Cortar gente e chamar isso de IA não é estratégia: por que tantas empresas estão voltando atrás

Casos recentes mostram que o problema nem sempre é a inteligência artificial, mas o erro de diagnóstico sobre o que o trabalho humano realmente entregava dentro da operação

Durante boa parte de 2024 e 2025, uma narrativa ganhou força no mercado de tecnologia, no varejo digital, nas fintechs e até no atendimento ao cliente: a de que bastava implantar inteligência artificial para substituir equipes inteiras, reduzir custos rapidamente e tornar a empresa mais eficiente quase da noite para o dia. Em muitos casos, essa promessa foi vendida como um salto inevitável para o futuro. Em outros, virou manchete com tom triunfalista, como se a troca de pessoas por sistemas automatizados fosse uma prova de visão estratégica superior. Só que a realidade operacional começou a cobrar a conta.

O que parecia uma revolução limpa e objetiva revelou algo mais antigo e muito mais humano: decisões precipitadas de gestão. O discurso era novo, embalado por IA generativa, copilotos, chatbots e agentes autônomos. Mas o erro era velho. Cortar uma função sem entender profundamente o que ela entregava de valor quase sempre gera um efeito colateral que não aparece na planilha no primeiro mês. A empresa economiza de um lado e perde qualidade, contexto, relacionamento, confiança, velocidade de resolução ou capacidade de adaptação do outro. Quando isso acontece, o custo não desaparece. Ele apenas muda de lugar.

É por isso que o debate mais importante sobre IA no trabalho talvez esteja sendo conduzido da maneira errada. A questão não é se a tecnologia funciona. Em muitos cenários, ela funciona e muito. A questão é outra: quem está usando IA para ampliar capacidade e quem está usando IA como justificativa elegante para cortes mal diagnosticados? Essa distinção é decisiva. Porque, quando a liderança confunde automação com entendimento do negócio, a empresa acaba descobrindo tarde demais que não eliminou uma ineficiência. Eliminou uma parte invisível da sua própria inteligência operacional.

O problema não é a IA. É o diagnóstico preguiçoso

Uma função dentro de uma empresa raramente se resume à descrição do cargo. No papel, um atendente responde tickets. Na prática, ele acalma cliente irritado, detecta falhas recorrentes, identifica gargalos de produto, percebe fraudes, traduz linguagem técnica, evita cancelamentos e sinaliza problemas antes que virem crise pública. No papel, um redator apenas produz texto. Na prática, ele adapta mensagem a contexto, entende nuance, protege reputação, percebe ambiguidades e evita erros que uma máquina ainda pode deixar passar com confiança excessiva.

Quando um gestor olha apenas para a camada visível da tarefa, ele conclui que a IA “faz a mesma coisa”. Esse é o ponto em que muitos projetos começam a dar errado. Porque automação não substitui automaticamente julgamento, repertório, empatia, improviso, leitura de risco, priorização e responsabilidade. E isso vale especialmente em funções que parecem rotineiras para quem observa de fora, mas que por dentro dependem de microdecisões humanas o tempo todo.

Em outras palavras: muita empresa não fracassa ao usar IA. Fracassa ao redesenhar mal o trabalho. E, quando o redesenho é ruim, a tecnologia vira bode expiatório ou marketing corporativo. A culpa não está no modelo, no chatbot ou no algoritmo. Está no fato de que ninguém mapeou direito o que aquele time realmente fazia quando a operação apertava.

Duolingo e a aula sobre percepção, reputação e limite da automação

O caso do Duolingo virou símbolo desse desconforto. A empresa anunciou uma postura “AI-first”, informou que reduziria o uso de contratados em atividades que pudessem ser feitas por IA e associou o uso da tecnologia a contratações e avaliações internas. A mensagem chamou atenção porque pareceu dizer, de forma muito direta, que o caminho seria trocar trabalho humano por automação em áreas relevantes da criação e operação.

O problema foi a reação. Usuários, profissionais da área de idiomas e parte do público interpretaram o movimento como sinal de precarização da qualidade e de desvalorização do trabalho humano justamente em um produto que depende de contexto cultural, nuance linguística e confiança pedagógica. O ruído foi tão grande que o próprio CEO precisou depois suavizar o discurso publicamente e dizer que não via a IA como substituta do que os funcionários faziam. Esse ponto é importante porque mostra algo que muita empresa esquece: não basta automatizar. É preciso sustentar a percepção de valor do produto. Se o usuário começa a desconfiar da qualidade, o ganho operacional pode virar desgaste de marca.

O Duolingo também mostra que existe uma diferença entre usar IA para escalar produção e usar IA para justificar corte como sinal de modernidade. A primeira estratégia pode fazer sentido. A segunda pode corroer o que tornou a empresa valiosa em primeiro lugar. Quando uma plataforma educacional passa a transmitir a sensação de que a qualidade humana virou detalhe, ela corre o risco de perder exatamente o ativo que a diferencia.

Klarna: quando o case de eficiência vira correção de rota

Se existe um caso emblemático da euforia corporativa com IA, esse caso é a Klarna. A fintech sueca virou referência ao divulgar que seu assistente de IA estava desempenhando o equivalente ao trabalho de centenas de agentes de atendimento. O caso foi vendido como vitória: resolução mais rápida, menos custo, menos necessidade de gente, mais produtividade por cabeça. Para muita liderança, aquilo parecia a prova definitiva de que a substituição em massa finalmente havia chegado.

Mas a história ficou mais complexa depois. O próprio CEO admitiu publicamente que a empresa havia pesado demais a mão no critério de custo e que estava fazendo correções de rota. A Klarna voltou a contratar pessoas para reforçar o atendimento e reposicionou o discurso: menos obsessão por corte, mais foco em crescimento, produto e experiência do cliente. Esse movimento é revelador porque desmonta uma fantasia muito comum nos conselhos e comitês executivos: a de que atendimento é apenas volume resolvido por minuto.

Atendimento não é só tempo médio, quantidade de chamados ou redução de quadro. Atendimento é percepção de confiança, retenção, resolução real e construção de vínculo. Uma empresa pode até resolver mais interações por meio de automação, mas ainda assim entregar uma experiência pior. E, quando isso acontece, o dano aparece em churn, reputação, retrabalho e perda de oportunidade comercial. Não por acaso, a Klarna passou a tratar IA menos como atalho para enxugar estrutura e mais como ferramenta para elevar produtividade sem destruir a experiência.

IBM e a prova de que o trabalho não desaparece: ele se reorganiza

A IBM é outro exemplo importante porque ajuda a limpar o debate do exagero. Em 2023, a companhia informou que poderia substituir cerca de 7.800 funções em áreas administrativas e de back-office ao longo do tempo com IA e automação. Isso alimentou a leitura de que a empresa estaria simplesmente apagando empregos de escritório em larga escala. Mais tarde, porém, o próprio CEO afirmou que a IA havia substituído apenas algumas centenas de vagas em recursos humanos, enquanto o total de empregados cresceu em outras frentes, como programação, vendas e áreas ligadas à expansão do negócio.

O caso da IBM mostra que o efeito mais provável da IA em muitas empresas não é a extinção linear do trabalho, mas sua redistribuição. Tarefas repetitivas podem diminuir. Demandas por pessoas com repertório técnico, comercial, analítico e de relacionamento podem aumentar. Isso muda a composição da força de trabalho, mas não confirma automaticamente a tese simplista de que “as pessoas foram embora e a IA ficou”. Na prática, o que costuma acontecer é mais confuso: saem algumas funções, surgem outras, e a empresa percebe que produtividade sem capacidade de execução humana também tem limite.

O alerta do Gartner reforça a virada

Essa percepção já não é apenas anedota de mercado. O Gartner projetou que, até 2027, metade das empresas que atribuíram redução de quadro à IA vai recontratar profissionais para funções semelhantes, ainda que sob cargos renomeados. A previsão é poderosa porque desmonta a tese de que a corrida por cortes foi puramente tecnológica. Em muitos casos, o que houve foi uma mistura de pressão por margem, correção de excessos de contratação, desejo de impressionar investidores e uso da IA como narrativa de eficiência.

Em outras palavras, boa parte do mercado pode descobrir que demitiu cedo demais, automatizou do jeito errado e subestimou aquilo que as pessoas faziam quando o processo saía do roteiro. O nome do cargo pode mudar. O software pode continuar no fluxo. Mas a necessidade humana retorna porque certos problemas continuam exigindo julgamento, responsabilidade, negociação e contexto.

O que as empresas ainda não entenderam sobre trabalho humano

Existe uma tentação recorrente em ciclos de hype tecnológico: achar que tudo o que é mensurável é o que mais importa. Só que empresas não funcionam apenas por tarefas mensuráveis. Elas funcionam por coordenação, confiança, leitura de cenário, improviso, conhecimento tácito e capacidade de tomar decisão com informação imperfeita. Essa camada invisível raramente aparece no organograma, mas sustenta a operação inteira.

É por isso que cortar sem entender é tão perigoso. A liderança olha para uma atividade aparentemente automatizável e não percebe que, acoplado a ela, existe um conjunto de funções não escritas que mantêm o sistema de pé. Quando essas pessoas saem, a operação pode continuar de forma aparentemente normal por um tempo. Depois começam os sintomas: cliente frustrado, erro recorrente, escalonamento mais caro, equipe sobrecarregada, decisão mal informada, perda de padrão e desgaste da marca.

A IA entra melhor quando a empresa faz o contrário do impulso apressado. Primeiro, mapeia o trabalho real. Depois, separa o que é tarefa, o que é julgamento e o que é relacionamento. Só então decide o que automatizar, o que ampliar e onde o humano se torna ainda mais valioso. Esse caminho é menos chamativo para manchetes, mas costuma ser muito mais eficaz na prática.

O futuro não é humano versus máquina

Talvez o maior erro desse debate seja tratá-lo como uma disputa binária entre pessoas e tecnologia. Não é isso que os casos mais relevantes estão mostrando. O que está emergindo é um modelo híbrido, em que IA faz parte do fluxo, mas não elimina a necessidade de gente capaz de supervisionar, corrigir, contextualizar, vender, acolher, decidir e assumir responsabilidade. O profissional some menos do que a função antiga, mal desenhada, que dependia de tarefas repetitivas sem evolução.

Por isso, a pergunta estratégica correta não é “quantas pessoas podemos cortar com IA?”. A pergunta correta é “que parte do trabalho pode ser automatizada sem destruir valor, e que parte precisa de gente ainda melhor equipada para atuar com essa nova camada tecnológica?”. Empresas que responderem isso com seriedade tendem a ganhar produtividade de verdade. As que responderem com pressa provavelmente vão economizar agora para gastar depois.

No fim, a lição é simples e desconfortável: a IA não corrige gestão ruim. Ela amplifica. Se o diagnóstico é fraco, a automação acelera o erro. Se o diagnóstico é sólido, a tecnologia multiplica capacidade. O instrumento mudou. O princípio continua o mesmo. E talvez seja justamente por isso que tantas empresas estejam descobrindo, tarde demais, que não demitiram apenas pessoas. Demitiram contexto, sensibilidade operacional e parte da inteligência prática que mantinha o negócio funcionando.