Pierre Lucena

Pierre LucenaSep 20, 2026

Tenho amigos advogados e outros que tocam empresas de software, e percebi o mesmo padrão: todos contrataram menos estagiários e analistas júnior neste ano do que há alguns anos, com volume de trabalho parecido. A explicação é a mesma: parte do que essas posições faziam (pesquisa, revisão de documento, código, dados) hoje é feita, em parte, por ferramentas de IA, como ChatGPT e Claude. Eu estava formando esse juízo até ler um working paper do banco central da Dinamarca, publicado há poucos dias. Bonin, Darougheh e Kuchler cruzaram o registro de emprego dinamarquês com a pesquisa oficial de uso de IA, comparando empresas que adotaram a tecnologia em 2023 com outras parecidas que não adotaram. Até setembro de 2025, o emprego nas adotantes estava cerca de 11% abaixo do esperado pela trajetória anterior delas. O mecanismo principal não foi demissão, mas contratação mais lenta, concentrada em empresas menores, em ocupações mais expostas à IA e, principalmente, entre trabalhadores jovens. O próprio banco central trata isso com uma calma da qual discordo em parte: a leitura oficial é que a Dinamarca tem mercado de trabalho flexível o suficiente para realocar quem deixa de ser contratado, sem sinal de queda no emprego agregado. Pode ser verdade lá. Não tenho a mesma confiança para o Brasil, onde a realocação é mais lenta e depende mais de rede de contatos do que de um sistema eficiente de intermediação. Um estagiário de direito aprendia como funciona um escritório fazendo a parte mais chata do trabalho, assim como um analista júnior aprendia numa estrutura real, montando planilha, errando, sendo corrigido. Eu mesmo, num dos meus primeiros estágios (na antiga EMTU, hoje Grande Recife, ainda nos anos 90), aprendi a tabelar informações e ali nasceu meu interesse por estatística, que só estudei no mestrado, anos depois. É isso que me interessa mais do que a comparação entre países: posições júnior nunca foram só produtivas, serviam como preparação, algo que já me incomodava antes desse paper existir. Se a IA começa justamente pelas tarefas que historicamente justificavam contratar alguém sem experiência, chegamos a uma situação meio esquisita: as empresas vão continuar querendo profissionais experientes daqui a cinco ou dez anos, mas ninguém internaliza hoje o custo de formar quem vai fazer falta depois. Não foi decisão de ninguém: é efeito colateral de várias escolhas pontuais e razoáveis, cada uma tomada isoladamente por uma empresa tentando ser mais eficiente. O ganho de produtividade é real e vai continuar sendo, isso é só pano de fundo. O que me preocupa é outra coisa: discutimos esse assunto quase só pela ótica de quem já está empregado, quando o efeito mais duradouro pode aparecer em quem ainda não teve a primeira oportunidade, concorrendo com um adversário que trabalha de graça, não erra tanto e não precisa de treinamento. Se as empresas não treinarem mais o trabalho e o propósito das universidades também não for este, quem vai fazer isso?

Pierre LucenaSep 14, 2026

Talvez as aceleradoras errem ao tratar startups diferentes como se precisassem da mesma coisa Uma frase ficou comigo depois de uma rodada de grupos focais com empreendedores do Porto Digital. Um deles, numa turma mais avançada, disse sem rodeios: “Eu não preciso de mais mentoria, eu preciso de cliente.” Não era queixa contra a mentoria. Era um sintoma de que a empresa tinha mudado de estágio e o programa continuava oferecendo a mesma coisa de sempre. Venho desconfiando cada vez mais de programas de aceleração que começam pelo cardápio e não pelo diagnóstico. Primeiro vêm os workshops, o pitch, o networking, e só depois tentamos encaixar startups muito diferentes dentro da mesma sequência. Isso resolve um problema de operação do programa. Não resolve necessariamente o da empresa. Um artigo recém-publicado na Small Business Economics, de Shelly Lev-Koren e Miriam Erez, me deu uma forma mais precisa de nomear esse incômodo. As autoras acompanharam 90 startups, distribuídas por 11 turmas de um mesmo acelerador, da entrada ao programa até dois anos depois. A pergunta era direta: por que algumas empresas ganham muito mais com a aceleração do que outras? A resposta exige uma distinção que a conversa sobre aceleradoras costuma atropelar. Conhecimento prévio de produto segue sendo a variável que mais explica desempenho, quem chega mais preparado tende a ir melhor no Demo Day e depois dele. Mas desempenho e aprendizado são coisas diferentes. Quando o recorte passa a ser o que a empresa efetivamente aprendeu com o programa estruturado, o resultado se inverte: quem sabia menos no início é quem mais ganhou. Startups mais avançadas extraíram pouco conhecimento novo do currículo coletivo, porque já carregavam a base que ele oferece. O programa foi igual para todas. O que cada uma tinha a ganhar dele, não. A mentoria confirma esse padrão por outro caminho. Ter mais reuniões com mentor, isoladamente, não garantiu nada. O efeito só aparecia quando a startup transformava aquele feedback em mudança concreta, um pivô deliberado de produto ou de estratégia. Receber orientação e conseguir incorporá-la são coisas diferentes, e o dado só confirma o que a frase daquele fundador já denunciava na prática. Foi exatamente esse tipo de diferença, entre o que uma empresa nascente precisa e o que uma empresa com tração já validada precisa, que me fez separar, no desenho do ecossistema aqui em Pernambuco, dimensões distintas de atuação em vez de tratar todo mundo pela mesma régua. Não como fila obrigatória. Como reconhecimento de que o problema muda, mesmo quando o rótulo “startup” continua o mesmo. Por isso venho gostando cada vez menos da pergunta “aceleradoras funcionam?”. Ela é ampla demais para produzir qualquer resposta útil. A pergunta melhor é: funcionam para quem, para resolver qual problema, em que momento da empresa? O recurso certo, para a empresa errada ou no momento errado, continua sendo um recurso mal utilizado.

Pierre LucenaSep 12, 2026

E se a prova não estiver apenas medindo o que o aluno aprendeu, mas também mudando a forma como ele aprende? Tenho pensado bastante nisso nas minhas aulas. Quando o aluno percebe que, no fim, vai ser avaliado por uma prova, ele começa a organizar o esforço em torno disso. Aparecem aquelas perguntas que todo professor conhece: “Isso vai cair?”, “O que o professor quer?”, “Quanto eu preciso saber para tirar uma nota boa?”. E isso não é preguiça nem falta de interesse. É uma resposta bastante racional ao sistema que a gente montou. Li esta semana um estudo na Higher Education que me chamou atenção justamente por isso. Ele acompanhou disciplinas universitárias que tentavam aproximar ensino e pesquisa. Enquanto os alunos estavam envolvidos em investigação, apareciam mais tentativa, erro, dúvida, discussão e descoberta. Quando a avaliação se aproximava, a lógica começava a mudar. A pergunta saía de “O que estamos tentando descobrir?” e ia para algo muito mais próximo de “O que eu preciso fazer para ir bem?”. Eu reconheço muito isso em sala. Neste semestre, em Estatística na Universidade Federal de Pernambuco, estou tentando fazer a turma aprender os conceitos enquanto constrói uma pesquisa real. Tem questionário, coleta, organização dos dados, análise e discussão dos resultados. A estatística deixa de ser só uma coisa que precisa ser estudada porque vai cair na prova e passa a fazer falta para resolver um problema. E aí a pergunta muda: de “Isso vai cair na prova?” para “Como é que eu resolvo isso?”. Não acho que a resposta seja acabar com prova. Nem de longe. Prova dá critério, dá previsibilidade e, em muitos casos, dá uma sensação importante de justiça. Mas acho que existe uma pergunta que a universidade precisa se fazer com mais frequência: se queremos alunos curiosos, críticos, criativos e capazes de resolver problemas, estamos avaliando de um jeito que ajuda a formar esse aluno? No fim das contas, a avaliação não vem depois da aprendizagem. Ela já começa a moldar a aprendizagem muito antes da prova. O link do trabalho está no primeiro comentário.