Depois da rápida penetração da IA generativa no local de trabalho, o primeiro frio pode não ser sentido pelos profissionais séniores já bem estabelecidos, mas sim pelos recém-licenciados que estão a preparar-se para entrar no mercado de trabalho. De uma trajetória de carreira em que se “começa por tarefas de nível inicial e depois se sobe devagar”, as empresas passaram a preferir contratar diretamente pessoas com experiência, capazes de começar de imediato. A IA está a reescrever não apenas o conteúdo do trabalho, mas também a “área de treino” em que os jovens se apoiavam para crescer.
No《商談不廢話》中, a apresentadora Linga e o Bradley, que tem formação em Medicina na 台大, Saúde Pública em Harvard e experiência na McKinsey, tendo ainda desempenhado funções de gestor sénior na 乐天医药 e na Appier, discutem este fenómeno. Os dois tentam responder a uma pergunta cada vez mais incómoda: a IA vai mesmo substituir primeiro os trabalhadores seniores—ou será que, em vez disso, vai impedir os recém-entrados sequer de terem oportunidade de se apresentar?
Depois de encontrarem estudos relacionados com Harvard e Stanford, descobrem que, após o lançamento do ChatGPT, as vagas de nível inicial registaram de facto uma queda evidente, especialmente nas áreas profissionais com maior exposição à IA. Trabalhos como administração, secretariado, vendas de nível inicial, marketing, entre outros, são atingidos de forma particularmente direta.
IA+ colegas seniores chega—porque é que é preciso formar novos?
Ao citar um estudo relacionado com Harvard e Stanford, o episódio conclui que, após o lançamento do ChatGPT, as vagas de nível inicial registaram de facto uma queda evidente, especialmente nas áreas profissionais com maior exposição à IA. Trabalhos como administração, secretariado, vendas de nível inicial, marketing, entre outros, são atingidos de forma particularmente direta. Isto significa que as empresas não estão a parar totalmente as contratações; estão, sim, a reavaliar: se um funcionário com alguma experiência, em conjunto com ferramentas de IA, consegue produzir resultados que antes exigiam dois ou três colaboradores, ainda faz sentido gastar o mesmo orçamento para treinar vários recém-entrados?
Bradley afirmou diretamente que esta mudança já é bastante visível nas empresas. No passado, as companhias estavam dispostas a dar a novos colaboradores meio ano ou um ano para formação, rotações e para se familiarizarem com a indústria; mas agora essa paciência está a diminuir rapidamente. Para os gestores, as contas tornam-se muito diretas: contratar dois ou três colaboradores de nível inicial e ainda organizar colegas seniores para os orientar, investindo recursos de formação; ou então contratar um profissional com experiência, complementado com as melhores ferramentas de IA, e colocá-lo logo em campo? Numa maioria de empresas focadas em eficiência e prontidão imediata, a resposta é quase óbvia.
Assim, o desaparecimento de posições de nível inicial não é apenas “a falta de algumas oportunidades de emprego”; é toda a estrutura de aprendizagem que começa a ficar instável.
Como muitos dos desafios que os recém-entrados usavam para “treinar”, são precisamente os tipos de tarefas que a IA sabe tratar melhor: procurar informação, organizar resumos, traduzir, escrever programação básica, fazer análises preliminares. Embora, no passado, esses trabalhos fossem repetitivos e banais, eram o ponto de partida para os novos criarem “mão”, compreenderem padrões de qualidade e observarem como os mais experientes decidem as coisas. Hoje, como essas tarefas ficam concluídas em poucos minutos com a IA, os recém-entrados perdem não só o “campo de treino”; até a oportunidade de ficar ao lado a ver como o gestor corrige, como pensa e como decide fica muito reduzida.
Na era da IA, as pessoas realmente sabem o que é “bom”?
Linga também referiu que esta mudança já se reflecte na diferença de competências entre estudantes e early professional. Na geração que não tinha ferramentas de IA, fazer relatórios começava do zero: encontrar informação, validar fontes, formular hipóteses e, a partir de uma página em branco, chegar até a conseguir apresentar em palco. Essas pessoas, embora demorassem mais, normalmente sabiam melhor como ir de 0 a 100.
Em contraste, a nova fornada de estudantes já viveu no mundo do ChatGPT, Grok e Gemini desde a universidade. Estão habituados a colocar a mesma questão a diferentes IA e a colar rapidamente as respostas produzidas numa apresentação ou numa tabela. Parece mais eficiente, mas também torna mais fácil—sem critérios de julgamento—entregar as respostas de 60 ou 80 pontos da IA como se fossem trabalho final.
(A IA consegue fazer 80 pontos; quem não consegue 100 está condenado à eliminação! Consultores da McKinsey e antigos alunos de Harvard aconselham os recém-entrados a fazerem isto)
Isto leva os gestores a um novo dilema. Bradley deu um exemplo: num trabalho de consultoria, antes pedir a um junior para escrever um email a solicitar dados ao cliente era, à primeira vista, apenas um trabalho de texto; na prática, é um processo essencial para treinar a outra parte a compreender o contexto do cliente, dominar o ritmo da comunicação e acertar nas palavras. Mas agora, frequentemente, a situação passa a ser a seguinte: o gestor vê logo que aquela carta ou não está suficientemente madura, ou é claramente gerada por IA e ainda está a uma distância considerável de ser utilizável.
Conselho aos jovens: compreender proactivamente os critérios na cabeça do gestor
No entanto, os dois não ficaram presos à ansiedade em si; avançaram para discutir: quando o primeiro degrau desaparece, como é que os jovens constroem o seu novo “campo de treino”?
Linga acredita que a primeira coisa é compreender proactivamente os critérios que estão na cabeça do gestor. Muitos “mestres” do mundo do trabalho fazem melhor do que os outros não apenas porque se esforçam mais; é porque têm um conjunto completo de checklists: se as fontes de dados devem ou não ser validadas em cruzamento, se o historial do investigador deve ou não ser verificado, se as conclusões devem ou não indicar limitações, como organizar a lógica de uma apresentação. No passado, estes critérios podiam estar escondidos em sucessivas revisões e orientações verbais.
Mas na era da IA, muitos deles já foram transformados em prompts e constraints pelos próprios gestores. Para os jovens trabalhadores, o que é realmente importante não é simplesmente saber ou não usar a ferramenta; é ter a capacidade de, primeiro, esclarecer o que é, afinal, “fazer bem”.
Estrutura e capacidade de julgar—são partes que a IA não consegue substituir
Em segundo lugar, trata-se de voltar a treinar a sua capacidade de leitura e de integração, numa época de explosão de informação. A IA pode ajudar-te a percorrer 25 relatórios ao mesmo tempo e a dar-te rapidamente um resumo; mas isso também faz com que seja fácil a pessoa confundir resumo com compreensão. Linga defende que, quanto mais nesta era, mais é preciso obrigar-se a separar o conteúdo verdadeiramente de alta qualidade, dedicar tempo para se aprofundar e observar como o autor define o problema, como decompõe a indústria, como desenha o método e como valida hipóteses, para no fim—com base na experiência—fazer julgamentos.
Esses caminhos de estrutura e julgamento é que são a parte que a IA não consegue internalizar diretamente por ti.
Bradley lembra, por sua vez, que, se os jovens trabalhadores quiserem aproximar-se de funções mais avançadas, o primeiro passo é sempre “trocar resultados por bilhete”. Não é apenas concluir as tarefas, mas fazê-lo de um modo que deixe o gestor tranquilo e disposto a confiar-te coisas mais complexas. Além disso, também é preciso aprender a preencher lacunas de forma proactiva. Porque muitos trabalhos de nível mais alto, mais próximos do núcleo da decisão, não têm oportunidade—por falta de oportunidade, ou por falta de alguém que os faça.
Por exemplo, uma tarefa aparentemente só de analisar taxas de conversão; o mais importante, muitas vezes, não é o número em si, mas sim que decisão essa análise deve sustentar. Se o teu gestor quer saber para que segmento de clientes deve direcionar mais o orçamento de marketing no próximo passo, tu não deves apenas entregar a taxa de conversão—deves dar mais um passo e completar com custo de aquisição, Lifetime Value, ROI e, até, apresentar uma linguagem de decisão do tipo: “Se o orçamento aumentar 20%, quanto é que as receitas poderão aumentar?”. A capacidade de transformar análise em recomendações é, na era da IA, uma das coisas mais valiosas.
Que tipo de pessoas as empresas vão querer no futuro: avançar no meio da ambiguidade e saber o que é “ser bom”
Ao falar sobre que tipo de pessoas as empresas procuram, Bradley também deu uma resposta bastante clara. Primeiro, são pessoas capazes de avançar em contextos ambíguos. Porque na era da IA as mudanças acontecem rápido: em três meses, o conteúdo do teu trabalho pode ser completamente diferente. Se alguém só se mexe quando tudo estiver definido com clareza, isso não só torna a vida difícil para si, como também indica que o conteúdo do seu trabalho muito provavelmente será substituído mais cedo ou mais tarde pela IA.
Segundo, a pessoa saberá ou não avaliar as saídas da IA? Saberá como definir que tipo de resultado é “bom”? Neste momento, “saber usar IA” já é um requisito básico; o que realmente separa as diferenças é isto: depois de veres a análise do mercado gerada pela IA, tens opinião própria? Sabes o que deve ser validado? Sabes o que não pode ser aceite sem questionar? Como os dados hoje já não são escassos, o que é verdadeiramente escasso são as opiniões.
Fica mais difícil para os recém-licenciados arranjar emprego; as vagas de nível inicial começam a ficar instáveis
Terceiro, é saber se é capaz de se atualizar. Perante um ambiente em mudança rápida, as empresas preferem alguém que ainda não tenha tantas competências neste momento, mas que aprende rapidamente, em vez de alguém que tem muitas competências, mas fica parado no mesmo lugar.
É por isso que os dois acreditam que, em vez de dizer que as vagas de nível inicial estão a desaparecer, é melhor dizer que estão a ser redefinidas. As empresas não deixam de precisar de jovens; simplesmente já não querem apenas pessoas que executam tarefas repetitivas. A nova linha de partida passa a ser se compreendes a IA, se tens opinião, se consegues aprender de forma rápida e proactiva e se consegues transformar as ferramentas num tipo de alavanca. Para muitas empresas, os jovens deixam de ser apenas “quem é acompanhado”; passam também a ser pessoas que transportam para dentro da organização a intuição da IA, hábitos de ferramentas e o ritmo de um mundo novo.
No final, o programa também deixa um conselho bastante prático: se neste momento estás à procura de emprego, a forma de preparação mais eficaz pode não ser voltar a estudar mais um curso de IA, mas sim criar um side project de IA para a indústria em que queres entrar. Suponhamos que queres entrar no departamento de marketing da Google: experimenta usar ferramentas de IA para executar integralmente um fluxo de trabalho de marketing—desde encontrar o problema, desenhar a solução, até demonstrar o resultado de forma concreta. Assim, nas entrevistas, deixas de falar apenas “tenho muito interesse em IA” e passas a conseguir apresentar diretamente um projecto end-to-end, provando ao entrevistador que já consegues usar ferramentas para resolver problemas reais.
Para os recém-licenciados que estão a enfrentar ansiedade na procura de emprego após a graduação, a realidade mais cruel talvez seja esta: a escada de carreira que antes parecia óbvia, está mesmo a ser desmontada em parte pela IA.
Mas, como disse Bradley, talvez a carreira nunca tenha sido apenas subir escadas; talvez seja mais como nadar. Antes, os percursos eram definidos; agora, tens de encontrar o rumo e avançar por ti. Quando o primeiro degrau deixa de ser tão firme, o mais importante talvez não seja ficar sempre a olhar se aquela escada ainda está lá, mas sim se tens capacidade de, proactivamente, encontrar o próximo movimento que te faça flutuar.
Este artigo 毕业求职焦虑？研究顯示 AI 直接影響初階職缺，麥肯錫顧問建議新鮮人這樣做 foi publicado pela primeira vez em 链新闻 ABMedia.
