IA · Soberania Cognitiva · Trabalho

Opa, opa

Um contraponto ao entusiasmo da IA — e o que pretendo investigar a seguir.

Existe um oba-oba da inteligência artificial. Ele não é mentira: a tecnologia é extraordinária, o ganho é real e quem ficar de fora vai pagar caro. Mas o oba-oba tem uma característica que me incomoda — ele não admite pausa. Toda pergunta vira freio, todo cuidado vira atraso, toda dúvida vira sinal de que você não entendeu.

Este texto abre uma série que quero chamar de opa, opa. Não é o oposto do oba-oba. É o gesto que falta nele: parar meio segundo antes de entregar mais uma coisa que a gente ainda sabia fazer sozinho.

A tese é a mesma que venho defendendo: inteligência artificial é uma ferramenta extraordinária, mas ferramenta não é sujeito, consciência nem substituto da responsabilidade humana. O desafio da próxima década não será apenas aprender a usar IA; será preservar soberania cognitiva — manter atenção, julgamento, autoria, memória, intuição, criatividade, relações e senso de realidade sob nosso comando.

O termo não é meu. Soberania Cognitiva é uma iniciativa da White Rabbit, construída em parceria com dezenas de especialistas e formadores de opinião e coordenada por Vanessa Mathias, co-fundadora da casa. O trabalho organiza seis frentes de investigação sobre os riscos civilizatórios da era da IA: atrofia cognitiva, intimidade sintética, neocolonialismo algorítmico, design invisível, extrativismo da mente e erosão da realidade. Este artigo se apoia nessas frentes e as cruza com os dados da pesquisa da Talk Inc. Boa parte da série que abro aqui vai percorrê-las uma a uma.

O que mudou é que decidi ir atrás dos números para sustentar isso. Eles me levaram a um lugar diferente do que eu esperava, e é por aí que este texto começa.

1.O paradoxo que eu achei que tinha encontrado

Comece pelo que não está em dúvida. A pesquisa IA na Vida Real, da Talk Inc., mostra que a adoção declarada no Brasil chegou a 89% em 2025. Entre quem já usa, 52% dizem usar muito frequentemente. E, entre quem usa no trabalho, 74% sentem que ampliaram sua capacidade.

A mesma pesquisa mostra o desconforto. 62% acreditam que delegar tarefas pode nos tornar mais preguiçosos, 53% se preocupam com dependência e 55% acham que as pessoas ficam mais individualistas ao delegar à máquina. Nunca tivemos ferramentas tão poderosas para ampliar nossa inteligência — e talvez nunca tenhamos tido ferramentas tão poderosas para nos convencer a não exercê-la.

Foi aí que achei que tinha encontrado alguma coisa. Comparando as duas ondas da pesquisa, 2024 e 2025, todas as preocupações apareciam em queda enquanto o uso subia. Batizei o fenômeno de anestesia da familiaridade: o risco não teria diminuído, teria apenas parado de incomodar.

Era uma boa história. Antes de sustentá-la como tese, fui ver se o padrão aparecia fora do Brasil.

Não aparece. Aparece o contrário.

Onde a IA virou assunto público, a preocupação cresceu junto com o uso.

Isso deixava duas saídas: ou o Brasil é uma exceção que precisa ser explicada, ou a minha comparação estava errada. Fui atrás do relatório brasileiro de 2024 para descobrir qual das duas.

São duas as razões, e qualquer pessoa com os dois relatórios abertos encontra as duas.

A primeira é que um dos itens mudou de forma. Em 2024, deepfake e fake news eram duas perguntas separadas, medidas em 89% e 84%. Em 2025 viraram um item só. Comparar um item fundido com dois itens que não existiam mais não é comparação — e era justamente sobre esse item que eu tinha escrito a frase mais forte do texto.

A segunda é mais séria, e está escrita no próprio relatório de 2024. A página 67 traz como manchete: “quem nunca usou IA se mostra mais receoso e preocupado em relação à tecnologia, se comparado aos que já utilizam”. Entre as pessoas com sentimento negativo sobre IA, 53% nunca tinham usado.

Agora junte isso com a adoção. Os não usuários eram 37% da população brasileira em 2024 e caíram para 11% em 2025. O grupo que carregava a preocupação encolheu para menos de um terço do que era.

A média pode cair sem que uma única pessoa mude de opinião.

É aritmética de composição, não anestesia. E nenhum dos dois relatórios cruza a bateria de preocupação com o uso, então não há como saber, com o que está público, se houve queda também dentro do grupo de quem já usava. Que é exatamente a única coisa capaz de sustentar a minha tese original.

Poderia ter deixado a tabela no ar. Ela era bonita, o argumento fechava e quase ninguém iria conferir. Mas um texto que defende soberania cognitiva e sustenta um número que não reproduz a fonte primária não vale o papel em que está escrito.

O que sobra é melhor do que o que eu tinha. A pergunta deixa de ser “por que a preocupação caiu no Brasil”, que talvez nem tenha caído, e passa a ser outra, que ninguém está fazendo: por que em todo lugar onde a IA virou assunto público a preocupação cresceu junto com o uso, e aqui não? Nos Estados Unidos e no Reino Unido houve eleição com pânico de deepfake, processos de direito autoral, audiências legislativas e regulação entrando em vigor. Aqui existe um projeto de lei cujo número quase ninguém sabe de cabeça.

Talvez o que sustente a vigilância não seja a experiência de cada um com a ferramenta. Talvez seja alguém fazendo barulho. É uma hipótese, não uma conclusão, e ela é o primeiro estudo desta série.

2.Por que nos encantamos — e por que isso não é ingenuidade

Tratar quem se encanta como ingênuo é confortável e inútil. O encantamento tem três mecanismos, e os três são acertos do nosso sistema cognitivo aplicados ao objeto errado.

Primeiro: fluência lida como competência

Quem fala bem parece saber — e sempre pareceu, porque até ontem falar bem sobre um assunto exigia tê-lo estudado. A máquina rompeu essa correlação sem nos avisar. Silvio Meira propõe uma provocação útil: pensar IA como “Imitação Algorítmica”. A expressão reduz o antropomorfismo e lembra que sistemas generativos modelam padrões e imitam manifestações de inteligência. Miguel Nicolelis radicaliza ao chamá-la de “NINA — nem inteligente, nem artificial”.

Segundo: ausência de interesse próprio lida como confiabilidade

Esse é mais sutil e quase nunca aparece no debate. Charles Green descreve a confiança com uma equação:

Nós detectamos auto-orientação por sinais de comportamento: a pessoa puxa o assunto para si, se impacienta, fica na defensiva, cobra reciprocidade, sinaliza status. Uma máquina não emite nenhum desses sinais. Não se cansa, não disputa espaço, não tem um dia ruim. O denominador da equação parece zero — e uma divisão por algo próximo de zero produz um número muito alto.

Só que a agenda existe. Ela apenas não está na conversa: está em quem definiu o objetivo do sistema, escolheu para que ele otimiza e decide o que ele prioriza. O interesse próprio não desapareceu; foi terceirizado e ficou fora do campo de visão.

Um interesse próprio invisível é mais perigoso que um interesse próprio declarado — porque passa na auditoria.

Terceiro: inteligência e consciência sempre vieram juntas

Yuval Harari faz uma observação que reorganiza o problema. Em toda a história natural, aquilo que resolvia problemas complexos também sentia. Em nós, nos mamíferos, nas aves. Nunca precisamos separar inteligência de consciência porque a natureza nunca as separou. Nosso atalho de inferir vida interior a partir de competência funcionou por milhões de anos sem falhar uma vez.

Nosso encantamento não é falha de julgamento: é um heurístico confiável disparando pela primeira vez sobre um objeto para o qual nunca foi desenhado.

Mustafa Suleyman deu nome ao que vem a seguir: seemingly conscious AI, a IA aparentemente consciente. Sistemas com memória longa, voz, personalidade estável e capacidade de dizer que sentem — sem que nada disso implique que sintam. O risco que ele aponta não é a máquina ganhar consciência. É um número grande de pessoas passar a acreditar que ela ganhou, e agir a partir disso. Quando voz, memória, vídeo e agentes tornarem a interação mais humana na superfície, esse será o teste real.

3.A máquina que leu o mundo sem viver nele

Imagine uma máquina de leitura com acesso a uma parcela gigantesca da produção humana. Ela leu descrições de oceanos sem sentir água salgada; textos sobre luto sem perder alguém; tratados sobre liderança sem precisar sustentar uma decisão difícil diante de uma equipe.

Modelos atuais também processam imagens, áudio e outros sinais; portanto, não são literalmente apenas leitores de texto. O ponto permanece: dados e representações não equivalem a experiência vivida. A máquina reconhece padrões sobre coragem; ela não experimenta medo e decide agir apesar dele. Isso separa informação de experiência, e fluência de sabedoria.

4.Probabilidade vestida de certeza

Modelos de linguagem geram saídas a partir de distribuições de probabilidade sobre continuações possíveis. Plausibilidade, porém, não é verdade. Uma frase pode ser linguisticamente excelente e factualmente falsa; uma referência pode parecer perfeita e não existir.

Dizer que “a IA sempre responde” merece precisão: sistemas podem recusar, declarar incerteza ou pedir contexto. Mas um modelo generativo é estruturalmente orientado a produzir uma continuação. Ele não possui o mesmo constrangimento epistemológico humano de parar porque sente que não sabe.

Da combinação de ausência de experiência vivida, geração probabilística e propensão a completar surge uma regra simples: quanto maior o impacto da decisão, maior deve ser a presença humana no loop.

5.O mensageiro continua responsável

Usar IA não transfere accountability. Se uma pessoa assina, apresenta, publica, recomenda ou decide com base em uma saída algorítmica, a responsabilidade continua sendo dela. A ferramenta participa da produção; não assume as consequências.

Um estudo coletivo brasileiro sobre adoção ética de IA, que comento adiante, dá nome ao mecanismo: antropomorfizar a máquina produz deslocamento de responsabilidade. Ao lado dele vêm outros dois efeitos da mesma raiz — supor substituição simétrica entre humano e máquina, e tratar erro de IA como equivalente a erro humano. Os três juntos empobrecem decisão, fragilizam governança e amplificam erro em escala.

Os casos que uso em palestra — o canarinho de três patas, o 14-Bis invertido, relatos de falhas em previsão ou inventário — são bons alertas e devem ter fonte primária verificada antes de virarem slide. O ato de checar o exemplo é parte da própria tese. Aliás, foi checando os números desta série que encontrei um erro meu, que circulou em quatro apresentações antes de eu perceber.

Se você não colocaria seu nome no trabalho de um desconhecido sem revisar, por que faria isso com um modelo probabilístico?

6.Hiperprodutividade e lucidez

A Talk descreve a IA como uma “máquina do tempo”: tarefas de dias ou semanas comprimidas em minutos. Usuários relatam melhorias em agilidade, qualidade, organização e criatividade. Mas o tempo poupado frequentemente não vira descanso ou reflexão; vira mais produção.

Nicolelis contrapõe a cultura da aceleração com uma frase central: “eu não procuro rapidez, eu procuro lucidez.” A oposição correta não é lento versus rápido, mas velocidade a serviço do pensamento versus velocidade substituindo pensamento.

7.O atrito não era um defeito

Tecnologia digital foi construída para remover fricção. Isso é excelente para pagamentos e reservas, mas algumas fricções cognitivas são produtivas. Ler, escrever, memorizar, resolver um problema sem resposta pronta, suportar silêncio e conversar com quem discorda exigem esforço — e o esforço faz parte da formação da capacidade.

Betsy Sparrow e colegas mostraram o efeito Google; Nicholas Carr discutiu leitura profunda; Sherry Turkle investigou presença e conversação. A IA acrescenta uma etapa: podemos terceirizar não apenas onde encontrar a resposta, mas sua própria construção.

A White Rabbit chama de atrofia cognitiva a erosão gradual de capacidades que deixam de ser exercitadas. O conceito evita a falsa escolha entre tecnologia boa e ruim: a mesma IA pode expandir ou contrair a mente conforme a forma de uso.

8.A terceirização não começa pela tarefa. Começa pelo critério.

Terceirizar execução é velho e saudável. Delegamos cálculo à calculadora, ortografia ao corretor, rota ao GPS. Perdemos habilidades e ganhamos tempo, e na maior parte dos casos o negócio foi bom.

O que muda agora é a camada. Não se terceiriza apenas a execução da tarefa, mas a formulação dela: o que perguntar, o que importa nesse problema, quais alternativas existem, e se o resultado está bom. Quando o critério vai junto com a execução, a capacidade não é ampliada — é transferida.

Uma pessoa pede: “escreva minha opinião”. Outra escreve primeiro e pede: “destrua meu argumento, encontre pressupostos frágeis e apresente evidências contrárias”. Ambas usam IA todos os dias. Cognitivamente, fazem o oposto uma da outra. A diferença entre as duas não é disciplina nem virtude: é qual das duas ainda tem um critério próprio para submeter à máquina.

A divisão relevante talvez não seja entre quem usa e quem não usa IA, mas entre quem usa IA para pensar melhor e quem a usa para não precisar pensar. E a pesquisa capta esse desconforto sem nomeá-lo: além dos 62% que temem preguiça, 55% acreditam que as pessoas ficam mais individualistas ao delegar tarefas à IA.

9.Intimidade sintética e a máquina que concorda

Entre todas as capacidades que estamos passando adiante, uma se comporta de forma diferente das outras.

58% de quem já usou IA no Brasil recorreu a ela como amigo ou conselheiro para questões pessoais e emocionais. Não é um nicho: é a maioria de um grupo que hoje beira a população conectada inteira. E os motivos declarados não são de preguiça.

O número que assusta é outro, e ele é sobre normalização, não sobre alcance.

O que era experiência pontual virou hábito declarado por quase metade do grupo. Não é só que mais gente faz — quem faz parou de achar estranho.

Relações humanas contêm alteridade. O outro discorda, se magoa, exige reciprocidade e nos obriga a negociar. A White Rabbit chama de intimidade sintética a substituição progressiva dessa fricção por uma simulação de presença. Some-se a isso a sycophancy — a tendência de modelos conversacionais a concordar e validar em excesso — e o resultado é um interlocutor que nunca atrita.

Há ainda uma assimetria estrutural que costuma passar batida. Relação humana pressupõe que os dois lados tenham algo em jogo: eu me exponho, você segura, e você também pode se machucar nessa troca. A máquina não arrisca nada. Não pode se envergonhar, não perde reputação, não sofre consequência por me decepcionar. É exposição sem reciprocidade — o que se parece muito com intimidade, e não é.

E essa terceirização é a única cuja perda não produz sinal.

Você percebe que deixou de fazer contas de cabeça: a conta dá errado. Percebe que perdeu senso de direção: você se perde. Mas ninguém percebe que desaprendeu a sustentar um desacordo, a tolerar silêncio incômodo, a suportar que o outro tenha um dia pior que o seu. Essas capacidades não falham com aviso — elas simplesmente deixam de ser acionadas, e a vida fica mais lisa. Se consumirmos relacionamentos perfeitos com IA, o que acontece com nossa capacidade de sustentar relacionamentos imperfeitos com humanos?

10.Não existe VP de Ferramenta

Uma coisa que tenho achado curiosa é a multiplicação de vagas para Diretor de IA, VP de IA, Gerente de IA. É curioso ter um cargo de liderança para algo que é uma ferramenta — um meio, não um fim.

A IA pode melhorar ou piorar processos, decisões e estruturas. Pode acelerar transformações e mudar modelos de negócio. Mas ela sempre precisa ser aplicada com um objetivo claro, e é esse objetivo que é o fim. Quando o meio ganha uma cadeira própria na liderança, normalmente é sinal de que a medição está errada e o objetivo, ausente.

O organograma é uma confissão. Ele não mostra o que a empresa diz querer — mostra o que ela decidiu medir.

O teste é simples e desconfortável: como essa pessoa é avaliada? Se a resposta envolve adoção, número de casos de uso, percentual de times usando ou volume de licenças, o cargo vai produzir exatamente isso — adoção — e nada obriga que adoção vire resultado. Se a resposta envolve o desempenho dos processos que mudaram, o custo que caiu, a decisão que ficou melhor, então o título é irrelevante: a pessoa está sendo cobrada pelo fim.

Esses números são a prova do problema. A adoção está praticamente universalizada e a integração é quase inexistente. Se o indicador da liderança de IA fosse adoção, quase toda empresa do mundo estaria com a meta batida — e apenas sete em cada cem teriam de fato mudado como funcionam. Um em cada cinco CEOs relata que os custos aumentaram.

Adoção virou o número fácil de reportar. E número fácil de reportar é exatamente o tipo de coisa que um cargo criado sem objetivo vai perseguir.

Vale reconhecer o outro lado, porque ele existe. Capacidade escassa se concentra no começo de qualquer onda: governança, risco, escolha de fornecedores, formação de gente. O Chief Digital Officer nasceu assim, e nos casos em que funcionou foi porque tinha prazo de validade e um objetivo de negócio, não porque era permanente. Um cargo de transição desenhado para se dissolver é uma coisa. Uma função definitiva que existe para cuidar de uma tecnologia é outra.

Há ainda um argumento mais duro, e ele vem da economia. Como veremos a seguir, o ganho da automação não acontece no nível da empresa nem no nível da tecnologia — acontece tarefa por tarefa, quando uma tarefa específica passa de gente que melhora devagar para máquina que melhora rápido. Essa decisão pertence a quem é dono do processo e responde pelo resultado dele. Uma área que possui “a IA” horizontalmente não tem como tomá-la: ela vai otimizar a ferramenta, porque é isso que está sob seu controle.

11.O elo fraco vira o ativo mais valioso

O segundo ponto é uma tendência que venho observando e que agora encontrei sustentada em economia formal. Depois da primazia das áreas de finanças até os anos noventa, e do período de maior relevância das áreas de tecnologia, acredito que o futuro seja das áreas de gestão de pessoas. Não por uma questão de valores. Por escassez.

Charles Jones e Christopher Tonetti, de Stanford, publicaram em maio de 2026 um estudo que faz a contabilidade do crescimento americano desde 1950 sob a ótica da automação. A peça central do modelo deles se chama elos fracos: a elasticidade de substituição entre tarefas é menor que um, o que significa que todas as tarefas são essenciais. Ser infinitamente bom em algumas delas não produz resultado infinito.

A parte empírica do estudo mede o que aconteceu com pessoas e máquinas ao longo de setenta anos, e o contraste é brutal.

O ganho da automação, concluem eles, não vem de trocar pessoa por máquina numa tarefa — no ponto da troca os custos se igualam e nada é ganho. Vem de passar a tarefa para um fator que melhora rápido. Tanto assim que, se congelássemos em 1950 o conjunto de tarefas automatizadas e deixássemos todo o resto crescer normalmente, praticamente todo o ganho de produtividade entre 1950 e 2023 desapareceria.

E então vem a parte que interessa a esta série. Quando eles projetam o modelo para a frente, o crescimento acelera — mas devagar, travado pelos elos fracos. E, no cenário em que sempre resta alguma tarefa não automatizada, o crescimento de longo prazo converge para uma coisa só: o ritmo em que as pessoas ficam melhores naquilo que continua humano.

A economia inteira passa a crescer na velocidade da única variável que nunca aprendemos a melhorar.

Porque é exatamente esse o número dos setenta anos anteriores: perto de zero. Enquanto as máquinas ganhavam quase quatro pontos por ano, o ritmo de melhoria das pessoas ficou estatisticamente parado. Nunca precisou ser diferente — havia sempre outra tarefa para automatizar, e o crescimento vinha de lá.

É essa folga que está acabando. E é por isso que a relevância das áreas de gestão de pessoas não é uma questão de discurso humanista: é uma questão de onde ficou a restrição. Finanças foram o centro enquanto o capital era o fator escasso. Tecnologia assumiu quando a restrição virou capacidade técnica. Se a restrição está se deslocando para a capacidade humana, quem melhora capacidade humana deixa de ser área de apoio e passa a ser a área que destrava o resultado.

E não estou sozinho nessa leitura. Em fevereiro de 2026, a Inesplorato reuniu Indique, newnew, Mandalah, Think Eva e a própria Talk Inc. para produzir um guia coletivo de adoção ética de IA no trabalho corporativo. Das três diretrizes que eles formulam, a segunda se chama “trate humanos como humanos”, e o argumento é quase o mesmo por outro caminho: existe um desejo histórico de que as pessoas funcionem como máquinas, que vem do taylorismo e sobrevive na gestão por indicadores; a chegada da IA é a chance de inverter isso, dando à máquina o trabalho de máquina e liberando o humano para o que é humano. E eles são explícitos quanto ao custo de não fazer: sem esse deslocamento, dizem, os avanços da IA tendem a produzir queda de qualidade e de produtividade nas empresas, não aumento.

Vale a ressalva de que as duas fontes não são independentes uma da outra: a Talk Inc. participa desse coletivo, e os dados que abrem este artigo são dela. A convergência real está em outro lugar — entre um modelo econômico formal de Stanford e um guia prático escrito por seis consultorias brasileiras, que chegam do mesmo jeito à conclusão de que a restrição passou para o lado humano. São métodos que não se falam, apontando para a mesma porta.

E aqui cabe uma observação que só percebi ao montar as fontes deste artigo. Para medir quanto do custo de trabalho de cada setor estava em tarefas automatizáveis, Jones e Tonetti precisaram do que eles próprios chamam de “uma medição heroica”, e a obtiveram consultando modelos de linguagem de fronteira por API. A medição da automação foi, ela mesma, automatizada. O trabalho da White Rabbit sobre soberania cognitiva declara o mesmo, e com bom humor: construído com dezenas de especialistas “e sim, com ajuda da IA”, com a lista de ferramentas usadas publicada junto.

Este artigo também. Eu escrevi cada argumento, mas conferi número por número com assistência, e foi assim que achei um erro meu que já tinha ido para quatro apresentações.

A questão nunca foi usar. É declarar que usou, e continuar respondendo pelo que saiu com o seu nome.

Os três casos fazem a mesma coisa certa, e é por isso que valem como exemplo em vez de pegadinha. A regra do mensageiro não pede abstinência. Pede transparência e responsabilidade, e vale igual para Stanford, para uma consultoria e para mim.

12.Design invisível e extrativismo da mente

O design invisível é a arquitetura que filtra, prioriza e personaliza sem deixar claro quem edita a realidade. A IA generativa aprofunda isso: um feed escolhia entre conteúdos existentes; agora o sistema pode criar a própria mensagem para cada pessoa.

Shoshana Zuboff descreveu o capitalismo de vigilância. A IA conversacional amplia a fronteira: não entregamos apenas cliques e localização, mas potencialmente medos, ambições, relações, dúvidas e estilo de raciocínio. A White Rabbit chama essa camada de extrativismo da mente.

Privacidade pergunta quem possui meus dados. Soberania cognitiva pergunta quem influencia o processo pelo qual formo meus pensamentos.

13.Neocolonialismo, mediocrização e o pacto de realidade

Se poucos modelos passam a intermediar escrita, busca, criação e decisão de bilhões de pessoas, surge uma questão coletiva. Kate Crawford evidencia a materialidade e o trabalho escondidos por trás do “artificial”; Ruha Benjamin mostra reprodução de desigualdades; Vandana Shiva oferece a ideia de monoculturas da mente; Yuk Hui propõe tecnodiversidade.

A White Rabbit chama de neocolonialismo algorítmico o risco de infraestruturas concentradas transformarem determinados idiomas, valores e epistemologias em padrão universal. Há ainda um ciclo de retroalimentação: humanos produzem conteúdo, modelos aprendem, modelos produzem conteúdo e novos modelos encontram um ambiente mais sintético. Surge o risco de mediocrização: textos, imagens e estratégias razoáveis, polidos, previsíveis e parecidos.

Deepfakes adicionam a erosão do pacto de realidade. Quando qualquer voz, rosto ou narrativa pode ser sintetizado, a possibilidade universal de falsificação ameaça a própria ideia de prova.

14.O que continua profundamente humano

A defesa do humano não exige negar a potência da IA. Exige distinguir performance de experiência. Sistemas produzem padrões; humanos vivem consequências. Visão crítica, julgamento contextual, intuição, criatividade autoral, empatia, coragem, responsabilidade e construção de sentido são capacidades que precisamos deliberadamente exercitar.

A resposta não é abandonar IA, mas desenhar uma relação melhor com ela. Um exoesqueleto aumenta a força de quem continua escolhendo o movimento. Um piloto automático, usado sem critério, pode fazer o operador desaprender a voar.

15.Princípios de soberania cognitiva

Começar algumas tarefas sem IA. Usar IA para ampliar alternativas antes de escolher. Pedir contrapontos e evidências contrárias. Separar geração de verificação. Elevar a revisão humana conforme o impacto. Preservar autoria. Proteger atividades que desejamos continuar sabendo fazer sem assistência. Em temas emocionais, usar IA como apoio de reflexão, não substituto automático da reciprocidade humana. Criar fricção deliberada: leitura longa, escrita, memória, conversa e silêncio. E assumir a regra do mensageiro: se saiu com seu nome, a responsabilidade é sua.

16.A auditoria que falta

Princípios são necessários e insuficientes, porque não produzem dado. Se a tese é que capacidades atrofiam sem aviso, então é preciso medir — e a medição precisa ser pessoal, porque não existe indicador coletivo para isso. Quatro perguntas, respondidas por escrito, a cada trimestre:

A pergunta sobre IA não é apenas “seremos substituídos?”. A pergunta maior é: que tipo de ser humano queremos ser quando uma máquina puder fazer cada vez mais coisas por nós?

Podemos usar IA para retirar trabalho mecânico e devolver tempo para curiosidade, ciência, criação, relações e pensamento profundo. Podemos também converter cada redução de esforço em mais produtividade, dependência e menos exercício cognitivo. IA é ferramenta. O problema começa quando, em nome da conveniência, deixamos que a ferramenta escolha quais músculos humanos ainda vale a pena exercitar.

O oba-oba não erra por celebrar. Erra por não deixar espaço para a pergunta seguinte. E a pergunta seguinte é justamente a que quase ninguém está fazendo por aqui: por que, em todo lugar onde a IA virou assunto público, a preocupação cresceu junto com o uso?

Talvez o grande luxo da era da IA não seja ter respostas instantâneas. Talvez seja continuar capaz de formular boas perguntas, suportar a dúvida, pensar devagar quando necessário e reconhecer que algumas das coisas mais valiosas da vida são valiosas justamente porque não podem ser terceirizadas.

Opa, opa. Vamos com calma — não porque seja perigoso andar, mas porque vale saber para onde.

Cada tema abaixo é um estudo próprio, com dado, fonte e recorte brasileiro sempre que houver. A ordem é uma proposta, não um compromisso.

1. IO deslumbramento medidoPor que toda preocupação caiu enquanto o uso subiu, e como construir um indicador de vigilância que não dependa de humor.
2. IIAtrofia cognitivaO que de fato se perde, o que se transfere, e o que a literatura já consegue demonstrar além da intuição.
3. IIITerceirização emocionalDe 13% para 49% em um ano: quem procura, por quê, e o que acontece com quem para de procurar gente.
4. IVDesign invisível e extrativismo da menteQuem edita a realidade quando o sistema escreve a mensagem sob medida para cada pessoa.
5. VNeocolonialismo algorítmico e mediocrizaçãoO custo de poucas infraestruturas intermediando o pensamento de bilhões — e o efeito de retroalimentação sintética.
6. VIErosão do pacto de realidadeDeepfake, prova e confiança institucional num ambiente onde tudo pode ser falsificado.
7. VIIO elo fraco e o organogramaSe a restrição do crescimento passa para o que continua humano, o que muda na estrutura, nas métricas e em quem senta à mesa.
8. VIIIO denominador humanoO que sobra de exclusivamente nosso quando a máquina imita bem tudo o que é imitável.