Layoff - AguiarDev Talks #39

Num formato mais informal, só com a casa reunida, a conversa parte de uma onda de demissões em massa que atingiu o setor de tecnologia no mundo inteiro e tenta entender o que está por trás dela — da pressão de investidores ao "efeito manada", passando pelo corte de cargos específicos como agilistas e QAs.

O que foi discutido

• O que é um lay-off — o corte de gastos que uma empresa faz quando deixa de gerar o lucro esperado, e por que isso não torna a empresa automaticamente "vilã"
• Falta de transparência — o problema não é demitir, é não ser honesto sobre o motivo e a forma como a demissão é feita
• Expansão das contratações remotas durante a pandemia e a reversão desse cenário quando o mercado financeiro aperta
• Big techs com caixa robusto demitindo mesmo sem necessidade financeira aparente — hipótese do "efeito manada"
• Corte mirado em cargos específicos, como agilistas e QAs, e o que isso revela sobre a maturidade dos times
• Diferenças entre a estrutura de squads praticada no Brasil e o modelo usado lá fora
• Hipótese de que a inteligência artificial também influencia a redução de quadros, redirecionando investimento para outras frentes
• A natureza cíclica do mercado de tecnologia — squads, camadas de responsabilidade e cargos que somem e voltam ao longo do tempo

Sobre Yuri Marcel

Yuri Marcel atua no mercado de tecnologia e vivenciou de perto a expansão das contratações remotas durante a pandemia, quando deixou um trabalho regional para atuar sem limite de fronteira — um movimento que, segundo ele, se repetiu com muitos colegas de profissão. Acompanhou de perto o ciclo de demissões em massa em diferentes empresas, incluindo cortes em cargos de agilista e QA, e traz ao papo uma leitura mais cética sobre o real impacto da inteligência artificial nesses cortes, além de comparações entre a estrutura de squads adotada no Brasil e a praticada em outros países.

Principais pontos

A pandemia turbinou as contratações remotas — e o mercado engoliu o excesso

Um dos fios condutores do papo é que boa parte do problema começou antes da crise: a pandemia derrubou fronteiras de contratação, permitindo que profissionais trabalhassem para empresas fora de sua região ou país. Isso gerou um inchaço nos times de tecnologia, com contratações aceleradas e, muitas vezes, sem o devido planejamento de longo prazo. Quando o cenário financeiro mundial esfriou, esse excesso de quadro se tornou insustentável para empresas que já não conseguiam sustentar o ritmo de crescimento anterior. O resultado foi a onda de layoffs que se espalhou por múltiplas empresas quase simultaneamente.

"Eu fui uma das pessoas que saí do meu trabalho regional pra trabalhar sem limite de fronteira, assim como muitos colegas meus." por Yuri Marcel

A inteligência artificial ainda não substitui, mas já altera a rotina

Mesmo cético em relação ao hype em torno da IA como causa direta dos layoffs, o papo reconhece que ferramentas como o GitHub Copilot já mudam o dia a dia de quem programa — sem, no entanto, eliminar a necessidade do profissional. O exemplo trazido é bem prático: gerar automaticamente a descrição de um pull request a partir das alterações de código, uma tarefa que antes consumia bastante tempo manual. A leitura é que essas ferramentas facilitam e aceleram o trabalho, mas ainda dependem do profissional para existir — o que enfraquece a tese de que a IA sozinha explica cargos sendo extintos em massa.

"Ele não vai substituir o meu trabalho. Eles ainda vão precisar de me mandar os commits. Mas aí, ela está lá para facilitar e para melhorar o meu trabalho." por Yuri Marcel

Nem toda demissão em massa é sobre sobrevivência financeira

Um ponto que chama atenção na conversa é que empresas com caixa robusto — as chamadas big techs — também fizeram cortes expressivos, mesmo sem o mesmo tipo de pressão financeira que afeta startups dependentes de aporte externo. A hipótese levantada é que parte dessas demissões seguiu uma lógica de "efeito manada": ao ver concorrentes cortando quadro, empresas lucrativas aproveitaram o momento para reduzir headcount sem chamar tanta atenção, já que uma demissão isolada tende a ser mais notada e mal vista pelo mercado do que uma entre várias que acontecem ao mesmo tempo.

"Todo mundo sabe que é ruim você ter uma empresa que fez uma demissão em massa. E eu, particularmente, não queria ir trabalhar numa empresa que, frequentemente, faz demissão em massa." por Yuri Marcel

Os cortes miraram cargos específicos, não apenas o quadro geral

A conversa nota que boa parte dos layoffs no setor não foi uniforme — recaiu com força sobre cargos como agilistas e QAs. Isso levanta a pergunta sobre o que motivou esse recorte: seria a automação avançando sobre essas funções, ou uma redistribuição de responsabilidades que empurra testes e gestão ágil de volta para dentro do time de desenvolvimento? A leitura trazida é que, lá fora, a estrutura de QA já opera mais focada em automação de testes do que em operação humana constante, o que reduz a necessidade de um cargo dedicado — uma lógica que o Brasil ainda está absorvendo com atraso.

"Lá fora não tem essa estrutura de squads e nem que precisa ter agilista... eu já vi em outras pesquisas, os QAs trabalham em cima de automações, testes em cima dos produtos, pra garantir a qualidade de forma automática, sem precisar de uma operação humana pra aquilo." por Yuri Marcel

Frase de destaque

"Eu passei por isso, outros amigos me passaram por isso e eu vi outras empresas fazendo isso." por Yuri Marcel

Lições do episódio

1. Demitir não é o problema em si — a falta de transparência sobre o motivo e a forma da demissão é o que mais pesa na relação entre empresa e funcionário.
2. Contratação acelerada sem planejamento de longo prazo cobra a conta mais cedo ou mais tarde, especialmente quando o cenário financeiro muda.
3. Nenhuma decisão de carreira deveria depender só de um empregador — o mercado é cíclico e crachás não são garantia de estabilidade.
4. Cortar camadas de responsabilidade (como agilistas e QAs) não elimina o trabalho que elas faziam — ele só migra para outra pessoa do time, que nem sempre está preparada para absorvê-lo.