Scovai Scovai
Organizational Behavior 2026-11-08 1 min read

Pergunte o que acontece quando um colaborador automatiza o próprio trabalho: 24% dos empregadores dizem que ele recebe mais trabalho

DSL

Dr. Sarah Liu

Pergunte o que acontece quando um colaborador automatiza o próprio trabalho: 24% dos empregadores dizem que ele recebe mais trabalho

A Oyster colocou a mais de 1.000 profissionais de recursos humanos e gestão de pessoas uma pergunta que quase nenhum inquérito de maturidade em IA faz: o que acontece de facto a um colaborador que automatiza parte do próprio trabalho? Apenas 38% responderam que essa pessoa seria recompensada. Vinte e seis por cento disseram que nada mudaria, 24% que lhe seria atribuído mais trabalho e 6% que a função encolheria (Oyster, 2026). Leia essa distribuição como uma tabela de incentivos e não como uma estatística, e a mensagem que a sua organização está a transmitir aos seus melhores automatizadores torna-se legível: encontra a poupança, absorve tu mesmo a capacidade libertada e mantém a antiga descrição de função.

Não é um problema de formação. É um problema de equilíbrio entre esforço e recompensa, e situa-se a jusante de todos os programas de literacia em IA do seu orçamento de 2027.

A distribuição é o achado, não o número de manchete

Isolado, 38% soa a resultado meio positivo. Coloque os quatro desfechos lado a lado e a forma importa mais do que qualquer barra individual: espera-se que quase tantos colaboradores recebam mais trabalho quantos não vejam nada mudar, e os dois casos somados — 50% — pesam mais do que a hipótese da recompensa. Uma cauda de 6% espera que a própria função se contraia.

Uma nota metodológica, porque altera o uso que deve dar ao número. São profissionais de RH a declarar o que esperam que aconteceria dentro da sua própria organização, não uma auditoria do que aconteceu realmente a colaboradores identificados. A Oyster vende serviços de emprego global, pelo que este é um inquérito de fornecedor, não um censo. O que mede bem é a expectativa institucional — aquilo que um gestor lhe diria em privado se lhe perguntasse como foi tratado o último ganho de automatização. Para uma pergunta sobre incentivos, a expectativa declarada está próxima do instrumento correto, porque os colaboradores respondem ao padrão que observam, não à política publicada na intranet.

O mesmo relatório fornece o detalhe estrutural que corrobora. Entre as empresas que acrescentaram requisitos de competências em IA a funções já existentes nos últimos doze meses, 62% não alteraram nem o título nem a remuneração. Dos dois terços que acrescentaram requisitos de IA a funções tradicionalmente não técnicas — marketing, RH, operações — 46% afirmam nunca ter comunicado formalmente a mudança. E entre os 68% de empresas que perguntam aos candidatos o que construíram pessoalmente com IA, 53% dizem que a resposta não influencia decisões de contratação ou de remuneração (Oyster, 2026).

O percurso de recompensa não está em disputa. Está ausente.

A sua arquitetura de funções já está desatualizada

Noventa e cinco por cento dos profissionais de RH inquiridos dizem que, na sua empresa, os colaboradores usam ferramentas de IA diariamente em funções em que a IA não faz parte da descrição oficial. A análise da Oyster às funções preenchidas através da sua própria plataforma coloca o requisito formal em 15%, o triplo dos 5% de 2022 — e nove em cada dez dessas funções não mencionam a IA em nenhum ponto do título (Oyster, 2026).

A distância entre 95% e 15% é onde vive o problema. Não é um artefacto de medição; é a realidade operacional de trabalho com IA a ser executado dentro de definições de função que não o reconhecem, o que significa que não pode ser dimensionado, calibrado, remunerado nem servir de base a uma promoção.

Comece pela camada dos coordenadores

Os dados de incidência apontam para um lugar específico. Entre as funções preenchidas através da Oyster, 17% dos anúncios de coordenador de marketing, 15% dos de recrutador e 10% dos de coordenador de operações pediam explicitamente competências em IA. Essa é a camada dos coordenadores — exatamente a população em que assenta uma função de operações de 50 a 500 ETI, e exatamente a população cujas descrições de função são reescritas com menos frequência.

São também as funções em que os ganhos de automatização são mais fáceis de encontrar e mais difíceis de ver. Um coordenador que elimina por script seis horas semanais de reconciliação produziu uma melhoria de margem genuína que nunca aparecerá num sistema de registo, porque nenhum sistema de registo está a observar aquele posto.

Por que automatizar o próprio trabalho custa mais do que as horas que poupa

Há uma objeção plausível: mais trabalho não é um castigo. Dê a quem tem bom desempenho um âmbito maior e deu-lhe uma missão de crescimento. Muitas carreiras constroem-se exatamente assim.

A objeção só se sustenta quando o âmbito maior é nomeado. Duas linhas de evidência distintas sugerem que, quando não o é, o custo motivacional chega depressa e é maior do que a capacidade ganha.

A primeira é causal. Numa experiência pré-registada conduzida em amostras representativas a nível nacional nos Estados Unidos e nos Países Baixos (N agregado = 3.628), Nikolova, Milanova e Wang variaram apenas o rótulo de autoria associado a um resultado criativo idêntico. Informados de que o trabalho vinha da IA e não de um profissional de marketing, os participantes classificaram a tarefa como menos significativa e a sua disponibilidade para oferecer voluntariamente um trabalho original próprio caiu 3,4 pontos percentuais face a uma base de 26% — uma queda relativa de 13% no esforço discricionário, mantendo constante a qualidade do resultado (Brookings, 2026). A forma como o envolvimento da IA é enquadrado não é uma nota de comunicação. É um parâmetro que move o esforço.

A segunda é observacional e aponta para a alavanca mais barata disponível. O inquérito de 2026 do Achievers Workforce Institute a 3.000 colaboradores a nível global concluiu que apenas 19% se sentem confiantes a usar IA no trabalho e 18% se sentem apoiados na adaptação à mudança tecnológica — mas os colaboradores que recebiam reconhecimento semanal tinham 84% mais probabilidade de compreender como a IA afeta o seu trabalho, e 92% disseram que fariam um esforço adicional se fossem melhor reconhecidos (Achievers Workforce Institute, 2026).

Coloque os três achados em sequência. O colaborador faz o trabalho com IA que ninguém lhe pediu. A organização não o nomeia, não redefine o âmbito e, num quarto dos casos, responde com mais volume.

Esse padrão tem nome na investigação em saúde ocupacional. O desequilíbrio esforço-recompensa — esforço elevado e sustentado correspondido por baixa recompensa em salário, estima, segurança ou progressão — é um dos construtos mais duráveis do campo; a apreciação crítica de Siegrist a três décadas de evidência relata riscos consistentes e moderadamente elevados de depressão e de doença cardíaca isquémica após exposição ao desequilíbrio esforço-recompensa, apoiados em desenhos prospetivos e mediadores fisiológicos (Siegrist, Scandinavian Journal of Work, Environment & Health, 2026).

Seja preciso sobre o que isso estabelece e o que não estabelece. Nada dessa literatura mede especificamente a automatização com IA, e não afirmo um efeito medido entre automatizar o próprio trabalho e a rotatividade. O que estabelece é que a estrutura descrita pela Oyster — esforço a subir, recompensa mantida plana por desenho — é a estrutura com o inconveniente melhor documentado em toda a literatura de saúde ocupacional. Está a correr uma configuração reconhecidamente má sobre as suas pessoas mais capazes, o que é exatamente o inverso do que o business case da IA pressupõe.

A saída interna estreitou-se ao mesmo tempo

A promessa implícita de "mais âmbito agora, título depois" assenta numa taxa de base que este ano se moveu contra si. O Global Workforce Report de outubro de 2026 da Workday, baseado em dados de sistema anonimizados de clientes com pelo menos 250 colaboradores, concluiu que as transições para novas funções dentro da mesma empresa caíram em 57% dos empregadores em termos anuais, enquanto as taxas de promoção a nível mundial se mantiveram essencialmente planas (Workday, 2026).

Portanto, o colaborador que absorveu a capacidade automatizada em troca de uma futura mudança interna tem na mão um instrumento mais fraco do que há doze meses. Entretanto, os mesmos dados da Workday mostram que a procura por competências práticas em IA — construir ferramentas, automatizar fluxos de trabalho — subiu 51% entre setembro de 2025 e julho de 2026 nas requisições de emprego de cerca de 550 empregadores de grande dimensão. O mercado externo está a licitar exatamente pela capacidade que o seu automatizador não recompensado acabou de demonstrar.

A aritmética incómoda: descobriu a competência, abdicou de lhe atribuir um preço e publicou a prova da sua existência para um mercado que o fará.

O que decidir antes do próximo ciclo de desempenho

A correção é estreita e barata, o que é o principal argumento para a fazer neste trimestre em vez de a dobrar num projeto de arquitetura de funções para 2027.

Faça internamente a pergunta que a Oyster fez. Coloque-a aos seus gestores: o que aconteceu à última pessoa da tua equipa que automatizou parte do próprio trabalho? Não está a auditar conformidade; está a descobrir o padrão que a sua equipa já aprendeu. Se ninguém conseguir citar um caso, a automatização está a acontecer de forma invisível, que é o achado pior.

Defina o percurso antes de precisar dele. Uma rota nomeada e acordada à partida, de "automatizei isto" até uma decisão de âmbito, título ou remuneração — com um prazo e um responsável — vale mais do que o resultado que produz, porque é a sua existência que move os colaboradores. Resolva-a antes do ciclo de desempenho, não dentro dele, quando cada conversa se torna uma negociação de orçamento.

Redimensione ao nível da função, não da pessoa. Se o trabalho com IA entrou numa função, a descrição da função muda para todos os que a ocupam. Os 62% que não alteraram título nem remuneração carregam um passivo silencioso: uma expansão não documentada de atribuições que irá emergir numa reclamação, num exercício de benchmarking ou numa entrevista de saída.

Meça a capacidade, não a autodeclaração. A razão por que a maioria das organizações não consegue recompensar o trabalho de automatização é não o ver — os dados de competências vivem em avaliações narrativas anuais escritas antes de esse trabalho existir. Medir competências por ciclo contra um referencial definido, e ler o potencial a partir desses dados em vez da memória do gestor, é a diferença entre a promessa de um percurso e um percurso. É essa a camada em que operam os sistemas de desempenho e sucessão, e é o pré-requisito para que qualquer um dos movimentos acima sobreviva ao contacto com uma reunião de calibração.

Observe primeiro a camada dos coordenadores. Incidência mais alta de requisitos de IA, descrições de função menos exatas, mobilidade interna mais fina. Comece por aí e encontrará os casos numa semana.

A decisão deste trimestre

Não tem um problema de lacuna de competências em IA até ter resolvido um problema de recompensa da IA. Cada hora de formação que financia aterra em colaboradores que já calcularam o que automatizar o próprio trabalho rendeu ao último colega que tentou. Esse cálculo é barato de fazer para eles e caro de reverter para si.

Por isso tome uma decisão antes de este ciclo fechar: nomeie a pessoa que detém a resposta quando um colaborador diz "automatizei isto" — e nomeie o prazo em que tem de responder. Se não conseguir nomear ambos até ao fim do trimestre, os seus melhores profissionais continuarão a automatizar, e continuarão a fazê-lo noutro lugar.

Ready to go beyond the CV?

Scovai's AI-powered Talent Passport reveals what resumes can't: personality, potential, and true job fit.