Meta e Klarna mostram os limites de substituir equipes inteiras por IA

A inteligência artificial está mudando a composição das equipes, mas os casos da Meta e da Klarna mostram por que substituir funções inteiras continua sendo bem mais difícil do que automatizar partes do trabalho. A Meta suspendeu o planejamento de uma segunda onda de reestruturação do Project OT, enquanto a Klarna voltou a contratar profissionais de atendimento depois que sua estratégia de suporte centrada em IA resultou em queda de qualidade. 218

A lição comum é menos ideológica e mais operacional: a IA consegue assumir tarefas padronizadas e repetitivas em grande escala, mas pessoas ainda são necessárias para lidar com incertezas, revisar resultados, tratar exceções e preservar a experiência do cliente.

Meta: a visão de equipes menores encontrou limites práticos

Segundo a Reuters, o Project OT — sigla para Organization Transformation, ou transformação organizacional — previa uma reestruturação em duas etapas. A Meta executou a primeira redução em maio de 2026, cortando aproximadamente 10% de sua força de trabalho, mas cancelou o planejamento da etapa posterior, prevista para novembro. A empresa confirmou a existência do projeto e o descreveu como uma iniciativa de um ano para reduzir custos, redesenhar equipes e transferir profissionais para áreas prioritárias. 2

O ponto central não era apenas cortar despesas. O plano imaginava grupos bem menores de funcionários apoiados por agentes de IA. O desfecho reforça uma diferença importante: gerar mais rascunhos, código ou entregas de tarefas não significa, automaticamente, conseguir desenvolver produtos de forma confiável.

Em fluxos de trabalho complexos, ainda é preciso gente para definir objetivos, conectar sistemas, testar resultados, identificar falhas e responder pelo que acontece quando algo dá errado. A Meta não abandonou seus investimentos em IA nem o uso da tecnologia no trabalho; o que mudou foi a confiança de que os agentes justificariam uma segunda redução ampla de pessoal no cronograma original. 2

Klarna: volume automatizado não garantiu bom atendimento

A experiência da Klarna mostra a mesma questão pelo lado do consumidor. A assistente de IA da fintech sueca passou a resolver uma parcela relevante das conversas de suporte, incluindo dúvidas rotineiras sobre pagamentos, reembolsos e devoluções. Ainda assim, a empresa recuou de uma postura exclusivamente baseada em IA e retomou a contratação de atendentes humanos. 1720

De acordo com relatos sobre a mudança, o CEO Sebastian Siemiatkowski reconheceu que a Klarna havia reduzido a capacidade humana de forma agressiva demais. Não se trata de dizer que a IA não tem utilidade: o problema surgiu nos casos complexos, ambíguos ou emocionalmente delicados, nos quais profissionais experientes agregam investigação, discernimento e empatia. A companhia começou a recompor sua estrutura de atendimento humano ao lado da automação. 1819

No atendimento ao cliente, essa diferença é decisiva. Um sistema pode resolver pedidos comuns com rapidez, mas ainda prejudicar a confiança se consumidores com pagamentos contestados, situações incomuns ou problemas em escalada não conseguirem chegar depressa a uma pessoa capacitada. A automação funciona melhor quando há um caminho claro de encaminhamento e responsabilidade humana.

O modelo que emerge: IA como alavanca, não substituta de todo trabalho

Juntos, os dois casos apontam para um modelo mais sustentável:

• Automatizar tarefas previsíveis. A IA tende a ser mais útil quando as entradas são padronizadas, o resultado é fácil de verificar e os erros têm baixo custo de correção.
• Manter pessoas nos pontos de decisão. Contexto entre sistemas, escolhas com consequências, julgamento, responsabilização e gestão de relações ainda exigem atuação humana.
• Planejar a escalada para humanos. Suporte ao cliente e outros processos de alto impacto precisam de uma transferência clara para profissionais qualificados — não de um beco sem saída automatizado.
• Medir resultado, não só atividade. Mais código gerado, respostas iniciais mais rápidas ou maior volume de tarefas não bastam se qualidade, resolução, segurança e confiança do cliente piorarem.

Isso não quer dizer que os empregos permanecerão iguais. A mudança tende a aparecer no redesenho de equipes, em novas exigências de qualificação e em menos vagas voltadas exclusivamente a tarefas rotineiras — e não em um fim imediato do trabalho humano.

Contratações mostram realocação para capacidade técnica

Os dados do setor de tecnologia são compatíveis com essa leitura. A SignalFire informou que as contratações nas grandes empresas de tecnologia estavam 25% abaixo da base de 2019, enquanto as admissões de engenheiros de software caíram 11%. Com isso, profissionais de engenharia de software passaram a representar 55% das contratações dessas companhias, ante 46% em 2019. 49

Esses números não provam que a IA causou toda a mudança: o mercado de tecnologia também é influenciado pelo ciclo econômico e pelos ajustes após as contratações do período de pandemia. Mas indicam que organizações mais enxutas não eliminaram a necessidade de talento técnico. A demanda se desloca para pessoas capazes de construir, implantar, avaliar, proteger e supervisionar sistemas cada vez mais automatizados.

O maior risco imediato está na porta de entrada da carreira

Pesquisadores do Stanford Digital Economy Lab não encontraram evidência de deslocamento generalizado de empregos na economia, com base em dados administrativos de folha de pagamento até junho de 2026. Porém, entre trabalhadores de 22 a 25 anos em ocupações altamente expostas à IA, o emprego ficou 19% abaixo do nível que teria alcançado se acompanhasse o ritmo de pares em ocupações menos expostas. Entre profissionais experientes, não apareceu diferença comparável; o ajuste parece ocorrer principalmente por menos contratações, e não por mais desligamentos. 35

Esse dado de 19% é uma defasagem relativa de trajetória, e não uma contagem de vagas que a IA teria eliminado diretamente. Mesmo assim, ele evidencia um problema relevante: se a IA absorve uma parte das tarefas de início de carreira, as empresas podem abrir menos oportunidades para que novos profissionais adquiram a experiência necessária para avançar.

O que empresas podem aprender com Meta e Klarna

A pergunta mais útil já não é se uma empresa deve usar IA. É onde ela melhora o processo sem retirar as capacidades humanas que o tornam confiável.

A interrupção da segunda etapa da Meta e a retomada de contratações no suporte da Klarna sugerem que a automação deve ser avaliada pelo resultado final: produtos entregues com qualidade, decisões corretas, casos resolvidos, confiança do cliente e custos de recuperação sob controle. Onde a IA funciona bem, ela amplia a capacidade de uma equipe menor. Onde a incerteza ou o impacto de erros é alto, o desenho mais adequado tende a ser humano mais IA — e não um processo sem humanos.

A IA, portanto, está remodelando o tamanho, a especialização e a produtividade das equipes. As empresas mais bem posicionadas serão as que tratarem a automação como ferramenta para melhorar o trabalho humano, e não como atalho para eliminar o trabalho humano de que produtos complexos e relações com clientes ainda dependem.