A armadilha das demissões com IA: por que toda empresa vai automatizar mesmo sabendo que vai quebrar

Em fevereiro de 2026, Jack Dorsey demitiu quase metade da Block. Foram cerca de 4.000 pessoas. Na justificativa, ele disse que IA tornou muitas das funções desnecessárias e que “no próximo ano, a maioria das empresas chegará à mesma conclusão”. Em 2025, empregadores nos EUA anunciaram mais de 1 milhão de cortes, com IA citada explicitamente em 55 mil deles.

Aqui está o problema que ninguém está discutindo direito: todas essas empresas sabem que demitir em massa derruba a demanda agregada. Trabalhador demitido não compra. E mesmo assim, todas continuam demitindo. Por quê? Um paper recente de Brett Hemenway Falk (UPenn) e Gerry Tsoukalas (Boston University) prova matematicamente que isso não é falta de visão. É um dilema do prisioneiro estrutural, e nenhuma empresa racional pode quebrá-lo sozinha.

O que está acontecendo

A teoria econômica tradicional dizia que automação é autocorretiva. Demissão num setor abre vagas em outro, salários se ajustam, ninguém fica pra trás permanentemente. Essa lógica funcionou no século XX porque o ritmo de substituição era lento o bastante para a reabsorção acontecer.

Falk e Tsoukalas mostram que o jogo mudou. No modelo deles, N empresas simétricas competem no mesmo mercado. Cada uma escolhe quanto da sua força de trabalho substituir por IA. A economia de custo da automação fica integralmente com a empresa que automatiza. Mas a perda de demanda gerada, porque trabalhadores demitidos param de comprar, se distribui entre todas as N empresas do setor.

O resultado é uma assimetria devastadora. Quando você corta um time, você ganha 100% da economia salarial. Mas você só absorve 1/N da queda de demanda que isso causa. O resto cai nos concorrentes. Para você, automatizar é estritamente dominante. Para o setor inteiro, é coletivamente destrutivo.

Por que você deveria prestar atenção

O paper traz três previsões testáveis que estão se materializando nos dados de 2026.

A primeira é que erosão de lucro vai aparecer junto com demissões em massa, especialmente em setores fragmentados. Isso contraria o senso comum de que cortar custos com IA melhora margem. No modelo, cortar custos via IA em mercado competitivo derruba demanda mais do que melhora margem. Empresa fica pior.

A segunda é que melhor IA piora o problema, não resolve. Os autores chamam isso de efeito Red Queen, em referência ao Alice no País das Maravilhas onde a Rainha Vermelha precisa correr cada vez mais rápido só para ficar no mesmo lugar. Cada empresa percebe um ganho de participação de mercado ao automatizar mais que os rivais. No equilíbrio simétrico, esses ganhos se cancelam. Sobra só a destruição de demanda adicional.

A terceira, e mais política, é que praticamente nenhuma das soluções discutidas atualmente funciona. O paper avalia seis instrumentos:

Política	Reduz o wedge?	Resolve a externalidade?
Renda Básica Universal (UBI)	Não	Não
Imposto sobre lucro	Não	Não
Participação no capital pelos trabalhadores	Parcialmente	Não
Barganha Coaseana entre empresas	Parcialmente	Não
Requalificação / upskilling	Parcialmente	Só se η = 1
Imposto Pigouviano sobre automação	Sim	Sim

UBI não muda a margem de decisão da empresa. Se a IA economiza X por trabalhador demitido e o governo distribui dinheiro pra todo mundo, a decisão de demitir continua igual. UBI eleva o piso de qualidade de vida (e isso tem valor), mas não corrige a corrida armamentista.

Imposto sobre lucro também não funciona, e a razão é mais técnica. Ele escala a função de lucro inteira por (1−t), o que cancela na derivada parcial. A condição de primeira ordem da empresa não muda. O imposto redistribui ganhos depois que o estrago já foi feito.

A única política que opera na margem certa é um imposto Pigouviano sobre cada tarefa automatizada, na fórmula τ* = ℓ(1 − 1/N), onde ℓ é a perda de demanda por trabalhador demitido. Esse imposto cobra da empresa a externalidade que ela impõe aos concorrentes. A receita pode financiar requalificação, o que aumenta a taxa de reabsorção de trabalhadores e reduz ℓ ao longo do tempo. O imposto se autofinancia e tende a zero conforme a economia se ajusta.

Como aplicar isso amanhã

Você não é Janet Yellen, então não vai implementar imposto Pigouviano. Mas o paper tem três implicações operacionais imediatas.

Se você decide cortes: o resultado mostra que cortes em setor fragmentado com alta exposição a IA têm probabilidade alta de erodir o próprio lucro da sua empresa, não só o lucro dos concorrentes. O cálculo “vou economizar X em salários” precisa subtrair a queda de receita que vem da contração de demanda agregada. Em setores como customer support, software services e back-office financeiro (os três que o paper destaca como mais expostos), essa conta pode virar negativa.

Se você investe em ações: o paper sugere uma assinatura empírica clara. Setores fragmentados onde várias empresas estão demitindo simultaneamente vão mostrar erosão de margem que modelos competitivos padrão não explicam. Isso é tese curta acionável em alguns nichos.

Se você é trabalhador ou empreendedor: o caminho de aumentar η (taxa de reabsorção) é onde está o jogo. Trabalhos que requalificam pessoas pra funções de maior remuneração no boom de IA-adjacente (infraestrutura, energia, serviços de implementação) reduzem o ℓ e, na borda, podem reverter a externalidade de over-automação pra under-automação. O paper não trata isso como utopia. Mostra matematicamente que quando η > 1 (a reabsorção paga mais que o emprego original), o equilíbrio competitivo automatiza pouco demais.

Por que isso não é só teoria

Três dados de 2026 que o paper cita e que deveriam preocupar qualquer estrategista:

No primeiro trimestre de 2026, investimento empresarial superou consumo como principal contribuidor do PIB dos EUA. Isso não acontecia em anos.
Taxa de poupança pessoal caiu para 3.6% em março, o menor nível desde fim de 2022.
O CEO da Anthropic, Dario Amodei, declarou que a disrupção de empregos pela IA será “muito mais ampla e muito mais rápida” que choques tecnológicos anteriores.

Os três indicadores são consistentes com o mecanismo do paper. Renda do trabalho contraindo, poupança caindo (porque trabalhadores demitidos consomem suas reservas), e empresas ainda assim acelerando automação.

Glossário

Externalidade: efeito de uma decisão sobre terceiros que não é precificado na decisão. Poluição é o exemplo clássico. Aqui, a “externalidade de demanda” é a queda de receita que sua demissão causa nos concorrentes.
Imposto Pigouviano: imposto desenhado para fazer a empresa pagar exatamente o custo externo que ela impõe a terceiros. Nome vem do economista Arthur Pigou.
Dilema do Prisioneiro: estrutura de jogo onde a decisão individualmente racional leva ao pior resultado coletivo. Aqui, cada empresa tem incentivo dominante em demitir, mas todas saem perdendo.
Wedge de over-automação: diferença entre a taxa de automação no equilíbrio competitivo e a taxa que maximiza lucro agregado do setor. No paper, esse wedge é ℓ(1 − 1/N)/k.
MPC (Propensão Marginal a Consumir): fração de cada dólar adicional de renda que vira gasto imediato. Trabalhadores têm MPC alta. Donos de capital têm MPC baixa. Por isso transferência de renda do trabalho para o capital derruba consumo agregado.
Taxa de reabsorção (η): fração da renda perdida pelos demitidos que volta via reemprego, transferências ou requalificação. η = 1 significa reabsorção total. η < 1 é o caso histórico.
Reinstatement effect: termo de Acemoglu e Restrepo para a criação de novas tarefas que reabsorvem trabalhadores deslocados por automação. Funcionou nos séculos XIX e XX. A questão aberta é se vai funcionar com IA.

Sua próxima ação

Se você tem decisão sobre cortes ou contratações: faça uma pergunta antes do próximo ciclo de planejamento. Em quantos concorrentes diretos seus o mesmo movimento de automação está acontecendo agora? Se a resposta for “vários”, o paper sugere que você está prestes a entrar em corrida armamentista cujo equilíbrio é coletivamente destrutivo. Vale ler o paper inteiro antes de assinar o próximo plano de redução. Ele tem 40 páginas e o código aberto no arXiv.

Fontes

The AI Layoff Trap — Falk & Tsoukalas (2026)