A empresa que troca conhecimento por uma resposta mais rápida pode descobrir, tarde demais, que automatizou justamente aquilo que ainda não compreendia.

TL;DR

IA pode substituir tarefas, acelerar atividades, reorganizar funções e, em alguns casos, reduzir equipes. O erro é começar a implantação pela demissão de quem conhece o processo. O funcionário do domínio não é apenas quem executa: ele conhece exceções, riscos, clientes, regras informais e os sinais de que uma resposta aparentemente correta pode causar um problema real. Em vez de jogar esse conhecimento fora, a empresa pode transformar o especialista em dono do fluxo assistido: alguém que define critérios, valida casos de risco, corrige padrões de erro e governa o que a IA pode fazer. Cortar antes de aprender não é transformação digital. É terceirizar a ignorância para uma máquina mais rápida.

Tem uma ideia circulando por aí que parece irresistível para determinado tipo de executivo: colocar inteligência artificial em toda a empresa e, logo depois, começar a demitir gente em massa.

Na planilha, deve ficar bonito. Sai salário, entra eficiência. Sai uma equipe inteira, entra uma assinatura mensal. O gráfico sobe, alguém chama aquilo de transformação digital e todo mundo vai para casa antes que surja a pergunta inconveniente:

quem ficou para perceber quando a IA fez merda?

Porque esse é o pequeno detalhe que costuma desaparecer da apresentação. O funcionário não executa apenas uma sequência de tarefas visíveis. Ele conhece o cliente que sempre pede uma exceção, o fornecedor que atrasa quando chove, a regra que existe no manual e a outra que existe porque a regra do manual já causou um problema três vezes. Sabe onde o processo range, qual número parece correto mas não faz sentido e quando uma resposta tecnicamente elegante pode produzir um desastre perfeitamente real.

Esse conhecimento não aparece inteiro numa descrição de cargo. Muitas vezes, nem a própria empresa sabe que ele existe até demitir quem o carregava.

Então vamos separar as coisas. IA pode substituir tarefas. Pode acelerar atividades. Pode reorganizar funções. Em alguns casos, pode inclusive reduzir a quantidade de pessoas necessária para executar determinado processo. Negar isso seria trocar alarmismo por ingenuidade, e eu não tenho interesse em nenhum dos dois.

Mas concluir daí que a primeira providência inteligente é dispensar o especialista do processo é uma burrice operacional. A empresa joga fora justamente a pessoa que poderia transformar uma ferramenta genérica em capacidade real.

Uma tarefa não é um cargo

Quando alguém diz que a IA “faz o trabalho de uma pessoa”, quase sempre está comprimindo várias coisas diferentes numa frase conveniente.

Uma tarefa é redigir um e-mail, comparar documentos, classificar solicitações, preencher um sistema, consolidar uma planilha ou sugerir uma resposta.

Uma função reúne várias tarefas, decisões, relações e responsabilidades.

Um cargo é a forma organizacional que uma empresa escolheu para agrupar parte disso.

E responsabilidade é aquilo que sobra quando a resposta automática dá errado e alguém precisa explicar o motivo para o cliente, para a diretoria, para o jurídico, para a própria equipe ou, dependendo da criatividade da automação, para os quatro ao mesmo tempo.

Modelos de IA conseguem executar ou auxiliar uma quantidade crescente de tarefas. Isso não significa que absorveram automaticamente o contexto, o critério e a responsabilidade da função inteira.

A Organização Internacional do Trabalho chegou a uma conclusão mais sóbria ao analisar a exposição de quase 30 mil tarefas à IA generativa: sistemas capazes de produzir texto, imagem, código e outros conteúdos a partir de instruções e exemplos. Como a maioria das ocupações ainda reúne atividades que exigem participação humana, a transformação dos empregos é hoje um resultado mais provável do que a automação integral deles.

Isso não prova que nenhum posto será eliminado. Nem a pesquisa afirma isso. Ela ajuda a sustentar um ponto mais específico: falar de ocupações como blocos indivisíveis esconde o que a tecnologia realmente alcança — tarefas diferentes, em graus diferentes.

Esse detalhe muda completamente a pergunta de gestão.

Em vez de “quantas pessoas posso cortar?”, a pergunta útil passa a ser:

Quais tarefas a IA pode assumir, quais critérios precisam continuar humanos e como usamos o tempo liberado para melhorar o resultado?

É uma pergunta menos cinematográfica. Também é muito mais difícil colocá-la numa publicação da rede social profissional LinkedIn acompanhada por um foguete. Paciência.

O especialista não é apenas quem executa

Uma empresa madura não deveria olhar para o profissional experiente como um par de mãos caro que a IA finalmente tornou dispensável.

Ele é uma fonte de conhecimento sobre o domínio.

É quem reconhece exceções antes de elas virarem incidentes. Quem distingue um cliente insatisfeito de um cliente em risco. Quem percebe que um dado está formalmente válido, mas incompatível com o restante do caso. Quem sabe quando seguir o procedimento e quando interrompê-lo porque a realidade teve a deselegância de não ler o fluxograma.

Parte desse conhecimento pode ser documentada e transformada em regras, testes, exemplos, critérios de aceite — as condições que um resultado precisa cumprir — e rotas de escalonamento — o caminho que um caso percorre quando exige revisão humana ou autoridade maior. Ótimo. É justamente isso que deveria acontecer durante uma implantação responsável.

Mas não acontece por osmose. Muito menos porque alguém comprou uma plataforma com “agentes de IA” escrito em letras grandes. Um agente é um software que combina IA, ferramentas e uma sequência de ações para perseguir um objetivo; não uma entidade inteligente que conhece a empresa por iluminação divina.

A IA precisa ser inserida num sistema. Esse sistema precisa saber de onde vêm os dados, o que é permitido, como uma decisão pode ser verificada, quando uma incerteza deve ser exposta e em que situações a máquina precisa parar e chamar uma pessoa.

Quem ajuda a construir isso? O especialista que já conhece o trabalho.

Se a empresa demite essa pessoa primeiro e tenta capturar o conhecimento depois, não está automatizando um processo. Está tentando entrevistar um fantasma.

De executor a gestor da capacidade

O papel mais interessante para esse profissional não é continuar repetindo manualmente tudo o que a máquina consegue fazer bem. Também não é virar “engenheiro de prompt”, alguém dedicado a elaborar, testar e refinar as instruções dadas à IA, porque alguém decidiu que todo problema empresarial agora precisa de uma profissão nova com nome em inglês.

Ele pode se tornar o dono do fluxo assistido.

Na prática, isso significa:

• definir o que constitui uma resposta aceitável;
• fornecer contexto e exemplos reais;
• revisar os casos de maior risco;
• identificar padrões de erro;
• transformar correções recorrentes em regras, testes ou melhorias do sistema;
• decidir quando a IA pode agir e quando deve apenas recomendar;
• acompanhar indicadores de qualidade, não apenas de velocidade;
• preservar a responsabilidade humana onde ela continua necessária.

A máquina executa parte do trabalho. O profissional governa a capacidade.

Essa mudança pode ser enorme. Uma pessoa que passava boa parte do dia copiando dados entre sistemas pode começar a investigar divergências. Quem redigia respostas repetitivas pode se concentrar nos casos que exigem negociação, leitura emocional ou conhecimento profundo do cliente. Quem consolidava relatórios pode usar o tempo para questionar as premissas e melhorar as decisões que serão tomadas a partir deles.

É aí que aparece o ganho que realmente me interessa: não fazer a mesma coisa com menos gente por princípio, mas fazer melhor aquilo que a empresa nunca tinha tempo, clareza ou capacidade para fazer.

Relacionamento. Prevenção. Qualidade. Aprendizado. Análise. Inovação. Decisão responsável.

Tudo aquilo que costuma ser anunciado como prioridade e abandonado na terça-feira porque a operação pegou fogo novamente.

O melhor funcionário também pode ensinar a máquina

Uma pesquisa de campo com mais de cinco mil profissionais de suporte ao cliente encontrou ganhos médios de produtividade quando os trabalhadores receberam assistência de IA. Os ganhos foram maiores entre os menos experientes. O mecanismo importa: o sistema havia aprendido padrões presentes em conversas bem-sucedidas e os oferecia como sugestões que os atendentes podiam usar, adaptar ou rejeitar. O artigo completo foi publicado pelo National Bureau of Economic Research (NBER).

Esse estudo não é uma profecia aplicável a qualquer empresa. Foi realizado num contexto específico, com uma ferramenta específica e métricas específicas. Mas ele ilustra algo importante: o conhecimento dos melhores profissionais pode ser disseminado pela tecnologia sem que a empresa apresente o sistema como autor independente desse conhecimento.

O estudo não avaliou demissões nem testou se os melhores profissionais precisariam permanecer na empresa. Minha síntese a partir do mecanismo observado é outra: se o sistema depende de padrões produzidos por gente competente, afastar essas pessoas antes de criar um ciclo contínuo de aprendizagem pode reduzir a capacidade de atualizar aquilo que separa uma resposta aceitável de uma resposta excelente. Essa é a ironia que deveria preocupar quem sonha com a demissão em massa.

Durante algum tempo, talvez a máquina continue parecendo inteligente. Ela reproduz o que aprendeu ontem. O problema começa quando o mercado muda, o produto muda, o cliente muda, a legislação muda ou aparece uma situação que não estava nos exemplos antigos.

Sem especialistas perto do processo, a empresa pode continuar recebendo respostas rápidas enquanto perde a capacidade de perceber que elas ficaram velhas.

IA aumenta velocidade. Não escolhe uma direção melhor

Eu já usei outra metáfora para isso: entregar IA para uma operação sem direção é como colocar uma Ferrari em alta velocidade apontada para uma parede.

A tecnologia não corrige automaticamente o rumo. Ela apenas antecipa o impacto.

Um processo confuso automatizado continua confuso, agora em escala. Uma regra injusta executada por software continua injusta, agora produzindo o resultado injusto mais depressa. Um dado errado distribuído por agentes chega a mais lugares antes de alguém terminar o café.

Por isso, produtividade não pode ser medida apenas por quantidade de tarefas concluídas. É preciso observar retrabalho, exceções, incidentes, satisfação, decisões revertidas, perdas evitadas e qualidade do resultado.

A Organização para a Cooperação e Desenvolvimento Econômico (OCDE) reúne evidências e cenários que apontam para os dois lados: IA pode automatizar tarefas rotineiras, liberar tempo para trabalho mais significativo e aumentar produtividade; também pode reduzir quadros, pressionar trabalhadores e prejudicar a qualidade do trabalho quando adotada sem proteção, treinamento e participação.

Essa é a parte adulta da conversa. Existe ganho real. Existe risco real. E a direção não vem instalada junto com o modelo.

Nem toda redução de equipe é proibida

Seria confortável terminar este texto dizendo que toda empresa conseguirá manter exatamente a mesma estrutura, apenas promovendo todo mundo a gestor de IA. Não é verdade.

Alguns processos precisarão de menos pessoas. Alguns cargos mudarão profundamente. Certas funções podem desaparecer enquanto outras surgem. Empresas também vão usar produtividade adicional para reduzir custos — às vezes por necessidade, às vezes por escolha.

O que eu estou criticando não é qualquer redução de quadro. É usar demissão como primeiro indicador de sucesso de uma implantação que ainda não provou qualidade, confiabilidade nem sustentabilidade.

Antes de decidir que uma capacidade humana ficou redundante, a empresa deveria conseguir responder:

1. Quais tarefas foram de fato automatizadas?
2. Como a qualidade é medida e comparada?
3. Quem valida os casos de risco e as exceções?
4. Qual conhecimento ainda está apenas na cabeça das pessoas?
5. O que acontece quando dados, regras ou condições mudam?
6. Quem pode interromper o sistema?
7. Onde será reinvestido o tempo liberado?
8. A redução é consequência de um processo aprendido ou apenas meta financeira vestida de inovação?

Se não há respostas, o plano de demissão não é estratégia. É uma aposta feita com o conhecimento operacional dos outros.

Adaptar pessoas também exige trabalho

Há outro erro comum: declarar que os funcionários agora “serão gestores de IA” e considerar a transformação concluída.

Não basta entregar uma conta, fazer uma palestra de duas horas e pedir que todo mundo seja inovador a partir de segunda-feira.

As pessoas precisam de treinamento relacionado ao trabalho real. Precisam entender limites, segurança, privacidade, critérios de validação e responsabilidade. Precisam de acesso a ferramentas adequadas e de espaço para relatar falhas sem serem punidas porque o painel de automação ficou menos bonito.

Também precisam participar do redesenho do processo. Quem executa a operação conhece gargalos que raramente aparecem numa reunião da diretoria. Ignorar essas pessoas e contratar uma equipe externa para “colocar agentes em tudo” é uma ótima forma de construir uma solução impecável para o problema errado.

A adaptação não é fazer cada funcionário aprender meia dúzia de comandos mágicos. É transformar experiência em governança operacional.

A empresa ganha mais quando preserva a capacidade de pensar

Eu não defendo manter trabalho repetitivo só para preservar a sensação de ocupação. Pelo contrário. Boa parte do que construo existe justamente para eliminar atrito inútil, coordenar tarefas, consolidar contexto e liberar pessoas de carregar processos inteiros na cabeça.

Mas liberar alguém de uma tarefa não significa tornar essa pessoa inútil.

Pode significar devolver a ela tempo para aquilo que nunca coube no expediente. Conversar melhor com o cliente. Investigar a causa de um erro. Melhorar um produto. Documentar conhecimento. Treinar alguém. Perceber uma oportunidade. Questionar uma decisão que os dados parecem sustentar, mas que a realidade desmente.

Uma empresa que usa IA apenas para reduzir gente provavelmente vai capturar uma parte do ganho. Uma empresa que usa IA para ampliar a capacidade de quem conhece o negócio pode descobrir ganhos que nem sequer estavam visíveis antes da implantação.

Isso exige uma mudança de postura: o funcionário deixa de ser tratado como custo associado a tarefas e passa a ser reconhecido como portador de critério, contexto e responsabilidade.

Não é romantismo. É arquitetura do conhecimento.

Antes de cortar, aprenda

Se a IA vai assumir parte do trabalho de alguém, essa pessoa deveria estar no centro da implantação.

Ela ajuda a mapear o fluxo, explicitar exceções, construir exemplos, definir métricas e identificar o que pode ou não ser delegado. Depois, acompanha o sistema, corrige falhas e transforma aprendizados em melhorias reutilizáveis.

Só então a empresa começa a compreender sua nova capacidade. Pode decidir expandir o serviço, elevar qualidade, absorver mais demanda, reduzir prazos, criar novas ofertas ou, sim, operar determinado processo com uma estrutura menor.

A diferença é que a decisão acontece depois do aprendizado, não antes dele.

IA não precisa substituir o especialista. Ela pode transformar o especialista em gestor de uma capacidade que antes ele executava quase toda com as próprias mãos.

Demitir essa pessoa antes de capturar seu critério não é transformação digital.

É terceirizar a ignorância para uma máquina mais rápida — e torcer para que ninguém perceba antes do próximo relatório trimestral.

Comece pelo trabalho real

Na i-9.ai, eu não parto da promessa de substituir uma equipe. Parto do processo, do gargalo e das pessoas que sabem onde a operação falha.

Se você quer descobrir quais tarefas podem ser automatizadas sem jogar fora o conhecimento que sustenta a empresa, entre em contato. A primeira conversa pode começar por aquilo que hoje consome tempo — e por aquilo que não pode ser perdido.

Continue lendo

• Sua empresa não precisa descobrir onde colocar IA: um mapa prático para separar processo, automação, IA assistiva, agentes e decisão humana.
• Agentes genéricos podem ser seu pior primeiro contato com IA: por que uma solução pronta não conhece as exceções, os riscos e a cultura da sua operação.
• A melhor resposta não é a que mais me agrada: como desenhar sistemas que discordam, mostram limites e devolvem evidência verificável.
• Escreveu, não leu: a IA não assina por você: a responsabilidade que continua humana quando a IA participa da execução.

Para se aprofundar

• Conhecimento tácito: o conhecimento prático difícil de converter integralmente em regras e manuais.
• Humano no circuito (human-in-the-loop): desenhos em que pessoas continuam participando de decisões, validações ou correções do sistema.

Referências e limites de uso

• OIT, “Generative AI and Jobs: A Refined Global Index of Occupational Exposure” (2025): sustenta a análise baseada em tarefas e a conclusão de que transformação ocupacional é, no cenário estudado, mais provável que automação integral. Não prevê o destino de uma empresa ou cargo específico.
• Brynjolfsson, Li e Raymond, “Generative AI at Work” (National Bureau of Economic Research, Working Paper 31161): estudo com 5.179 agentes de suporte que encontrou ganhos heterogêneos de produtividade com assistência de IA. O contexto específico não autoriza generalizar os percentuais para outros setores.
• OCDE, “Beyond automation: Decoding the impact of Generative AI on regional labour markets” (2024): reúne evidências sobre aceleração de tarefas, reorganização do trabalho, necessidade de novas competências e risco de redução de quadros. Não prescreve a estratégia organizacional defendida neste artigo.

As recomendações são uma síntese autoral sobre arquitetura organizacional e implantação responsável de IA. Não substituem análise trabalhista, jurídica, financeira, de segurança ou de impacto específica para cada empresa.