Uma pesquisa da consultoria Robert Half com dois mil gestores de contratação nos Estados Unidos, analisada pela Fast Company, encontrou um número que quase ninguém esperava: 32% deles afirmam que a organização eliminou uma função ou dispensou alguém principalmente por causa dos ganhos de produtividade da IA, e depois precisou contratar de novo para o mesmo cargo.
Quase um terço. E não é distribuído por igual: em finanças chega a 44%, em recursos humanos a 35% e em tecnologia a 32%.
O fenômeno já ganhou nome, o efeito bumerangue da IA. E vale entender por que ele acontece, porque o erro que produz esse resultado é simples, comum, e completamente evitável.
A Klarna, fintech sueca de pagamentos, anunciou em 2024 que seu agente de IA fazia o trabalho equivalente a 700 atendentes em tempo integral, com projeção de contribuir com cerca de US$ 40 milhões ao resultado anual. A repercussão foi enorme e o case virou referência mundial de substituição bem-sucedida.
Dezoito meses depois, a empresa estava recontratando gente.
O CEO Sebastian Siemiatkowski admitiu publicamente que o custo pesou demais como fator de avaliação na decisão, e que o resultado foi qualidade inferior. A empresa passou a montar um modelo híbrido, com a IA cuidando do volume repetitivo e humanos assumindo escalonamento, casos complexos e clientes de maior valor.
O Commonwealth Bank of Australia substituiu mais de quarenta atendentes por um assistente de voz baseado em IA. O volume de ligações aumentou e a qualidade do atendimento piorou. O banco recontratou e depois admitiu que não havia considerado adequadamente todos os impactos da decisão.
A IBM, após eliminar milhares de vagas em meio à expansão do uso de IA, anunciou intenção de triplicar a contratação para cargos de nível inicial voltados justamente a funções que exigem julgamento humano, interação com cliente e supervisão dos próprios sistemas de inteligência artificial.
E o Gartner projeta que metade das empresas que substituíram trabalhadores de atendimento ou operações por IA será obrigada a recriar essas funções, com outros títulos, até 2027.
Aqui está a explicação, e ela é menos sobre tecnologia do que parece.
Os indicadores de volume ficaram excelentes. Taxa de resolução, tempo de primeira resposta, atendimentos por hora. Tudo melhorou, e melhorou de forma visível, imediata e fácil de colocar em slide.
Só que esses números escondiam a deterioração em tipos específicos de interação. O cliente com problema simples era atendido rápido e ficava satisfeito. O cliente com reembolso errado, cobrança indevida ou situação fora do padrão recebia uma resposta confiante e incorreta, que é exatamente o pior resultado possível: pior que o silêncio, porque ele age acreditando.
Como o painel só mostrava média, a queda demorou meses para aparecer. E quando apareceu, apareceu em satisfação e reclamação, não em custo.
É a mesma armadilha que faz tanta empresa usar IA e não conseguir apontar impacto nenhum no resultado: mede-se o que é fácil medir, não o que importa.
Seria cômodo transformar isso em “viu, a IA não funciona”. Não é o que os dados dizem.
A própria Klarna atribuiu à IA um aumento expressivo na receita média por funcionário e uma redução relevante no custo por transação de atendimento desde 2023. A tecnologia entregou. O erro não foi usar IA, foi decidir o escopo olhando só para custo e tratar cliente simples e cliente complexo como se fossem a mesma coisa.
Quem lê essa história como “não automatize” tira a lição errada e vai perder para quem automatizou direito.
A pergunta certa não é “quantas pessoas eu posso cortar”, é “quais tarefas dentro deste processo não precisam de julgamento humano”. As duas perguntas parecem parecidas e levam a lugares opostos.
Empresa que começa pela primeira corta primeiro e descobre depois o que perdeu. Empresa que começa pela segunda descobre que boa parte da equipe vira mais produtiva no que sobra.
Esse é o corte que a Klarna não fez no começo e passou a fazer depois. Volume repetitivo e previsível é território da automação. Exceção, reclamação, dinheiro do cliente e situação emocionalmente carregada continuam sendo território humano.
Misturar os dois num mesmo fluxo é o que produz a resposta confiante e errada.
Se o seu painel só tem tempo de resposta e custo, você vai declarar vitória enquanto perde cliente em silêncio. Acompanhe satisfação por tipo de atendimento, não só na média, e monitore reclamação e retorno do mesmo cliente sobre o mesmo assunto.
Reincidência é o indicador que mais denuncia automação mal feita, e quase ninguém olha.
Cliente preso em labirinto de robô sai mais irritado do que se ninguém tivesse respondido. A automação precisa reconhecer o que não sabe e encaminhar rápido, em vez de improvisar.
Três perguntas, e elas custam alguns minutos.
Essa tarefa tem exceção com frequência? Se sim, ela precisa de supervisão humana, mesmo automatizada.
Uma resposta errada aqui gera prejuízo, processo ou perda de cliente? Se sim, o humano precisa continuar no fluxo, revisando ou assumindo os casos limite.
Eu consigo medir a qualidade dessa tarefa, e não só a velocidade? Se a resposta é não, você não vai perceber a degradação a tempo. Resolva a medição antes de automatizar.
Quem responde essas três antes costuma automatizar menos no primeiro momento, e não precisa voltar atrás no segundo.
Klarna, IBM e Commonwealth Bank têm estrutura para errar, medir e corrigir em dezoito meses. A maioria das empresas brasileiras não tem.
Se você corta três pessoas do atendimento, perde clientes em silêncio por seis meses e só descobre no fechamento do ano, o estrago não é reversível com uma nota à imprensa. Recontratar custa mais do que teria custado manter, porque você paga recrutamento, treinamento e o tempo até a pessoa nova produzir, além dos clientes que já foram embora.
A boa notícia é que a empresa média também tem menos a corrigir. Automatizar o intervalo em que ninguém está disponível não tira emprego de ninguém e resolve o problema mais caro que existe no comercial, que é o cliente esperando.
É quando a empresa elimina uma função por causa de ganhos de produtividade da automação e precisa recontratar para a mesma posição depois. A pesquisa da Robert Half aponta que 32% dos gestores ouvidos passaram por isso.
Vale, com escopo correto. O modelo que se firmou é híbrido: a IA cuida do volume repetitivo e do horário sem cobertura humana, e as pessoas assumem exceção, reclamação e caso complexo.
Olhe reincidência, ou seja, o mesmo cliente voltando sobre o mesmo assunto, e satisfação separada por tipo de atendimento. A média esconde justamente o segmento que está sendo mal atendido.
Corre mais, porque tem menos margem para errar e menos gente para medir. A vantagem é que cortar pessoal raramente é o objetivo em estrutura enxuta, então o risco de bumerangue cai bastante.
Decidir o escopo da automação olhando apenas para custo. Foi o que o CEO da Klarna admitiu publicamente, e é o que a maioria repete em escala menor.
As empresas que voltaram atrás não erraram na tecnologia. Erraram na pergunta que fizeram antes de usá-la.
Quem pergunta quanta gente dá para cortar encontra uma resposta rápida e um problema lento. Quem pergunta qual parte deste trabalho não precisa de julgamento humano encontra uma resposta mais chata e um ganho que dura.
Quer automatizar sem construir um problema para daqui a um ano? A Dasckup mapeia quais tarefas do seu processo podem ser automatizadas com segurança, define os indicadores de qualidade antes da implantação e integra a automação aos sistemas que você já usa. Conheça a consultoria e implantação ou fale com a nossa equipe. Se prefere que o seu time domine isso internamente, veja os cursos de IA da Dasckup.
Procure "como ganhar dinheiro com IA" e você vai encontrar promessa de renda em trinta…
Segundo o Panorama Mobile Time em parceria com a Opinion Box, 63% dos brasileiros esperam…
São Paulo concentra a maior oferta de formação em inteligência artificial do país. O problema…
A procura por cursos de inteligência artificial cresceu cerca de 95% em janeiro de 2026…
Os números do segundo trimestre de 2026, apresentados pela CBIC no dia 24 de agosto,…
Implementar inteligência artificial na empresa não é um projeto de TI. É uma decisão estratégica…