O fracasso ocorre quando os l\u00edderes fortalecem o Motor, esvaziam a Cabine e presumem que a B\u00fassola, de alguma forma, se resolver\u00e1 por si s\u00f3.<\/p>\n
![\"\"](\"https:\/\/www.artefact.com\/\/wp-content\/uploads\/2026\/07\/You-can-automate-the-code-\u2013-you-cant-automate-the-company-image.jpg\")
<\/p>\n
A Klarna chegou ao limite<\/h2>\n
A Klarna oferece um teste \u00fatil para essa distin\u00e7\u00e3o.<\/p>\n
Em 2024, a empresa de pagamentos informou que seu assistente de IA estava realizando o trabalho equivalente a 700 agentes de atendimento ao cliente e lidando com dois ter\u00e7os de seus chats de atendimento no primeiro m\u00eas ap\u00f3s o lan\u00e7amento. A Klarna tamb\u00e9m suspendeu as contrata\u00e7\u00f5es, e seu quadro de funcion\u00e1rios diminuiu posteriormente em cerca de 22%, em grande parte por meio de rotatividade natural.<\/p>\n
Os n\u00fameros pareciam impressionantes. Ent\u00e3o, a empresa se deparou com um limite.<\/p>\n
Em 2025, o diretor executivo Sebastian Siemiatkowski reconheceu que o custo havia se tornado um fator excessivamente determinante na forma como o atendimento ao cliente era organizado, resultando em um atendimento de menor qualidade. A Klarna come\u00e7ou a recrutar agentes humanos que trabalhassem de forma flex\u00edvel e remota e enfatizou que os clientes deveriam sempre poder entrar em contato com uma pessoa, caso assim o desejassem.<\/p>\n
Isso n\u00e3o representou um abandono total da IA. A Klarna continuou a utilizar o assistente de forma extensiva. Em um documento apresentado posteriormente, a empresa afirmou que o assistente atendeu 80% dos chats de atendimento ao cliente durante o ano de 2025 e n\u00e3o registrou nenhuma queda na satisfa\u00e7\u00e3o, com base em suas pr\u00f3prias pesquisas internas.<\/p>\n
A li\u00e7\u00e3o vai al\u00e9m de uma simples hist\u00f3ria de fracasso. A Klarna manteve a efici\u00eancia ao corrigir a suposi\u00e7\u00e3o de que a efici\u00eancia era o produto em si. Um servi\u00e7o automatizado pode ter um desempenho brilhante nas intera\u00e7\u00f5es comuns e, ainda assim, precisar de uma pessoa para lidar com os momentos que n\u00e3o se encaixam no padr\u00e3o. No atendimento ao cliente, esses momentos incomuns costumam definir a forma como as pessoas se lembram da marca.<\/p>\n
A Klarna n\u00e3o constatou que a IA fosse ineficaz. Seu Engine funcionava. A empresa constatou que os clientes ainda precisavam ter acesso a um Cockpit quando a intera\u00e7\u00e3o deixava de se encaixar no padr\u00e3o habitual.<\/p>\n
Reorganiza\u00e7\u00e3o n\u00e3o \u00e9 o mesmo que uma equipe<\/h2>\n
Se a Klarna demonstra a dificuldade de eliminar o excesso de interven\u00e7\u00e3o humana, a Meta demonstra a dificuldade de reorganizar as equipes em torno de uma estrat\u00e9gia de IA.<\/p>\n
Em maio de 2026, a Meta se preparou para reduzir cerca de 10% de sua for\u00e7a de trabalho, ao mesmo tempo em que transferia aproximadamente 7.000 funcion\u00e1rios para novas organiza\u00e7\u00f5es voltadas para a IA. Documentos internos descreviam estruturas mais horizontais, equipes menores e maior autonomia. Alguns funcion\u00e1rios se referiram \u00e0s transfer\u00eancias obrigat\u00f3rias como \u201cconvoca\u00e7\u00e3o\u201d.\u201d<\/p>\n
Um m\u00eas depois, o diretor de tecnologia da Meta, Andrew Bosworth, reconheceu em uma publica\u00e7\u00e3o interna que a empresa havia feito um trabalho \u201cp\u00e9ssimo\u201d na implanta\u00e7\u00e3o de uma das novas divis\u00f5es. Mais revelador ainda, ele identificou o que havia sido prejudicado: a confian\u00e7a dos funcion\u00e1rios de que sua expertise seria valorizada, de que suas carreiras se desenvolveriam e de que poderiam causar um impacto significativo.<\/p>\n
A Meta pode, em \u00faltima an\u00e1lise, desenvolver uma IA melhor gra\u00e7as \u00e0 reestrutura\u00e7\u00e3o. Uma implementa\u00e7\u00e3o dif\u00edcil n\u00e3o prova que a estrat\u00e9gia ir\u00e1 fracassar. No entanto, reunir pessoas talentosas em um organograma voltado para a IA n\u00e3o \u00e9 o mesmo que criar uma equipe que funcione. O Cockpit depende de confian\u00e7a, continuidade e de um entendimento comum sobre a import\u00e2ncia do trabalho.<\/p>\n
As pessoas precisam saber por que seu trabalho \u00e9 importante. Elas precisam de gestores que compreendam seus pontos fortes e de continuidade suficiente para aprender como as decis\u00f5es s\u00e3o tomadas. \u00c9 poss\u00edvel transferir nomes de um quadro para outro em uma tarde. As rela\u00e7\u00f5es e o contexto compartilhado, por\u00e9m, n\u00e3o se transferem automaticamente com eles.<\/p>\n
Uma a\u00e7\u00e3o judicial movida em julho de 2026 por 26 funcion\u00e1rios da Meta refor\u00e7a essa quest\u00e3o. Os funcion\u00e1rios alegam que a Meta utilizou sistemas internos de IA, o monitoramento de atividades data, pain\u00e9is de uso de tokens e classifica\u00e7\u00f5es de desempenho assistidas por algoritmos ao selecionar pessoas para demiss\u00f5es. Eles afirmam que o processo tratou per\u00edodos de licen\u00e7a m\u00e9dica, parental ou familiar como redu\u00e7\u00e3o de produtividade, tornando os trabalhadores afetados mais propensos a serem selecionados. A Meta nega as alega\u00e7\u00f5es e afirma que foram pessoas, e n\u00e3o a IA, que tomaram as decis\u00f5es relativas \u00e0 for\u00e7a de trabalho.<\/p>\n
As alega\u00e7\u00f5es ainda n\u00e3o foram comprovadas. No entanto, o suposto modo de falha \u00e9 algo que toda organiza\u00e7\u00e3o deveria reconhecer. Um sistema pode processar as m\u00e9tricas dispon\u00edveis com precis\u00e3o e, mesmo assim, chegar a uma decis\u00e3o equivocada, pois as m\u00e9tricas carecem de contexto. Uma redu\u00e7\u00e3o na produ\u00e7\u00e3o medida pode significar baixo desempenho. Tamb\u00e9m pode significar gravidez, doen\u00e7a, presta\u00e7\u00e3o de cuidados ou adapta\u00e7\u00e3o para pessoas com defici\u00eancia.<\/p>\n
O Engine aplica a m\u00e9trica. O Cockpit questiona o significado da m\u00e9trica. O Compass decide quais consequ\u00eancias a organiza\u00e7\u00e3o est\u00e1 disposta a assumir.<\/p>\n
Como as organiza\u00e7\u00f5es se lembram<\/h2>\n
A maior parte do conhecimento organizacional n\u00e3o est\u00e1 armazenada onde os l\u00edderes imaginam que esteja. Ele n\u00e3o est\u00e1 todo no c\u00f3digo-fonte, no CRM, no manual de pol\u00edticas ou na unidade compartilhada. Grande parte dele reside em pequenas intera\u00e7\u00f5es que mal s\u00e3o percebidas como trabalho.<\/p>\n
\u00c9 a reuni\u00e3o semanal em p\u00e9 em que algu\u00e9m se lembra por que uma ideia semelhante fracassou h\u00e1 tr\u00eas anos. \u00c9 a reuni\u00e3o de an\u00e1lise com o cliente que revela que a verdadeira obje\u00e7\u00e3o era de natureza pol\u00edtica, e n\u00e3o t\u00e9cnica. \u00c9 o engenheiro s\u00eanior que analisa o c\u00f3digo que passa em todos os testes e afirma: \u201cIsso ir\u00e1 falhar nas condi\u00e7\u00f5es em que realmente operamos.\u201d<\/p>\n
Esses momentos podem parecer ineficientes. Mas \u00e9 tamb\u00e9m por meio deles que as organiza\u00e7\u00f5es se lembram.<\/p>\n
Em um escrit\u00f3rio de advocacia, empresa de consultoria, banco ou ag\u00eancia, o relacionamento faz parte do produto. O valor n\u00e3o decorre apenas do resultado final, mas tamb\u00e9m da compreens\u00e3o da hist\u00f3ria do cliente, de sua din\u00e2mica interna, de sua toler\u00e2ncia ao risco e de suas restri\u00e7\u00f5es n\u00e3o declaradas. O mesmo se aplica ao setor p\u00fablico, onde um assistente social ou um oficial de planejamento pode possuir anos de conhecimento pr\u00e1tico que ningu\u00e9m pensou em registrar por escrito.<\/p>\n
A IA pode ajudar a capturar mais desses aspectos. Ferramentas aprimoradas de pesquisa, transcri\u00e7\u00e3o e mem\u00f3ria institucional s\u00e3o genuinamente \u00fateis. Mas a documenta\u00e7\u00e3o \u00e9 sempre uma sele\u00e7\u00e3o da realidade. As pessoas registram o que j\u00e1 sabem ser importante. A experi\u00eancia consiste, em parte, na capacidade de reconhecer a import\u00e2ncia de algo antes que algu\u00e9m o tenha documentado.<\/p>\n
Quando os concorrentes t\u00eam acesso a modelos e infraestrutura semelhantes, a vantagem duradoura decorre da forma como a tecnologia \u00e9 direcionada, do contexto em que se insere e dos padr\u00f5es aplicados aos seus resultados.<\/p>\n
A IA pode criar equil\u00edbrio. S\u00e3o as pessoas que transformam esse equil\u00edbrio em vantagem.<\/p>\n
As demiss\u00f5es transformam as pessoas que permanecem na empresa<\/h2>\n
O custo de uma demiss\u00e3o em massa \u00e9 geralmente calculado com base na indeniza\u00e7\u00e3o, nos riscos legais, no tempo de transi\u00e7\u00e3o e na perda de pessoal que est\u00e1 saindo. O comportamento das pessoas que permanecem \u00e9 mais dif\u00edcil de quantificar.<\/p>\n
Uma meta-an\u00e1lise de 2002, realizada por Magnus Sverke, Johnny Hellgren e Katharina N\u00e4swall, examinou 72 estudos sobre a percep\u00e7\u00e3o de inseguran\u00e7a no emprego. A pesquisa constatou rela\u00e7\u00f5es negativas entre a inseguran\u00e7a e a satisfa\u00e7\u00e3o no trabalho, o comprometimento organizacional e o desempenho. Trata-se de correla\u00e7\u00f5es, e n\u00e3o de quedas percentuais causadas por uma demiss\u00e3o espec\u00edfica. Mesmo assim, a tend\u00eancia \u00e9 consistente: quando as pessoas deixam de se sentir seguras, sua rela\u00e7\u00e3o com a organiza\u00e7\u00e3o se altera.<\/p>\n
Uma pesquisa realizada por Charlie Trevor e Anthony Nyberg associou uma redu\u00e7\u00e3o de 1% na for\u00e7a de trabalho a um aumento estimado de 31% na rotatividade volunt\u00e1ria no ano seguinte, embora as pr\u00e1ticas de RH relacionadas tenham influenciado o resultado.<\/p>\n
Isso gera um problema de sele\u00e7\u00e3o. Os funcion\u00e1rios mais aptos a se demitir s\u00e3o, muitas vezes, aqueles que possuem compet\u00eancias s\u00f3lidas, redes de contatos \u00fateis e alternativas atraentes. Quando uma empresa opta por demitir um grupo, corre o risco de levar outro grupo a se demitir por conta pr\u00f3pria.<\/p>\n
Isso n\u00e3o significa que as demiss\u00f5es nunca sejam necess\u00e1rias. Significa que uma redu\u00e7\u00e3o do quadro de funcion\u00e1rios n\u00e3o \u00e9 uma simples subtra\u00e7\u00e3o. Ela altera a confian\u00e7a, os incentivos e o comportamento em toda a organiza\u00e7\u00e3o. Quando a IA \u00e9 apresentada como motivo, o efeito pode ser mais acentuado, pois se pede aos funcion\u00e1rios que treinem e aprimorem os sistemas que poderiam justificar a pr\u00f3xima redu\u00e7\u00e3o.<\/p>\n
O fluxo de talentos apresenta uma falha tardia<\/h2>\n
As fun\u00e7\u00f5es de n\u00edvel j\u00fanior est\u00e3o entre as mais f\u00e1ceis de automatizar, pois grande parte de sua produ\u00e7\u00e3o \u00e9 estruturada e pass\u00edvel de revis\u00e3o. Isso as torna um alvo \u00f3bvio para a redu\u00e7\u00e3o de custos. Ao mesmo tempo, torna sua elimina\u00e7\u00e3o perigosa.<\/p>\n
Um engenheiro j\u00fanior n\u00e3o se torna um engenheiro s\u00eanior evitando tarefas simples. Um estagi\u00e1rio de advocacia n\u00e3o desenvolve capacidade de julgamento sem analisar contratos comuns. Um consultor iniciante n\u00e3o aprende a avaliar a situa\u00e7\u00e3o de um cliente recebendo apenas a recomenda\u00e7\u00e3o final.<\/p>\n
A especializa\u00e7\u00e3o \u00e9 adquirida por meio da repeti\u00e7\u00e3o, da corre\u00e7\u00e3o, da observa\u00e7\u00e3o e dos erros supervisionados.<\/p>\n
Se a IA passar a realizar a maior parte das tarefas de n\u00edvel b\u00e1sico, as organiza\u00e7\u00f5es precisar\u00e3o repensar a forma como as pessoas adquirem experi\u00eancia. Isso poderia representar uma melhoria genu\u00edna. Muitas tarefas tradicionais de n\u00edvel j\u00fanior s\u00e3o tediosas e ensinam menos do que os profissionais seniores gostariam de admitir. No entanto, eliminar a tarefa n\u00e3o \u00e9 o mesmo que substituir o aprendizado.<\/p>\n
Se as empresas reduzirem a contrata\u00e7\u00e3o de profissionais juniores e, ao mesmo tempo, cortarem o quadro de profissionais seniores respons\u00e1veis pela revis\u00e3o dos resultados da IA, elas prejudicam ambas as etapas do ciclo de desenvolvimento. Elas perdem a capacidade de avalia\u00e7\u00e3o atual e a oferta futura dessa capacidade.<\/p>\n
As consequ\u00eancias n\u00e3o se manifestar\u00e3o neste trimestre. Elas vir\u00e3o \u00e0 tona v\u00e1rios anos depois, quando as organiza\u00e7\u00f5es descobrirem que possuem muitas ferramentas capazes de gerar respostas, mas pouqu\u00edssimas pessoas capazes de identificar uma resposta incorreta.<\/p>\n
O canal de talentos n\u00e3o \u00e9 um programa de RH. Trata-se de uma infraestrutura de produ\u00e7\u00e3o com um longo prazo de execu\u00e7\u00e3o.<\/p>\n
Argumentos a favor do corte, de qualquer forma<\/h2>\n
Existe um argumento s\u00e9rio do outro lado.<\/p>\n
Um diretor financeiro disciplinado poderia afirmar que grande parte do trabalho de n\u00edvel j\u00fanior est\u00e1 realmente desaparecendo, e fingir o contr\u00e1rio \u00e9 mera nostalgia. Proteger fun\u00e7\u00f5es que a tecnologia tornou obsoletas n\u00e3o \u00e9 boa gest\u00e3o. Trata-se de um subs\u00eddio que os concorrentes n\u00e3o arcar\u00e3o. Parte do conhecimento institucional perdido em uma demiss\u00e3o \u00e9 simplesmente h\u00e1bito disfar\u00e7ado de sabedoria. As empresas j\u00e1 automatizaram trabalhos especializados antes, desde a manufatura at\u00e9 a composi\u00e7\u00e3o tipogr\u00e1fica e as fun\u00e7\u00f5es financeiras administrativas, e a economia se ajustou.<\/p>\n
Nessa perspectiva, manter e requalificar os funcion\u00e1rios apenas adia uma mudan\u00e7a necess\u00e1ria. As empresas que agirem primeiro ter\u00e3o custos mais baixos e opera\u00e7\u00f5es mais sustent\u00e1veis, enquanto as demais hesitam.<\/p>\n
Algumas partes desse argumento est\u00e3o corretas. Algumas fun\u00e7\u00f5es n\u00e3o voltar\u00e3o, e defender cada uma delas \u00e9 um caminho certo para um decl\u00ednio gradual. A resposta n\u00e3o \u00e9 que os cortes sejam sempre errados. \u00c9 que o racioc\u00ednio muitas vezes se det\u00e9m cedo demais.<\/p>\n
O n\u00famero de funcion\u00e1rios n\u00e3o \u00e9 a \u00fanica vari\u00e1vel que vale a pena otimizar. Os l\u00edderes tamb\u00e9m precisam decidir quais compet\u00eancias devem sobreviver \u00e0 transi\u00e7\u00e3o: discernimento, an\u00e1lise, relacionamentos e o fluxo que gera a expertise futura. Eles precisam saber quais tarefas pertencem ao Motor, onde a Cabine de Comando ainda \u00e9 importante e quem det\u00e9m a B\u00fassola. Somente assim poder\u00e3o tomar uma decis\u00e3o fundamentada sobre quais pessoas devem ser dispensadas, requalificadas ou remanejadas.<\/p>\n
A Oracle e a Klarna n\u00e3o revelaram uma falha na IA. Elas revelaram o custo de se priorizar o que era mais f\u00e1cil de medir, ao mesmo tempo em que negligenciavam o que era mais dif\u00edcil de perceber.<\/p>\n
Um equil\u00edbrio melhor<\/h2>\n
O DBS, o maior banco de Cingapura, oferece um modelo mais ponderado, embora n\u00e3o isento de dificuldades.<\/p>\n
O banco prev\u00ea que cerca de 4.000 cargos tempor\u00e1rios e por contrato sejam eliminados ao longo de tr\u00eas anos, \u00e0 medida que a IA assume mais tarefas. Al\u00e9m disso, informou que espera criar cerca de 1.000 empregos relacionados \u00e0 IA, ao mesmo tempo em que requalifica os funcion\u00e1rios atuais para novas responsabilidades. Os caixas, por exemplo, foram treinados para trabalhar com caixas eletr\u00f4nicos com v\u00eddeo ou para assumir fun\u00e7\u00f5es de atendimento ao cliente.<\/p>\n
O DBS tamb\u00e9m continua a investir em seu reservat\u00f3rio de talentos. Em maio de 2026, o banco anunciou planos para recrutar mais de 500 jovens participantes locais por meio de programas de associados de gest\u00e3o, est\u00e1gios e programas de forma\u00e7\u00e3o profissional.<\/p>\n
Isso ainda \u00e9 uma redu\u00e7\u00e3o da for\u00e7a de trabalho. A diferen\u00e7a \u00e9 que a DBS est\u00e1 decidindo explicitamente quais tarefas podem ser transferidas para o Engine e quais compet\u00eancias humanas deseja preservar e desenvolver no Cockpit. Seu investimento cont\u00ednuo em talentos em in\u00edcio de carreira tamb\u00e9m protege o futuro suprimento de pessoas capazes de assumir o Compass. Ainda \u00e9 cedo para avaliar o resultado, mas a abordagem levanta uma quest\u00e3o mais pertinente.<\/p>\n
A resposta n\u00e3o \u00e9 retardar a ado\u00e7\u00e3o da IA. As organiza\u00e7\u00f5es que se recusarem a adotar essas ferramentas se tornar\u00e3o menos competitivas, e seus funcion\u00e1rios ficar\u00e3o sobrecarregados com tarefas manuais desnecess\u00e1rias. A melhor abordagem \u00e9 tratar a ado\u00e7\u00e3o da IA como uma quest\u00e3o de estrutura organizacional, em vez de uma simples quest\u00e3o de c\u00e1lculo de efetivo.<\/p>\n
Isso significa incorporar ao Engine uma execu\u00e7\u00e3o claramente delimitada, ao mesmo tempo em que se fortalece o Cockpit ao seu redor. Significa avaliar os resultados, em vez de prompts, tokens ou horas economizadas. Significa identificar as rela\u00e7\u00f5es e o conhecimento operacional que dependem de uma equipe antes de reduzi-la. Se a IA eliminar tarefas de n\u00edvel j\u00fanior, sua fun\u00e7\u00e3o de aprendizagem dever\u00e1 ser substitu\u00edda de forma deliberada por meio de an\u00e1lises, simula\u00e7\u00f5es, contato com clientes e acesso ao racioc\u00ednio dos profissionais s\u00eanior.<\/p>\n
Isso tamb\u00e9m significa dar \u00e0s pessoas alguma autonomia nessa transi\u00e7\u00e3o. A experi\u00eancia da Meta mostra com que rapidez uma estrat\u00e9gia de IA pode se tornar um problema de confian\u00e7a quando os funcion\u00e1rios se sentem obrigados a realizar tarefas desconhecidas, sem um objetivo claro ou um plano de carreira.<\/p>\n
Acima de tudo, os l\u00edderes devem deixar de presumir que o quadro de funcion\u00e1rios seja a \u00fanica vari\u00e1vel que deve diminuir quando a produtividade aumenta. Uma maior produtividade pode contribuir para a redu\u00e7\u00e3o de custos. Ela tamb\u00e9m pode contribuir para a cria\u00e7\u00e3o de produtos melhores, um atendimento mais \u00e1gil, mais experimenta\u00e7\u00e3o e a realiza\u00e7\u00e3o de trabalhos que antes n\u00e3o eram economicamente vi\u00e1veis.<\/p>\n
A escolha entre crescimento e redu\u00e7\u00e3o \u00e9 uma decis\u00e3o de gest\u00e3o, n\u00e3o uma consequ\u00eancia autom\u00e1tica da tecnologia. Ela deve ser considerada no Compass.<\/p>\n
A empresa \u00e9 mais do que sua produ\u00e7\u00e3o<\/h2>\n
Os sistemas de IA continuar\u00e3o a lidar com tarefas mais longas e complexas. A fronteira entre a execu\u00e7\u00e3o humana e a execu\u00e7\u00e3o por m\u00e1quinas continuar\u00e1 se deslocando. Qualquer artigo que afirme saber exatamente onde essa fronteira estar\u00e1 daqui a cinco anos provavelmente ficar\u00e1 desatualizado.<\/p>\n
Mas uma empresa n\u00e3o \u00e9 um conjunto de tarefas.<\/strong><\/p>\n Trata-se de uma rede de julgamento, confian\u00e7a, mem\u00f3ria, incentivos e relacionamentos. Seus produtos surgem dessa rede, mas a rede n\u00e3o \u00e9 vis\u00edvel no pr\u00f3prio produto. \u00c9 por isso que \u00e9 t\u00e3o f\u00e1cil prejudic\u00e1-la. Uma empresa pode continuar lan\u00e7ando produtos no mercado enquanto o conhecimento subjacente \u00e0 produ\u00e7\u00e3o se esgota silenciosamente.<\/p>\n As organiza\u00e7\u00f5es que mais se beneficiar\u00e3o da IA n\u00e3o ser\u00e3o necessariamente aquelas que, em primeiro lugar, reduzirem ao m\u00ednimo poss\u00edvel o n\u00famero de funcion\u00e1rios. Ser\u00e3o aquelas que compreenderem quais tarefas devem ser eliminadas, quais compet\u00eancias devem ser refor\u00e7adas e como as pessoas continuar\u00e3o a desenvolver seu discernimento \u00e0 medida que as m\u00e1quinas assumirem uma parcela cada vez maior das atividades pr\u00e1ticas.<\/p>\n A IA pode automatizar a execu\u00e7\u00e3o.<\/p>\n S\u00e3o as pessoas que constroem as organiza\u00e7\u00f5es.<\/p>\n Essa distin\u00e7\u00e3o n\u00e3o \u00e9 sentimental. \u00c9 estrat\u00e9gica.<\/strong><\/p>\n Antes de sua organiza\u00e7\u00e3o automatizar outro fluxo de trabalho, vale a pena fazer tr\u00eas perguntas:<\/p>\n A IA pode substituir mais tarefas do que nunca. As empresas que confundem essas tarefas com o exerc\u00edcio de julgamento correm o risco de automatizar em detrimento de seus pr\u00f3prios interesses. No in\u00edcio de 2026, a Oracle solicitou aos funcion\u00e1rios que documentassem seus fluxos de trabalho e utilizassem suas ferramentas internas de IA. Alguns desses funcion\u00e1rios foram posteriormente demitidos.<\/p>","protected":false},"featured_media":1399863,"parent":0,"template":"","meta":{"_acf_changed":false,"ep_exclude_from_search":false},"blog-category":[2995],"blog-language":[2991],"class_list":["post-1399862","blog","type-blog","status-publish","has-post-thumbnail","hentry","blog-category-ai-technology","blog-language-en"],"acf":[],"_links":{"self":[{"href":"https:\/\/www.artefact.com\/br\/wp-json\/wp\/v2\/blog\/1399862","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.artefact.com\/br\/wp-json\/wp\/v2\/blog"}],"about":[{"href":"https:\/\/www.artefact.com\/br\/wp-json\/wp\/v2\/types\/blog"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.artefact.com\/br\/wp-json\/wp\/v2\/media\/1399863"}],"wp:attachment":[{"href":"https:\/\/www.artefact.com\/br\/wp-json\/wp\/v2\/media?parent=1399862"}],"wp:term":[{"taxonomy":"blog-category","embeddable":true,"href":"https:\/\/www.artefact.com\/br\/wp-json\/wp\/v2\/blog-category?post=1399862"},{"taxonomy":"blog-language","embeddable":true,"href":"https:\/\/www.artefact.com\/br\/wp-json\/wp\/v2\/blog-language?post=1399862"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}\n