A automação está avançando em ritmo acelerado no mercado de TI, e quem está sentindo isso primeiro são os profissionais que ainda estão no começo da carreira.
Desde 2021, as vagas de nível inicial caíram 10% em todos os setores, segundo um relatório recente da SAP. Mas quando o recorte é feito nas 10 funções entry-level mais comuns, como engenheiro de software, analista de dados e suporte ao cliente, a queda é bem mais drástica: 35% entre 2024 e 2025.
E isso levanta uma pergunta que muita empresa ainda não parou para responder de verdade: se as portas de entrada estão fechando, quem vai ocupar as cadeiras de liderança em TI daqui a alguns anos? 🤔
Não é exagero dizer que o modelo tradicional de crescimento em TI sempre dependeu dessas funções iniciais para funcionar. Era ali, nas tarefas mais operacionais e repetitivas, que os profissionais construíam a base técnica, entendiam o negócio e desenvolviam as primeiras habilidades de liderança. Com a inteligência artificial automatizando exatamente esse tipo de trabalho, esse caminho está sendo interrompido antes mesmo de começar. 🚨
O pipeline de talento está quebrado
Durante décadas, o setor de TI funcionou como uma espécie de esteira bem azeitada: profissionais entravam em funções operacionais, aprendiam fazendo, erravam em ambientes de baixo risco e, com o tempo, acumulavam a experiência necessária para assumir posições mais estratégicas. Esse ciclo não era perfeito, mas era funcional. Ele criava uma reserva constante de talento pronto para crescer dentro das organizações. Hoje, essa esteira está emperrada, e o problema vai muito além da simples redução de vagas.
Autumn Krauss, cientista-chefe do Future of Work Research Lab da SAP SuccessFactors, resume bem a questão. Segundo ela, as organizações criam uma lacuna no futuro pipeline de liderança quando continuam reduzindo as contratações de nível inicial sem repensar como o talento em início de carreira se desenvolve. Historicamente, as pessoas construíam visão de negócio, expertise técnica e habilidades de liderança justamente nos primeiros anos de carreira. Com a AI incorporada aos fluxos de trabalho, as empresas precisam ser intencionais na hora de criar novos caminhos para que esses profissionais desenvolvam essas competências.
- E-BOOK GRATUITO
Um guia prático para avaliar, comparar e implementar inteligência artificial com clareza — sem desperdício de tempo ou dinheiro.
Pare de contratar ferramentas sem direção. Criamos um método estruturado para decidir qual IA realmente faz sentido para o seu negócio.
Entrega em PDF no seu e-mail · Sem spam · LGPD
🔒 Seus dados são protegidos conforme a LGPD. Você pode descadastrar a qualquer momento.
O que está acontecendo, na prática, é uma compressão do mercado de trabalho em TI que atinge as camadas mais vulneráveis primeiro. As empresas, pressionadas por eficiência e redução de custos, encontraram na automação uma solução rápida para substituir tarefas repetitivas que antes eram delegadas a profissionais juniores. O resultado imediato parece positivo nos relatórios financeiros, mas cria um problema silencioso e de longo prazo: sem entrada, não há progressão. E sem progressão, não há pipeline de liderança.
Quando uma empresa elimina suas posições de entrada, ela não está apenas cortando custos operacionais. Ela está, sem perceber, cortando o investimento no próprio futuro. Os líderes sênior de TI que ocupam cargos estratégicos hoje passaram, quase sem exceção, por aquelas funções que a AI está agora assumindo. Um engenheiro júnior, por exemplo, costumava começar em QA e testes, ganhando experiência prática sobre como os sistemas realmente funcionam. Conforme avançava na carreira, esse conhecimento se acumulava, formando líderes que entendiam a fundo tanto a tecnologia quanto o negócio.
Ser honesto sobre o que a AI removeu
Maruf Ahmed, CEO da empresa de staffing e consultoria em TI Dexian, tem uma visão bem direta sobre isso. Para ele, manter um caminho de sucessão forte começa com honestidade sobre o que a AI retirou do desenvolvimento de alguém, e depois com a intenção deliberada de repor isso. Os líderes sênior precisam dedicar mais tempo a ensinar ativamente, e as pessoas precisam ser expostas a decisões complexas mais cedo na carreira. O trabalho do dia a dia costumava construir essa base sozinho, mas isso não acontece mais.
AI como parceira, não como substituta
É importante deixar claro que a AI em si não é o vilão dessa história. A tecnologia está fazendo exatamente o que foi projetada para fazer: executar tarefas repetitivas com mais velocidade, precisão e escala do que qualquer humano conseguiria. O problema não está na ferramenta, mas na forma como as organizações estão respondendo a ela. Em vez de usar a automação para liberar os profissionais juniores para tarefas mais complexas e de maior valor, muitas empresas simplesmente estão eliminando essas posições do organograma. É uma visão de curto prazo que resolve um problema de hoje e cria três problemas para amanhã.
Existe ainda um detalhe técnico que não pode ser ignorado: nem sempre é fácil avaliar a qualidade das respostas geradas pela AI, principalmente porque a tecnologia ficou famosa por alucinar resultados. Os líderes de TI, atuais e futuros, precisam de uma base sólida de conhecimento para ter confiança na hora de avaliar essas saídas, especialmente se esperam que suas equipes usem a ferramenta no dia a dia. Os líderes mais valiosos são justamente aqueles confortáveis em tomar decisões com informações incompletas e capazes de julgar processos automatizados no momento em que surgem os imprevistos.
Como observa Ahmed, a AI raramente fica contida em uma única área por muito tempo. Assim que uma organização automatiza um setor, surge a expectativa de estender aquilo para o restante da empresa. E aí líderes que construíram a carreira dentro de uma função específica se veem, de repente, sendo chamados para opinar sobre o uso de AI em áreas que nunca gerenciaram diretamente.
Por outro lado, existem empresas que já entenderam esse ponto e estão construindo modelos mais inteligentes de integração entre humanos e AI. Nesses ambientes, os profissionais juniores trabalham ao lado de ferramentas automatizadas, usando-as como aceleradoras do próprio aprendizado. Um engenheiro de software iniciante, por exemplo, pode usar AI para gerar código boilerplate e, em vez de perder horas nessa tarefa mecânica, concentrar sua energia em entender a lógica por trás das decisões arquiteturais, em revisar o que foi gerado com senso crítico e em desenvolver a capacidade de comunicar escolhas técnicas para stakeholders não técnicos. Esse é o tipo de habilidade que nenhum modelo de linguagem vai substituir tão cedo. 🤝
Empresas ainda não fizeram a lição de casa
Uma pesquisa recente da Deloitte mostra o tamanho do descompasso entre expectativa e preparação. Segundo o levantamento, 84% das empresas ainda não redesenharam suas funções em torno da AI, mesmo com altas expectativas de automação. Além disso, 36% esperam que ao menos 10% de seus cargos sejam totalmente automatizados dentro de um ano, e 82% acreditam que isso acontecerá em até três anos.
Mesmo diante desses números, menos da metade das organizações está fazendo ajustes significativos em suas estratégias de talento. Cerca de 53% dizem que estão simplesmente focando em educar os funcionários para elevar a fluência em AI. Isso deixa os trabalhadores de nível inicial e aqueles em funções mais operacionais em um terreno bastante incerto, à medida que a automação substitui tarefas demoradas e os gestores passam a supervisionar times formados por humanos e máquinas.
A Deloitte aponta ainda para uma possível mudança em direção a estruturas mais horizontais. Mais da metade das empresas está considerando modelos baseados em pods ou não hierárquicos, enquanto 16% já começaram a fazer essa transição. Na prática, os líderes de TI vão passar a depender mais de outras pessoas dentro da empresa para tomar decisões de julgamento sobre a AI, abrindo espaço para mais comunicação e transparência conforme os cargos evoluem e as hierarquias se achatam.
O que as empresas precisam repensar agora
A pergunta que fica no centro dessa discussão é objetiva: como garantir que o setor de TI continue gerando novos líderes em um ambiente onde as funções tradicionais de entrada estão desaparecendo? Não existe uma resposta única, mas existem direções claras que as organizações podem seguir para não acordar daqui a cinco anos sem ninguém para assumir os cargos que seus líderes atuais vão deixar. O primeiro passo é reconhecer que o problema existe e que ele não vai se resolver sozinho com o tempo.
Ahmed alerta para uma armadilha comum: tratar a adoção de AI como um simples rollout de tecnologia, e não como um projeto de desenvolvimento da força de trabalho. Os líderes continuam investindo pesado em novas ferramentas, serviços, hardware e tecnologia, e depois esperam que os funcionários aprendam a usar tudo isso por conta própria, nas horas vagas. Krauss reforça que a própria pesquisa mostrou que muitos líderes não se sentem confiantes nem preparados para conduzir uma transformação desse porte. No fim, as organizações acabam caindo na tática de entregar as ferramentas de AI e esperar que cada um descubra sozinho como aproveitá-las.
Receba o melhor conteúdo de inovação em seu e-mail
Todas as notícias, dicas, tendências e recursos que você procura entregues na sua caixa de entrada.
Ao assinar a newsletter, você concorda em receber comunicações da Método Viral. A gente se compromete a sempre proteger e respeitar sua privacidade.
Uma das abordagens mais promissoras é redesenhar as funções de entrada em vez de eliminá-las. Se a automação está assumindo as partes mais mecânicas do trabalho de um analista de dados júnior, a resposta não deveria ser fechar a vaga, mas redefinir o que essa vaga significa. Isso implica criar espaço para que esses profissionais atuem na interpretação dos dados gerados pela AI, na comunicação dos insights para times de negócio e no questionamento crítico dos resultados apresentados pelos modelos. São competências que exigem contexto, julgamento e experiência acumulada, e que só se desenvolvem com tempo e exposição real aos problemas da empresa.
Investir cedo faz diferença de verdade
Os números do relatório da SAP mostram o peso dos programas de desenvolvimento de talento. Nada menos que 86% dos funcionários afirmam que um programa voltado para o início de carreira ajudou a prepará-los para o sucesso profissional. Apesar disso, apenas 32% relatam ter participado de algum programa do tipo, e 49% dizem que a empresa nem oferece essa oportunidade.
Há também uma questão de transparência que pesa bastante. Somente 35% dos profissionais em início de carreira dizem ter recebido informação suficiente sobre quais funções da organização poderão ser automatizadas no futuro. E um em cada três demonstra preocupação de que seu emprego possa deixar de existir por causa dos avanços da AI. Como aponta Krauss, conforme os cargos mudam, as empresas precisam dar aos funcionários uma visão mais clara de onde as oportunidades estão surgindo e quais habilidades serão mais importantes. As pessoas tendem a investir no próprio crescimento quando enxergam um caminho à frente, e essa visibilidade está se tornando cada vez mais decisiva. 💡
Outro ponto fundamental é repensar os programas de desenvolvimento interno. As estratégias tradicionais de upskilling, aquelas que oferecem um curso online e consideram o assunto encerrado, já não são suficientes. O que funciona de verdade é uma combinação de aprendizado estruturado, exposição a desafios reais e acompanhamento próximo de profissionais mais experientes. Empresas que investem nesse tipo de desenvolvimento tendem a reter talento por mais tempo e a construir uma cultura interna de crescimento que se torna, por si só, um diferencial competitivo no mercado.
O setor de TI está em um momento de virada. A automação e a AI já provaram que vieram para ficar, e resistir a essa realidade não é uma opção viável. Mas ignorar os efeitos colaterais dessa transformação sobre o pipeline de talento e de liderança também não é. As organizações que vão sair na frente são aquelas que conseguirem usar a tecnologia a seu favor sem abrir mão de investir nas pessoas que, no fim das contas, são as únicas capazes de decidir o que fazer com tudo o que a AI produz.
