Trajetórias de carreira na era da IA: o que a escada, a treliça e 'sênior' significam agora

Mapa de rotas de carreira com caminhos ascendentes e laterais convergindo para o julgamento

Turn this article into takeaways for your work.

Each assistant summarizes the article only for you and suggests best practices for your work.

Uma trajetória de carreira na era da IA é menos uma sequência fixa de cargos e mais um conjunto de movimentos, alguns para cima, muitos para o lado, construídos em torno de julgamento e habilidades, e não de volume de entrega. A IA hoje produz boa parte do trabalho que antes provava que alguém estava pronto para o degrau seguinte, então a progressão passa cada vez mais pela mobilidade interna, pelo escopo dos projetos e pelo julgamento demonstrado, e não apenas pelo tempo de casa.

Essa é uma mudança real, não um rebranding com vocabulário novo. É também uma mudança genuinamente indefinida: os dados mostram a compressão do nível inicial e o retorno crescente da mobilidade interna com clareza suficiente para planejar em cima deles, mas ainda não mostram exatamente como se resolverá a progressão nos níveis intermediário e sênior nos próximos cinco anos. Este artigo sustenta as duas coisas com honestidade.

O que "sênior" significa quando o volume de entrega não é o diferencial

Durante a maior parte das últimas décadas, a senioridade acompanhava razoavelmente bem um indicador simples: quanto uma pessoa conseguia produzir, com que rapidez e com que independência. Um analista sênior construía mais modelos que um júnior. Um engenheiro sênior entregava mais funcionalidades com menos bugs. Os cargos eram, em grande parte, um sinal comprimido da capacidade de produção acumulada ao longo do tempo.

Bússola de julgamento pesando mais que uma grande pilha de resultados gerados por IA

Esse indicador está se desfazendo, e justamente porque a IA hoje produz boa parte da entrega. Do executor ao orquestrador trata de como o próprio trabalho do colaborador individual está passando de produzir para especificar, delegar e verificar. As trajetórias de carreira estão a jusante dessa mesma mudança: se um analista júnior com um workflow de IA bem montado consegue produzir um volume de primeiros rascunhos que antes tomava a semana inteira de um profissional sênior, o volume deixa de ser um sinal utilizável para decidir quem merece o próximo cargo.

O sinal antigo: volume e tempo de casa

O sinal antigo era legível e fácil de medir. Anos no cargo, produção entregue, amplitude de responsabilidades assumidas. Ele se correlacionava razoavelmente bem com o julgamento porque produzir mais trabalho, por mais tempo e sob mais escrutínio era, em si, uma forma de construir julgamento. É o mecanismo que O primeiro degrau quebrado descreve: o trabalho braçal nunca foi apenas produção barata, era o aprendizado que construía o julgamento que os cargos sêniores deveriam certificar.

O novo sinal: um julgamento em que você apostaria

O novo sinal é mais difícil de medir e mais difícil de aplicar com justiça. É a capacidade de flagrar uma resposta errada dita com confiança, saber quais 20% de uma tarefa ainda precisam de mão humana e definir um padrão de qualidade preciso o bastante para que outra pessoa possa conferir o trabalho contra ele. Nada disso aparece em contagem de linhas ou em métrica de tickets fechados. Os líderes que continuam promovendo com base no indicador antigo, porque é o que sabem medir, seguirão premiando a coisa errada por um tempo antes que alguém perceba.

A pressão sobre a progressão degrau a degrau

A escada tradicional pressupunha uma distribuição bastante uniforme de degraus: uma ampla base de nível inicial, uma camada intermediária de colaboradores individuais e gestores de primeira linha e uma camada sênior mais estreita acima. A IA não está comprimindo essa estrutura de modo uniforme. Está comprimindo as partes que antes formavam as pessoas para o que vem a seguir.

Escada de carreira com degraus ausentes e lacunas de habilidades cada vez maiores

Menos degraus, lacunas maiores

Dois efeitos estão se somando aqui, e vale ser preciso sobre qual é qual. O primeiro é um efeito de contratação: o relatório State of Talent 2026 da SignalFire constatou que a contratação de nível inicial e de recém-formados em grandes empregadores de tecnologia caiu cerca de 65% em relação a 2019, à medida que os doze a dezoito meses que os juniores passavam em trabalho repetitivo migraram para ferramentas de IA. O segundo é um efeito sobre o emprego, medido com mais rigor: o Digital Economy Lab de Stanford, usando dados de folha de pagamento da ADP que cobrem milhões de trabalhadores, constatou que o emprego entre trabalhadores de 22 a 25 anos em ocupações altamente expostas à IA está cerca de 19% abaixo do que estaria de outra forma, diferença que aumentou em relação aos 15% de um ano antes.

Menos pessoas entrando na base, combinado com a IA absorvendo parte do trabalho de coordenação e redação que antes ocupava o meio, faz com que os degraus que restam fiquem mais distantes entre si. Quem é contratado e promovido tem de cobrir mais terreno de julgamento por etapa do que a mesma promoção exigia cinco anos atrás. Isso pode significar um crescimento mais rápido e mais significativo para quem consegue passar, mas é um fardo real se a mentoria necessária para fechar essa lacuna maior não for reconstruída ao mesmo tempo, que é o argumento de A meia-vida das habilidades e a requalificação contínua a favor de um aprendizado deliberado, e não incidental.

O que os dados mostram e o que não mostram

Leia com atenção a pesquisa de Stanford e ela é mais limitada do que as manchetes sugerem. Os pesquisadores afirmam explicitamente não encontrar evidência de "deslocamento de empregos generalizado, em toda a economia, associado à IA". O efeito se concentra em ocupações específicas e muito expostas à IA, impulsionado pela menor contratação de jovens, e não por uma onda de demissões de profissionais experientes. O emprego intermediário e sênior nas mesmas ocupações não mostrou a mesma queda.

Portanto, a evidência é forte de que o primeiro degrau está afinando em bolsões definidos do mercado de trabalho. É bem mais fraca sobre o que acontece com os degraus intermediários e seniores nos próximos cinco a dez anos, já que essa é uma questão estrutural mais lenta e mais difícil de medir, e não um número de fluxo de contratações que aparece trimestralmente nos dados de folha de pagamento. Planeje-se para a compressão do nível inicial, que está medida. Mantenha o ceticismo diante de quem oferecer uma previsão confiante para tudo o que vem acima.

Fatos principais

  • Os funcionários que fazem uma mudança interna têm 40% mais probabilidade de permanecer na empresa por pelo menos três anos, e os profissionais de empresas com alta mobilidade interna têm um tempo de casa 53% maior, em geral, que os de empresas com baixa mobilidade. Fonte: LinkedIn Talent Solutions, "How Internal Mobility Benefits Employers"
  • As empresas com as maiores taxas de mobilidade interna têm 79% mais promoções a cargos de liderança por funcionário do que as com as menores taxas, mas apenas 33% das organizações oferecem um programa formal de mobilidade interna. Fonte: LinkedIn Talent Solutions, pesquisa sobre mobilidade interna
  • Na marca de dois anos, um funcionário que fez uma mudança interna tem quase 20% mais probabilidade de permanecer na organização do que um que não fez, mas apenas 15% dos funcionários dizem que sua organização os incentivou a assumir um novo cargo. Fonte: LinkedIn Learning, "How Career Pathing Leads to Employee Retention"
  • O tempo mediano de permanência no emprego na força de trabalho dos EUA era de 3,9 anos em janeiro de 2024, o menor desde 2002, com trabalhadores de 25 a 34 anos em uma mediana de 2,7 anos contra 9,6 anos para os de 55 a 64 anos. Fonte: U.S. Bureau of Labor Statistics, Employee Tenure Summary
  • 85% dos empregadores planejam priorizar o upskilling da força de trabalho existente, 70% planejam contratar pessoas com novas habilidades e 50% planejam transferir internamente pessoas de funções em declínio para funções em crescimento, em vez de substituí-las, segundo a pesquisa Future of Jobs 2025 do World Economic Forum. Fonte: CIO, reportando dados do World Economic Forum Future of Jobs Report 2025

Da escada à treliça: movimentos laterais como progressão real

Uma escada tem uma só direção: para cima, um degrau por vez, por uma sequência fixa de cargos. Uma treliça tem muitas: para cima, para o lado em direção a outra área, na diagonal em direção a um cargo que combina dois conjuntos de habilidades, ou mais fundo em uma trilha de especialista sem nunca gerenciar ninguém. A metáfora não é nova (faz parte do vocabulário de RH há bem mais de uma década), mas está se tornando menos opcional à medida que os degraus se afastam e as habilidades mudam mais rápido do que uma sequência fixa de cargos consegue acompanhar.

Como uma treliça realmente se parece na prática

Em uma treliça, um movimento lateral, digamos, um profissional de marketing de produto indo para customer success para desenvolver habilidade com dados de uso, não é um desvio do caminho "de verdade". É uma maneira legítima de construir o julgamento multifuncional que um número crescente de cargos agora exige. A diferença prática em relação a uma escada aparece em três lugares: como a empresa define o "próximo nível" (habilidades e escopo, não tempo de casa), como mede a progressão (julgamento demonstrado, não mudança de cargo) e como fala dos movimentos laterais (como crescimento, não como falta de ambição).

Nada disso significa que os cargos desaparecem ou que a hierarquia deixa de importar. Alguém ainda precisa tomar as decisões finais, ser dono de orçamentos e responder pelos resultados, uma questão organizacional que corre em paralelo a mudanças como a frontier firm e o agent boss. A treliça trata de como as pessoas se movem pela organização enquanto essa estrutura evolui por baixo delas, e não de uma afirmação de que a estrutura deixa de existir.

A velha premissa da escada, o que muda e o que fazer em vez disso

Premissa antiga da escada O que muda com a IA O que fazer em vez disso
Tempo no cargo mais volume crescente de entrega sinalizam prontidão para o próximo cargo A IA produz boa parte da entrega rotineira, então o volume deixa de se correlacionar com o julgamento Promova pela complexidade dos julgamentos assumidos, não por horas registradas ou rascunhos produzidos
A progressão é uma sequência fixa: analista, analista sênior, gerente, diretor O trabalho de coordenação e redação do meio é absorvido pela IA e por estruturas mais enxutas, ampliando a distância entre os degraus Defina menos níveis, mais claros, com critérios explícitos de julgamento, e trate um movimento lateral como progresso válido entre eles
Competência generalista ampla mais tempo de casa garantem automaticamente a próxima promoção Abrem-se duas trilhas distintas e igualmente válidas: expertise profunda de especialista e orquestração generalista de pessoas e agentes Deixe as pessoas escolherem uma trilha e avalie-as pelos critérios dessa trilha, e não por uma escada genérica para todos
O crescimento vem principalmente da contratação externa e de promoções ocasionais Quem se movimenta internamente mostra retenção mensuravelmente melhor e mais tempo de casa do que quem nunca se movimenta Abra as vagas primeiro internamente, construa caminhos reais de transferência e conte a mobilidade interna como uma métrica de retenção que a liderança acompanha
As conversas de carreira acontecem uma vez por ano, na avaliação Habilidades, ferramentas e definições de cargo mudam mais rápido do que um ciclo anual consegue acompanhar Torne as conversas de carreira contínuas, ligadas às habilidades construídas e ao julgamento demonstrado desde a última

Mobilidade interna como principal motor de crescimento

Se a escada era antes o principal mecanismo de crescimento, a mobilidade interna está se tornando o que faz esse papel agora, ao menos para as empresas que prestam atenção aos próprios dados. A distância entre o quanto ela funciona e a frequência com que as empresas de fato a praticam é o problema mais corrigível aqui.

Treliça de carreira mostrando movimentos internos laterais que levam ao crescimento

O argumento de retenção para o qual os empregadores já têm dados

Os números do quadro de Fatos principais acima não são correlações frágeis de uma única pesquisa. A análise do LinkedIn sobre dezenas de milhões de perfis de membros constatou que os funcionários que fazem uma mudança interna têm 40% mais probabilidade de ficar pelo menos três anos, e que as empresas com as maiores taxas de mobilidade interna têm um tempo de casa 53% maior e 79% mais promoções a cargos de liderança por funcionário do que as com as menores taxas. A mobilidade interna não é um benefício ao lado do desenvolvimento de carreira. Para as empresas com dados reais sobre ela, funciona como uma das alavancas de retenção mais confiáveis disponíveis.

Por que os programas de mobilidade interna ainda ficam atrás dos dados

O problema é que a maioria das organizações não está preparada para capturar isso. Apenas 33% oferecem um programa formal de mobilidade interna, e só 15% dos funcionários dizem que a organização os incentivou ativamente a assumir um novo cargo. Parte da lacuna é estrutural: os gestores contratantes são medidos por preencher o próprio headcount, e não por liberar um bom profissional para um cargo em outra parte da empresa, então os incentivos trabalham em silêncio contra o que os dados de retenção dizem que deveria acontecer mais. Corrigir isso tem menos a ver com uma nova ferramenta de RH e mais com saber se um gestor recebe crédito, e não punição, quando um bom funcionário segue adiante. É também uma extensão natural do tipo de desenvolvimento de habilidades complementares à IA de que as empresas já precisam: se as habilidades necessárias estão mudando sob os pés das pessoas, movê-las para um cargo que exija praticar essas habilidades diretamente costuma ser mais rápido do que esperar o ciclo de um orçamento externo de treinamento, e constrói exatamente a agilidade de habilidades de que uma treliça depende.

Profundidade de especialista vs. orquestração generalista

À medida que a escada se afrouxa, duas trilhas distintas e legítimas se abrem onde antes havia a premissa implícita de que todos sobem pelo mesmo caminho generalista rumo à gestão.

Profundidade de especialista comparada à orquestração generalista em foco, ponto forte e caminho de crescimento

Duas trilhas viáveis, não uma

A primeira trilha é a profundidade de especialista: ir mais fundo em um domínio do que as ferramentas de IA conseguem ir com confiabilidade, o tipo de julgamento que Manter o julgamento humano afiado descreve como digno de proteção deliberada. O valor de um especialista vem cada vez mais de flagrar o que um modelo erra com confiança num domínio restrito, um subscritor que sente que um dossiê está fora do lugar antes de saber dizer por quê, um engenheiro que identifica o único ponto em que uma arquitetura gerada por IA falha em escala. Esse valor se acumula com anos de prática direta e não exige gerenciar ninguém. É também, muitas vezes, a parte do trabalho que a pessoa realmente amava fazer antes de a IA levar a metade rotineira dela, uma perda que sentido, identidade e ofício na era da IA aborda diretamente.

A segunda trilha é a orquestração generalista: coordenar funções, pessoas e, cada vez mais, agentes de IA para entregar um resultado complexo. Essa trilha se apoia mais em decomposição, definição de contexto e em saber quando intervir pessoalmente, e menos em domínio técnico profundo de um único campo. Nenhuma das trilhas é prêmio de consolação em relação à outra. Um especialista sênior e um orquestrador sênior podem estar no mesmo nível, com a mesma remuneração, em trabalhos genuinamente diferentes, embora remuneração e equidade na era da IA explique por que "a mesma remuneração" fica mais difícil de definir quando a produção de uma trilha é potencializada por IA e a da outra não.

A maioria dos frameworks de carreira ainda trata, de modo implícito, orquestração e gestão como a mesma coisa, forçando bons especialistas a assumir cargos de gestão de pessoas que não querem só para continuar avançando. Isso é uma escolha de desenho, não uma lei da natureza, e uma escolha cada vez mais cara, dado que quais empregos a IA de fato transforma premia a profundidade em domínios restritos que a IA ainda não alcança com confiabilidade.

O que os líderes devem dizer a quem pergunta "qual é o meu caminho aqui?"

Essa é a pergunta que todo gestor ouve com mais frequência, e a resposta honesta tem três partes.

Primeiro: o caminho é real, mas tem menos probabilidade de ser uma linha reta por cargos fixos do que há cinco anos, e fingir o contrário leva as pessoas a se sentirem estagnadas quando, na verdade, estão progredindo para o lado de um jeito que importa mais tarde. Segundo: o crescimento agora aparece como julgamento e escopo em expansão, não como entrega crescente, então a conversa honesta nomeia os julgamentos específicos que alguém está pronto para assumir a seguir, e não apenas "vamos considerar você para o próximo cargo daqui a um ano". Terceiro: as mudanças internas não são um prêmio de consolação para quem "não conseguiu ser promovido". Dados os dados de retenção acima, um bom movimento lateral costuma ser o resultado de maior valor para a pessoa e para a empresa, e dizer isso em voz alta, e não apenas acreditar nisso numa apresentação de RH, muda se as pessoas aproveitam as oportunidades que você oferece. Esse tipo de conversa franca sobre o que de fato está mudando é o mesmo padrão que o contrato social da IA no trabalho pede que os empregadores adotem de maneira mais ampla.

Na prática, isso significa trocar a conversa anual do plano de desenvolvimento por algo mais próximo de uma gestão de carreira contínua: nomear o julgamento que alguém conduziu bem neste trimestre e aquele para o qual ainda não está pronto. Significa abrir de fato as vagas internas a candidatos internos antes de iniciar uma busca externa. E significa ser direto quando uma trilha se estreita: dizer a alguém que sua função está encolhendo é mais difícil que um vago "continue crescendo", mas é a única versão que lhe permite de fato planejar.

O que ainda está indefinido

Seja honesto sobre os limites disso. Os dados sobre a compressão da contratação de nível inicial são sólidos, e os sobre o retorno de retenção da mobilidade interna também. O que está em aberto é como as estruturas de cargos, as faixas salariais e a cadência de promoções se assentarão quando as empresas se reconstruírem em torno de treliças e não de escadas, já que a maioria ainda não terminou essa reconstrução, parte do trabalho mais amplo de construir uma cultura pronta para a IA. Quem descreve o formato exato do organograma de 2032 oferece um palpite vestido de previsão. A aposta mais segura é no mecanismo, não no resultado: o julgamento está substituindo a entrega como o recurso escasso que vale a pena promover, e as empresas que construírem cedo uma maneira real de medi-lo manterão seus melhores profissionais por mais tempo do que as que ainda conduzem comitês de promoção com o indicador da década passada.

About the author

Victor Hoang

Victor Hoang

Co-Founder, Rework.com

Victor Hoang is Co-Founder and CMO of Rework. He spent 12+ years scaling B2B SaaS growth, building a lead engine that generated over 1 million leads and $10M+ in annual recurring revenue. Today he builds AI agents and MCP servers into Rework's products to empower customers across growth and operations. He writes about what actually works.