Ele trocou seus funcionários por IA...

Um CEO admitiu publicamente que trocou o equivalente a 700 atendentes por inteligência artificial. A empresa virou manchete, apresentou números impressionantes e parecia ter encontrado o manual definitivo para automatizar atendimento. Um ano depois, esse mesmo caso virou um alerta: a IA resolveu volume, mas tropeçou onde julgamento humano faz diferença.

A história da Klarna, fintech europeia conhecida pelo modelo “buy now, pay later”, não é sobre medo nem otimismo ingênuo. É sobre uma divisão que já acontece no trabalho corporativo: tarefas de roteiro versus tarefas de julgamento. O seu futuro depende de entender em qual lado você está ficando.

O que aconteceu com a Klarna?

A Klarna anunciou no início de 2024 que seu assistente de IA, construído com tecnologia da OpenAI, estava fazendo o trabalho equivalente ao de 700 atendentes humanos. Em apenas um mês de operação, o sistema assumiu 75% de todos os chats de atendimento ao cliente e conduziu cerca de 2,3 milhões de conversas.

Os números chamavam atenção:

• o tempo médio para resolver problemas caiu de 11 minutos para 2 minutos;
• a projeção de lucro adicional era de US$ 40 milhões em 2024;
• o quadro da empresa caiu de aproximadamente 5.000 para 3.500 pessoas;
• a narrativa pública era que a IA estava “segurando a barra” de quem saiu.

É importante ser justo: isso não foi, necessariamente, uma demissão em massa de 700 pessoas em um único dia. Parte do movimento veio de congelamento de contratações, rotatividade natural e redução gradual do time. Mas a mensagem executiva era clara: a automação estava absorvendo trabalho que antes exigia gente.

Essa é a versão que gera clique: “a IA chegou e substituiu 700 funcionários”. Ela tem um pedaço de verdade, mas não explica a parte mais importante da história.

Por que a estratégia “AI-first” voltou atrás?

A resposta curta: porque a IA deu conta do volume, mas não deu conta da complexidade.

Segundo relatos posteriores, o CEO da Klarna, Sebastian Siemiatkowski, reconheceu que colocar IA em primeiro lugar no atendimento não entregou tudo que a empresa esperava. A Klarna voltou a contratar humanos ao perceber a diferença entre responder perguntas simples e resolver casos difíceis.

Para perguntas de baixo atrito, a IA funcionava muito bem. Status de reembolso. Prazo de entrega. Dúvida objetiva sobre uma compra. Mudança simples de informação. Esse tipo de atendimento segue roteiro, tem contexto limitado e pode ser resolvido com velocidade.

O problema aparece no cliente nervoso, confuso ou preso em uma disputa com várias etapas. Às vezes a pessoa não quer apenas uma resposta: quer ser ouvida, quer contexto, quer alguém que entenda a exceção. Nesse cenário, respostas padronizadas como “lamentamos pelo inconveniente” não resolvem; muitas vezes pioram a experiência.

Foi aí que a satisfação despencou. A IA conseguia atender muita gente, mas não conseguia lidar bem com os casos em que a pessoa precisava de empatia, negociação, leitura de intenção e julgamento.

A IA substituiu pessoas ou dividiu o trabalho em dois?

A Klarna não prova simplesmente que “IA substitui atendimento”. Ela mostra algo mais preciso: a IA dividiu o trabalho do atendente em dois.

De um lado ficou o trabalho de roteiro: repetitivo, previsível, documentado, com entradas e saídas relativamente claras. Esse trabalho realmente está sendo automatizado. Em atendimento, isso inclui perguntas frequentes, atualização de status, triagem inicial e respostas com baixa ambiguidade.

Do outro lado ficou o trabalho de julgamento: interpretar contexto, lidar com exceções, acalmar uma pessoa irritada, entender o risco reputacional de um caso, decidir quando sair do processo padrão e escalar uma situação. Esse trabalho não desapareceu. Pelo contrário: ficou mais valioso.

Essa é a pergunta que decide muito mais do que “a IA vai me substituir?”: qual parte do seu trabalho é roteiro e qual parte é julgamento?

Se a maior parte do seu dia é copiar informação de um sistema para outro, responder sempre do mesmo jeito, preencher relatório padrão ou executar checklists previsíveis, você está em uma área altamente exposta. Se o seu valor está em decidir, contextualizar, priorizar, negociar, liderar e interpretar ambiguidade, você está em uma posição melhor — desde que continue evoluindo.

Por que volume não é o mesmo que valor?

Volume impressiona em apresentação para conselho. Valor aparece quando o cliente, o risco ou o negócio ficam complicados.

Pense em um restaurante movimentado. Existe o trabalho de anotar pedidos: mesa quatro, prato principal, bebida, ponto da carne, sobremesa. Esse trabalho é repetitivo e previsível. Uma IA pode ser excelente nisso, até em mil mesas ao mesmo tempo e em dezenas de idiomas.

Agora imagine um cliente irritado porque a comida chegou fria, a conta veio errada e ele está comemorando uma data importante. O problema não é apenas registrar uma ocorrência. É interpretar a situação, reconhecer o impacto emocional, tomar uma decisão comercial e recuperar confiança.

Se a resposta for mecânica — “lamentamos pelo inconveniente, sua satisfação é importante para nós” — o cliente percebe na hora. O script até parece correto, mas falha no ponto essencial: a complexidade humana não cabe totalmente em roteiro.

Foi isso que aconteceu com a Klarna. A IA pegou as mesas fáceis. Quando sobraram os casos difíceis, a empresa descobriu que tinha reduzido demais a capacidade humana para lidar com eles.

O que esse caso ensina para quem trabalha em tecnologia?

Ensina que emprego não vai desaparecer exatamente do jeito que muita manchete vende. Mas ele está sendo reprificado.

A parte do trabalho que é roteiro vale cada vez menos. Relatório padrão, resposta repetida, triagem simples, tarefa previsível e processo que pode ser descrito passo a passo estão entrando na zona de automação. Isso não vale só para atendimento ao cliente. Vale para advocacia, programação, análise de dados, gestão, operações, marketing, segurança e suporte técnico.

Um analista que apenas gera relatórios iguais toda semana está exposto. Um desenvolvedor que só transforma ticket claro em código repetitivo está exposto. Um gerente que só repassa status está exposto.

Mas a parte de julgamento fica mais importante. Em cybersecurity, por exemplo, uma IA pode resumir alertas e acelerar investigação. Só que decidir se um incidente é crítico, entender contexto de negócio, coordenar resposta e comunicar risco para liderança ainda exige julgamento.

Eu trabalho em uma big tech, liderando um time de cibersegurança com inteligência artificial, e vejo esse padrão de dentro. A Klarna não é exceção; ela provavelmente é uma das primeiras empresas a transformar essa tensão em caso público. Toda empresa grande está fazendo a mesma conta agora. Muitas vão bater no mesmo muro.

Como saber se seu trabalho está mais perto do roteiro ou do julgamento?

A forma mais prática é olhar para sua semana e separar suas atividades em duas pilhas.

Na pilha de roteiro, coloque tudo que tem instrução clara, baixa ambiguidade e pouca necessidade de contexto humano. Exemplos:

• responder mensagens parecidas;
• copiar dados entre ferramentas;
• gerar relatórios recorrentes;
• seguir um checklist sem adaptação;
• classificar informações com critérios fixos;
• escrever textos padronizados;
• fazer triagem inicial de solicitações.

Na pilha de julgamento, coloque tudo que exige contexto, decisão, leitura de nuance ou responsabilidade. Exemplos:

• lidar com cliente difícil;
• decidir prioridade entre riscos concorrentes;
• explicar trade-offs para liderança;
• negociar exceções;
• desenhar estratégia;
• resolver incidentes ambíguos;
• orientar pessoas em situações novas;
• transformar informação incompleta em decisão.

Seja honesto. Não adianta romantizar o próprio trabalho. Quase todo cargo tem as duas pilhas. A diferença é a proporção.

O profissional mais seguro usa IA para eliminar a parte repetitiva e sobe deliberadamente para a camada de julgamento.

O que é um contribuidor individual de alto impacto?

Nos Estados Unidos, muitas empresas usam o termo high-impact individual contributor, ou high IC, para descrever alguém que não precisa necessariamente gerenciar pessoas para gerar valor enorme. É o profissional que combina profundidade técnica, autonomia, clareza de decisão e capacidade de influenciar o sistema ao redor.

Esse tipo de pessoa não é valioso porque “trabalha muito”. É valioso porque resolve problemas que não cabem em manual.

Um high IC sabe usar ferramentas, inclusive IA, para acelerar execução. Mas o diferencial está em formular o problema certo, fazer as perguntas certas, identificar riscos invisíveis, conectar áreas diferentes e tomar decisões com contexto incompleto.

A boa notícia: isso não é dom. Não é talento místico. É habilidade treinável.

Você treina julgamento quando para de medir valor apenas por quantidade de tarefas concluídas e começa a medir pela qualidade das decisões que melhora. Use IA para o trabalho repetitivo, mas não terceirize a responsabilidade de pensar.

Por que entregar tarefas repetitivas para IA pode proteger sua carreira?

Muita gente encara automação como ameaça e tenta esconder a parte repetitiva do trabalho. Isso é um erro estratégico.

Se uma tarefa é claramente automatizável, alguém vai automatizá-la: você, seu colega, seu gestor, uma consultoria ou a própria ferramenta corporativa. A diferença é se você será a pessoa operando o sistema ou a pessoa sendo substituída por ele.

Quando você entrega de propósito a pilha de roteiro para IA, você aprende onde a automação funciona, onde falha e como supervisioná-la. Você vira operador do sistema. Começa a entender prompts, validação, revisão, integração com processo e limites de qualidade.

Esse aprendizado é muito mais valioso do que proteger manualmente uma tarefa que já está condenada economicamente. A IA pode não eliminar seu emprego inteiro, mas pode eliminar 40%, 60% ou 80% da forma antiga como ele era executado. Quem redesenha o próprio trabalho antes da empresa redesenhar sai na frente.

O que fazer agora

Não espere o próximo anúncio de demissão. Faça uma auditoria prática esta semana:

1. Divida seu trabalho em roteiro e julgamento. Liste suas atividades recorrentes e marque quais têm baixa ambiguidade. Essa é sua superfície de automação.
2. Automatize uma tarefa repetitiva de propósito. Use IA para rascunhar, resumir, classificar, transformar ou revisar algo simples. Aprenda o limite da ferramenta na prática.
3. Crie um processo de validação. Não aceite saída de IA no piloto automático. Defina critérios, revise amostras e entenda onde ela erra.
4. Invista na pilha de julgamento. Procure problemas que exigem contexto, decisão, negociação, estratégia ou comunicação com pessoas.
5. Reposicione sua narrativa profissional. Pare de se vender como executor de tarefas e comece a demonstrar como você melhora decisões, reduz risco e aumenta impacto.

A tese é simples: a IA está barateando o trabalho de roteiro. Ao mesmo tempo, está aumentando o prêmio para quem sabe julgar, decidir e operar sistemas inteligentes com responsabilidade.

O caso da Klarna não é um aviso para entrar em pânico. É um aviso para migrar de camada. Quem entende essa divisão cedo deixa de competir contra a IA e passa a usar a IA como alavanca.

Este artigo foi gerado a partir do meu vídeo no YouTube. Assista a versão completa para entender por que a IA não eliminou o trabalho humano — ela separou roteiro de julgamento.