Há alguns anos, um diploma de Stanford, MIT ou Harvard era praticamente uma senha de acesso garantido às melhores posições em tecnologia. O custo elevado — muitas vezes superior a trezentos mil dólares — era justificado pelo retorno certo. Hoje, porém, o mercado está emitindo sinais contraditórios. Recém-formados dessas instituições de elite relatam uma sensação de exclusão que não existia antes. E o principal catalisador dessa mudança é a inteligência artificial generativa.
Não se trata de um fenômeno isolado ou de uma crise passageira. O que estamos testemunhando é uma reconfiguração estrutural do mercado de trabalho em engenharia de software. A IA não está apenas automatizando tarefas; ela está alterando o valor relativo de cada habilidade e, consequentemente, o retorno sobre o investimento em educação formal. Para entender o que está acontecendo, é preciso olhar além do discurso alarmista e examinar os mecanismos econômicos e técnicos em jogo.
O fim do monopólio do diploma como sinalizador de qualidade
Durante décadas, o diploma de uma universidade de elite funcionou como um filtro de qualidade para as empresas. Contratar um engenheiro de Stanford era uma aposta segura: a instituição já havia feito o trabalho de seleção e treinamento. Esse modelo pressupunha que o conhecimento adquirido na universidade era um diferencial competitivo duradouro. A IA generativa quebrou essa premissa de duas formas. Primeiro, ela tornou o conhecimento estático — aquele que pode ser memorizado e reproduzido — menos valioso. Segundo, ela criou um novo tipo de habilidade que as universidades tradicionais ainda não ensinam de forma sistemática: a capacidade de orquestrar ferramentas de IA para resolver problemas complexos.
O que estamos vendo não é o fim dos empregos em tecnologia, mas o fim de um modelo de negócios baseado na escassez de conhecimento técnico básico. Quando qualquer pessoa com acesso a um modelo de linguagem pode gerar um script funcional em Python, o valor do engenheiro que apenas escreve código cai drasticamente. O valor residual está em quem sabe o que construir, por que construir e como garantir que o que foi construído é seguro, escalável e ético.
O mecanismo econômico por trás da exclusão
Para entender por que os recém-formados de universidades de elite estão sendo particularmente afetados, é preciso analisar a estrutura de custos das empresas de tecnologia. Durante a pandemia, houve uma corrida por talentos que inflou os salários e criou uma expectativa de que o mercado continuaria crescendo indefinidamente. Com a alta das taxas de juros e a escassez de capital de risco, as empresas foram forçadas a otimizar. A IA generativa surgiu como uma ferramenta de produtividade que permite que um engenheiro sênior faça o trabalho de três juniores.
O problema não é apenas quantitativo, mas qualitativo. As tarefas que tradicionalmente serviam como porta de entrada para recém-formados — escrever testes unitários, corrigir bugs simples, documentar código — são exatamente as que os modelos de linguagem executam com mais facilidade. Um engenheiro sênior que usa GitHub Copilot consegue, em uma hora, produzir o que um júnior levaria um dia inteiro para fazer, e com menos erros de sintaxe. A equação econômica é implacável: por que contratar três juniores se um sênior com IA faz o mesmo trabalho com mais qualidade e menos custo de gestão?
O paradoxo da exclusão seletiva
Há uma ironia sutil nesse movimento. As universidades de elite sempre venderam a ideia de que formavam líderes e pensadores, não apenas codificadores. No entanto, o mercado de tecnologia, na prática, contratava esses graduados para funções operacionais de codificação. Agora que a IA pode executar essas funções operacionais, o diploma perde seu valor de sinalização justamente no momento em que as habilidades mais abstratas — pensamento crítico, design de sistemas, comunicação — deveriam ser mais valorizadas. O problema é que essas habilidades são mais difíceis de avaliar em um processo seletivo tradicional.
As empresas estão, portanto, diante de um dilema. Elas precisam de profissionais que saibam pensar, mas seus processos de seleção ainda são otimizados para encontrar profissionais que saibam codificar. Enquanto esse desalinhamento persistir, a sensação de exclusão entre os recém-formados tende a aumentar, independentemente do prestígio da universidade de origem.
O que muda na prática para quem está contratando
Para líderes de engenharia e gestores de produto, a mensagem é clara: o modelo de contratação baseado em "comprar talento barato e treinar" está com os dias contados. A relação custo-benefício de um programa de trainee que dura seis meses e produz um engenheiro produtivo em um ano precisa ser recalculada considerando que, nesse período, a IA pode ter evoluído mais uma geração. Empresas que insistem em contratar juniores como "mão de obra barata" para tarefas repetitivas vão descobrir que a IA faz isso de graça — ou quase.
Por outro lado, empresas que enxergam os juniores como investimento em inovação e renovação cultural terão vantagem. Um engenheiro recém-formado que já entra no mercado sabendo usar ferramentas de IA de forma crítica, que entende os limites dos modelos e que consegue questionar as saídas geradas, é um ativo raro. O problema é que as universidades, mesmo as de elite, ainda não formam esse profissional de forma consistente.
O papel da privacidade e da segurança nesse novo cenário
Há um aspecto pouco discutido nessa equação que se relaciona diretamente com a categoria de privacidade em produto. Quando empresas substituem engenheiros juniores por ferramentas de IA, elas estão, na prática, transferindo parte do processo de tomada de decisão para modelos treinados em dados públicos. Isso levanta questões sérias de privacidade e segurança. Um modelo de IA que gera código pode inadvertidamente reproduzir padrões inseguros ou vazar informações sensíveis embutidas nos dados de treinamento.
Para o profissional júnior que está sendo preterido, há uma oportunidade paradoxal. A demanda por profissionais que entendam de privacidade e segurança em produtos está crescendo, justamente porque a IA introduz novos riscos. Um engenheiro que domina os fundamentos de segurança de software e sabe como auditar código gerado por IA tem um valor de mercado que independe do nome da universidade. É uma área onde a experiência prática e o conhecimento técnico profundo ainda pesam mais do que o pedigree acadêmico.
Do ponto de vista de privacidade em produto, a IA generativa cria um desafio adicional: a rastreabilidade. Quando um modelo de linguagem gera código, é difícil saber exatamente de onde veio cada linha. Se esse código contém uma função que viola a LGPD ou a GDPR, quem é o responsável? O engenheiro que revisou? A empresa que implementou o modelo? O desenvolvedor do modelo? Essa indefinição de responsabilidade é um risco jurídico que as empresas estão começando a mapear, e que abre espaço para profissionais especializados em governança de IA.
O que fazer com esse diagnóstico
Para o profissional que está começando, a recomendação é pragmática: pare de tratar a IA como uma ameaça e comece a tratá-la como uma extensão do seu cérebro. O engenheiro júnior que domina o uso de ferramentas de IA para acelerar seu aprendizado e sua produção tem uma vantagem competitiva real. Não se trata de saber "prompt engineering" como um fim em si mesmo, mas de entender como decompor problemas, delegar partes à IA e validar criticamente os resultados. Essa é a habilidade que as universidades ainda não ensinam e que o mercado já está precificando.
Para as empresas, a recomendação é igualmente prática: invistam em programas de mentoria que integrem o uso de IA desde o primeiro dia. Um júnior que aprende a usar IA sob a supervisão de um sênior experiente se torna produtivo muito mais rápido do que aquele que é deixado para aprender sozinho. Além disso, é fundamental estabelecer políticas claras de uso de IA que incluam revisão de segurança e privacidade. O código gerado por IA não pode ser tratado como código humano; ele precisa de um nível adicional de escrutínio.
A sensação de exclusão dos graduados de universidades renomadas é real, mas não é o fim da história. É o início de uma nova fase onde o valor do profissional será medido não pelo que ele sabe, mas pelo que ele consegue fazer com o que sabe — e com as ferramentas que tem à disposição. O mercado de tecnologia sempre foi implacável com quem para de evoluir. A diferença é que agora o ritmo da evolução exigida é muito mais acelerado.