A pressa de cortar por IA vira prêmio salarial na volta
Uma pesquisa da SHL mostra que empresas que cortam cargos por IA pagam mais para recontratar: 51% dos profissionais exigiriam salário maior para voltar.
Um relatório da SHL, empresa de avaliação de talentos, divulgado em 29 de outubro, mediu o que chama de “AI rebounding”: empresa corta uma função por IA e, meses depois, precisa recontratar gente para ela. A pesquisa, feita pela Propeller Insights com mais de 2.000 adultos empregados nos Estados Unidos e no Reino Unido, encontrou o fenômeno espalhado: mais da metade já viu isso de perto, por experiência própria ou de alguém que conhece. Nos EUA, quase 1 em cada 5 trabalhadores passou por isso diretamente; no Reino Unido, 13%. A consultoria Gartner, em comunicado de 28 de outubro, projeta que até 2029 trinta por cento de quem for demitido ou substituído por IA volte à mesma empresa, quase sempre por um salário maior. A reportagem cita casos já registrados na Amazon, na Ford e na Klarna.
A leitura óbvia é que a aposta em IA simplesmente não deu certo: a ferramenta prometeu substituir a função, a empresa testou, o resultado não sustentou a promessa, e agora ela corrige o próprio erro recontratando. É uma história de maturidade tecnológica: a IA ainda não estava pronta, o mercado aprendeu, e o próximo ciclo de corte será mais calibrado.
O que a SHL mediu não foi a tecnologia
Lucy Beaumont, vice-presidente sênior de produto e design da SHL, descreve o mecanismo de outro jeito: “Organizations are making fast, sometimes myopic, decisions about their people.” Segundo ela, o “AI rebounding” acontece quando a empresa automatiza um cargo antes de avaliar, de fato, a capacidade humana que existia nele. Não é a IA que falha o teste. É a empresa que nunca aplicou o teste.
A diferença importa porque desloca onde fica o problema a resolver. Se a causa fosse a tecnologia, a correção seria esperar a próxima geração de modelo. Se a causa é o processo de decisão, que corta antes de medir o que a pessoa fazia além da tarefa que a IA assumiu, a próxima rodada de corte repete o mesmo erro, com uma IA melhor e a mesma pressa.
| A leitura óbvia | O que a SHL descreve |
|---|---|
| A IA ainda não estava madura para a tarefa | A empresa cortou sem medir o que a função fazia além da tarefa |
| O próximo corte será mais calibrado | Nada no processo de decisão mudou entre um corte e o outro |
AI rebounding é o que acontece quando a empresa automatiza um cargo antes de saber o que estava comprando com ele.
A conta que a empresa só vê na volta
O corte que nunca vira uma decisão formal segue o mesmo caminho: ninguém assina embaixo de “vamos automatizar sem avaliar”, a tarefa simplesmente para de precisar de gente, cargo por cargo, até que falta alguém para fazer o que sobrou. A diferença aqui é que o buraco aparece rápido e manda a conta de volta para quem decidiu.
Essa conta tem um componente que a planilha de corte original não previu: a pessoa que volta não aceita as mesmas condições de antes. Os números da SHL mostram negociação, não gratidão: 51% exigiriam aumento substancial, 42% exigiriam garantia de estabilidade, e quatro em cada dez querem transparência total sobre como a IA é usada na própria função. A empresa perdeu a posição de quem contrata em condição neutra; está negociando com alguém que já viu o próprio cargo ser cortado uma vez e sabe, agora, que a empresa precisa dele de volta.
A saída concreta não é desistir de automatizar. É inverter a ordem em que a decisão é tomada: antes de cortar um cargo por IA, documentar por escrito o que a pessoa decidia ou avaliava naquela função, além da tarefa que a ferramenta passou a fazer. Se a lista for curta, o corte tem base. Se for longa, ou se nunca tiver sido escrita, a empresa está apostando que não vai precisar daquele julgamento, a mesma aposta que, segundo a SHL, já está sendo desfeita a um preço mais alto do que custava manter a pessoa. Um mapa de tarefas por cargo é o jeito mais direto de fazer essa lista antes do corte, não depois da recontratação.
A pergunta da Gartner para 2029 ainda é projeção, não destino. Trinta por cento de recontratação é a taxa de hoje, puxada pelo mesmo processo de decisão que a SHL descreve. Empresa que mudar esse processo agora não precisa esperar para descobrir de que lado da estatística vai ficar.
Antes do próximo corte por IA, alguém na empresa documentou o que aquela pessoa decide além da tarefa que a ferramenta assumiu? Ou isso só vai aparecer quando for preciso trazê-la de volta, a um preço mais alto?
Perguntas frequentes
Isso vale só para Estados Unidos e Reino Unido, onde a SHL fez a pesquisa, ou também para o Brasil?
A pesquisa da SHL mediu apenas Estados Unidos e Reino Unido, e a reportagem não traz dado equivalente para o Brasil. O mecanismo descrito, porém, não depende de geografia: é sobre decidir cortar uma função sem medir o que ela fazia além da tarefa automatizada. Empresa brasileira que fizer o mesmo corte apressado enfrenta o mesmo risco de recontratar a um custo maior, ainda que a pressão salarial local siga outra curva.
Dá para evitar isso sem deixar de usar IA para reduzir custo com pessoal?
Dá, mas exige inverter a ordem: antes de cortar, documentar o que a pessoa decide ou avalia naquele cargo, além da tarefa que a IA passou a fazer. Se essa lista existir e for curta, o corte tem base. Se for longa ou não existir, a empresa está apostando que não vai precisar daquele julgamento, a mesma aposta que, segundo a SHL, já está sendo desfeita a um preço mais alto do que custava manter a pessoa.
Por que a empresa paga mais para recontratar a mesma pessoa que demitiu?
Porque quem volta não aceita as mesmas condições de antes: segundo a pesquisa, 51% exigiriam um aumento substancial e 42% quereriam garantia de estabilidade para voltar. A empresa perdeu a posição de quem contrata em condição neutra e passou a negociar com alguém que já viu o próprio cargo ser cortado uma vez, e sabe que pode negociar porque a empresa precisa dele de volta.
Fonte analisada: 'AI rebounding' could cost companies — HR Dive
Análise produzida com assistência de inteligência artificial, sob critérios editoriais definidos pelo publisher. Ver política editorial.