A Gusto acompanhou os registros reais de folha de pagamento de 1.593 pequenas empresas que adotaram IA e de 669 que a conheciam e escolheram não adotar, e descobriu que as adotantes aumentaram o quadro de pessoal cerca de 7% mais no ano seguinte (Gusto, 2026). É esse o número que circulou como prova de que a IA cria empregos. A abertura por porte que está por baixo é o número que um líder de operações deveria de fato ler: 10% nas empresas com um funcionário, 11% de dois a quatro, 11% de cinco a nove — e 0% nas empresas de 10 a 24 funcionários.
O dividendo não diminui gradualmente com a escala. Ele desaparece exatamente no ponto em que um negócio começa a ter processos.
Isso não é um argumento de que a IA para de funcionar acima de dez pessoas. É um argumento sobre para onde vai a capacidade liberada pela IA quando não lhe é atribuído um destino — e a resposta, consistente em três conjuntos de dados independentes, é que ela entra no processo existente e deixa de ser visível para quem financia o piloto.
O que 2.262 históricos de folha de pagamento realmente mostram
O método é a razão pela qual isso vale mais do que outra pesquisa de adoção. A Gusto pegou quem respondeu à sua própria pesquisa de IA de abril de 2025, separou em 1.593 adotantes declaradas e 669 não adotantes informadas, e então mediu o que a folha de pagamento fez — não o que diziam ter feito. O grupo de comparação é a parte cuidadosa: empresas que conheciam a IA e a recusaram, o que isola a escolha de adotar em vez de comparar usuárias com empresas nunca expostas.
O estimador é um event study de Callaway e Sant'Anna, construído para adoção escalonada no tempo, com cada empresa comparada às que ainda não adotaram e às que nunca adotarão, em relação ao trimestre anterior à adoção. As trajetórias de emprego eram planas e paralelas antes da adoção — o teste que importa. O efeito se construiu gradualmente, de cerca de 4,5% para cerca de 6,8% ao longo dos quatro trimestres após a adoção, o que descarta um pico isolado de contratações. Os salários não mostraram movimento correspondente, coerente com empresas adicionando pessoas em vez de pegar carona em um aumento geral de remuneração.
E as vagas não eram vagas de IA. As adotantes contrataram terapeutas, professores, técnicos, cozinheiros — o que a Gusto chama de do-ers, pessoas que produzem mais daquilo que o cliente veio buscar. Entre as empresas com menos de dez funcionários, o crescimento do quadro foi de 8% em produção de bens, 8% em serviços pessoais, 9% em serviços profissionais e 19% em serviços comunitários, puxado por pequenas clínicas de saúde e assistência social que contrataram higienistas dentais e profissionais clínicos.
É um resultado limpo com um mecanismo pouco glamouroso: num negócio de cinco pessoas, as horas do proprietário são a restrição que aperta, e essas horas vão para agendamento, administração, marketing e pesquisa. A IA absorve isso, e as horas recuperadas se convertem na próxima contratação.
O zero é o achado
A própria explicação da Gusto para a faixa de 10-24 é a frase operacionalmente mais útil do estudo. Empresas desse porte, observa, "já têm grande parte desses processos no lugar", e seus ganhos de produtividade "provavelmente aparecem em outros lugares além do quadro de pessoal, mesmo que os funcionários sejam liberados para se concentrar mais em suas funções centrais" (Gusto, 2026).
Leia duas vezes, porque é todo o problema piloto-orçamento enunciado por quem detém os dados.
Com cinco funcionários não há processo para absorver as horas liberadas, então elas emergem como uma decisão observável: contratar alguém. Com quinze, há processo — um sistema de agendamento, uma cadeia de aprovação, uma cadência de reporte, uma fila de trabalho que se expande até ocupar a atenção disponível. As horas continuam sendo liberadas. Elas simplesmente são reabsorvidas pela estrutura que já estava lá, e nenhum dashboard de adoção, métrica de uso ou pesquisa de satisfação consegue dizer para onde foram.
Escale isso para 50-500 FTEs e a estrutura é uma ordem de magnitude mais densa. A premissa que repousa silenciosamente sob a maioria dos business cases de IA para 2027 — de que a capacidade encontrará sozinha o melhor uso — é exatamente a premissa que mediu zero com quinze funcionários.
A Dinamarca mostra para onde foi a capacidade liberada
Se a capacidade é reabsorvida em vez de destruída, algo tem de estar absorvendo. A melhor evidência sobre o que é vem de dados administrativos, não de autorrelato.
Humlum e Vestergaard ligaram pesquisas de adoção de IA em larga escala aos registros administrativos de trabalho da Dinamarca e estimaram efeitos nulos e precisos sobre remunerações e horas registradas, tanto no nível do trabalhador quanto do estabelecimento, descartando efeitos maiores que 2% dois anos depois do lançamento do ChatGPT — isso num cenário em que a maioria dos empregadores em ocupações expostas já tinha adotado iniciativas de chatbot e os trabalhadores relatavam benefícios de produtividade (Humlum e Vestergaard, 2026).
O que se moveu foi a estrutura do trabalho. Os empregadores absorveram a IA por meio de reorganização de tarefas, e os autores nomeiam explicitamente as novas tarefas: geração de conteúdo, supervisão de IA e integração de IA. As adotantes também migraram para ocupações melhor pagas em que os chatbots são mais relevantes, ainda que em número pequeno demais para mover a média salarial.
Esse é o destino, e não é o que está no business case. O tempo que a ferramenta devolve é gasto em medida substancial supervisionando, verificando e conectando a própria ferramenta. Ninguém escreveu essa linha no orçamento, ninguém a possui num organograma, e porque está distribuída no dia de todos em incrementos de dez minutos, nunca aparece como custo — apenas como um ganho de produtividade que de algum modo não chegou.
Os ganhos acima da linha são reais — e são comprados
O contrapeso honesto ao zero da Gusto vem de um painel de empresas muito maior. Usando dados EIBIS-ORBIS pareados de mais de 12.000 empresas não financeiras na UE e nos EUA, instrumentando a adoção na UE com as taxas de adoção de pares norte-americanos, a adoção de IA eleva o nível de produtividade do trabalho em 4%, via aprofundamento de capital e não deslocamento de mão de obra, sem efeitos adversos de emprego no nível da firma (BIS, 2026).
Dois detalhes importam mais do que a manchete. Primeiro, os ganhos "se concentram em empresas médias e grandes" — exatamente a faixa em que o efeito sobre quadro de pessoal medido pela Gusto desaparece. Segundo, o texto é explícito: são os investimentos complementares em software, dados e treinamento da força de trabalho que os destravam.
Ponha os três conjuntos de dados em uma linha e o quadro fica coerente. Abaixo de dez funcionários, a capacidade liberada se converte sozinha em quadro de pessoal porque não há nada no caminho. Em empresas médias e grandes, converte-se em produtividade medida — mas só junto com os complementos que a redirecionam. No meio, e em qualquer empresa que compra a ferramenta sem os complementos, converte-se em overhead de tarefas sem dono.
O dividendo não morreu aos dez funcionários. Ele deixou de ser automático.
Os limites honestos
A Gusto é associativa, e diz isso. As empresas escolhem se e quando adotar; a data de adoção é autodeclarada; a amostra são clientes Gusto que responderam a uma pesquisa, não um sorteio aleatório de pequenas empresas americanas. Os autores afirmam claramente que as magnitudes exatas podem não valer para a economia como um todo.
A faixa de 5-9 carrega uma ressalva dos autores. Essas empresas estavam encolhendo ligeiramente antes da adoção, então parte desses 11% pode ser recuperação e não contratação nova.
O zero foi medido entre 10 e 24 funcionários, não em 200. Nada neste conjunto de dados observa uma organização de 300 pessoas. O que se transfere para cima é o mecanismo — processo absorve capacidade não atribuída — não a estimativa pontual. Quem cita "0% acima de dez funcionários" como um achado sobre o mid-market leu demais, incluindo quem citar este artigo.
A Dinamarca é precoce, específica de chatbots e sobre médias. Um nulo preciso sobre remunerações e horas médias não é um nulo sobre uma função individual, e a janela são os dois primeiros anos de uma tecnologia de uso geral.
A estimativa do BIS identifica exposição, não o seu rollout. Instrumentar com taxas de adoção de pares norte-americanos compra variação causal limpa ao custo de medir o efeito médio de ser adotante, não o efeito de quão bem você implementou.
O que um Head of Operations deve fazer antes de o próximo piloto ser aprovado
Quatro movimentos, e nenhum deles é uma decisão de ferramenta.
1. Escreva o destino das horas antes de aprovar o gasto. Uma frase, na aprovação: a capacidade que isso libera vai para este resultado, pertence a esta pessoa, é medida desta forma, até esta data. Se a única resposta disponível é "o time vai ficar mais produtivo", você acabou de financiar a condição do 0% — uma hora liberada sem reivindicação nomeada é reabsorvida pelo processo que já estava lá.
2. Orce o trabalho de supervisão e integração como trabalho. A evidência dinamarquesa diz que as novas tarefas são supervisão, verificação e conexão. Precifique-as no business case como custo nomeado contra um papel nomeado, ou serão pagas com a mesma capacidade que o piloto deveria liberar.
3. Mude a variável dependente que você reporta. No seu porte, quadro de pessoal é a leitura errada e uso é métrica de vaidade. Escolha algo que o processo não possa absorver em silêncio: tempo de ciclo em um fluxo específico, fila zerada, output por FTE em uma função. Instrumente antes de o piloto começar, porque uma baseline reconstruída depois é narrativa.
4. Dê à supervisão um nome, não um transbordamento. O trabalho de verificação desaparece porque não tem assento. Um deployment governado o torna estrutural: o modelo Digital Employee da Scovai é confirm-first por padrão — toda ação visível externamente se torna um pedido de aprovação com um nome humano, a autonomia é conquistada por tipo de ação a partir de um registro rastreado, e silêncio nunca é consentimento. Qualquer que seja o stack escolhido, o teste é o mesmo: você consegue apontar a pessoa que é dona da fila de aprovação, e consegue ver quanto custou a ela?
Os três conjuntos de dados discordam sobre magnitudes e concordam sobre o mecanismo. A capacidade liberada pela IA que ninguém reivindicou não é economizada. Ela é gasta em silêncio, dentro da estrutura que você já tem, em trabalho que ninguém decidiu fazer.
Então pegue um piloto de IA que já esteja rodando na sua organização e tente completar a frase do movimento um. Se você não consegue nomear destino, dono, medida e data neste trimestre, você não tem um programa de produtividade. Você tem uma realocação que não está olhando.
