Mark Russinovich (CTO da Azure) e Scott Hanselman (veterano de relacoes com desenvolvedores na Microsoft) publicaram uma opiniao na edicao de abril de Communications of the ACM argumentando que a forma como IA esta sendo adotada em organizacoes de software esta esvaziando estruturalmente o pipeline de desenvolvedores junior. Os dados que eles citam sao o que torna a peca mais dificil de descartar do que o comentario tipico de IA-e-emprego. Um estudo de Harvard descobriu que o emprego de pessoas de 22 a 25 anos em trabalhos expostos a IA caiu aproximadamente 13% apos o lancamento do GPT-4. Outra pesquisa que referenciam coloca contratacao entry-level de desenvolvedores em 67% a menos desde 2022. Trabalho cognitivo do MIT de inicio de 2025 mostrou que adultos usando ChatGPT para tarefas de escrita tinham atividade cerebral reduzida e pior memoria vs trabalho sem assistencia — o "AI drag" que cunham para engenheiros junior usando LLMs sem o julgamento para guia-los. E de dentro da Microsoft, citam Project Societas, um projeto interno Office Agent que produziu 110.000+ linhas de codigo descritas como 98% geradas por IA, construido por sete engenheiros de meio periodo em 10 semanas.
O mecanismo que chamam de "hipotese da piramide que estreita" e a parte do argumento que assenta. Desenvolvedores junior historicamente aprendem atraves de trabalho entry-level de baixo risco — correcoes de bugs, implementacao simples de features, refactoring — e esse trabalho e exatamente o que IA lida melhor agora. Quando a base da piramide desaparece, o caminho de aprendizado que produzia a proxima geracao de engenheiros senior tambem desaparece. O enquadramento de Russinovich e Hanselman e que IA da aos engenheiros senior um impulso massivo de produtividade enquanto impoe AI drag aos juniors que ainda nao tem o julgamento para verificar, integrar e sobrescrever saida de IA. Os dois efeitos se compoem em direcoes opostas: produtividade senior sobe, formacao de carreira junior desacelera, e a empresa otimiza pela solucao de staffing de curto prazo ao custo do pipeline de medio prazo.
A intervencao proposta deles e um modelo preceptor emprestado da educacao medica. Desenvolvedores junior sao pareados com mentores senior dentro de times de produto reais, a mentoria e medida e compensada como entregavel de primeira classe, preceptorados duram um ano ou mais, e ha aulas explicitas de "IA e trapaca" onde o junior tem que demonstrar que entende o trabalho subjacente sem o modelo. Russinovich confirmou que a Microsoft esta pilotando isso internamente. A critica honesta na discussao que se seguiu a peca — foruns Reddit e Register, mais uma observacao afiada de Charity Majors — e que a matematica pode nao funcionar para a empresa media. Um junior leva aproximadamente dois anos para se tornar produtivo. Um assistente de coding IA torna um desenvolvedor mid-level talvez 30% mais produtivo hoje. Empresas rodando em ciclos trimestrais de ganhos vao confiavelmente escolher a segunda opcao. Majors adicionou que em cada lugar onde ela viu realmente contratar juniors nos ultimos anos, a carga foi liderada por engenheiros senior fazendo lobby internamente — o que significa que o incentivo organizacional padrao e o oposto do que um modelo preceptor precisa.
Para construtores e managers de engenharia, essa e uma das poucas pecas IA-e-emprego rica o suficiente em dados para agir sobre ela em vez de gesticular. As perguntas que vale a pena levar a serio dentro da sua organizacao: quantas das suas contratacoes dos ultimos 12 meses foram abaixo de mid-level, que tarefas especificas estao realmente fazendo os juniors que voce tem em um ambiente IA-pesado, seus seniors sao compensados de alguma forma por esforco de mentoria, e como parece seu modelo de staffing de tres anos se nenhum junior no time se tornar senior? A ressalva honesta e que os dados de emprego subjacentes sao contestados — alguns economistas do trabalho argumentam que a queda de contratacao pos-GPT-4 reflete a recessao tech mais ampla de 2023-2024 mais do que IA especificamente, e o numero de 67% depende fortemente de como "entry-level" e definido. O estudo de Harvard controlou por efeitos no nivel da industria mas nao perfeitamente. A peca esta correta que algo esta acontecendo; a magnitude e a cota causal que IA especificamente possui e a parte onde o trabalho cuidadoso ainda nao foi feito. O modelo preceptor e o tipo certo de intervencao para defender, sustentem-se ou nao os numeros mais pessimistas.