A Workforce Engineering sempre existiu. Só nunca lhe demos nome.
Nesta página
Todas as disciplinas começam da mesma maneira. As pessoas fazem o trabalho durante anos antes de alguém pensar em defini-lo. A engenharia de software existia antes do termo. O DevOps era uma prática antes de ser uma categoria. O FinOps era uma folha de cálculo e uma oração, até alguém decidir que a gestão dos custos da cloud merecia um nome e uma conferência.
Com a Workforce Engineering passa-se o mesmo. Todos os líderes que alguma vez tentaram perceber se a sua equipa está bem colocada, se as pessoas certas estão nas coisas certas ao custo certo, andaram a fazer Workforce Engineering. Só não lhe chamaram isso. Chamaram-lhe planeamento trimestral, ou revisão de headcount, ou a folha de cálculo que refaziam de três em três meses e detestavam de cada vez.
Faço isto há a maior parte da minha carreira. Desconfio que tu também.
O que tem andado a acontecer
Pensa em todas as conversas de alocação de recursos que já tiveste. Alguém pergunta: este projeto tem a equipa certa? Estamos a ter valor desta equipa? Se passássemos duas pessoas da equipa A para a equipa B, o que mudava? Passas dois engenheiros seniores para a nova iniciativa de IA e, como não conseguias ver as dependências a jusante, a versão do teu produto principal atrasa-se um mês. Toda a gente viu a mudança. Ninguém viu a consequência até ela aterrar.
Estas não são perguntas de recursos humanos. São perguntas de sistemas. Estás a tentar modelar um sistema (entradas, saídas, restrições, compromissos) e a tomar decisões que otimizam os resultados. O facto de as entradas serem pessoas e não servidores não muda a natureza do trabalho.
Mas nunca o tratámos como uma disciplina de engenharia. Tratámo-lo como um palpite, vestido de folha de cálculo. Pegas nos números de headcount, multiplicas pelas faixas salariais, divides pelo número de projetos ativos e chegas a um número que parece mais ou menos certo, até alguém sair ou a administração largar uma nova prioridade.
O problema sempre foi a medição. Não podes fazer engenharia sobre o que não consegues instrumentar. E, na maioria das organizações, a força de trabalho está quase toda por instrumentar. Sabes o que pagas. Tens uma ideia aproximada do que as pessoas andam a fazer. A ligação entre as duas coisas, que esforço foi aplicado em que resultados e a que custo, tem sido uma caixa negra.
É essa a lacuna que a Workforce Engineering preenche.
A definição
A Workforce Engineering é a disciplina de desenhar, medir e otimizar de forma deliberada a maneira como uma organização emprega o seu trabalho para produzir resultados.
Trata a força de trabalho como um sistema. Como qualquer sistema, pode ser instrumentado, modelado, previsto e melhorado. O objetivo não é a visibilidade pela visibilidade. É poder tomar melhores decisões, mais depressa e com menos palpites. E, para ser claro, não se trata de espremer mais das pessoas. Trata-se de as proteger da agitação constante, do esgotamento e de prioridades desalinhadas, garantindo que o sistema à volta delas está equilibrado.
Tem seis práticas essenciais:
Medir. Instrumenta bem a força de trabalho. Quem está a trabalhar em quê, a que custo, em direção a que resultados? É a base. Sem ela, tudo o resto é estimativa.
Atribuir. Liga o esforço aos resultados ao nível do projeto. Não “gastámos 400 mil libras nesta equipa no último trimestre”, mas “essas 400 mil libras repartiram-se por estes cinco projetos, com este resultado e este fator de alavancagem da IA”.
Otimizar. Toma decisões ativas a partir dos dados. Realoca capacidade onde faz falta. Corta custos onde não há retorno. Identifica onde a IA está de facto a acelerar a entrega e onde está a queimar orçamento sem mexer no ponteiro.
Prever. Projeta o futuro com confiança. Modela o impacto das contratações, das mudanças de equipa e do investimento em IA antes de as fazeres, em vez de explicares as consequências depois.
Melhorar. Trata isto como uma disciplina iterativa, não como um evento trimestral. O plano que fazes em janeiro está errado em fevereiro. Um sistema vivo que reflete a realidade vale mais do que um plano perfeito que fica obsoleto.
Recuperar. Uma boa Workforce Engineering paga-se a si própria. Quando vês com clareza o que a tua força de trabalho está a fazer e onde o esforço aterra, ganhas acesso a valor financeiro que sempre esteve lá, mas invisível: benefícios fiscais de I&D, classificação de CapEx, eliminação de ferramentas redundantes. A maioria das organizações deixa muito dinheiro em cima da mesa, não por negligência, mas porque nunca teve visibilidade para o reclamar.
Porquê agora
A Workforce Engineering sempre existiu na prática. Mas agora está a tornar-se urgente. A IA quebrou o pressuposto de que gerir uma força de trabalho é um problema de headcount. Uma equipa de catorze pessoas que antes tomava conta de uma vertical de produto pode ter agora o rendimento efetivo de vinte, ou de oito, consoante o partido que tira das ferramentas de IA. A unidade básica do planeamento da força de trabalho, o lugar, já não te diz o que estás a receber.
O papel do engenheiro mudou de raiz, de contribuidor individual para orquestrador de agentes de IA, mas os nossos modelos operativos continuam a tratá-lo como headcount normal. Entretanto, a despesa empresarial em IA cresce mais depressa do que alguém previu e cai no orçamento sem dono claro. Prevê-se que a despesa empresarial em IA cresça 36% ao ano. A maior parte vai para ferramentas, assistentes, APIs de LLMs e infraestrutura agêntica em todas as funções, e a maioria das equipas financeiras não faz ideia do que isso produz. Fica algures entre uma subscrição de software e um custo de infraestrutura, classificada de forma inconsistente, revista trimestralmente na melhor das hipóteses.
Os CTOs e CFOs com quem falamos não fazem perguntas abstratas sobre estratégia de IA. Perguntam: o que estamos realmente a receber por isto? O nosso investimento em IA está a acelerar a entrega ou só a somar custo? Se duplicássemos o orçamento, o que mudava? Não têm respostas, porque até agora não existiam ferramentas para as dar.
Este é um momento decisivo. As empresas que construírem agora a infraestrutura para medir e gerir a IA como uma forma de trabalho vão ter uma vantagem estrutural sobre as que só o perceberem dois anos depois, quando a despesa já tiver escalado e o desperdício já se tiver acumulado. Falamos com organizações que gastam centenas de milhares por ano em ferramentas de IA sem maneira de as ligar a um projeto ou a um resultado. Não é um problema pequeno. É uma crise de governação em câmara lenta.
Os indicadores antigos (headcount, taxas de utilização, produção por pessoa) já eram insuficientes. Agora são ativamente enganadores. Precisas de um sistema diferente.
Porque lhe demos nome
Quando o Oliver e eu estávamos a construir a Flowstate, voltávamos sempre à mesma tensão. O produto que construíamos tinha um valor claro: ligar os dados do esforço humano aos resultados dos projetos, integrar a despesa em IA, permitir decisões reais sobre a força de trabalho. Mas a categoria para o descrever não existia.
Workforce Management é o enquadramento errado. Isso é escalonamento, assiduidade, trabalho por turnos. É o Workday e o ADP e ferramentas feitas para um mundo em que a unidade de trabalho é uma pessoa a picar o ponto.
FinOps é o enquadramento errado. Isso são custos de cloud. Uma categoria genuinamente útil, mas para outro problema.
Engineering Management é o enquadramento errado. Demasiado operacional, demasiado específico dos líderes de engenharia, não capta a dimensão financeira.
Nenhum descreve o que estamos realmente a fazer: tratar a força de trabalho, humana e de IA, como um sistema a desenhar com engenharia.
Por isso demos-lhe nome. Workforce Engineering. Não porque tenhamos inventado a prática (como disse no início, há anos que as pessoas a fazem), mas porque dar-lhe nome importa. Os nomes criam categorias e as categorias criam mercados.
Estamos a defini-la de forma deliberada, porque achamos que as empresas que adotarem a Workforce Engineering como prática, e não apenas comprarem uma ferramenta, vão tomar decisões muito melhores sobre como empregam o seu recurso mais caro e mais valioso.
Como é ganhar
Sabes que estás a fazer bem a Workforce Engineering quando:
- Consegues responder a “estamos a ficar mais eficientes?” com dados e não com uma sensação
- Cada libra de trabalho, humano ou de IA, é rastreável até um projeto e um resultado
- As decisões de headcount são tomadas com o mesmo rigor das decisões de investimento de capital
- Consegues prever o custo de entrega antes de um projeto começar, em vez de explicar os desvios depois de acabar
- As decisões de realocação acontecem de forma proativa e não no post-mortem
- A liderança confia o suficiente no plano para andar mais depressa, em vez de pedir mais um ciclo de revisão
- Deixas de perder boas pessoas por má alocação, porque vês o problema antes de elas começarem a ir a entrevistas a outro lado
A maioria das organizações está longe disto. Mas as que chegam lá não chegaram por comprar uma ferramenta ou adotar uma framework. Chegaram porque alguém decidiu tratar o problema a sério: dar-lhe nome, instrumentá-lo e iterar sobre ele como em qualquer outro desafio de engenharia.
É tudo o que a Workforce Engineering é. Um nome para a disciplina que provavelmente já praticas sem ele.
Sou cofundador e CTO da Flowstate, a plataforma de Workforce Engineering para organizações modernas. Ajudamos as empresas a ligar o esforço humano e a despesa em IA aos resultados dos projetos, para tomarem melhores decisões sobre como empregam a sua força de trabalho.