Cortar gente para pagar IA não funciona
A Gartner ouviu 350 executivos de empresas com pelo menos 1 bilhão de dólares em receita anual, todas elas já com alguma implantação de IA em produção: agentes autônomos, automação de processos, RPA, digital twins, nenhuma em fase de teste.
Em 80% dessas organizações havia cortes de pessoas vinculados às iniciativas de IA, alguns chegando a 20% da força de trabalho, e o resultado financeiro das que cortaram mais foi praticamente idêntico ao das que cortaram menos. Em vários casos, quem cortou menos saiu melhor.
A lógica por trás dos cortes é clara em qualquer apresentação de diretoria: aqui está o que gastamos com pessoas nessa função, aqui está quanto a IA absorve, aqui está a economia resultante.
O que o business case não separa é que liberar caixa e gerar retorno são dois passos diferentes, sendo que o primeiro acontece com a demissão e o segundo depende de uma cadeia de condições que os dados da Gartner mostram não estar se cumprindo.
Helen Poitevin, VP Analyst da Gartner, disse que “reduções de headcount podem criar espaço no orçamento, mas não criam retorno”, e a distância entre as duas coisas é exatamente o que ninguém na sala dos altos executivos pedem para separar quando mostram o número de cabeças e a economia projetada logo abaixo.
As empresas que aparecem com retornos reais nos dados da Gartner são as que redirecionaram pessoas: requalificaram equipes para trabalhar junto com IA, redesenharam funções em torno do que humano e modelo fazem bem separadamente, e construíram operações onde pessoas supervisionam sistemas autônomos em vez de serem substituídas por eles.
Poitevin chamou as fixadas em headcount de “laggards” porque estão perseguindo a menor versão possível do que a IA pode entregar, que é fazer o mesmo trabalho com menos gente, enquanto as empresas com ROI positivo perseguem crescimento de receita, velocidade de lançamento e mudanças operacionais que a tecnologia torna viáveis mas que exigem pessoas para executar.
A UserGuiding é uma plataforma no-code que permite criar tours guiados, checklists de ativação, tooltips contextuais e segmentação por comportamento de usuário, sem depender de engenharia para cada iteração. Você configura o fluxo, define os gatilhos e publica direto em cima do seu produto. Você tem 20% de desconto. Acesse aqui e use o cupom: PRODUCTGURUS.
Os casos individuais que vieram antes dessa pesquisa já apontavam na mesma direção. A Klarna demitiu 700 pessoas de atendimento ao cliente, assistiu a qualidade cair e começou a recontratação; a IBM automatizou boa parte do RH e reverteu quando os sistemas não conseguiram lidar com nada que exigisse julgamento; o Commonwealth Bank of Australia reverteu 45 demissões motivadas por IA depois de concluir que as funções nunca foram redundantes.
Em fevereiro, a própria Gartner previu que metade das empresas que atribuíram cortes de pessoas à IA vão recontratá-los até 2027, só que com nomes de cargo diferentes, o que é um jeito elegante de dizer que as demissões foram prematuras.
O que esses casos têm em comum é que a decisão de cortar foi tomada antes de saber se os sistemas que substituíam as pessoas conseguiam carregar o peso, e o argumento que as lideranças usam para justificar esse timing, de que as capacidades de IA estão avançando rápido e o que não funciona hoje pode funcionar em dezoito meses, aponta na direção contrária do que parece: se o sistema ainda está amadurecendo, fazer cortes permanentes sobre capacidades provisórias é exatamente o risco que os dados mostram não compensar.
O gasto com software de agentes de IA deve sair de 86 bilhões de dólares em 2025 para 206 bilhões em 2026 e 376 bilhões em 2027, o que significa que a tecnologia vai melhorar e baratear nos próximos anos, e as empresas que cortaram agora para capturar eficiência vão reconstruir equipes nesse mercado mais competitivo, pagando prêmio para recontratá-los, tendo perdido dois anos de conhecimento institucional que andou junto com quem saiu.
A Gartner projeta que negócios autônomos vão ser geradores líquidos de empregos entre 2028 e 2029, com demanda crescente por pessoas que consigam orientar, supervisionar e escalar sistemas de IA, e as empresas que investiram nisso durante o ciclo de transição vão entrar nessa fase com equipes treinadas, enquanto as que correram atrás do número de headcount de 2026 vão estar recrutando do zero, em escassez, contra concorrentes que não cortaram.
O que os business cases não capturam é o que acontece com clientes, candidatos e parceiros no intervalo entre os cortes e a eventual recontratação.
Uma empresa que elimina o time de customer success e substitui por automação pode registrar resultado financeiro neutro no trimestre, mas o comitê de decisão que estava a três semanas de fechar um contrato de sete dígitos e começou a se perguntar se a empresa vai ter equipe para suportá-los daqui a um ano não aparece em nenhuma linha do relatório, assim como o candidato sênior que viu a sequência de notícias de demissão no LinkedIn da empresa antes de receber o convite para entrevista, ou o conhecimento sobre clientes específicos que saiu junto com o gerente demitido e não estava documentado em lugar nenhum.
Esses efeitos aparecem como atrito acumulado nos trimestres seguintes: vendas que demoram mais para fechar, retenção que piora gradualmente, recrutamento que fica mais caro, cada um parecendo problema isolado, mas somando o custo de ter tratado pessoas como variável de ajuste num business case que, segundo os dados de 350 empresas que efetivamente tentaram, não gerou retorno de qualquer jeito.
🔗 Construa uma carreira à prova do futuro, liderando produtos mais inteligentes e eficientes com IA. Acesse: https://go.pm3.com.br/ProductGurus-AI-Specialist
Cupom de 10%: PRODUCTGURUS