Toda empresa descobre que um talento-chave vai sair do mesmo jeito: tarde demais. O aviso chega junto com a carta de demissão, quando a decisão já foi tomada, a entrevista em outra empresa já foi feita e, na prática, a pessoa já saiu — só falta o corpo ir embora.
E se fosse possível saber, com meses de antecedência, quem está em risco de pedir demissão? Não por adivinhação, mas por sinais que já existem dentro da própria empresa. É isso que uma previsão de turnover voluntário com 6 meses de antecedência se propõe a fazer — e o mais importante não é o modelo em si, é o que a empresa faz com essa informação.
Por que 6 meses é o horizonte certo
Prever turnover com uma semana de antecedência é quase inútil: a decisão já foi tomada. Prever com dois anos é pouco confiável: qualquer coisa pode acontecer nesse intervalo. Seis meses é o ponto de equilíbrio: é tempo suficiente para agir — repactuar um plano de carreira, ajustar remuneração, mudar de gestor, resolver um conflito — mas ainda próximo o bastante para o sinal estatístico ser forte.
É também, na prática, o intervalo em que a maior parte dos processos de decisão de saída amadurece: a insatisfação vira dúvida, a dúvida vira busca ativa, a busca ativa vira proposta concreta. Capturar a pessoa na fase de “dúvida” é o que torna a intervenção possível.
Quais dados realmente preveem saída voluntária
Modelos de previsão de turnover não dependem de uma bola de cristal — dependem de dados que a empresa já tem, mas raramente olha em conjunto.
Sinais comportamentais
- Queda na frequência ou qualidade de interações (menos mensagens em canais internos, menos participação em reuniões)
- Redução de uso de benefícios ou de sistemas internos
- Mudança no padrão de horário de trabalho (chegando mais tarde, saindo mais cedo, menos horas extras)
- Queda no engajamento com treinamentos ou iniciativas voluntárias
Sinais estruturais
- Tempo desde a última promoção ou mudança de cargo
- Diferença entre remuneração atual e a média de mercado para a função
- Tempo com o mesmo gestor direto
- Distância entre o cargo atual e a trajetória de carreira que a pessoa sinalizou querer
Sinais relacionais
- Resultados de pesquisas de clima e engajamento (queda em itens específicos costuma pesar mais do que a nota geral)
- Saída recente de pares próximos ou de membros do próprio time (efeito contágio, bem documentado na literatura de turnover)
- Qualidade da relação com a liderança direta, um dos preditores mais consistentes em qualquer estudo sobre o tema
Sinais de contexto
- Tempo de casa (picos de risco costumam aparecer em marcos como 1, 3 e 5 anos)
- Mudanças recentes de estrutura, reorganização ou troca de liderança na área
- Histórico de avaliações de desempenho e sua trajetória (não só o valor absoluto, mas a tendência)
Nenhum desses sinais, isolado, prevê nada com confiança. A força está na combinação — e é aí que entra o modelo.
Como o modelo funciona, sem complicar
Não é preciso construir uma inteligência artificial sofisticada para começar. A lógica geral é:
- Montar uma base histórica. Olhar para trás e reunir os dados de pessoas que saíram voluntariamente nos últimos anos, capturando como esses sinais estavam configurados 6 meses antes da saída.
- Fazer o mesmo para quem ficou. O modelo só aprende o que diferencia quem sai de quem fica se tiver os dois grupos para comparar.
- Treinar um modelo preditivo. Regressão logística, árvores de decisão ou modelos mais robustos (como gradient boosting) aprendem os padrões que antecedem a saída.
- Gerar um score de risco por pessoa. O resultado não é uma previsão binária (“vai sair” ou “não vai sair”), e sim uma probabilidade — por exemplo, “32% de risco de saída voluntária nos próximos 6 meses”.
- Validar constantemente. O modelo precisa ser testado contra saídas reais, recalibrado e revisado — turnover muda de padrão conforme o mercado de trabalho, a cultura da empresa e a conjuntura econômica mudam.
Empresas menores, sem capacidade de construir um modelo próprio, podem começar de forma mais simples: um índice de risco baseado em pesos atribuídos manualmente a alguns desses sinais, validado e ajustado ao longo do tempo pela área de RH. Não é tão preciso quanto um modelo estatístico, mas já é enormemente melhor do que não olhar para nada.
O erro mais comum: prever e não fazer nada
Aqui está o ponto central deste texto. Um modelo de previsão de turnover que gera uma lista de nomes e para por aí não tem valor nenhum — na verdade, pode até ser prejudicial, se usado de forma errada.
Alguns cuidados são essenciais:
Não trate o score como sentença. Uma pessoa com alto risco de saída não é uma pessoa “prestes a trair a empresa”. É uma pessoa que está passando por um momento de reavaliação — e reavaliação é normal e saudável. Tratar o dado como vigilância corrói a confiança e pode, ironicamente, acelerar a saída.
Não compartilhe scores individuais amplamente. A informação deve chegar a quem pode agir de forma construtiva — geralmente o gestor direto e o RH de negócios — nunca de forma que a pessoa se sinta monitorada ou rotulada.
Transforme o score em ação, não em relatório. A pergunta certa não é “quem está em risco?”, mas “o que fazemos com quem está em risco, e por quê?”.
O que fazer com a informação: um plano de ação por causa-raiz
A grande vantagem de um modelo bem construído é que ele não aponta só quem está em risco — ele também aponta os fatores que mais pesam para aquela pessoa específica. E a ação certa muda completamente dependendo da causa.
Se o sinal dominante é remuneração abaixo do mercado Antecipar uma revisão salarial ou uma conversa transparente sobre a trajetória de remuneração, antes que a pessoa receba uma proposta externa e a decisão vire uma questão de orgulho, não só de dinheiro.
Se o sinal dominante é estagnação de carreira Uma conversa de carreira genuína, com um plano concreto — não promessas vagas. Se não há espaço real para crescer, é mais honesto reconhecer isso do que fingir uma perspectiva que não existe.
Se o sinal dominante é a relação com a liderança Esse é o mais delicado e, ao mesmo tempo, um dos mais frequentes na literatura sobre turnover. Pode exigir mediação, treinamento do gestor ou, em casos mais sérios, mudança de reporte.
Se o sinal dominante é contágio (saída de pares) Entender rapidamente o que motivou as saídas anteriores no time e agir sobre isso antes que vire um padrão — muitas vezes o problema real não é individual, é do time ou da área.
Se o sinal é uma combinação difusa, sem causa clara Nesse caso, a melhor ferramenta ainda é a conversa direta — um one-on-one genuíno, sem agenda escondida, perguntando abertamente como a pessoa está se sentindo em relação ao trabalho.
Métricas para saber se está funcionando
Um programa de previsão de turnover deve ser avaliado com o mesmo rigor que qualquer outra iniciativa de negócio:
- Precisão do modelo: das pessoas sinalizadas como alto risco, quantas realmente saíram? Das que saíram, quantas o modelo havia sinalizado?
- Taxa de retenção após intervenção: entre as pessoas de alto risco que receberam alguma ação, qual a taxa de permanência 6 e 12 meses depois?
- Custo evitado: cruzar a retenção com o custo médio de reposição do cargo (recrutamento, ramp-up, perda de produtividade) para dimensionar o retorno do programa.
- Percepção de confiança: monitorar, via pesquisas de clima, se o programa está sendo percebido como cuidado ou como vigilância — esse é o termômetro que decide se a iniciativa vai se sustentar no longo prazo.
O ponto central
Prever turnover não é o objetivo — é o meio. O objetivo é ter tempo hábil para ter as conversas certas com as pessoas certas, antes que a decisão de sair já esteja tomada. Um modelo preditivo bem calibrado devolve à empresa algo que ela quase sempre perde: tempo. O que ela faz com esse tempo é que determina se o investimento em previsão valeu a pena.
