Temos um cliente que instalou no ano passado um sistema de picking com IA em seu armazém. O equipamento foi instalado, o sistema entrou em operação e, três meses depois, a avaliação mostrou um uso abaixo da metade. Os separadores veteranos continuavam usando os métodos antigos, e o sistema novo ficava ali como um móvel. O dono não entendia: o dinheiro tinha sido gasto, a tecnologia era boa, então por que a equipe resistia a usá-la?

Conheço bem essa história. Depois de anos em vendas 3PL, vi projetos de IA demais morrerem não por causa da tecnologia, mas por causa das pessoas. Quando os trabalhadores de armazém resistem à IA, nunca é porque são lentos ou preguiçosos. É porque ninguém respondeu a três perguntas para eles: meu emprego ainda existe, quem assume a culpa quando algo dá errado e o que acontece se eu não conseguir aprender? Se essas perguntas ficarem sem resposta, a resistência é garantida.

Três motivos reais pelos quais os trabalhadores de armazém resistem à IA

Primeiro, o medo de perder o emprego. É o motivo mais direto e o menos provável de ser dito em voz alta. No início de 2025, um dos armazéns de um cliente instalou uma linha de separação automatizada, e entre os funcionários veteranos espalhou-se o boato de que «metade de nós será cortada no ano que vem». A direção não tinha nenhum plano de demissão, mas ninguém disse isso, e o boato cresceu sozinho. No primeiro mês após a entrada em operação, as demissões aumentaram visivelmente e vários funcionários experientes foram embora. A lição contraintuitiva é que um boato de demissão prejudica uma equipe mais do que a própria IA, e desmentir o boato cedo custa muito menos do que recontratar depois.

Segundo, o medo de ser culpado. A IA faz uma recomendação, o trabalhador a segue e algo dá errado. De quem é a culpa? É isso que tira o sono dos líderes de turno. Um líder com mais de uma década de chão de fábrica me disse uma vez: «Quando eu julgava pela experiência, eu assumia o erro. Agora o sistema me diz o que fazer, então se ele estiver errado, a culpa é do sistema ou minha?» Se a linha de responsabilidade não estiver clara, a escolha racional para um trabalhador é não usar o sistema, ou fingir que o usa.

Terceiro, o medo de não conseguir aprender. Muitos trabalhadores veteranos de armazém são mais velhos, e telas e scanners já eram um desafio. Some um sistema de IA por cima, e a pressão é real. Quem teme não conseguir aprender não vai dizer isso. Vai dizer «isso não funciona» ou «o jeito antigo é melhor», usando a crítica ao sistema para esconder a própria ansiedade.

Três cenas de trabalhadores resistindo à IA: o veterano, o novato e o líder de turno

Comecemos pelo veterano. Na segunda metade de 2024, um separador chamado Chen, no armazém de um cliente, separava pedidos há dezoito anos e sabia onde cada item estava de olhos fechados. Depois que a IA entrou em operação, o sistema pediu que ele seguisse a rota sugerida. Dois dias depois, ele desistiu: «Minha rota é mais curta que a dele. Por que eu deveria ouvi-lo?» Mudamos de abordagem. Chen percorreu a própria rota por duas semanas enquanto o sistema apenas registrava e nunca intervinha; depois mostramos os dados a ele: a rota do sistema representava em média cerca de dez por cento menos caminhada por pedido. Chen não disse nada e, no dia seguinte, começou a seguir o sistema. Os veteranos não se opõem à IA. Eles se opõem a que uma máquina lhes ensine o trabalho deles. Deixe-os vencer uma vez e depois fale de mudança.

Os novatos são outra história. Quando um armazém novo foi inaugurado em 2025, um grupo de trabalhadores na casa dos vinte anos aprendeu o treinamento de IA em uma única sessão. O problema era que dependiam demais dele: quando o sistema caía, todo o chão de fábrica parava. O treinamento precisa guardar uma carta na manga: ensinar a lógica por trás do sistema e fazer treinos regulares «sem sistema» para que as pessoas saibam onde estão as mercadorias e por que estão ali. A IA é uma muleta, não uma cadeira de rodas.

O líder de turno é a cena mais importante de todas. O líder de turno é o verdadeiro guardião da adoção da IA: se ele não a usa, ninguém abaixo dele vai usar. Minha experiência é transformar o líder em aliado antes da entrada em operação, envolvê-lo no desenho do processo, deixá-lo aprender primeiro, ver os dados primeiro e apresentá-los à equipe primeiro. Fizemos exatamente isso em um projeto de 2025, e o líder passou de maior cético a defensor. O uso ultrapassou oitenta por cento dentro de duas semanas após a entrada em operação. Ganhe o líder de turno e você já ganhou metade da implantação.

Treinamento e incentivos que revertem a resistência à IA

O desenho do treinamento tem três regras rígidas. Primeiro, prática primeiro, sem pontuação. No primeiro mês após a entrada em operação, só prática, sem testes e sem penalidades por erros. Uma penalidade multiplica a resistência por dez. Segundo, os veteranos ensinam os novatos. Quem aprende primeiro ensina quem aprende depois; o professor recebe uma recompensa, o aluno recebe companhia. Terceiro, ensinar por etapas. Não despeje todos os recursos sobre os trabalhadores de uma vez. Ensine a função mais usada, deixe que a dominem e depois acrescente a próxima.

Os incentivos exigem ainda mais cuidado. A regra mais importante: os bônus de eficiência nunca devem estar atrelados à redução de pessoal. No momento em que os trabalhadores acreditam que «quanto mais eficientes formos, mais rápido seremos cortados», até a melhor fórmula de bônus vira um desincentivo. A abordagem certa é atrelar os bônus à eficiência da equipe e às taxas de erro, e usar a mão de obra liberada para assumir mais volume em vez de cortar pessoas. Um cliente fez isso em 2025: depois que a IA entrou em operação, a eficiência por pessoa subiu, os bônus subiram junto e a equipe pediu ativamente mais pedidos. Ninguém mencionou demissões.

A direção comete três erros repetidamente, e vou nomeá-los claramente. Primeiro, não dizer nada antes da entrada em operação e impor a novidade de surpresa. Segundo, treinar apenas as operações e nunca explicar o «porquê», de modo que os trabalhadores sabem como, mas não para quê. Terceiro, apresentar a IA como uma ferramenta para economizar pessoal em vez de uma ferramenta para ajudar as pessoas a trabalhar. Mude o discurso e metade da resistência desaparece.

Há mais um passo fácil de esquecer: a revisão pós-lançamento. Muitos projetos tratam a entrada em operação como a linha de chegada e, três meses depois, ninguém mais acompanha o uso. Quando alguém percebe que os trabalhadores estão voltando discretamente aos métodos antigos, já é tarde demais. Minha prática é combinar com o cliente uma revisão mensal de dados após a entrada em operação: taxa de uso, taxa de erros e feedback dos trabalhadores, os três juntos. Quando o uso cai, pergunte primeiro ao líder de turno e depois aos trabalhadores do chão de fábrica. Os motivos costumam ser específicos: um recurso é complicado demais, uma instrução não está clara, uma queda do sistema ficou sem atendimento. Corrija esses pequenos problemas um por um e o uso se mantém. A adoção da IA não é um projeto pontual. É uma operação contínua.

Outro cliente, em 2025, foi além: incluiu o uso da IA na revisão mensal do líder de turno, não nas avaliações dos trabalhadores da linha de frente. A cada mês, o líder relatava quem ainda tinha dificuldade, onde travava e como a equipe ajudaria no mês seguinte. Foi uma decisão inteligente. A pressão ficou com a direção, enquanto os trabalhadores só sentiram apoio, nunca julgamento. Seis meses depois, aquele armazém mantinha o uso em torno de noventa por cento, e as demissões ficaram até um pouco abaixo do nível anterior à chegada da IA. Os trabalhadores não resistem à IA. Eles resistem à sensação de serem julgados por ela.

Da próxima vez que você negociar um contrato, lembre-se de fazer três perguntas: qual é o orçamento para o treinamento dos trabalhadores, o primeiro mês após a entrada em operação será pontuado e a que exatamente os bônus de eficiência estão atrelados? As respostas a essas três perguntas dirão se um projeto de IA é uma adoção real ou apenas teatro.

Por Susan, Diretora de Vendas 3PL Traduzido do inglês. Em caso de divergência, prevalece a versão em inglês.