacidade de vir a ser um bom líder ao longo da carreira. O que a IA tem é conhecimento sem experiência.”
Isso não significa que as empresas devam preservar trabalho de baixo valor por nostalgia. Poucos trabalhadores precisam de horas de tarefas rotineiras, como copiar informação entre folhas de cálculo, para desenvolver o seu caráter.
Significa, sim, que as organizações poderão ter de distinguir entre trabalho que é simplesmente ineficiente e trabalho que proporciona repetições com valor para o desenvolvimento.
Os seres humanos desenvolvem capacidade de decisão em parte porque as decisões têm consequências. Cometem erros, lidam com os resultados e ajustam o seu comportamento. Por vezes, têm de se explicar, reparar uma relação ou reconhecer que uma suposição que levaram para uma decisão estava errada.
É difícil automatizar essas experiências porque o seu valor reside, em parte, no facto de as termos vivido.
Contratar pela capacidade de decisão cria outro problema
Os empregadores já estão a responder à mudança no perfil do trabalho júnior, elevando a fasquia.
Um inquérito da ZipRecruiter realizado em junho a mais de 1 000 empregadores norte-americanos concluiu que 31% tinham aumentado os requisitos de experiência para posições de nível inicial por causa da IA. Essa resposta resolve um problema, mas pode criar outro. As empresas podem simplesmente contratar pessoas que já possuam a capacidade de decisão exigida pelas suas funções reformuladas.
Contudo, alguém terá de a desenvolver.
Isso também torna menos úteis os sinais tradicionais de recrutamento. Se se espera que um trabalhador de nível inicial navegue pela ambiguidade, gira as partes interessadas e exerça capacidade de decisão, os anos de experiência e um currículo bem elaborado oferecem apenas provas indiretas de que consegue fazê-lo.
Heather Krueger, que entrevista candidatos a cargos de direção e superiores no seu trabalho como Diretora de Pessoas da Engine, afirmou que tenta cada vez mais ir além daquilo que os candidatos fizeram e compreender como pensam.
A maioria das perguntas de entrevista continua a olhar para o passado: O que conseguiu alcançar? Qual foi o resultado? O que fez?
A IA torna mais fácil do que nunca preparar respostas convincentes para essas perguntas.
Como resultado, Krueger concentra-se mais nas decisões tomadas sob pressão, nas situações sem respostas óbvias e no raciocínio por detrás das escolhas de um candidato. Também favorece testes práticos que permitem aos entrevistadores pôr em causa as suposições e observar como os candidatos reagem em tempo real.
A distinção torna-se particularmente importante quando os empregadores estão a contratar tendo em conta o potencial.
Krueger afirmou que as empresas sobrevalorizam frequentemente aquilo que os candidatos já sabem, mesmo quando o prazo de validade desse conhecimento se torna mais curto. Em vez disso, procura curiosidade, adaptabilidade e capacidade para assimilar algo novo e aplicá-lo.
A velocidade de aprendizagem é mais importante do que as credenciais.
O discernimento também pertence a essa lista. Krueger descreveu-o como uma capacidade que dá às organizações confiança para aliarem maior liberdade a maior responsabilização, sobretudo quando o trabalho está a avançar rapidamente.
A escada da carreira precisa de ser substituída
Durante décadas, as organizações tiveram um modelo de desenvolvimento bastante simples.
Os colaboradores juniores ocupavam-se de problemas mais restritos. Os bons desempenhos conquistavam a responsabilidade por problemas maiores. Eventualmente, a própria experiência tornou-se parte do valor que traziam para o trabalho.
A IA complica essa progressão porque pode reduzir a distância entre o primeiro e o segundo passo.
Um analista júnior pode já não precisar de anos para ser capaz de produzir uma análise sofisticada. Um novo recrutador pode utilizar a IA para redigir mensagens de contacto, resumir entrevistas ou pesquisar candidatos a uma velocidade que anteriormente exigia uma experiência considerável. Um programador pode produzir código funcional muito mais cedo na sua carreira.
Mas uma produção mais rápida não significa um discernimento mais rápido.
Se as empresas quiserem que os colaboradores em início de carreira operem num nível mais elevado da curva de complexidade, poderão ter de criar deliberadamente as experiências que antes surgiam naturalmente através do desempenho das funções.
Isso pode significar simulações, tomada de decisões supervisionada, exposição estruturada a conversas com profissionais seniores, rotações, análises posteriores e oportunidades para cometer erros consequentes, mas recuperáveis.
A própria IA pode até ajudar, criando ambientes de baixo risco onde os colaboradores possam ensaiar conversas difíceis ou testar decisões antes de as tomarem na realidade.
O objetivo não deve ser recriar todas as tarefas entediantes que a tecnologia elimina.
Deve ser identificar o que os colaboradores estavam a aprender enquanto realizavam essas tarefas e garantir que essa aprendizagem continua a acontecer.
