Estudo recém-publicado por pesquisadores acadêmicos descreve o que está sendo chamado de “armadilha da automação” — empresas demitindo na frente da produtividade real entregue por IA, num ciclo competitivo que pode acabar erodindo a própria demanda de consumo que sustenta o negócio. O alerta vem em uma semana em que o Tom’s Hardware computou 78.557 cortes na indústria de tecnologia só no primeiro trimestre de 2026, com 47,9% atribuídos a “redução da necessidade de trabalho humano por automação”.
O detalhe inconveniente: o Chief AI Officer da Cognizant, Babak Hodjat, disse publicamente em abril que “vai levar mais seis meses a um ano antes que as empresas comecem a ver ganhos reais de produtividade com IA”. Tradução: muitos cortes estão acontecendo antes da entrega.
O descompasso entre corte e contratação
Os números do mercado americano em 2026 desenham um padrão: enquanto 78 mil tech workers eram demitidos no Q1, a contratação para vagas relacionadas a IA cresceu 92%, com prêmio salarial de 56% para perfis em alta demanda. O problema é que os trabalhadores demitidos majoritariamente não são os trabalhadores contratados. É um turnover de qualificação dentro do mesmo agregado de empresas.
Para o trabalhador, isso é violência distribuída. Para a empresa, é eficiência contábil de curto prazo com fragilidade de execução de médio. Quem corta SDR para colocar agente de vendas precisa do agente performando antes do próximo trimestre — caso contrário, o pipeline trava e a expectativa de receita não se materializa.
O ciclo competitivo que reforça o erro
O artigo que cunhou “automation trap” descreve o mecanismo: quando uma empresa do setor anuncia corte com justificativa de IA, as concorrentes enfrentam pressão de mercado para fazer o mesmo (analistas perguntam, ações reagem). Quem não corta vira “ineficiente” no comparativo. Resultado: corte agregado acelera mesmo quando a produtividade individual ainda não justifica.
O resultado macroeconômico hipotetizado: se demissões superam ganhos de produtividade num horizonte estendido, o consumo agregado cai, a demanda do próprio produto da empresa cai, e o ciclo se realimenta para baixo. É uma versão moderna do paradoxo de Kalecki — capital coletivo destruindo o mercado em que vende.
O dado que alimenta o ceticismo
A Harvard Business Review publicou em janeiro um artigo argumentando que muitos cortes anunciados como “AI-driven” são, na verdade, correção de excesso de contratação durante 2021-2022, com o rótulo “IA” servindo como narrativa mais palatável que “erramos no headcount”. Meta e Amazon mencionaram “eficiência” 15 vezes em earnings calls recentes — uma palavra-código para esse padrão.
O que está acontecendo na verdade parece ser um híbrido: parte real de produtividade IA, parte real de correção pós-pandemia, parte de jogo de expectativa para o mercado. Separar os três é difícil sem dado microeconômico que ainda não temos.
O lado da Forrester e o número de recontratação
A Forrester previu em abril que até 50% das empresas que cortaram via IA em 2025 e 2026 vão precisar recontratar parte do efetivo até 2027. O motivo é técnico: workflows automatizados sem supervisão humana experiente acumulam dívida operacional silenciosa — erros não detectados, decisões mal contextualizadas, drift de qualidade — que só vira crise depois.
Quem demite o time inteiro sem manter um núcleo experiente de revisão acaba descobrindo, doze meses depois, que precisa pagar caro para reconstruir conhecimento institucional. Esse é o pior dos dois mundos: pagou rescisão, perdeu memória organizacional, vai pagar prêmio para readmitir.
O recado para o RH brasileiro
Primeiro: cuidado com o “deepfake de produtividade”. A pressão para anunciar corte com narrativa IA chega ao Brasil por contágio (board, analistas, mídia). Antes de cortar, valide com métrica concreta — quantas tarefas o agente está executando, qual taxa de erro, qual taxa de intervenção humana. Sem esse dado, o corte é fé.
Segundo: redesenhe o pipeline de carreira antes de cortar a base da pirâmide. Júnior é o substrato de onde sai o sênior daqui a sete anos. Cortar júnior agora porque IA “faz o trabalho dele” cria escassez de talento sênior em 2030 — e o problema reaparece, com bônus de inflação salarial.
Terceiro: separe ganho de produtividade de ganho de capacidade. IA bem implementada permite fazer mais com o mesmo time, não necessariamente fazer o mesmo com menos time. Quem persegue só a segunda métrica perde a primeira — e perde a chance de capturar o crescimento que a IA poderia ter habilitado.
Quarto: a conversa com o board precisa de honestidade. Se a sua tese de adoção de IA é “vai me deixar cortar 15% do efetivo”, coloque na mesa também o cenário Forrester de recontratação parcial em 2027, o custo escondido de perda de conhecimento e o risco de incidente operacional sem revisão humana. Decisão informada é decisão melhor — mesmo que o número final seja igual.
Publicado em 6 de maio de 2026 — thinq.news
]]>
