📈 economics

Socio-Technical Outcome Asymmetry in Algorithmic Management: Organizational Buffering and Firm Age as Moderators in Indonesian Firms

Este estudo introduz o framework da Assimetria de Resultados Sociotécnicos (STOA) para demonstrar que, em empresas indonésias, a gestão algorítmica gera ganhos de eficiência significativamente maiores do que os danos da vigilância, com a idade da empresa atuando como um amortecedor crítico que mitiga resultados negativos, enquanto o modelo STOA expande a teoria dos Sistemas Sociotécnicos por meio de novos mecanismos de assimetria e amortecimento.

Autores originais: Andi Jaman

Publicado 2026-07-16

📖 7 min de leitura🧠 Leitura aprofundada

CC BY 4.0

Autores originais: Andi Jaman

Artigo original sob licença CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ✨ Esta é uma explicação gerada por IA do artigo abaixo. Não foi escrita nem endossada pelos autores. Para precisão técnica, consulte o artigo original. Ler aviso legal completo

Imagine que você é o capitão de um navio enorme e acabou de instalar um novo sistema de piloto automático, super inteligente. Isso não é apenas um simples leme; é um computador complexo que pode traçar rotas, gerenciar combustível e até ajustar as velas automaticamente. No mundo dos negócios, esse "piloto automático" é chamado de gestão algorítmica. É o software que ajuda as empresas a contratar pessoas, monitorar seu trabalho e decidir quem será promovido ou demitido, sem que um chefe humano precise vigiá-los a cada segundo.

Por muito tempo, cientistas que estudam esses sistemas ficaram presos em um certo cabo de guerra. De um lado, eles veem o lado "brilhante": o piloto automático torna o navio mais rápido, economiza dinheiro e encontra as melhores rotas. Do outro lado, eles veem o lado "sombrio": a tripulação se sente vigiada, estressada e sente que perdeu sua liberdade. A maioria das pesquisas trata esses dois lados como uma balança equilibrada — se você ganha velocidade, deve ganhar estresse. Mas e se isso não for verdade? E se o navio ficar super rápido, mas a tripulação ficar apenas um pouco mais estressada? Essa é a grande questão que este artigo propõe. Ele analisa como as empresas na Indonésia estão usando essa tecnologia para ver se o "lado bom" realmente supera o "lado ruim", e por que algumas empresas lidam melhor com o estresse do que outras.

O Grande Cabo de Guerra Algorítmico

Este artigo mergulha em um mistério fascinante: quando as empresas começam a usar a gestão algorítmica (aquele chefe de computador sofisticado), o "lado bom" acontece com a mesma facilidade que o "lado ruim"?

Os pesquisadores, liderados por Andi Jaman, da Universidade Muhammadiyah Makassar, decidiram investigar isso analisando 50 grandes empresas na Indonésia ao longo de seis anos (de 2020 a 2025). Em vez de apenas perguntar aos funcionários como eles se sentiam (o que pode ser complicado porque as pessoas podem mentir ou esquecer), eles usaram um truque inteligente chamado mineração de texto. Eles atuaram como detetives digitais, escaneando milhares de páginas de relatórios oficiais das empresas para contar quantas vezes as empresas falavam sobre coisas "boas" (como eficiência e produtividade) versus coisas "ruins" (como vigilância e preocupações com a privacidade).

Eles criaram dois índices especiais: um Índice Brilhante para as coisas boas e um Índice Sombrio para as coisas ruins. Em seguida, rodaram os números para ver o que acontecia quando as empresas adotavam mais tecnologia de RH.

A Grande Surpresa: O "Brilhante" Vence de Lavada

Aqui está a principal descoberta, e é um choque: o lado bom acontece com muito mais frequência e é muito mais forte do que o lado ruim.

Quando uma empresa começou a usar mais tecnologia de RH, seu Índice Brilhante saltou significamente. A matemática mostra uma conexão forte (um coeficiente de 0,0305). É como ligar um interruptor de luz; no momento em que você investe na tecnologia, a eficiência se acende.

No entanto, o Índice Sombrio (o estresse e as preocupações com a vigilância) também subiu, mas apenas um pouco. A conexão era muito mais fraca (um coeficiente de 0,0107). Os pesquisadores realizaram um teste estatístico especial (um teste de Wald) e confirmaram que o efeito "brilhante" é aproximadamente três vezes maior que o efeito "sombrio".

Pense da seguinte forma: se você compra um carro esportivo super veloz, você ganha um enorme impulso de velocidade imediatamente. Mas o "ruído" que ele faz (o lado ruim) não fica três vezes mais alto só porque você está indo mais rápido; ele permanece relativamente silencioso. No mundo dessas empresas indonésias, a tecnologia entrega um aumento massivo de produtividade, enquanto os efeitos negativos são muito menores e menos consistentes.

Mas aqui está a reviravolta crucial: o artigo alerta que este "lado sombrio menor" pode ser uma ilusão causada pelo ambiente específico. Na Indonésia, a cultura tem um respeito muito alto pela autoridade (alta distância do poder) e as proteções trabalhistas são fracas. Isso significa que, quando os funcionários se sentem estressados ou vigiados, eles geralmente não reclamam alto ou fazem greves. Em vez disso, eles podem apenas se desengajar silenciosamente ou praticar o "quiet quitting" (demissão silenciosa). Como os relatórios das empresas dependem do que é dito ou visível, essas formas de resistência passiva e oculta são mais difíceis de detectar. Portanto, o lado "sombrio" não está necessariamente ausente; ele está apenas escondido à vista de todos, fazendo o lado "brilhante" parecer ainda maior por comparação.

O Escudo da "Velha Guarda": Por que Algumas Empresas São Mais Calmas

Então, por que o lado "sombrio" é tão pequeno (ou tão difícil de ver)? O artigo sugere que é devido a algo chamado amortecimento organizacional.

Imagine uma empresa jovem e nova como um castelo inflável. Se você jogar uma bola nele (introduzir nova tecnologia), ele balança para todos os lados e as pessoas dentro dele são sacudidas. Agora, imagine uma empresa antiga e estabelecida como um carvalho robusto e de raízes profundas. Se você jogar a mesma bola na árvore, as raízes e a casca grossa absorvem o impacto. A árvore não balança muito.

Neste estudo, a Idade da Empresa atua como essa casca robusta. Os pesquisadores descobriram que as empresas mais antigas eram muito melhores em absorver o estresse da nova tecnologia.

Empresas mais jovens (com menos de 47 anos) mostraram uma reação mais forte ao "lado sombrio". Quando adotavam tecnologia, seus relatórios mostravam mais preocupações com vigilância e controle.
Empresas mais antigas (com mais de 47 anos) mal mostraram qualquer aumento no "lado sombrio". Seu "amortecimento" era tão forte que a tecnologia não parecia causar quase nenhum atrito.

Parece que as empresas mais antigas construíram melhores rotinas, confiança e governança ao longo dos anos. Elas sabem como introduzir novas ferramentas sem assustar seus funcionários. Elas possuem um "subsistema social" que atua como um amortecedor, suavizando os impactos.

O Que Este Artigo Diz para Você Não Acreditar

O artigo também esclarece alguns equívocos.

Não é apenas sobre ter um "Conselho de Administração". Você pode pensar que ter pessoas independentes no conselho (que não fazem parte da equipe de gestão) impediria as coisas ruins. Mas o estudo descobriu que a independência do conselho sozinha não fez diferença. Ter apenas pessoas independentes não é suficiente se elas não entenderem de fato a tecnologia.
Não é um equilíbrio perfeito. O artigo argumenta contra a ideia de que a tecnologia é uma "faca de dois gumes" onde o bem e o mal são iguais. Em vez disso, sugere que o "gume brilhante" é muito mais afiado e fácil de usar do que o "gume sombrio".

A Conclusão

Este estudo sugere que, no mundo rapidamente em mudança dos negócios na Indonésia, a gestão algorítmica é majoritariamente uma vitória para a produtividade. Os resultados "brilhantes" (eficiência, economia de custos) são reais, mensuráveis e significativamente maiores do que os resultados "sombrios" (vigilância, estresse).

No entanto, o lado "sombrio" não desapareceu; ele está apenas sendo gerenciado — ou talvez apenas escondido. A arma secreta? Tempo e maturidade. Empresas mais antigas, com suas raíções profundas e formas de trabalho estabelecidas, são melhores em absorver o estresse da nova tecnologia. Para as empresas mais jovens, a lição é clara: se você quer usar esses algoritmos poderosos sem assustar sua tripulação, você precisa construir seus "amortecedores sociais" — confiança, regras claras e boa comunicação — tão rápido quanto constrói sua tecnologia.

Os pesquisadores são cuidadosos ao dizer que isso se baseia no que as empresas dizem em seus relatórios, não necessariamente no que cada funcionário sente no fundo do coração. De fato, o artigo sugere que, em lugares como a Indonésia, os "sentimentos ruins" podem ser ainda mais fortes do que os relatórios mostram, porque o alto respeito pela autoridade faz com que as pessoas tenham menos probabilidade de se manifestar. Mas os dados pintam um quadro claro: nessas empresas, a tecnologia está funcionando, e o "bom" está definitivamente vencendo a corrida contra o "ruim".

Resumo Técnico: Assimetria de Resultados Sociotécnicos na Gestão Algorítmica

1. Problema e Lacuna de Pesquisa

A rápida transformação digital dos Recursos Humanos (RH) introduziu sistemas de gestão algorítmica que prometem ganhos de eficiência, ao mesmo tempo em que levantam preocupações relativas à vigilância e à autonomia do trabalhador. A literatura existente apresenta uma visão fragmentada: estudos do "lado brilhante" (bright-side) documentam melhorias de produtividade, enquanto pesquisas do "lado sombrio" (dark-side) destacam a reatância psicológica e a erosão da privacidade. No entanto, esses fluxos raramente explicam por que a mesma tecnologia produz consequências divergentes com magnitudes distintas.

A teoria atual dos Sistemas Sociotécnicos (SST) postula que os resultados dependem do alinhamento ou da fricção entre os subsistemas técnicos e sociais, mas trata esses processos como simétricos. Ela falha em explicar por que os ganhos de eficiência (resultados brilhantes) são consistentemente observados, enquanto os danos relacionados à vigilância (resultados sombrios) variam significamente em magnitude. Além disso, as evidências empíricas de mercados emergentes, particularmente no que diz respeito às consequências ao nível organizacional em vez do trabalho em plataformas individuais, permanecem escassas. Este estudo aborda três lacunas: a falta de um framework unificado que explique a assimetria de resultados, a escassez de evidências de mercados emergentes como a Indonésia e a dependência de pesquisas baseadas em percepção, vulneráveis ao viés de método comum.

2. Estrutura Teórica: Assimetria de Resultados Sociotécnicos (STOA)

O artigo introduz o framework de Assimetria de Resultados Sociotécnicos (STOA) como uma extensão teórica da teoria SST. A STOA postula que os resultados brilhantes e sombrios não são meramente divergentes, mas fundamentalmente assimétricos em seus mecanismos de geração:

Resultados Brilhantes (Alinhamento Sociotécnico): Estes derivam primariamente do investimento técnico. Ganhos de eficiência, automação e decisões baseadas em dados são realizados automaticamente após a implementação, exigindo mínima adaptação social. Eles são menos dependentes de contexto.
Resultados Sombrios (Fricção Sociotécnica): Estes surgem quando as capacidades tecnológicas superam a adaptação social. Eles não são automáticos, mas dependem de como as organizações absorvem ou suprimem a fricção através de seus subsistemas sociais.
Amortecimento Organizacional (Organizational Buffering): Um mecanismo central na STOA é a capacidade do subsistema social de absorver a fricção antes que ela se transforme em um dano observável. Este amortecimento é operacionalizado através de rotinas estabelecidas, cultura organizacional/confiança, mecanismos de governança e estabilidade das relações de emprego.

O estudo conceitua a Idade da Empresa como um proxy parcimonioso para a maturidade do subsistema social, argumentando que empresas mais antigas possuem manifestações mais maduras desses mecanismos de amortecimento.

3. Metodologia

Contexto e Amostra:
O estudo utiliza um conjunto de dados de painel balanceado de 50 empresas de capital aberto na Indonésia observadas no período 2020–2025, resultando em 300 observações empresa-ano. A Indonésia foi selecionada como uma condição de contorno devido à sua rápida adoção digital, estruturas regulatórias nascentes, cultura de alta distância do poder e proteções trabalhistas fracas.

Coleta de Dados e Mensuração:
Para evitar o viés de método comum, o estudo emprega mineração de texto de relatórios anuais auditados e divulgações de governança corporativa. Foi utilizado um processo de desenvolvimento de mensuração em cinco estágios:

Desenvolvimento do Dicionário: As palavras-chave foram derivadas de revisões de literatura (38 termos do lado brilhante, 3 de lado sombrio e 28 de transformação digital).
Validação por Especialistas: Cinco especialistas (profissionais de RH e metodologistas de mineração de texto) validaram as palavras-chave.
Avaliação de Validade de Conteúdo: Os escores do Índice de Validade de Conteúdo (CVI) excederam 0,90 para todos os dicionários.
Codificação Piloto: A confiabilidade inter-codificador (κ de Cohen) excedeu 0,80.
Construção do Índice Final:
- Variável Independente: Índice de Divulgação de Transformação Digital (DTDI), medindo a adoção de tecnologia de RH.
- Variáveis Dependentes: Índice Brilhante (frequência de palavras-chave positivas como 'eficiência', 'produtividade') e Índice Sombrio (frequência de palavras-chave negativas como 'vigilância', 'privacidade', 'controle algorítmico').
- Moderador: Idade da Empresa (anos desde a fundação).
- Controles: Tamanho da empresa (log de ativos), Independência do Conselho, Efeitos Fixos de Ano e de Empresa.

Abordagem Analítica:
O estudo utiliza regressão de painel de efeitos fixos para controlar a heterogeneidade não observada invariante no tempo. As hipóteses foram testadas usando modelos para resultados brilhantes e sombrios separadamente, com testes de Wald usados para comparar a magnitude dos coeficientes. Os testes de robustez incluíram dicionários alternativos, exclusão de outliers, variáveis independentes defasadas (lagged) e análise de subgrupo por idade da empresa.

4. Principais Resultados

Teste de Hipóteses:

H1 (Resultados Brilhantes): Suportada. A adoção de tecnologia de RH (DTDI) tem um efeito positivo significativo ( $\beta = 0,0305, p < 0,05$ ).
H2 (Resultados Sombrios): Parcialmente Suportada. A adoção de tecnologia de RH tem um efeito positivo, mas marginalmente significativo, no Índice Sombrio ( $\beta = 0,0107, p < 0,10$ ).
Assimetria de Resultados: Testes de Wald confirmam que o efeito do lado brilhante é significativamente maior que o do lado sombrio ( $\chi^2 = 4,87, p < 0,05$ ). A razão de coeficientes é de aproximadamente 2,85:1, indicando que os resultados brilhantes são quase três vezes maiores em magnitude do que os resultados sombrios.
H3 (Amortecimento Organizacional): Suportada via análise de subgrupo. A idade da empresa modera significativamente a relação entre a tecnologia de RH e os resultados sombrios.
- Empresas Mais Jovens: Exibem um efeito positivo mais forte no Índice Sombrio ( $\beta = 0,0152, p < 0,05$ ).
- Empresas Mais Antigas: Exibem um efeito mais fraco e não significativo ( $\beta = 0,0063, p > 0,10$ ), confirmando que subsistemas sociais maduros amortecem a fricção sociotécnica.

Resultados Adicionais:

Independência do Conselho: Não moderou significativamente a relação, sugerindo que a independência estrutural sozinha é insuficiente sem competência digital.
Robustez: Os resultados permaneceram consistentes através de dicionários de palavras-chave alternativos, exclusão de outliers e especificações defasadas.

5. Significância e Contribuições

O artigo reivindica três contribuições primárias:

Extensão Teórica (STOA): O estudo estende a teoria SST ao introduzir a assimetria de resultados e o amortecimento organizacional. Ele vai além da metáfora da "faca de dois gumes" para explicar por que uma lâmina é sistematicamente mais afiada: os resultados brilhantes são tecnicamente impulsionados e independentes de contexto, enquanto os resultados sombrios são socialmente mediados e dependentes da capacidade de amortecimento.
Insight Contextual (Indonésia como Condição de Contorno): O estudo demonstra como as características institucionais (alta distância do poder, proteções trabalhistas fracas, atraso regulatório) alteram a manifestação dos resultados sombrios. Em culturas de alta distância do poder, a resistência pode ser suprimida em formas latentes (ex: quiet quitting) em vez de protestos visíveis, subdetectando sistematicamente a fricção em medidas convencionais. Também destaca que a independência estrutural do conselho é insuficiente sem competência digital.
Inovação Metodológica: O desenvolvimento de Índices Brilhantes e Sombrios replicáveis, derivados de mineração de texto, oferece uma abordagem objetiva e replicável para medir resultados algorítmicos ao nível organizacional, abordando as limitações das pesquisas baseadas em percepção.

6. Limitações e Direções Futuras

Os autores reconhecem diversas limitações:

Mensuração: A dependência de divulgações de relatórios anuais pode levar à subnotificação de resultados sombrios por razões reputacionais.
Escopo de Dados: A amostra é limitada a empresas listadas na Indonésia, o que restringe a generalização.
Validade do Proxy: A idade da empresa é usada como um proxy para o amortecimento; pesquisas futuras devem explorar medidas diretas como tempo de permanência no conselho, rotatividade de funcionários ou frequência de reclamações.
Causalidade: Embora variáveis defasadas tenham sido utilizadas, o estudo não estabelece causalidade definitiva, sugerindo a necessidade de designs experimentais ou quase-experimentais.
Hipótese Exploratória: A hipótese referente à Competência Digital do Conselho (H4) não foi testada empiricamente devido a limitações de dados, mas é proposta como uma via crítica para pesquisas futuras.

O estudo conclui que fortalecer os subsistemas sociais (transparência, treinamento, mecanismos de reclamação) é essencial para mitigar os danos algorítmicos enquanto se aproveitam os ganhos de produtividade, particularmente em economias emergentes em transformação digital.