Grande estudo descobre que substituir trabalhadores por IA está dando muito errado
A nova moda corporativa não é apenas usar inteligência artificial; é tentar provar que ela economiza dinheiro rápido. O problema é que a parte “provar” está dando trabalho. Uma pesquisa da Gartner com 350 executivos globais, todos de empresas com receita anual de pelo menos US$ 1 bilhão (cerca de R$ 5 bilhões), indica que demitir funcionários para financiar tecnologias autônomas pode até liberar orçamento, mas não está entregando retorno financeiro superior. A Gartner divulgou os dados em maio de 2026.
O achado principal é simples e incômodo. Cerca de 80% das organizações pesquisadas reduziram equipes ao adotar agentes de IA, automação inteligente, RPA, gêmeos digitais ou outros sistemas autônomos. Mesmo assim, as empresas que cortaram pessoal não tiveram ganhos financeiros melhores do que aquelas que mantiveram seus funcionários. Para uma estratégia vendida como revolução, o resultado parece mais com uma atualização cara que exige reiniciar o computador três vezes.
Helen Poitevin, Distinguished VP Analyst da Gartner, resumiu a tese de forma direta: reduções de força de trabalho podem abrir espaço no orçamento, mas não criam retorno por si mesmas. A distinção é essencial. Cortar folha salarial é uma ação contábil; gerar produtividade sustentável é uma mudança operacional. Uma empresa pode economizar em salários e, ao mesmo tempo, perder memória interna, confiança da equipe e capacidade de resolver problemas raros.
A economia que aparece na planilha e some na operação
A tentação é compreensível. Executivos olham para a inteligência artificial e enxergam softwares capazes de escrever, resumir, classificar, atender clientes e organizar dados. Em tese, isso parece suficiente para substituir parte do trabalho humano. Na prática, o trabalho real costuma morar nos detalhes que ninguém colocou no manual.
Funcionários experientes sabem onde um processo costuma quebrar, qual cliente precisa de cuidado extra, qual exceção jurídica não pode ser ignorada e qual relatório parece correto mas cheira mal. Esse conhecimento não aparece como uma linha bonita no balanço. Ainda assim, quando desaparece, a empresa percebe. As vezes percebe tarde.
A pesquisa da Gartner aponta justamente para esse erro de cálculo. Ao demitir para financiar IA, empresas podem estar trocando conhecimento institucional por uma promessa ainda mal integrada. É como vender parte da biblioteca para comprar um mecanismo de busca: você acha tudo mais rápido, mas talvez já tenha jogado fora os livros mais importantes.
O problema não é a ferramenta, é a substituição mal pensada
A Gartner não afirma que a IA fracassou. O alerta é mais específico: o modelo de “menos humanos, mais software” não parece produzir o retorno que muitos esperavam. A consultoria chama a alternativa mais promissora de “human-amplified business”, ou seja, negócios em que humanos são ampliados por sistemas autônomos, não removidos da equação.
Essa diferença muda o sentido da automação. Usar IA para eliminar tarefas repetitivas pode liberar tempo para análise, criatividade, supervisão e atendimento mais cuidadoso. Usá-la para apagar cargos inteiros sem redesenhar fluxos de trabalho pode apenas deslocar o problema para outro setor, geralmente com mais retrabalho e menos gente para corrigir.
A própria Gartner prevê que os gastos com software de agentes de IA devem chegar a US$ 206,5 bilhões em 2026 (cerca de R$ 1,03 trilhão) e US$ 376,3 bilhões em 2027 (cerca de R$ 1,88 trilhão). Esse dinheiro não compra automaticamente maturidade organizacional. Compra licenças, infraestrutura e promessas; a parte difícil continua sendo fazer tudo isso funcionar com pessoas reais, metas reais e clientes reais.
Quando a IA vira teatro de eficiência
Há um tipo de adoção tecnológica que serve mais para sinalizar modernidade do que para resolver um problema concreto. A empresa anuncia agentes autônomos, corta uma equipe e apresenta a mudança como inevitável. O mercado aplaude por alguns minutos. Depois começam as perguntas menos glamourosas: quem treina o sistema, quem valida as respostas, quem responde quando ele erra e quem sabe explicar por que ele tomou determinada decisão?
Esse cenário combina com outro relatório, “The GenAI Divide: State of AI in Business 2025”, associado ao projeto NANDA do MIT. O documento apontou que, apesar de US$ 30 bilhões a US$ 40 bilhões em investimentos empresariais em IA generativa (cerca de R$ 150 bilhões a R$ 200 bilhões), 95% das organizações analisadas não estavam obtendo retorno mensurável. O relatório atribui a dificuldade menos à qualidade dos modelos e mais à falha de integração com fluxos de trabalho reais.
Esse ponto é importante porque tira a conversa do campo mágico. O problema não é apenas se o modelo é “inteligente”. É se ele aprende com o contexto da empresa, se se encaixa na rotina, se reduz atrito, se melhora decisões e se não transforma cada funcionário em revisor de uma máquina apressada. Quando isso não acontece, a IA vira um funcionário invisível que entrega rápido, mas exige babá.
O paradoxo das tarefas fáceis
Um detalhe curioso da história da tecnologia ajuda a entender por que a substituição completa é mais difícil do que parece. O chamado paradoxo de Moravec, associado ao pesquisador Hans Moravec e a outros pioneiros da robótica e da IA, observa que máquinas podem lidar bem com tarefas abstratas, mas tropeçar em habilidades que humanos executam quase sem pensar, como perceber contexto social, lidar com ambiguidade e adaptar comportamento a uma situação nova.
No escritório, esse paradoxo não aparece como um robô derrubando copos. Ele aparece quando um sistema responde ao cliente com formalidade perfeita, mas não percebe que a situação exige cuidado humano; ou quando resume um contrato sem notar que a cláusula mais importante está escondida em uma exceção. A linguagem sai polida, a decisão sai fraca.
Daron Acemoglu, economista do MIT, também tratou do tema em “The Simple Macroeconomics of AI”. O estudo estima que os ganhos macroeconômicos da IA podem ser reais, mas mais modestos do que parte do discurso público sugere, especialmente quando as tarefas são difíceis de aprender, dependem de contexto e não têm uma medida objetiva simples de sucesso.
Funcionários não são obstáculos para a IA
Outro dado ajuda a explicar por que tantas iniciativas travam. Segundo reportagem da Fortune sobre pesquisa da WalkMe, empresa da SAP, 54% dos trabalhadores disseram evitar ferramentas internas de IA e preferir fazer tarefas manualmente. Parte desse comportamento pode vir de ferramentas ruins, falta de treinamento, medo de errar ou desconfiança de que a própria produtividade será usada depois como argumento para cortar cargos.
Essa resistência não deve ser tratada como atraso cultural. Muitas vezes, ela é uma leitura racional do ambiente. Se a liderança apresenta IA como substituta, o funcionário não vai enxergá-la como parceira. Vai enxergá-la como crachá temporário com login próprio.
Adoção tecnológica exige confiança. Quando uma empresa diz que a IA está ali para ajudar, mas ao mesmo tempo demite equipes para financiar a ferramenta, a mensagem real fica confusa. O resultado é previsível: uso discreto, boicote silencioso, medo de compartilhar conhecimento e pouca vontade de melhorar o sistema. Nenhum algoritmo prospera bem em uma cultura de suspeita.
O custo escondido dos cortes apressados
Demissões por IA também podem criar custos menos óbvios. A empresa perde mentores internos, enfraquece equipes, reduz redundância operacional e pode ficar dependente de consultorias externas para entender sistemas que ninguém dentro da casa domina. A economia inicial vira uma fatura parcelada.
Há ainda o risco de comprar soluções classificadas como “agênticas” sem que elas sejam realmente autônomas. A Reuters noticiou em 2025 uma previsão da Gartner segundo a qual mais de 40% dos projetos de IA agêntica seriam abandonados até o fim de 2027 por custos crescentes, valor de negócio pouco claro ou projetos mal definidos. O termo “agent washing” apareceu justamente para descrever produtos comuns vendidos com verniz de agente inteligente:
Isso não significa que agentes de IA não tenham futuro. Significa que o mercado ainda está separando ferramenta útil de embalagem bonita. E embalagem bonita, como todo mundo descobre em algum momento, não responde necessariamente de maneira correta um e-mail difícil enviado por um cliente irritado.
Onde a IA realmente pode render
Os melhores usos da IA nas empresas tendem a ser mais específicos do que as promessas de substituição total. Ela pode acelerar triagem de documentos, organizar bases de conhecimento, sugerir respostas, resumir reuniões, detectar padrões em dados, apoiar programação, ajudar na busca interna e reduzir tarefas repetitivas. O ganho vem quando o sistema tira peso do trabalho humano, não quando tenta fingir que o humano nunca foi necessário.
Esse modelo exige designs cuidadoso. É preciso definir quais tarefas serão automatizadas, quais exigem revisão, quais não devem ser entregues à IA e quem será responsável por falhas. Também é necessário treinar pessoas para usar a ferramenta sem transformar cada interação em uma aula improvisada de sobrevivência digital.
A inteligência artificial pode ser muito poderosa quando entra como instrumento de trabalho. Ela pode ampliar bons profissionais, reduzir desperdícios e abrir novas possibilidades de inovação. Mas quando vira apenas justificativa para cortar gente, o grande risco é a empresa economizar no lugar errado e gastar mais para remendar o estrago.
A lição para empresas que querem parecer modernas
O erro de muitas lideranças é confundir tecnologia com estratégia. Comprar IA é uma decisão de aquisição. Integrar IA ao trabalho é uma decisão de gestão. Substituir pessoas sem saber exatamente quais capacidades estão sendo perdidas é uma aposta, e a pesquisa da Gartner sugere que essa aposta não está pagando tão bem quanto parecia.
Também vale lembrar que empresas não são só sistemas de produção. Elas são redes de confiança, memória, improviso e responsabilidade. Modelos de linguagem podem gerar respostas impressionantes, mas também podem produzir informações falsas, frágeis ou deslocadas do contexto. Um artigo recente sobre vulnerabilidades em IA mostra como sistemas avançados ainda podem falhar de modos estranhos quando recebem instruções ambiguas.
A conclusão mais prudente não é rejeitar IA, nem tratá-la como ameaça mística. É parar de usá-la como desculpa automática para reduzir equipes. O futuro provavelmente pertence menos às empresas que tentarem operar sem humanos e mais às que aprenderem a combinar máquinas rápidas com pessoas capazes de julgamento, cuidado e responsabilidade. No fim, a ferramenta pode até escrever o rascunho; alguém ainda precisa saber se aquilo faz sentido.
