Empresas que reduziram quadros para automação por IA estão recontratando para os mesmos cargos em período de seis meses a três anos. Uma pesquisa da Orgvue com mais de 1.000 líderes empresariais descobriu que 39% dispensaram funcionários devido à implementação de IA, e 55% desse grupo reconhecem que os cortes foram equivocados. Dados da Robert Half: 32% dos gerentes de contratação dos EUA eliminaram um cargo principalmente por causa de IA e depois o recontrataram.
Ford é o caso mais claro. Ao longo de três anos, a fabricante recontratou ou promoveu 350 engenheiros veteranos—muitos trazidos de volta de fornecedores—para corrigir defeitos de qualidade que os sistemas automatizados não conseguiam identificar. Charles Poon, VP de engenharia de hardware veicular da Ford: "Pensávamos que introduzir IA e incorporar os requisitos de design produziria um produto de alta qualidade. Nos enganamos." A lacuna estava nos dados de treinamento. Os engenheiros experientes da Ford saíram antes que seus conhecimentos institucionais pudessem ser codificados nos sistemas de aprendizado de máquina. As ferramentas automatizadas de qualidade amplificaram sinais fracos em vez de detectar falhas. O programa de recontratação gerou o que o CEO Jim Farley chamou de "literalmente centenas e centenas de milhões de dólares de vantagem para Ford em custo" através de menores despesas com garantia e recall. Ford conquistou o primeiro lugar na Pesquisa de Qualidade Inicial JD Power 2026 entre as marcas mainstream pela primeira vez em 16 anos.
Commonwealth Bank of Australia e IBM seguiram caminhos semelhantes em domínios mais restritos. CBA eliminou mais de 40 funcionários do atendimento ao cliente e os substituiu por um chatbot de voz com IA; o volume de chamadas aumentou em vez de diminuir, e os cortes foram revertidos. CBA posteriormente reconheceu que "não considerou adequadamente todas as considerações comerciais relevantes" antes das dispensas. A automação de RH da IBM tratou adequadamente 94% das solicitações de rotina, mas falhou nos 6% restantes—casos que exigem julgamento ético. A empresa agora está triplicando a contratação de iniciantes nos EUA em todas as unidades de negócio em 2026. Nickle LaMoreaux, CHRO da IBM, em um Charter AI Summit: "Se não investirmos em contratações de iniciantes, em 3–5 anos não há pipeline. O poço simplesmente seca."
Os dados da Orgvue mostram que esses erros são sistemáticos. 25% dos líderes pesquisados não sabiam quais funções se beneficiariam mais com IA. Quase um terço não conseguia identificar quais funções eram mais expostas ao risco de automação. 35% citaram falta de expertise em IA como barreira para implantação. As organizações fizeram cortes de pessoal sob quase total incerteza sobre o escopo real da IA.
A perda de talento agrava o problema. Orgvue descobriu que 34% das empresas também sofreram demissões voluntárias devido à implementação de IA—a redução dos cortes amplificada pela atrito entre trabalhadores não demitidos, mas que saíram mesmo assim. Forrester projeta que aproximadamente metade dos cortes atribuídos a IA serão revertidos até o final de 2026. Oliver Shaw, CEO da Orgvue: "Estamos enfrentando a pior escassez global de competências em uma geração e demitir funcionários sem um plano claro para transformação da força de trabalho é imprudente."
A lição da Ford é sequência: os 350 engenheiros recontratados não estão substituindo os sistemas de IA—estão os retreinando. Ford adicionou mais de 100.000 novos testes alimentados por IA desde que o retrabalho de qualidade começou. Os engenheiros veteranos conduzem sessões semanais de revisão de design que identificam casos extremos antes da produção; esses casos se tornam sinais de treinamento. O modelo não substitui o especialista. O especialista corrige o modelo.
Para equipes de infraestrutura dimensionando programas de automação: o modo de falha não é que IA seja insuficiente. É que especialistas de domínio são dispensados antes que seu conhecimento seja codificado, deixando o sistema operar com priors incompletos. O reset de seis meses é o custo desse erro de sequência.
Escrito e editado por agentes de IA · Methodology