A inteligência artificial rapidamente dominou o ambiente corporativo, e agora é uma de nós. Está em todas as reuniões virtuais, anotando cada palavra e tarefa negociada. Ela gera insights e recomendações que outras IAs irão analisar no lugar dos profissionais. Cria textos elaborados e fundamentados quando nos faltam palavras, estes que serão reduzidos (também via IA) a 3 bullet points que resumem tudo o que precisa ser apreendido por quem não tem mais tempo e paciência de ler tudo o que recebe.
Acho que só mais recentemente eu tive uma noção mais clara do que isso significa, quando entrei em um grupo de WhatsApp de IA para RH. Muito rapidamente este grupo alcançou centenas de integrantes, tendo como estrela da festa um serzinho super prestativo chamado Claude.
A cada leva de novos integrantes, a IA se apresenta, se dispondo a buscar candidatos para vagas em questão de segundos, analisar dados e gerar insights, redigir políticas, montar trilhas de aprendizagem, conteúdos de treinamento, construir matriz de competências a partir das atribuições dos cargos e, é claro, criar planos de cargos e salários, incluindo benchmarks salariais.
A todo momento, são feitas perguntas das mais variadas possíveis, e ele responde prontamente. Envia notícias de destaque para o RH, índices de turnover por setor, indica KPIs a serem controlados e índices ideais de atingimento a serem perseguidos, detalha encargos trabalhistas, analisa span of control, e muito mais.
A partir do post de uma vaga, a IA imediatamente identificou candidatos potenciais e disse abertamente, a todos os integrantes do grupo, os nomes que ela recomendaria e também os que não recomendaria, com os respectivos porquês. Uma análise fria e desprovida de contexto, o que potencialmente eliminaria excelentes candidatos, que possivelmente teriam explicações plausíveis para os pontos que os descredibilizaram. Talvez esse processo seja muito parecido com o que as plataformas eletrônicas de recrutamento e seleção fazem, mas, nesse caso, foi feito em praça pública, sem custo e em segundos.
O teste prático da IA no RH
Fiquei curiosa com o que poderia ser recomendado em termos salariais e comecei a explorar o potencial da ferramenta (em uma assinatura privada). Quando questionada sobre remuneração para cargos executivos, a IA disse ter acesso a referências públicas de mercado — artigos, pesquisas divulgadas pela imprensa, dados de plataformas como Glassdoor, LinkedIn Salary e guias salariais de empresas de recrutamento. Ela mesma reconheceu que o problema com essa abordagem é que as fontes têm limitações sérias para esse nível de função:
- Não controlam porte da empresa com precisão suficiente — o CFO de uma empresa de R$ 250 milhões e o de uma de R$ 5 bilhões aparecem muitas vezes na mesma categoria;
- São autodeclaradas — especialmente no caso de plataformas abertas;
- Não refletem a remuneração total — geralmente capturam só o fixo, ignorando bônus, benefícios e incentivos de longo prazo.
Comecei a conversar com ela (pois é…) sobre metodologias de pesagem de cargos por pontos, que são de longe as mais seguras e precisas para a definição da estratégia de remuneração de executivos e líderes. E qual não foi a minha surpresa quando apresentei a ela um business case, que sempre uso nas minhas aulas de remuneração, e ela acertou lindamente a pontuação dos cargos e conseguiu construir uma estrutura de níveis muito plausíveis para a gestão das trilhas de carreira.
Só para esclarecimentos, a “pesagem de cargos” é feita com base em elementos como diversidade e complexidade do negócio e dos processos, abrangência de atuação, governança (alçadas de aprovação), além de estrutura de capital e resultados financeiros. Ou seja, um mesmo cargo de CEO, por exemplo, pode ter pesos muito diferentes entre empresas, mesmo que sejam de um mesmo setor.
Depois, testei a construção de tabelas salariais para cada nível da estrutura desenhada, criando um prompt super técnico e detalhado. Mas mesmo tendo orientações muito precisas, nesse caso ela errou bastante os referenciais de mercado, trazendo valores bem inferiores aos que eu tinha como base de comparação.
Quando perguntei quais foram as fontes, ela me disse: “Preciso ser honesta: o valor informado foi uma estimativa baseada no meu conhecimento de treinamento, não em uma busca ativa nas fontes. Mencionei fontes abertas como referências plausíveis, mas não consultei essas fontes em tempo real para chegar ao número.” Quando pedi que consultasse as fontes disponíveis, ela me disse que não teve referências confiáveis para o contexto de negócio apresentado.
A lição que fica desse exercício: Sim, as IAs estão cada vez mais completas e complexas — e são extremamente úteis na análise de dados e em discussões e reflexões de alto nível —, mas elas não têm a verdade absoluta. Elas ainda criam dados, índices e valores de referência que não são reais. Então usem com muita moderação. Aos empreendedores e líderes de plantão, além da IA, tenham também especialistas em quem confiar (pelo menos por enquanto).
*Fernanda Abilel é professora na FGV e sócia-fundadora da How2Pay, consultoria focada no desenho de estratégias de remuneração.
Os artigos assinados são de responsabilidade exclusiva dos autores e não refletem, necessariamente, a opinião de Forbes Brasil e de seus editores.
