A inteligência artificial está a tornar muitos profissionais mais rápidos, mais produtivos e, em algumas tarefas, aparentemente melhores. Mas há um custo menos visível: a possibilidade de estar a enfraquecer a capacidade de pensar, aprender e resolver problemas sem ajuda da máquina.
A ideia é explorada pelo ‘Washington Post’ a partir de uma metáfora simples: contratar um treinador pessoal para ficar mais forte, mas pedir-lhe que levante os pesos por si. O resultado exterior pode parecer impressionante, mas o corpo não ganhou força. Com a IA, o risco é semelhante: a tarefa fica feita, mas a competência humana pode não evoluir — e até regredir.
Ganhar produtividade, perder capacidade
Os ganhos de produtividade são reais. Num estudo publicado em 2026 na revista ‘Organization Science’, Ethan Mollick, da Wharton School da Universidade da Pensilvânia, e outros investigadores analisaram o desempenho de centenas de consultores da Boston Consulting Group com e sem acesso a IA. Os participantes que usaram a tecnologia concluíram mais 12% de tarefas e fizeram-no, em média, 25% mais depressa. Nas tarefas para as quais a IA estava bem preparada, a qualidade também foi avaliada como superior.
Outro estudo, liderado por Grace Liu, da Universidade Carnegie Mellon, testou o impacto da IA na resolução de problemas matemáticos com frações. Os participantes com acesso ao GPT-5 resolveram quase 90% dos problemas, contra 72% no grupo sem IA. À primeira vista, os resultados parecem confirmar o potencial das ferramentas de inteligência artificial como apoio ao trabalho e à aprendizagem.
Mas os mesmos estudos revelam uma armadilha. No caso dos consultores da BCG, quando as tarefas estavam fora da zona de competência da IA, os utilizadores da tecnologia cometeram mais erros do que os colegas que trabalharam sem ajuda. Fabrizio Dell’Acqua, coautor do estudo, descreveu o fenómeno como “adormecer ao volante”: a pessoa continua no comando, mas deixa de vigiar o caminho.
No estudo sobre matemática, o problema foi ainda mais claro. Depois de lhes retirarem o acesso à IA, os participantes que tinham usado a ferramenta passaram a ter resultados piores do que aqueles que nunca a tinham utilizado. Também desistiam mais depressa. O efeito surgiu após apenas dez minutos de assistência da IA.
A “rendição cognitiva”
Outra investigação, de Steven Shaw e Gideon Nave, investigadores da Wharton, analisou como as pessoas reagem quando recebem respostas certas ou erradas de ‘chatbots’ fluentes. Num estudo com mais de 1.300 participantes, os investigadores observaram que muitos adotavam as respostas da IA sem as questionar, mesmo quando estavam erradas. Chamaram a este estado “rendição cognitiva”: o momento em que o utilizador abdica do controlo mental e assume o julgamento da máquina como seu.
Quando a IA estava certa, a precisão dos participantes subia 25 pontos percentuais face ao grupo sem IA. Quando estava errada, caía 15 pontos abaixo. Em ambos os casos, os utilizadores sentiam-se mais confiantes. O problema, portanto, não é apenas errar: é errar com mais segurança.
Os autores descrevem este fenómeno como uma espécie de “Sistema 3”, uma camada externa e automatizada de pensamento que se junta aos dois modos popularizados pelo psicólogo Daniel Kahneman: a intuição rápida, ou Sistema 1, e o raciocínio lento e deliberado, ou Sistema 2. Em teoria, este terceiro sistema pode ajudar a corrigir intuições falhadas e a melhorar decisões. Na prática, muitos utilizadores acabam por se demitir do esforço de pensar.
O que queremos continuar a saber fazer?
A questão central passa a ser o que cada pessoa quer preservar. A IA pode redigir um memorando, resolver um exercício, escrever código ou sintetizar investigação. Mas se essas tarefas são também o caminho para aprender, ganhar critério e desenvolver capacidade própria, entregar tudo à máquina pode ter um custo. Ethan Mollick resume a ambivalência de forma direta: a IA “pode tornar-nos ótimos ou terríveis”.
A história não é nova. Platão, ao recordar Sócrates, alertou que a escrita poderia criar esquecimento. A chegada das calculadoras, nos anos 70, também gerou receios sobre o impacto na aprendizagem. Mais tarde, a internet trouxe a pergunta sobre se o Google estaria a tornar-nos menos inteligentes. A diferença, diz Shaw, é que a IA permite agora delegar não apenas memória ou cálculo, mas o próprio processo de raciocínio.
Os grandes modelos de linguagem não pensam como humanos. São treinados para prever a palavra seguinte, não para ter senso comum ou compreender o mundo como uma pessoa. Podem ser brilhantes a escrever código, sobretudo quando o resultado pode ser testado, mas também podem ser manipulados, inventar respostas ou aceitar premissas absurdas com enorme fluência.
Usar a IA sem entregar o volante
Para os especialistas ouvidos pelo ‘Washington Post’, a resposta não passa por rejeitar a IA, mas por decidir como a usar. A primeira regra é perceber em que tarefas a tecnologia é forte e onde continua frágil. A fronteira muda rapidamente e é irregular: em alguns domínios a IA supera humanos, noutros falha de forma inesperada. O julgamento humano continua a ser decisivo para saber quando aceitar, corrigir ou rejeitar a resposta da máquina.
A segunda regra é proteger o espaço da criação e da aprendizagem. Vários investigadores citados pelo jornal recusam usar IA para gerar as primeiras ideias ou escrever primeiros rascunhos, mas aceitam usá-la depois como parceira crítica: para testar argumentos, encontrar fragilidades, sugerir contraexemplos ou assumir partes mais mecânicas do trabalho.
Na aprendizagem, o ponto é ainda mais sensível. Uma IA que desafia o aluno, faz perguntas e obriga a explicar raciocínios pode ser útil. Uma IA que se limita a dar respostas pode ser corrosiva. Um estudo com 27 mil estudantes chineses concluiu que os resultados pioravam quando os alunos usavam IA para despachar trabalhos de casa. Mas as perdas eram menores quando mantinham o mesmo tempo de estudo e usavam a ferramenta como apoio, não como substituto.
A tecnologia deve aprofundar o esforço, não eliminá-lo
Na programação, investigadores da Anthropic concluíram que o uso de IA prejudicou, em média, a compreensão conceptual, a leitura de código e a capacidade de depuração de programadores a aprender uma nova biblioteca. Mas os que pediam explicações e faziam perguntas de seguimento preservavam melhor a aprendizagem do que os que apenas pediam código pronto.
A conclusão é simples, mas exigente: a IA deve aprofundar o esforço cognitivo, não eliminá-lo. Usá-la bem implica resistir à tentação de aceitar a primeira resposta, pedir explicações, confrontar argumentos e manter espaço para o trabalho mental independente.
A inteligência artificial pode ser uma ferramenta de produtividade poderosa. Mas, se for usada como substituto permanente do raciocínio, arrisca transformar ganhos imediatos em perda de autonomia intelectual. A pergunta decisiva deixa de ser apenas “o que é que a IA consegue fazer por mim?” e passa a ser: “que capacidades quero continuar a desenvolver por mim próprio?”
