Demissões por Algoritmo: Meta Enfrenta Processo Após IA Supostamente Selecionar Funcionários em Licença Médica e Maternidade

A Frase que Me Fez Reler o Processo Duas Vezes

Eu li muitos casos de demissão em massa relacionada a IA neste blog. Esse foi o primeiro que me fez parar e reler um trecho específico duas vezes: um funcionário relata que o próprio gerente o alertou — tirar a licença médica que ele tinha direito iria “sinalizá-lo no sistema” como candidato à demissão. Ele se afastou mesmo assim. Foi demitido.

Esse é um dos relatos que aparece no processo movido por 26 funcionários e ex-funcionários da Meta contra a empresa e Mark Zuckerberg, na Justiça Federal da Califórnia. A alegação central: o sistema interno de IA da companhia teria selecionado esses trabalhadores para uma onda de corte de cerca de 8 mil pessoas justamente por estarem em licença médica, maternidade, parental ou por invalidez — todas protegidas por lei.

Preciso ser honesto sobre um ponto antes de continuar: isso ainda é alegação, não sentença. Um juiz federal negou, em julho, o pedido de liminar de emergência dos funcionários pra bloquear as demissões, e a Meta afirmou publicamente que “decisões de gestão de força de trabalho foram e são tomadas por pessoas, não por IA”. O caso segue em arbitragem. Mas os detalhes técnicos descritos no processo — verdadeiros ou não no resultado final — expõem um problema de engenharia que eu acho genuinamente importante discutir, independente de como esse caso específico termine.

Como Funciona o Tal “Segundo Cérebro”

Pra entender a alegação, ajuda entender a arquitetura descrita no processo. A Meta opera um assistente interno chamado Metamate, conectado a agentes batizados de “Second Brain” (Segundo Cérebro), treinados pra capturar a rotina de cada colaborador:

Leitura de mensagens e documentos internos.
Rastreamento de teclado, ecrã, mouse e histórico de navegação — captado diretamente do equipamento da empresa.
Painéis medindo o consumo de tokens de IA por cada funcionário.
Ferramentas de ranking e calibração de desempenho assistidas por algoritmo, que segundo o processo já substituíram boa parte da avaliação feita por gestores humanos.

Com base nesse volume de dados de vigilância, o sistema gerava uma pontuação de produtividade — e essa pontuação, segundo os autores do processo, foi o que definiu quem entrava na lista final de corte.

O Problema que Eu Acho Mais Sério que o Caso em Si

O que mais me incomoda nessa história não é nem a intenção — não creio que alguém tenha programado o sistema pra perseguir gente de licença de propósito. É a falha elementar de engenharia que o processo descreve.

Se a pontuação de produtividade é calculada com base em volume de teclas digitadas, mensagens enviadas e tokens consumidos, qualquer pessoa afastada por cirurgia, licença-maternidade ou invalidez temporária vai gerar, matematicamente, uma linha reta de zero atividade. Não porque ela produz menos. Porque ela não está lá pra produzir, com aprovação legal pra isso.

E se o modelo não tem uma variável programada pra reconhecer “esta pessoa está ausente com licença médica aprovada”, ele não vê ausência justificada. Vê desempenho insuficiente.

O que o sistema mede	O que o algoritmo interpretou	A realidade do colaborador
Zero digitação (keystrokes)	Funcionário inativo, sem entregas	Afastamento temporário por licença médica ou cirúrgica
Zero mensagens enviadas	Falta de engajamento com a equipe	Licença de maternidade ou paternidade
Baixa pontuação de produtividade	Candidato prioritário pra lista de corte	Trabalhador protegido por lei federal de afastamento

Isso é o que engenheiros chamam de métrica substituta (proxy metric) mal desenhada: você usa um número fácil de medir (digitação, mensagens, tokens) como substituto de algo difícil de medir (valor real do trabalho de alguém). Funciona até encontrar exatamente o tipo de exceção que a métrica não previu — e, nesse caso, a exceção é protegida por lei federal.

Não É a Primeira Vez

Segundo o próprio processo, esse episódio se soma a uma sequência desconfortável de controvérsias de vigilância algorítmica dentro da Meta: um programa de monitoramento de cliques e telas sob o pretexto de coletar dados de treino pra modelos internos, e uma falha de segurança que expôs avaliações de desempenho confidenciais pra empresa inteira. Não é um incidente isolado — é um padrão que o processo tenta documentar.

O Que Eu Realmente Penso

Eu não quero condenar a Meta com base numa alegação ainda não julgada — isso seria tão descuidado quanto o próprio erro de engenharia que o processo descreve. Mas o que fico pensando é: mesmo que esse caso específico não seja provado, o problema estrutural continua existindo em qualquer empresa que decida terceirizar decisão de demissão pra um número gerado por vigilância digital.

Métrica substituta não é o vilão por si só — é uma ferramenta útil quando bem desenhada e usada como um dos insumos, não o único. O que vira desastre é quando a métrica substitui completamente o julgamento humano, e ninguém pára pra perguntar “essa pontuação está capturando o que eu realmente quero medir, ou só o que é fácil de medir?”

Quando uma empresa delega decisão de demitir gente a um número que não consegue diferenciar preguiça de licença-maternidade aprovada, o fracasso não é da tecnologia. É de quem confiou nela sem questionar.

Fico Com Essa Pergunta

Independente de como esse processo específico termine na Justiça, ele deixa uma pergunta aberta pra qualquer empresa usando IA em decisões sobre pessoas: a sua métrica sabe diferenciar ausência justificada de baixo desempenho — ou ela só sabe contar teclas digitadas?

Email: fodra@fodra.com.br
LinkedIn: linkedin.com/in/mauriciofodra

26 funcionários. Uma alegação ainda não julgada. Um erro de engenharia que, comprovado ou não neste caso, vai continuar existindo em qualquer sistema que confunda ausência de dados com ausência de valor.