“Joga no ChatGPT” é uma frase cada vez mais comum nos ambientes corporativos. Ela aparece quando alguém precisa responder um e-mail, analisar um relatório, estruturar uma apresentação, interpretar dados, elaborar uma proposta ou resolver um problema que ainda nem foi compreendido.
A expressão tornou-se sinônimo de eficiência. Em muitos casos, é exatamente isso. A inteligência artificial reduz o tempo de execução, organiza informações dispersas, sugere caminhos e ajuda pessoas a superar limitações técnicas ou linguísticas.
O problema começa quando a busca por eficiência elimina o esforço necessário para compreender.
A preguiça contemporânea não é necessariamente a recusa em trabalhar. Muitas vezes, é a recusa em pensar antes de produzir. É entregar uma pergunta mal formulada para uma máquina e aceitar uma resposta bem escrita como evidência de que o problema foi resolvido.
A ciência chama parte desse fenômeno de descarga cognitiva. Trata-se da transferência de atividades mentais para instrumentos externos, como anotações, calculadoras, mecanismos de busca, sistemas de navegação e, agora, modelos de inteligência artificial. Essa transferência reduz a demanda sobre a memória e libera capacidade mental para outras atividades. Por isso, não deve ser tratada como algo inerentemente negativo. A cognição humana sempre dependeu de artefatos externos para ampliar sua capacidade de ação (Risko e Gilbert, 2016).
O custo aparece quando a descarga deixa de apoiar o pensamento e passa a substituí-lo.
Experimentos sobre memória mostram que confiar em registros externos pode reduzir a recordação das informações originais e até aumentar falsas lembranças. Outros estudos indicam que, quando o apoio externo deixa de estar disponível, a pessoa pode apresentar dificuldades justamente porque não construiu uma representação interna suficientemente robusta do conteúdo (Lu et al., 2020, Risko et al., 2019).
Com a inteligência artificial generativa, esse efeito ganha outra escala.
Uma calculadora executa uma operação delimitada. Um sistema de navegação indica uma rota. Um modelo generativo pode elaborar argumentos, selecionar informações, formular hipóteses, produzir análises e apresentar conclusões com aparência de coerência. Ele não apenas armazena parte do conhecimento. Pode ocupar etapas inteiras do processo intelectual.
Essa diferença importa.
Em um experimento com 117 universitários, estudantes que utilizaram o ChatGPT melhoraram a qualidade imediata dos textos, mas não apresentaram ganhos equivalentes de conhecimento ou de transferência da aprendizagem. Os autores observaram mudanças nos processos de autorregulação e alertaram para a possibilidade de dependência e preguiça metacognitiva, situação na qual o indivíduo reduz o monitoramento sobre o próprio raciocínio porque a ferramenta fornece respostas prontas com baixo esforço (Fan et al., 2025).
A preguiça metacognitiva não significa incapacidade intelectual. Significa deixar de perguntar se compreendeu, se concorda, se há alternativas, quais premissas sustentam a resposta e o que poderia torná-la falsa.
Outras pesquisas descrevem uma relação ambivalente. A inteligência artificial pode ampliar a imersão, facilitar a exploração de ideias e elevar o desempenho. Ao mesmo tempo, a dependência pode reduzir o esforço cognitivo e comprometer o pensamento crítico. O resultado não depende apenas da presença da tecnologia, mas da maneira como o usuário organiza sua interação com ela (Tian e Zhang, 2025, Zhou et al., 2026).
Essa constatação muda a discussão dentro das empresas.
A questão não é permitir ou proibir. Também não é medir quantas pessoas utilizam IA. O verdadeiro desafio é definir quais capacidades humanas a organização deseja preservar e desenvolver.
Uma empresa pode ganhar velocidade na produção de documentos e, simultaneamente, perder capacidade de análise. Pode produzir mais apresentações e compreender menos os problemas. Pode acelerar decisões e reduzir a qualidade do julgamento. Pode criar profissionais excelentes em operar ferramentas, mas incapazes de defender uma conclusão sem recorrer novamente à ferramenta que a produziu.
O risco não é apenas individual. É organizacional.
Quando várias pessoas utilizam os mesmos modelos para interpretar os mesmos dados, os textos tendem a convergir. As análises passam a repetir estruturas semelhantes, premissas pouco examinadas e recomendações estatisticamente prováveis. A empresa acredita ter aumentado sua inteligência coletiva, quando pode estar apenas industrializando uma resposta média.
Por isso, organizações precisam educar, monitorar e valorizar o esforço humano.
Educar significa ensinar mais do que engenharia de prompts. Um bom programa de alfabetização em inteligência artificial deve abordar formulação de problemas, verificação de evidências, vieses de automação, limites dos modelos, rastreabilidade das fontes e responsabilidade decisória. Estudos sobre interação com IA mostram que intervenções metacognitivas, como pedir ao usuário que faça pausas, examine perspectivas alternativas e avalie sua compreensão, aumentam a profundidade da investigação e a análise crítica das respostas (Singh, Guan e Rieh, 2025).
Monitorar não significa vigiar cada comando digitado. Significa observar sinais de dependência. O profissional consegue explicar a resposta sem consultar a IA. Consegue reconstruir o raciocínio. Sabe distinguir fatos, inferências e opiniões. Verifica as fontes citadas. Reconhece quando não possui conhecimento suficiente para validar a conclusão.
Quando essas capacidades desaparecem, a produtividade aparente começa a esconder uma dívida cognitiva.
Valorizar o esforço humano também exige rever os critérios de desempenho. Se a empresa recompensa apenas velocidade e volume, os profissionais aprenderão a produzir respostas rapidamente. Se recompensa qualidade de julgamento, clareza de raciocínio, capacidade de contestação e responsabilidade sobre o resultado, a IA será utilizada como instrumento de ampliação e não como substituta da competência.
O esforço não deve ser romantizado. Ninguém precisa executar manualmente atividades que uma ferramenta realiza melhor. O que precisa ser preservado é o esforço produtivo, aquele que constrói compreensão, repertório, memória, discernimento e capacidade de agir quando a ferramenta não estiver disponível.
Antes de abrir o ChatGPT, formule uma hipótese.
Defina o problema com suas próprias palavras. Registre o que já sabe, o que não sabe e quais evidências poderiam mudar sua posição.
Depois da resposta, procure falhas.
Compare fontes. Questione as premissas. Peça alternativas. Tente refutar a recomendação. Identifique quais partes são fatos verificáveis e quais são inferências produzidas pelo modelo.
Por fim, assuma a conclusão.
Não escreva que “a IA recomendou”. A máquina não ocupa seu cargo, não conhece todas as restrições, não responde pelos impactos e não estará presente quando for necessário explicar a decisão.
A inteligência artificial pode escrever, resumir, organizar, calcular, programar e sugerir. Pode até ajudar a pensar.
A responsabilidade de compreender continua sendo humana.
O futuro do trabalho não será determinado apenas por quem utiliza inteligência artificial. Será determinado por quem consegue utilizá-la sem abandonar aquilo que nenhuma ferramenta deveria assumir em seu lugar, a capacidade de julgar, questionar e responder pelas próprias conclusões.
