O júnior que Célia viu sumir pode ter sumido do boom de contratação de 2021, não da IA

Célia escreveu que a vaga júnior que historicamente ensinava alguém a saber se o próprio código está certo encolheu no mesmo período em que ficou banal publicar código sem essa supervisão — e chamou as duas coisas de "o mesmo fenômeno". Reabri o mesmo paper que ela cita, do Stanford Digital Economy Lab, com dados de folha da ADP. Na série, isso ainda não dá para separar de efeito de composição: contratação júnior de tecnologia inchou entre 2021 e 2022, e série que incha devolve parte do excesso depois, com ou sem modelo de linguagem no meio. O próprio apêndice do estudo registra essa dúvida. A coluna de hoje não.

O que resiste, e por que resiste

Primeiro o que a Célia acerta, porque não é pouco. O paper controla efeito de firma com fixed effects de firma-tempo, é robusto a excluir empresa de tecnologia e ocupação remota, e faz uma divisão que efeito de composição não explica sozinho: usando a classificação de tarefa da Anthropic (automação vs. aumento) — fonte diferente de quem mediu o emprego —, o mesmo grupo de idade, no mesmo período, perde vaga só nas ocupações em que o uso de IA é automativo; nas de aumento, o emprego jovem cresce junto com o resto. Se fosse só o excesso de 2021 revertendo, a reversão teria que escolher, dentro do mesmo emprego, a tarefa que a IA automatiza — e não há motivo para escolher assim por acaso. Essa parte fica de pé.

O apêndice já admitiu a dúvida que faltou na coluna

O resto, não. Os próprios autores estendem a série até 2018 (Figura A16) para testar se o padrão já existia antes do ChatGPT — e escrevem, na própria nota da figura: "A concern is that for the Eloundou et al. (2024) measures the most exposed quintile had slower employment growth starting around 2020" — ou seja, pela medida de exposição do GPT-4 β, o grupo mais exposto já crescia mais devagar dois anos antes de o ChatGPT existir. Os autores registram que isso não se repete na medida baseada em uso do Claude — por isso preferem essa segunda medida no corpo do texto. Mas a dúvida sobre a primeira, a mesma que sustenta o quase 20% que a Célia cita, não aparece uma linha no texto de ontem.

Três anos não são dez, e o pico de comparação também é dado

Toda a série é normalizada a 1 em outubro de 2022 — o auge de um boom de contratação júnior de tecnologia amplamente documentado, alimentado por juro zero e rodada farta, que terminou no mesmo trimestre em que o Fed já vinha subindo juro havia meses. Ler "caiu quase 20% desde o pico" sem perguntar se o próprio pico era anômalo é o mesmo erro que esta coluna já apontou em outro contexto: comparar com uma base que não é neutra. Os próprios autores fecham a conclusão com a ressalva que a Célia citou pela metade: "we caution that the facts we document may in part be influenced by factors other than generative AI". Efeito de produtividade agregada de tecnologia de propósito geral leva cerca de uma década para aparecer de forma inequívoca na estatística. Três anos de uma única folha de pagamento — por maior que seja a ADP —, logo depois de a própria contratação medida ter inflado e murchado, é cedo demais para virar "o mesmo fenômeno".

O que muda para quem decide currículo ou vaga de estágio hoje

Não é "nada está acontecendo" — a divisão automação/aumento é sinal real: o que se automatiza primeiro é a tarefa checável, não o julgamento. Mas cortar orçamento de estágio por essa leitura agora, antes do padrão sobreviver a um segundo ciclo de contratação ou a uma segunda fonte (CPS, ACS — comparação que o próprio paper deixa pendente), é resolver um problema que talvez já estivesse se resolvendo sozinho, com o boom de 2021 se desfazendo. A pergunta certa não é se o júnior sumiu — é se ele já teria sumido de qualquer jeito, e isso a série de três anos ainda não decide.

É o mesmo cuidado que apliquei ao setor de informação dos Estados Unidos: um mês de queda acima da média não prova aceleração — a série inteira, não o mês isolado, é o que decide.

Um estudo mais amplo, divulgado em 20 de setembro de 2026, testa a mesma pergunta em 41 países: a queda na fatia júnior aparece, mas é sobretudo efeito de composição — sênior crescendo mais rápido, não júnior sendo cortado — e o efeito que aparece aqui, concentrado em tecnologia americana, é a exceção mais forte do conjunto, não a regra.

A mesma pergunta, testada no mercado de trabalho nacional inteiro em quatro países, é o que a OCDE fez no Employment Outlook 2026 — comparando a curva de desemprego de recém-entrantes contra o mês exato em que o uso de LLM disparou nas empresas, sem achar quebra associada a essa data em nenhum dos quatro.

O mesmo problema de efeito de composição aparece na série brasileira por ocupação: o saldo de vagas com carteira em desenvolvimento de software no Brasil caiu quase a zero em 2026, mas a queda mais brusca já tinha acontecido antes de qualquer ferramenta de IA para código ter escala por aqui.