As demissões continuarão até aprendermos a usar IA
Autor original: Arnav Gupta, engenheiro de IA
Bao Yu, analista de IA

Em algum lugar no escritório da diretoria da nossa empresa, há uma lista de demissões com até 8.000 pessoas. Tenho 10% de chance de estar nessa lista. Em poucos dias, em 20 de maio, descobrirei meu destino.

Ao ver a notícia da Coinbase sobre "demissões por IA" de hoje, decidi escrever este artigo. Intencionalmente comecei antes de 20 de maio, pois quero compartilhar algumas das minhas opiniões mais sinceras, sem qualquer emoção pessoal sobre "ficar ou sair". Essas ideias não têm relação com se eu serei demitido ou não, nem se limitam apenas à empresa em que trabalho. Elas vêm das experiências reais de meus amigos que trabalham em grandes e médias empresas.

Há uma grande quantidade de artigos debatendo se esta nova onda de demissões (geralmente considerada como tendo começado com Jack Dorsey demitindo 40% dos funcionários da Square) é realmente causada pela IA ou se trata apenas de “AI-washing” (o termo usado para descrever empresas que usam a adoção da IA como desculpa para ocultar outros fracassos comerciais ou objetivos reais de demissão).

Não quero encher o artigo com links para notícias e artigos acadêmicos para te torturar — você provavelmente já viu esses conteúdos ou pode encontrá-los facilmente fazendo uma busca no Google ou perguntando ao ChatGPT.

Altamente promovido "Produtividade de IA" e evidências elusivas

A IA realmente nos tornou mais eficientes? Esta é realmente uma questão controversa e impactante! Se pensarmos ao contrário e afirmarmos que "a IA não mudou nada", acho que até mesmo as pessoas mais céticas quanto ao valor da IA não concordariam com essa afirmação.

Especialmente nas empresas de tecnologia, o aumento vertiginoso no uso de IA é um fato evidente. Mesmo as empresas mais conservadoras, que limitam orçamentos para IA e não fornecem ferramentas de IA aos funcionários, não podem negar que parte do trabalho é efetivamente realizada por IA — mesmo que os funcionários apenas usem secretamente Gemini ou Copilot nos produtos do Google ou Microsoft para editar documentos.

Quanto às empresas com mais visão de futuro que mergulharam de cabeça no mar de tokens de IA (unidade básica de texto processada por modelos de IA, cujo custo para empresas que utilizam grandes modelos de linguagem é geralmente baseado na quantidade de tokens consumidos), como Uber ou Shopify (não incluo aqui empresas como Meta ou Microsoft, que desenvolvem seus próprios grandes modelos de linguagem, nem Vercel ou Cloudflare, que ativamente constroem infraestrutura de IA; apenas falo sobre “usuários” puros), seu uso de IA enlouqueceu.

Já nos acostumamos: desde 90% a 100% do código gerado por IA, até o número semanal de revisões de código (PRs/diffs) aumentar de 2 a 5 vezes, e até o orçamento anual de IA de centenas de milhões de dólares ser esgotado em poucos meses.

No entanto, críticos e investidores de tecnologia como Ed Zitron, Will Manidis, Gary Marcus e Michael Bury certamente lhe farão uma pergunta direta e profunda: se é assim, por que a receita dessas empresas não aumentou de 2 a 5 vezes? Por que seus aplicativos parecem quase idênticos aos de seis meses atrás? Se a IA é realmente tão produtiva, o que exatamente ela produziu para elas? Se escreveram cinco vezes mais código, mas os usuários finais não percebem nenhuma diferença, qual é o sentido desse código? Essa é uma pergunta extremamente aguda e razoável.

Entrada, Saída e Resultado

Precisamos primeiro interromper com uma aula básica de gestão empresarial. Quando uma empresa média em rápido crescimento, com excesso de financiamento e que gasta dinheiro por todos os lados, finalmente enfrenta esgotamento de caixa, você vai consultar um CEO experiente. Ele sugerirá que você contrate alguém da McKinsey para avaliar a situação. Os consultores colocarão um slide totalmente branco na primeira página da apresentação, com as três palavras escritas na fonte Arial padrão: “Input, Output, Outcome”.

Eles te explicarão a essência comercial que todos entendem, mas sempre esquecem:

Código, apenas investimento.

Funcionalidade é o que produz resultado.

O usuário está disposto a pagar pelo seu produto — esse é o resultado.

IA (ou pelo menos produtos como o Claude Enterprise) é essencialmente um produto de serviço de software voltado para empresas (B2B SaaS). Você descobrirá que os produtos SaaS têm preços e estratégias de marketing variados. Se um produto puder alterar diretamente os "resultados", geralmente cobra uma porcentagem desses "resultados". Imagine esta abordagem de vendas: "Nossa ferramenta pode aumentar em 36% a velocidade com que você converte leads em vendas. Experimente agora, pagando apenas uma taxa de serviço de 5% sobre as vendas."

Isso definitivamente vai arrasar os clientes. Mantidos todos os outros fatores iguais, se nos últimos 100 dias você fechou 100 negócios, agora precisará apenas de 63 dias. Os 36 dias economizados (se eu calculei corretamente) permitem que você feche mais 57 negócios! Ou seja, seu potencial de vendas aumenta em 57%. Qualquer pessoa ficaria muito feliz em abrir mão de 5% de suas comissões de vendas em troca de 57% a mais de receita. E se você não usar este produto, não pagará nada.

Você provavelmente já adivinhou o que eu vou dizer — o modelo de precificação de tokens do Claude é completamente diferente. Se seu engenheiro de software estiver viciado em programar com Claude (acabei de perceber que ambas as abreviações em inglês são "cc"), gerando 100 milhões de tokens por dia, você terá que pagar 100 dólares por dia por cada engenheiro.

Mesmo que uma parte do código que eles geraram tenha sido descartada porque não funcionava;

Mesmo que algum código tenha posteriormente causado um grave problema de sistema (SEV) (SEV significa Severity, termo comumente usado por empresas de tecnologia para se referir a acidentes online graves que causam interrupção de serviço) e tenha sido imediatamente revertido;

Mesmo que ainda haja um pouco de código, apenas para dar uma nova aparência às ferramentas internas, para que os vice-presidentes sintam que os painéis de dados são mais fofos;

Tudo precisa ser pago na íntegra. Porque o código é apenas um “investimento”. Embora, em geral, sempre que a direção esteja correta, mais “investimento” geralmente traga mais “retorno”, resultando em melhores “resultados”, quando você aumenta o investimento cinco vezes em uma única noite, essa regra pode não se aplicar mais. Os “investimentos” que você adicionou podem de repente se tornar moscas sem cabeça, desviando-se completamente do “retorno” ou “resultado” esperado.

O que está realmente nos impedindo!

No passado, sempre que o CEO ou o gerente de produto (PM) queria fazer 10 coisas, a equipe de desenvolvimento dizia que só conseguia concluir as duas mais importantes e não tinha tempo para as outras oito. Qual era a razão? Porque escrever código não é brincadeira; desenvolver um software complexo e funcional exige muito tempo.

Hmm... mas agora o código é quase gratuito. Por que ainda não fizemos as outras 8 coisas?

Há duas respostas: uma que o CEO e o gerente de produto não gostam de ouvir; outra que os gerentes de nível médio e funcionários sênior não gostam de ouvir.

Apenas porque o CEO ou o gerente de produto tiveram 10 ideias em mente não significa que elas realmente se transformem em resultados de negócios reais. Mesmo que você realmente desenvolva 10 novos recursos (produção), isso não garante que os usuários os aceitem e passem a usar seu aplicativo com mais frequência (resultado).

Na verdade, justamente por causa da limitação de recursos de desenvolvimento no passado, essa “força de atrito” forçava todos a engajarem-se em debates mais acalorados, eliminando cedo ideias ruins antes que consumissem muitos recursos e escolhendo as duas melhores. Agora, escrever código tornou-se rápido e barato, e discutir a qualidade das ideias parece sem sentido. Mesmo que você tente refutá-las, acha que conseguiria impedir o CEO ou o PM de se virarem e pedirem diretamente ao Claude? Esqueça, nem vale a pena tentar.

Todos nós sabemos o quanto isso é torturante. Primeiro, é preciso que todos os partes interessadas concordem sobre o “por quê” fazer isso; depois, é necessário outra reunião para discutir exatamente o “o quê” fazer; por fim, todos ainda precisam debater longamente sobre o “como” fazer.

Quanto maior a equipe, mais projetos ficam presos no "inferno de alinhamento". Antes, esse problema era ocultado pela lentidão na escrita de código. Agora, assim que uma ação é decidida, alguém imediatamente trabalha a noite toda para criar um produto viável mínimo (MVP) — um produto desenvolvido com o menor custo possível, apenas o suficiente para demonstrar a ideia central, para teste rápido — e agenda a próxima reunião para o dia seguinte.

Na reunião, você ficou surpreso ao descobrir que outro time também havia desenvolvido secretamente um MVP! E pior ainda: como vocês basearam-se em suposições diferentes, os dois produtos operam com lógicas completamente opostas.

Of course, you can sit down and take your time to discuss whose assumptions are correct.

Mas, para ser honesto, você e sua equipe, com infinitos tokens Claude, nem se incomodariam em fazer isso. Nenhuma outra equipe faria isso também. Você viraria as costas sem hesitar e se jogaria nos braços do Claude, para que ele reimplante o trabalho da equipe oposta exatamente da maneira que você acha perfeita. E o Claude apenas responderá docilmente: “Você tem toda a razão!”, e imediatamente começará a digitar o código.

O que realmente pode ser resolvido com demissões?

Tudo bem, obrigado por ter me ouvido falar tanto sobre essas verdades óbvias. Sei que vocês querem ver o essencial.

O que realmente se pretende alcançar com as demissões? Segundo minha hipótese, se a IA não substituiu realmente 30% dos funcionários um a um (isso deveria ser um consenso entre todos, certo? Embora em muitas tarefas ela seja superior a funcionários júnior, em outras é inferior aos humanos — ela certamente não é uma peça que pode ser simplesmente desconectada e substituída, e muito menos capaz de substituir diretamente 10%, 20% ou até 30% das pessoas de uma empresa).

Nesse caso, qual é a lógica por trás das demissões? Porque elas resolvem imediatamente dois problemas a curto prazo à vista.

Isso é basicamente um problema de aritmética de fluxo de caixa. É óbvio que, se os seus engenheiros viciados em Claude estiverem gastando 100 dólares por dia no Claude (ou seja, 2.500 dólares por mês e 30.000 dólares por ano), esse valor na Índia já equivale ao salário completo de um engenheiro de desenvolvimento de software (SDE); na Europa, equivale a metade de um SDE; nos Estados Unidos, equivale a um quarto.

Se fizermos um cálculo mais simples e direto: suponha que, em uma empresa plana, todos os funcionários sejam SDE. Para manter o gasto total com salários (incluindo despesas com a compra de Tokens), você precisará demitir 50% (Índia), 33% (Europa) ou 20% (EUA) dos funcionários.

Na verdade, como o uso de IA está crescendo desenfreadamente, independentemente de tudo, enquanto a receita da empresa não apresenta crescimento correspondente, as demissões tornaram-se uma escolha inevitável. Caso contrário, o balanço patrimonial da empresa entraria em colapso total. Se seus custos de investimento aumentaram 50%, mas os resultados comerciais finais não melhoraram nem sequer permaneceram inalterados, sua economia unitária em todo o ciclo de vida do desenvolvimento de software entrou em colapso completo.

Se realmente aprendêssemos como usar a IA — descobríssemos como transformar um aumento de 50% nos custos de investimento em um aumento de 50% nos resultados de receita — não precisaríamos dar este passo. Mas, como você ainda não aprendeu, algumas pessoas aqui precisarão sair, para liberar recursos para pagar os salários da Anthropic.

Sem dúvida, o tamanho de qualquer grande empresa excede de longe o necessário apenas para sua “supervivência”. Esse é exatamente o caráter das grandes empresas: organizações grandes estão destinadas a acumular “gordura organizacional”, um resultado inevitável do design da estrutura organizacional.

Nessas empresas, mesmo que alguém saia, o sistema continua funcionando, pois sempre há outras pessoas que sabem o que ele fazia anteriormente. Em muitas grandes empresas, você pode até tirar seis meses de licença-maternidade com tranquilidade, e o projeto que você gerenciava continua intacto. Esses são todos sinais positivos! Mas isso também é uma prova irrefutável: se parte das pessoas for demitida, a empresa não entrará em colapso imediatamente. Pelo contrário, após as primeiras semanas de dor sistêmica, nos meses seguintes, a velocidade de funcionamento até aumentará!

Lembre-se das duas equipes mencionadas anteriormente que estavam em impasse sobre a solução técnica? É simples: basta demitir uma delas e deixar a equipe restante passar algumas noites em claro para terminar o trabalho — assim, elas nunca mais precisarão “alinharse” com ninguém.

Não podemos prever o que acontecerá a longo prazo (ou, usando as palavras do economista Keynes — “a longo prazo, todos nós estaremos mortos”), mas em curto prazo, demitir 10-20% dos funcionários de grandes empresas apenas acelerará o ritmo de trabalho.

Com o tempo, grandes empresas inevitavelmente acumulam ineficiências e excesso de pessoal, assim como acumulam uma grande quantidade de "dívida organizacional", da mesma forma que acumulam dívida técnica. Esse é o mal comum das grandes empresas. Demitir 10% das pessoas hoje não impedirá que os velhos problemas voltem daqui a dois anos. Mas, quando você vê todos se gabando de terem enviado cinco vezes mais código do que antes, mas ainda assim não conseguem colocar em produção porque estão sendo bloqueados por outras equipes, a solução mais direta e mais bruta é claramente: demitir algumas pessoas, para que ninguém mais atrapalhe o outro.

É isso que é demissão por IA, mesmo que a IA não tenha substituído diretamente seu cargo

Seu número de funcionário foi substituído por uma nova instância do Claude executada em uma máquina virtual? Todos nós sabemos que não é assim.

Mesmo assim, não é verdade que muitos dos fluxos de trabalho que antes exigiam que você digitasse ou clicasse no VS Code, Figma, Canva ou Google Docs agora se tornaram algo que outras pessoas — aqueles que antes precisavam que você fornecesse esses resultados — simplesmente pedem a um grande modelo de linguagem com um único comando e já não se incomodam mais em vir pedir sua ajuda? Esse também é um fato inegável.

Esses cortes de pessoal realmente contam como “limpeza por IA”? Ou seja — a empresa não teria problemas fundamentais não relacionados à IA (como contratação excessiva, queda nos lucros, pressão competitiva, más decisões comerciais) e agora está apenas usando a IA como um “pretexto” para demissões? Sim, de certa forma, isso faz sentido.

Você também pode perceber que, se reunir todos os e-mails de demissão enviados por CEOs durante esse período, poderá até pensar que eles criaram um grupo de bate-papo e se reuniram para escrever esses e-mails em conjunto. “Equipe nativa de IA”, “gestores que codificam”, “aumentar a amplitude de gestão”, “estrutura plana”, “gerenciar equipes de agentes de IA”… Você perceberá que esses novos termos aparecem de forma idêntica em cada e-mail. É como se tivessem alimentado o mesmo prompt para o GPT.

Mas a verdade é que, mesmo que essas demissões não sejam diretamente causadas pelo AI substituindo você, mesmo que estejam misturadas com elementos de “limpeza por AI”, essas demissões são, em última análise, causadas pelo AI. E essa onda de demissões continuará até que realmente aprendamos como usar o AI.

Até aprendermos como transformar massas de tokens de IA em resultados comerciais concretos, e não apenas investimentos em código; até aprendermos a fazer com que a velocidade de alinhamento entre organizações acompanhe a velocidade de codificação da nova geração; até compreendermos como utilizar essa produtividade adicional para perseguir mais 10 novas ideias promissoras, além dos 2 bons e 8 maus conceitos originais.

Antes de realmente compreendermos como a IA impulsiona o crescimento do PIB global, as empresas só conseguem cobrir os gastos anuais de tokens, que chegam a 7 bilhões de dólares (o total das receitas corporativas da OpenAI e da Anthropic), cortando os salários dos funcionários.

Mas antes de aprendermos a resolver mais eficientemente os fenômenos em que as equipes se atrapalham mutuamente, a única solução sempre será — remover-nos diretamente do organograma.

Faltam 15 dias para eu saber meu destino. Mas, independentemente do resultado, acho que já sei a razão. Mesmo que eu fosse a pessoa que tomou a decisão naquela ampla sala do CEO no canto, não sei se conseguiria fazer melhor — talvez eu também apenas fizesse a mesma escolha que os outros CEOs que criaram grupos.

Link original

Clique para saber mais sobre as vagas em aberto na BlockBeats

Bem-vindo ao grupo oficial da BlockBeats:

Grupo de assinatura do Telegram: https://t.me/theblockbeats

Grupo de Telegram: https://t.me/BlockBeats_App

Conta oficial no Twitter: https://twitter.com/BlockBeatsAsia