A Narrativa da Substituição Acabou de Falhar na Própria Auditoria

Cerca de 28.300 avisos de demissão em massa foram registrados em Nova York durante março de 2026. Nenhum deles apontou a IA como causa. Esse número, trazido por Kevin Indig no Growth Memo, é a refutação mais silenciosa do discurso de vendas mais barulhento da década: compre o modelo, remova as pessoas, contabilize a economia.

A narrativa da substituição sempre foi uma afirmação sobre o mercado de trabalho. Afirmações sobre o mercado de trabalho podem ser auditadas. Quando você roda a auditoria, a história não se sustenta.

Os Dados Que Se Recusam a Cooperar

Comece pelos registros. Demissões em massa nos Estados Unidos deixam rastro documental por meio dos avisos WARN e dos registros estaduais, e esses registros nomeiam as causas. Se a IA estivesse deslocando trabalhadores na escala que os fornecedores sugerem, março de 2026 teria produzido uma onda de cortes atribuídos à IA. Não produziu nenhum que valesse contar.

A evidência de Yale vai além. Uma equipe que analisou dados da Current Population Survey ao longo de 33 meses concluiu que medidas de exposição à IA, automação e aumento de capacidade não mostraram sinal de relação com mudanças no emprego. Trinta e três meses são suficientes para capturar uma mudança estrutural. A mudança não está lá. (Esses números de Yale chegam de segunda mão, pelo Growth Memo, então trate o enquadramento exato como relatado, não como lido diretamente do estudo original.)

Depois há o que as pessoas de fato fazem com as ferramentas quando as têm. O Work Trend Index 2026 da Microsoft, baseado em 20.000 usuários, identificou um segmento de 16% que chama de Frontier Professionals. Oitenta por cento desse grupo produzem trabalho que era impossível um ano atrás. Cinquenta e oito por cento de todos os usuários do estudo produzem resultado genuinamente novo. Esse é o retrato do aumento de capacidade. As pessoas não estão sendo subtraídas da equação. Estão sendo multiplicadas por mais trabalho. (Os números da Microsoft também chegam pelo resumo do Growth Memo.)

Os executivos confirmam a direção. Um estudo do NBER com 750 líderes constatou que o maior retorno sobre o investimento em IA veio do crescimento de produtividade, não do corte de mão de obra. As empresas que extraem valor real estão aumentando a produção por pessoa, não encolhendo o denominador.

O Que a Substituição Custa Antes de Falhar

A aposta na substituição não é neutra enquanto você espera o retorno. Ela carrega um preço que a planilha nunca modela.

A Klarna fez o experimento em público. Substituiu o suporte humano por IA, anunciou a economia e depois voltou atrás, citando qualidade inferior. A reversão é o sinal. Uma empresa que removeu pessoas com alarde teve que trazer o julgamento humano de volta sem alarde, porque o trabalho que a IA absorveu acabou exigindo uma pessoa no circuito.

A confiança é o outro item da conta. Setenta e um por cento dos trabalhadores relatam medo de serem substituídos. Uma equipe que acredita que o plano é eliminá-la não se entrega às ferramentas que a tornariam mais rápida. Ela se protege, retém conhecimento, espera. A história da substituição se sabota sozinha: produz exatamente o comportamento que impede a produtividade prometida. Você não consegue assustar uma força de trabalho até o aumento de capacidade.

A auditoria devolve, então, dois achados. Os dados macro não mostram substituição em escala. Os dados micro mostram que perseguir a substituição degrada justamente o resultado que você tentava baratear.

As Empresas Que Estão Ganhando Medem Outra Coisa

As empresas que capturam valor não estão contando cabeças removidas. Estão contando o resultado produzido por uma equipe de humanos e agentes e vendo esse número subir. Essa é a medição que defendemos repetidamente: avalie a equipe, não o modelo, e avalie pelo que ela entrega por pessoa.

Defendemos esse argumento antes de os registros de março existirem. Em A Visão Estreita do Valor da IA mostramos que a redução de headcount é uma das quatro alavancas de valor, e a menos durável delas. O corte de custos via substituição bate num teto no instante em que o conhecimento institucional começa a evaporar. As outras três alavancas (custo adiado, mais receita, receita antecipada) só se abrem quando as pessoas ficam e fazem mais.

A mesma lógica sustenta nosso trabalho sobre medir a equipe, não o modelo. Um benchmark de modelo diz o que um sistema consegue fazer isolado. Um benchmark de equipe diz o que suas pessoas mais aquele sistema de fato entregam. Só o segundo número prevê se o investimento se paga.

Os dados de março de 2026 são o piso empírico desses argumentos. Nós afirmamos a tese. Os registros trabalhistas agora fornecem a prova.

Por Que a Narrativa Persiste Mesmo Assim

Se os dados são tão claros, por que a substituição ainda domina os boardrooms? Porque é o número mais fácil de modelar. A redução de headcount aparece de forma limpa num pitch deck. O aumento de capacidade aparece como uma história mais bagunçada sobre capacidade produtiva, throughput e receita nova que antes não existia, e nada disso cabe numa única linha de slide.

É a mesma distorção que documentamos em AI washing e produtividade não verificada: empresas anunciam cortes movidos por IA para sinalizar modernidade, e depois descobrem em silêncio que a produtividade nunca foi medida e muitas vezes nunca chegou. O anúncio é um ato de marketing. A auditoria é um ato de contabilidade. Eles raramente concordam.

Há também uma dimensão de confiança que agrava a falha. Tratamos disso em agência, não agentes: o valor vem de dar às pessoas mais agência por meio da IA, não de substituir a agência delas por um agente. Uma força de trabalho que confia nas ferramentas vai usá-las. Uma força de trabalho que as teme não vai. O enquadramento de substituição fabrica a segunda condição.

Faça Isto Agora

Troque a pergunta da substituição. Antes da sua próxima revisão de investimento em IA, troque a métrica principal. Em vez de perguntar “quantas funções isto pode remover”, pergunte “quanto mais cada pessoa consegue entregar com isto em mãos”. Defina primeiro a linha de base de resultado da dupla humano mais agente, em unidades concretas (contratos revisados, chamados resolvidos, funcionalidades entregues), e depois meça o ganho após a implantação.

Se o único número que seu business case produz é uma redução de headcount, você está fazendo a mesma aposta que 28.300 registros de março se recusaram a fazer e que a Klarna teve que desfazer em público. Construa a linha de base de aumento de capacidade antes de construir o argumento. Os dados agora estão do lado das equipes que medem resultado por pessoa, não cabeças removidas.

Fontes

Growth Memo (Kevin Indig). “Stop trying to replace people with AI.” Junho de 2026.
Yale (Gimbel et al.), via Growth Memo. “Stop trying to replace people with AI.” Junho de 2026.

A Victorino ajuda equipes a construir a linha de base de aumento de capacidade que a planilha da substituição não consegue enxergar: contato@victorino.com.br | www.victorino.com.br