Quando a geração de código ficou barata, o senso comum do mercado chegou cedo. A curva de aprendizado vai encolher. A ferramenta cobre o gap. Vai ficar mais fácil entrar.
A PwC analisou mais de um bilhão de anúncios de emprego em seis continentes para o 2026 Global AI Jobs Barometer e chegou ao resultado oposto.
Em ocupações altamente expostas à IA, vagas de entrada estão sete vezes mais propensas a exigir habilidades que, até poucos anos atrás, só apareciam depois de anos de carreira. Tomada de decisão estratégica, gestão de partes interessadas, julgamento contextual. A PwC batizou esse fenômeno de "seniorization". 52% das novas competências exigidas em cargos de entrada nessas ocupações são tipicamente seniores. Em ocupações menos expostas à IA, o mesmo número é 7%.
A execução ficou mais barata. O julgamento ficou mais caro.
A ferramenta chegou, a barra subiu
A narrativa dominante foi outra durante um bom tempo. IA como equalizer. O programador que precisava de cinco anos pra chegar num nível produtivo chegaria em dois. O júnior que só escrevia CRUD passaria a gerar componentes complexos. Mais gente competindo pelo mesmo trabalho com menos tempo de acúmulo.
O que essa narrativa não previu é o que acontece quando a execução fica acessível demais. O trabalho que sobra não é o trabalho fácil. É o que nenhuma ferramenta resolve por conta própria: entender o problema de verdade antes de modelar a solução, identificar onde a resposta está errada antes de estar errada, ter o contexto pra perceber quando o agente está indo confiante na direção certa da resposta errada.
A Fortune cobriu o relatório da PwC em 18 de junho com um título que resume bem o dado. Os cargos de entrada que estão crescendo não são os que pedem alguém que escreva código. São os que pedem alguém que saiba o que construir, para quem, e por que agora.
Vagas com esse perfil seniorizado cresceram 35% desde 2019. As vagas tradicionais de entrada, com tarefas mais mecânicas e execução como atividade principal, caíram 10% no mesmo período. O mercado de trabalho está sinalizando algo antes que a maioria das organizações tenha percebido o mesmo sobre suas equipes.
Os 70% que a IA não comprimiu
Eu já escrevi aqui sobre o paradigma 70/30 e o modelo V-Bounce, que é a base da minha leitura de engenharia AI-Native. A ideia central é que a IA comprimiu a execução, o passo mais visível e barulhento do processo, mas o valor da engenharia nunca estava ali. Estava na intenção, na arquitetura, na especificação e na validação. O V-Bounce mapeia exatamente onde o trabalho humano fica concentrado: antes e depois da geração.
O que o PwC Barometer está medindo no mercado de trabalho é exatamente essa migração de valor em tempo real.
Quando 52% das habilidades exigidas em cargos de entrada nas ocupações mais expostas à IA são tipicamente seniores, o mercado está sinalizando onde o trabalho difícil foi parar. Não na execução, que a IA está absorvendo progressivamente. Na intenção. No julgamento. Na capacidade de converter ambiguidade em especificação limpa antes de delegar execução.
Esse é o 70% que não comprimiu. E é o 70% que o mercado está, agora, explicitamente pedindo já na porta de entrada.
Julgamento não vem instalado
Aqui está o ponto que me parece mais relevante pra quem está construindo times nesse cenário.
Julgamento contextual não é uma habilidade que se aprende lendo documentação. É o que você acumula quando toma decisões em condições de incerteza e vive as consequências. Quando você aprova uma PR que parecia boa e ela quebra produção às três da manhã. Quando você escolhe a arquitetura mais simples num momento em que o escopo vai dobrar no mês seguinte. Quando você percebe que o cliente está pedindo a coisa errada antes de construir a coisa certa.
Esse tipo de conhecimento não está em nenhuma base de dados que você indexa. Não está num modelo pré-treinado. Está na pessoa, construído ao longo de exposições reais a problemas reais.
A Deloitte publicou em maio deste ano uma análise sobre o impacto de IA agêntica em engenharia de software e chega ao mesmo lugar por outro ângulo. Engenheiros estão transitando de execução para orquestração. O trabalho passa a ser definir objetivos, guiar agentes especializados, validar resultados e manter a integridade arquitetural do sistema. As novas competências que emergem: pensamento sistêmico, engenharia de contexto, revisão crítica acelerada.
Todas essas competências exigem acúmulo. Nenhuma delas é aprendida em dois dias de tutorial ou destravada por uma nova assinatura de ferramenta.
O problema aparece quando você lança um agente com alta capacidade de execução sob a orientação de alguém com contexto raso. O agente vai longe na direção errada. E vai rápido.
O que muda pra quem está contratando
O risco nas organizações que estão escalando IA agora não é só contratar quem sabe operar as ferramentas. É contratar quem nunca precisou construir o julgamento que a ferramenta vai amplificar.
O que sobe de valor não é a capacidade de operar o agente. É a capacidade de saber o que pedir pra ele. De reconhecer quando ele está confiante e errado. De decidir quando não delegar.
Isso reformula as perguntas que fazem sentido nas entrevistas. "Quantos anos de experiência com essa stack" perdeu parte do sentido quando a stack muda de semestre em semestre. A pergunta que começa a importar é: em que tipo de problema essa pessoa se expôs, com que grau de ambiguidade, e o que ela fez quando estava errada.
Para quem está aprendendo, a lógica inverte também. Não é só "qual ferramenta devo dominar pra ficar empregável". É "em que tipo de situação devo me expor pra construir o que a ferramenta não consegue construir por mim". A IA pode escrever o código. Ela não acumula o julgamento.
O que o PwC mediu no mercado de trabalho, o 70/30 já tinha dito no modelo. Quando a execução fica barata, o valor não se distribui uniformemente. Ele migra. E vai exatamente para onde a IA, por ora, não chega.
Referências
- Nick Lichtenberg – Entry-level work didn't disappear, PwC finds with 'seniorization.' It just morphed into something young workers can't get. Fortune, 18/06/2026.
- PwC – 2026 Global AI Jobs Barometer. PwC, 2026. Análise de mais de 1 bilhão de vagas em seis continentes.
- Anantha Ramadas, Jayanta Ghosh e Harshad Deshpande – The impact of agentic AI in software engineering. Deloitte, 07/05/2026.
- Cory Hymel – The AI-Native Software Development Lifecycle (modelo V-Bounce). arXiv 2408.03416, 2024.