Amazon e Meta apertaram ranking individual em 2026, na mesma época de ondas grandes de corte de quadro no setor de tecnologia. Vale entender como cada sistema funciona de verdade — não a versão de comunicado oficial — antes de decidir se algum pedaço disso serve para um time pequeno.
Como funciona o sistema da Amazon
A Amazon nega publicamente que use stack ranking. Na prática documentada por quem passou pelo processo, o sistema tem dois estágios.
Forte é a ferramenta de coleta — avaliação de gestor, pares e autoavaliação, ancorada nos 16 Leadership Principles da empresa (Customer Obsession, Dive Deep, Deliver Results, entre outros). Desde 2025, esses princípios deixaram de ser só cultura e passaram a ser dimensão quantificável da avaliação.
OLR (Organizational Leadership Review) é o estágio que decide de verdade. Líderes seniores se reúnem para "calibrar" as notas entre times, encaixando o resultado numa distribuição forçada — cota fixa de quantas pessoas caem em cada faixa, independente de quantas realmente performaram mal. Relatos internos descrevem isso como negociação, não medição: gestores defendem seus liderados numa espécie de disputa por vaga na faixa boa, e a nota final de um engenheiro pode depender tanto da habilidade de advocacia do próprio gestor quanto do trabalho entregue.
Um gestor descreveu o dilema publicamente: a pessoa "menos boa" do time precisa ser marcada como fraca, mesmo quando o time inteiro entrega bem — o equivalente a reprovar alguém que tirou A- só porque o resto da turma tirou A.
A distribuição típica reportada: cerca de 5% no topo, a maior parte no meio, cerca de 5% na faixa mais baixa — que aciona diretamente o programa de PIP da empresa (Focus/Pivot), com prazo curto para melhorar ou sair.
Como funciona o sistema da Meta
A Meta passou por três fases documentadas, e a progressão importa mais que o estado atual isolado.
2022: corte de 11 mil pessoas, justificado como eficiência econômica ampla — não ligado a performance individual.
2025: Zuckerberg anunciou publicamente a intenção de "levantar a régua" e tirar baixo performer mais rápido. O resultado foram cerca de 3.600 demissões, cerca de 5% do quadro, marcadas oficialmente como corte por performance. Só que várias pessoas demitidas vieram a público mostrando avaliação recente de "exceeds expectations" — nota alta — contestando publicamente o rótulo de "baixo performer" usado para justificar a saída.
2026: a empresa reestruturou a avaliação em quatro faixas fixas — 20% no topo, 70% no meio, 7% numa faixa inferior, 3% na faixa mais baixa — com instrução explícita para gestores de times grandes colocarem entre 15% e 20% das pessoas na faixa "below expectations", um aumento sobre o ano anterior. As duas faixas de baixo, somadas, batem quase exatamente com o percentual de corte de quadro planejado para o ano.
Isso não é coincidência editorializada — é o padrão que o próprio mercado de recrutamento já usa para interpretar candidato: quem sai da faixa de baixo carrega estigma de baixa performance mesmo quando a causa real foi cota, não mérito.
O padrão comum, e por que ele preocupa quem estuda time
Os dois sistemas compartilham a mesma estrutura de risco, documentada há mais de uma década antes de Amazon e Meta reforçarem isso em 2026: cota fixa de "piores" desconectada do desempenho real do grupo. Se o time inteiro performa bem, alguém ainda cai na faixa ruim, porque a régua é relativa ao grupo, não ao trabalho.
O efeito colateral, replicado em pesquisa desde os anos 2010 (o mesmo padrão que levou Microsoft a abandonar stack ranking em 2013, depois de anos de uso): engenheiro bom evita time forte, porque ser comparado com colega excelente vira risco de carreira; ajudar colega que também compete pela mesma cota passa a ter custo, não recompensa; colaboração cai, e as pessoas passam a proteger informação em vez de compartilhar.
O timing de 2026 levanta uma hipótese que merece ser dita com clareza, sem apresentar como fato: os dois casos aconteceram junto com onda grande de corte de quadro, e ranking com cota fixa é ferramenta conveniente para justificar demissão de forma que pareça mérito, não decisão financeira. Isso não invalida todo uso de ranking — mas separa o motivo declarado (medir performance) do motivo provável (viabilizar corte com narrativa defensável).
Um modelo alternativo: sem cota, sem zero-sum
Para time pequeno tentando reter talento — não cortar quadro — a lógica precisa se inverter em três pontos estruturais. O processo abaixo é desenhado para qualquer empresa adaptar, não é ferramenta fechada.
1. O time desenha os próprios critérios, não recebe pronto de cima.
Convide o time a responder: "o que a gente quer reconhecer, além de quem entrega mais rápido?" Isso já evita o primeiro erro do OLR — critério imposto e negociado por gestor, sem quem está sendo avaliado ter participado da régua.
2. Dois eixos de pontuação, separados, nunca combinados numa nota só.
* Eixo de entrega: velocidade, qualidade, resolução da dor real do cliente — mais próximo do que Amazon e Meta já medem.
* Eixo de comportamento: sinalizar impedimento a tempo, ajudar colega travado, compartilhar conhecimento. Esse eixo não pode ser desconto do eixo de entrega — precisa ser pontuação própria, isolada.
Essa separação vem direto da literatura de segurança do trabalho: indicador de comportamento (reportar cedo) precisa ser recompensado de forma independente do indicador de resultado (zero incidente), porque misturar os dois cria incentivo para esconder problema em vez de expor.
3. Sem cota fixa de "piores" — o reconhecimento não é zero-sum.
Diferença estrutural central com Amazon e Meta: lá, alguém só sobe se outro descer, porque a distribuição é forçada. No modelo colaborativo, o time inteiro pode pontuar bem no mesmo ciclo — a bonificação premia quem se destacou, sem exigir que alguém seja marcado como fraco para viabilizar isso. Isso elimina o incentivo perverso de sabotar colega para proteger a própria posição na régua.
4. Critério público desde o início, não calibração fechada de liderança.
O OLR da Amazon acontece atrás de porta fechada, com negociação entre gestores que quem está sendo avaliado não vê. O modelo colaborativo inverte isso: os critérios ficam visíveis para todo o time antes do ciclo começar, e o motivo de cada pontuação é rastreável — mensagem no canal, card movido, PR revisado — não decisão arbitrada em sala fechada.
5. Evidência mínima, não autodeclaração pura.
"Eu ajudei fulano" sem registro em lugar nenhum não pontua. Precisa ter rastro simples — comentário no board, menção no canal certo — senão a régua perde credibilidade e vira disputa de quem conta melhor a própria história.
6. Recompensa desacoplada de qualquer processo de desligamento.
Esse é o ponto mais importante e o que mais separa o modelo do que Amazon e Meta fazem: a pontuação da disputa colaborativa serve só para bonificação e reconhecimento, nunca alimenta decisão de quem sai da empresa. No momento em que o mesmo número usado para premiar também é usado para demitir, o incentivo de todo mundo muda — as pessoas param de jogar para o resultado real e passam a jogar para não aparecer mal na régua, o mesmo problema documentado nos dois sistemas descritos acima.
7. Revisão periódica das próprias regras, feita pelo time.
Regra fixa criada uma vez e nunca revisitada tende a acumular brecha que alguém aprende a explorar. Marque revisão a cada trimestre, com o próprio time propondo ajuste — mantendo o princípio do ponto 1.
O que esse modelo não resolve
Ele não escala fácil para organização de centenas de pessoas — a Amazon e a Meta têm ranking forçado, em parte, porque calibração individual profunda não é viável em escala de dezenas de milhares de funcionários. O modelo colaborativo depende de confiança e proximidade que existe em time pequeno e médio, não necessariamente sobrevive num rollout corporativo grande sem adaptação séria.
Também não resolve, sozinho, decisão real de desligamento por baixo desempenho persistente — ele foi desenhado para reconhecimento e incentivo, não para substituir avaliação de performance formal quando ela for genuinamente necessária. Misturar os dois de volta recria o problema que o ponto 6 tenta evitar.
Fechando
Amazon e Meta resolveram um problema que não é o seu, se você lidera time pequeno: como justificar corte de quadro em escala, de forma defensável, quando a decisão real é financeira. Copiar a ferramenta deles para um problema diferente — reter e motivar um time pequeno — importa o efeito colateral documentado sem importar o motivo que o justificava lá.
O modelo colaborativo não é mais fácil de montar. Exige desenho cuidadoso dos dois eixos, disciplina para manter a recompensa desacoplada de desligamento, e revisão constante das regras. Mas ataca o problema que você realmente tem — motivar sem destruir colaboração — em vez do problema que a Amazon e a Meta têm.