Engenheiros juniores enfrentam um mercado em retração apesar da IA

Está a intensificar-se um debate sobre se a codificação agêntica — sistemas de IA que escrevem, testam e corrigem código com ajuda humana limitada — está prestes a substituir engenheiros de software juniores, ou se está apenas a substituir as tarefas que as empresas costumavam atribuir-lhes. Segundo a MarkTechPost, a pergunta é normalmente colocada ao contrário: parte-se diretamente de uma pontuação de referência em subida para uma conclusão sobre o mercado de trabalho, saltando cada etapa que teria de se verificar entre os dois pontos.

Os testes de referência medem menos do que afirmam

A MarkTechPost cita a investigação da METR sobre o "horizonte temporal", que cronometra quanto tempo um humano competente demora numa tarefa e encontra a duração de tarefa na qual um modelo de IA acerta metade das vezes. Esse horizonte duplicou aproximadamente a cada sete meses desde 2019, e a MarkTechPost relata que essa duplicação acelerou entre 2024 e 2026, com os sistemas de ponta já medidos em horas, não em minutos. Mas a fasquia dos 50% de sucesso não é uma fasquia sobre a qual um empregador possa organizar o seu quadro de pessoal: com um limiar de fiabilidade de 80%, nota 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, passados sobretudo a absorver contexto: que equipa é dona de que serviço, porque é que uma abstração antiga ainda existe, a quem perguntar.

O panorama piora para um segundo número muito citado. Em fevereiro de 2026, a OpenAI deixou de divulgar as 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 a 27,6% do conjunto de dados encontrou que pelo menos 59,4% dos problemas auditados tinham casos de teste falhados que rejeitavam soluções funcionalmente corretas, além de indícios de contaminação no treino. Em conjuntos mais difíceis e não contaminados, como o SWE-bench Pro, relata a MarkTechPost, as pontuações dos modelos de ponta caem acentuadamente face aos números do Verified que as empresas citam no lançamento de produtos.

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

A prova mais clara sobre o custo vem de um ensaio controlado e aleatorizado que a METR realizou com 16 programadores open source experientes, em 246 tarefas reais nos seus próprios repositórios, citado pela MarkTechPost. Com o uso de IA permitido ou não de forma aleatória, os programadores tinham previsto um ganho de velocidade de 24% e, depois, estimaram ter sido 20% mais rápidos — mas as gravações de ecrã mostraram que, na realidade, tinham sido 19% mais lentos. A MarkTechPost assinala os limites do ensaio: ferramentas do início de 2025 e um pequeno grupo de programadores experientes a trabalhar em bases de código que já conheciam bem. Ainda assim, a MarkTechPost considera o desfasamento entre produtividade percebida e medida como o resultado mais sólido do ensaio — exatamente o tipo de divergência que vale a pena declarar com clareza, em vez de a esbater.

Inquéritos mais alargados apontam na mesma direção. A MarkTechPost cita o inquérito de 2025 do Stack Overflow a mais de 49 mil programadores, no qual 84% usam ou planeiam usar ferramentas de IA para programar, enquanto 46% desconfiam ativamente da exatidão dos resultados, contra 33% que confiam; apenas 3% declaram confiança elevada. A investigação DORA da Google, com cerca de 5 mil profissionais inquiridos, encontrou que 90% usam IA no trabalho e mais de 80% acreditam que esta aumentou a sua produtividade, mas 30% declaram pouca ou nenhuma confiança no código gerado por IA — e, embora o débito de entregas tenha melhorado de ano para ano, a instabilidade das entregas não melhorou. Três condições, sustenta a MarkTechPost, ainda não estão reunidas para que os agentes substituam os juniores:

• Um desempenho fiável em tarefas com a duração e o contexto prévio do trabalho real de um júnior, e não tarefas de referência autocontidas
• Pontuações de referência que se mantenham em conjuntos de teste mais difíceis e não contaminados, em vez de conjuntos retirados como o SWE-bench Verified
• Um custo de verificação, quando um sénior revê o resultado da IA, inferior ao custo de simplesmente delegar o trabalho numa pessoa

Os dados de contratação já mostram a mudança

Uma quarta condição, sustenta a MarkTechPost, não depende das três primeiras: a vontade das empresas de quebrar a sua própria via de formação de engenheiros juniores para posições sénior, quer a substituição funcione realmente quer não. O Digital Economy Lab de Stanford, que segue dados de folhas de pagamento da ADP que cobrem cerca de um em cada seis trabalhadores norte-americanos, verificou que o emprego entre os 22 e os 25 anos nas profissões mais expostas à IA, incluindo o desenvolvimento de software, está a divergir claramente do dos trabalhadores mais velhos nas mesmas funções: um défice de 15% no valor de julho de 2025, alargando-se para 19% até junho de 2026, impulsionado sobretudo por menos contratações e não por despedimentos, relata a MarkTechPost.

A CIO relata o mesmo abrandamento do lado da contratação. Nos Estados Unidos, os recém-licenciados em engenharia informática enfrentam uma taxa de desemprego de 7,5% e os de ciências da computação, de 6,1%, segundo projeções do Federal Reserve Bank de Nova Iorque citadas pela CIO — muito acima da taxa de desemprego nacional de 4,3% e claramente superior à dos recém-licenciados em enfermagem (1,4%) ou engenharia civil (1%). Um inquérito da Resume.org a 1.000 líderes empresariais norte-americanos encontrou que seis em cada dez empresas deverão despedir trabalhadores em 2026, com quatro em cada dez a planear substituir parte desses trabalhadores por IA, relata a CIO. "Porquê contratar um júnior por 90 mil dólares quando o GitHub Copilot custa 10?", disse à CIO o engenheiro de software sénior Chirag Agrawal, descrevendo como o seu próprio trabalho passou de escrever código para validar o resultado da IA à procura de casos-limite e falhas de segurança. Rachit Gupta, responsável de IA na consultora Tredence, disse à CIO que a IA já trata de boa parte da correção de erros, da escrita de testes e do código repetitivo com que os juniores costumavam ganhar experiência, mas que o juízo sobre arquitetura, conformidade e segurança continua a caber a engenheiros experientes.

Para as empresas, o cálculo prático é imediato: contratar menos juniores poupa dinheiro numa desaceleração, mas o argumento de fundo da MarkTechPost é que as tarefas codificadas — aquelas que um júnior já sabe fazer à chegada — são exatamente o que os agentes estão a automatizar, enquanto o juízo tácito que os engenheiros sénior possuem é o que essas tarefas deveriam ensinar no terreno. Isso deixa os empregadores com uma pergunta que poucos estão a orçamentar hoje: quem formará a próxima geração de revisores se os primeiros degraus desaparecerem. Para quem se forma agora e entra no mercado de trabalho em Portugal, onde as mesmas ferramentas de IA para programação se estão a difundir, a leitura de ambos os textos converge: os postos construídos à volta da escrita de código repetitivo estão a encolher, enquanto quem é efetivamente contratado precisa cada vez mais de mostrar que sabe questionar, testar e corrigir código gerado por IA, em vez de se limitar a produzir mais dele.