Cortar gente antes de arrumar o processo é tipo trocar o pneu com o carro andando – só piora

Hoje, um dos principais dilemas das empresas na adequação da força de trabalho ao uso crescente de IA decorre do fato de os gestores estarem cortando pessoas antes de redesenharem o trabalho, seus fluxos operacionais e as estruturas organizacionais. O efeito prático? Processos que já eram ineficientes passam a operar com menos pessoas e com sistemas de IA mal integrados, sem ganho proporcional de produtividade.

Dados de relatórios recentes sustentam esse diagnóstico. Segundo o Gartner, apenas 1% das demissões realizadas no primeiro semestre de 2025 tiveram relação direta com ganhos reais de produtividade atribuíveis à IA. A ampla maioria ocorreu sem evidência de melhoria operacional mensurável.

Na mesma linha, uma pesquisa com 1.006 executivos globais, conduzida pelo sociólogo Thomas H. Davenport, mostra que as demissões associadas à IA são majoritariamente antecipatórias. As decisões foram tomadas com base em expectativas sobre impacto futuro da tecnologia, não em desempenho operacional já observado.

Os relatórios convergem em um ponto técnico central: a IA executa tarefas e fluxos de trabalho, não empregos inteiros. Mesmo em cenários considerados agressivos, a previsão é de eliminação estrutural de 6,1% dos empregos nos Estados Unidos até 2030, enquanto cerca de 20% dos empregos devem ser fortemente influenciados pela tecnologia, com mudanças na natureza do trabalho, não na sua existência.

Ao mesmo tempo, a organização do trabalho pouco mudou. O relatório “2026 AI Shortlist”, da Grammarly, mostra que os fluxos permanecem essencialmente pré-IA, marcados por múltiplas camadas de aprovação, geração manual de relatórios e coordenação humana redundante. A IA é adicionada como camada auxiliar, não como elemento estruturante.

Nesse contexto, observa-se a compressão da gerência intermediária, estimada entre 10% e 20% até o final de 2026, especialmente em funções centradas em “reporting”, acompanhamento e consolidação de informação. Essa redução ocorre sem redefinição clara de papéis. Funções eliminadas concentravam atividades de coordenação, priorização e julgamento intermediário que não são absorvidas pelos sistemas de IA. O efeito operacional é aumento de carga decisória nos níveis restantes e maior dependência de intervenção humana em pontos críticos do processo.

A introdução de agentes autônomos adiciona mais uma camada de complexidade. O relatório da KPMG descreve a transição dos agentes de ferramentas para colaboradores digitais capazes de planejar, executar ações e operar de forma autônoma. Para isso, são necessários papéis de orquestração, métricas próprias, governança contínua e gestão de ciclo de vida comparável à aplicada a pessoas. A maioria das organizações ainda não implementou esses mecanismos.

Sem arquitetura de metas para agentes, KPIs híbridos humano-IA e lideranças treinadas para supervisionar esse tipo de trabalho, os agentes não absorvem responsabilidade operacional. Eles executam partes do processo. A coordenação e o julgamento permanecem humanos, agora em estruturas mais enxutas, o que resulta em mais retrabalho, mais escalonamento e maior fragilidade operacional.

Os dados apontam, portanto, para um dilema recorrente. O problema não está na tecnologia, nem na escassez de talento, nem no custo da folha. Ele está no descompasso entre três velocidades: a do discurso executivo, que associa IA a eficiência imediata; a velocidade real da transformação organizacional, que depende de redesenho profundo de processos; e a do aprendizado humano, que segue subestimada e pouco apoiada.

Enquanto esse descompasso persistir, a IA continuará sendo usada como justificativa para cortes, como ferramenta de aumento de volume e como promessa de ganhos futuros.

Antes de qualquer ajuste de força de trabalho associado à IA, uma pergunta operacional precisa ser respondida com dados: quais fluxos de trabalho completos já operam de forma IA-nativa, com métricas estáveis de qualidade, custo e tempo?

Empresas que demitem sem critério antes de redesenhar práticas operacionais aumentam risco de recontratação forçada, queda de qualidade, perda de conhecimento tácito e cinismo interno em relação à IA.