Engenheiros júnior enfrentam mercado em retração apesar da IA

Um debate se intensifica sobre se a codificação agêntica — sistemas de IA que escrevem, testam e corrigem código com ajuda humana limitada — está perto de substituir engenheiros de software júnior, ou se está apenas substituindo as tarefas que as empresas costumavam atribuir a eles. Segundo a MarkTechPost, a pergunta costuma ser feita ao contrário: parte-se direto de uma pontuação de benchmark em alta para uma conclusão sobre o mercado de trabalho, pulando cada etapa que precisaria se confirmar entre os dois pontos.

Os benchmarks medem menos do que afirmam

A MarkTechPost cita a pesquisa da METR sobre "horizonte temporal", que cronometra quanto tempo um humano competente leva numa tarefa e encontra a duração de tarefa na qual um modelo de IA acerta metade das vezes. Esse horizonte praticamente dobrou a cada sete meses desde 2019, e a MarkTechPost relata que essa duplicação acelerou entre 2024 e 2026, com sistemas de ponta já medidos em horas, não minutos. Mas a barra de 50% de sucesso não é algo sobre o qual um empregador possa montar seu quadro de pessoal: num limiar de confiabilidade de 80%, observa a MarkTechPost, os modelos de ponta são quase perfeitos em tarefas que um humano termina em menos de quatro minutos e acertam menos de 10% das vezes em tarefas com mais de quatro horas. As próprias tarefas da METR são deliberadamente autocontidas, escreve a MarkTechPost — o oposto dos primeiros meses reais de um engenheiro júnior, dedicados majoritariamente a absorver contexto: qual time é dono de qual serviço, por que uma abstração antiga ainda existe, a quem perguntar.

O quadro piora para um segundo número muito citado. Em fevereiro de 2026, a OpenAI parou de divulgar suas pontuações no SWE-bench Verified e recomendou que outros laboratórios fizessem o mesmo, segundo o relato da MarkTechPost sobre esse anúncio do próprio laboratório. Uma auditoria em 27,6% do conjunto de dados encontrou que pelo menos 59,4% dos problemas auditados tinham casos de teste falhos que rejeitavam soluções funcionalmente corretas, além de indícios de contaminação no treinamento. Em conjuntos mais difíceis e não contaminados, como o SWE-bench Pro, relata a MarkTechPost, as pontuações dos modelos de ponta caem bastante em relação aos números do Verified que as empresas citam no lançamento de produtos.

A verificação é o verdadeiro gargalo, não a escrita de código

A evidência mais clara sobre custo vem de um ensaio controlado randomizado que a METR conduziu com 16 desenvolvedores open source experientes, em 246 tarefas reais em seus próprios repositórios, citado pela MarkTechPost. Com o uso de IA permitido ou não de forma aleatória, os desenvolvedores haviam previsto um ganho de velocidade de 24% e, depois, estimaram ter sido 20% mais rápidos — mas as gravações de tela mostraram que, na verdade, foram 19% mais lentos. A MarkTechPost sinaliza os limites do ensaio: ferramentas do início de 2025 e um grupo pequeno de desenvolvedores experientes trabalhando em bases de código que já conheciam bem. Ainda assim, a MarkTechPost trata a diferença entre produtividade percebida e medida como o achado mais consistente do ensaio — exatamente o tipo de divergência que vale a pena declarar com clareza, em vez de suavizar.

Pesquisas mais amplas apontam na mesma direção. A MarkTechPost cita a pesquisa de 2025 do Stack Overflow com mais de 49 mil desenvolvedores, na qual 84% usam ou planejam usar ferramentas de IA para programar, enquanto 46% desconfiam ativamente da precisão dos resultados, contra 33% que confiam; apenas 3% relatam confiança alta. A pesquisa DORA do Google, com cerca de 5 mil profissionais, encontrou que 90% usam IA no trabalho e mais de 80% acreditam que ela aumentou sua produtividade, mas 30% relatam pouca ou nenhuma confiança no código gerado por IA — e, embora o throughput tenha melhorado ano a ano, a instabilidade nas entregas não melhorou. Três condições, argumenta a MarkTechPost, ainda não foram atendidas para que agentes substituam júniors:

• Desempenho confiável em tarefas com a duração e o contexto prévio do trabalho real de um júnior, não em tarefas de benchmark autocontidas
• Pontuações de benchmark que se sustentem em conjuntos de teste mais difíceis e não contaminados, em vez de conjuntos aposentados como o SWE-bench Verified
• Um custo de verificação, quando um sênior revisa a saída da IA, menor do que o custo de simplesmente delegar o trabalho a uma pessoa

Os dados de contratação já mostram a mudança

Uma quarta condição, argumenta a MarkTechPost, não depende das três primeiras: se as empresas estão dispostas a romper seu próprio funil de formação de engenheiros júnior para sêniors, independentemente de a substituição realmente funcionar. O Digital Economy Lab de Stanford, que acompanha dados de folha de pagamento da ADP cobrindo cerca de um em cada seis trabalhadores americanos, encontrou que o emprego entre pessoas de 22 a 25 anos nas ocupações mais expostas à IA, incluindo desenvolvimento de software, está divergindo claramente do de trabalhadores mais velhos nas mesmas funções: um déficit de 15% no dado de julho de 2025, ampliando-se para 19% até junho de 2026, impulsionado principalmente por menos contratações, e não por demissões, relata a MarkTechPost.

A CIO relata o mesmo arrefecimento do lado da contratação. Nos Estados Unidos, recém-formados em engenharia de computação enfrentam uma taxa de desemprego de 7,5% e os de ciência da computação, de 6,1%, segundo projeções do Federal Reserve Bank de Nova York citadas pela CIO — bem acima da taxa de desemprego nacional de 4,3% e nitidamente maior que a de recém-formados em enfermagem (1,4%) ou engenharia civil (1%). Uma pesquisa da Resume.org com 1.000 líderes empresariais americanos encontrou que seis em cada dez empresas devem demitir funcionários em 2026, com quatro em cada dez planejando substituir parte desses trabalhadores por IA, relata a CIO. "Por que contratar um júnior por 90 mil dólares quando o GitHub Copilot custa 10?", disse à CIO o engenheiro de software sênior Chirag Agrawal, descrevendo como seu próprio trabalho passou de escrever código para validar a saída da IA em busca de casos extremos e falhas de segurança. Rachit Gupta, chefe de IA na consultoria Tredence, disse à CIO que a IA já cuida de boa parte da correção de bugs, escrita de testes e código repetitivo com que os júniors costumavam se formar na prática, mas que o julgamento sobre arquitetura, conformidade e segurança ainda é responsabilidade de engenheiros experientes.

Para as empresas, o cálculo prático é imediato: contratar menos júniors economiza dinheiro numa desaceleração, mas o argumento de fundo da MarkTechPost é que as tarefas codificadas — aquelas que um júnior já sabe fazer ao chegar — são exatamente o que os agentes estão automatizando, enquanto o julgamento tácito que os engenheiros sêniors têm é o que essas tarefas deveriam ensinar na prática. Isso deixa os empregadores com uma pergunta que poucos estão orçando hoje: quem vai formar a próxima geração de revisores se os primeiros degraus desaparecerem. Para quem se forma agora e entra no mercado de trabalho no Brasil, onde essas mesmas ferramentas de IA para programação já se espalham, a leitura dos dois textos converge: vagas construídas em torno de escrever código repetitivo estão encolhendo, enquanto quem é efetivamente contratado precisa cada vez mais mostrar que sabe questionar, testar e corrigir código gerado por IA, em vez de apenas produzir mais dele.