Terceirize Seu Pensamento para a IA, e Ela o Substituirá

O chefe de IA da Microsoft, Mustafa Suleyman, acaba de compartilhar uma previsão aterradora: dentro dos próximos 12 a 18 meses, a maioria, ou até mesmo todos, os trabalhos de colarinho branco serão totalmente automatizados pela inteligência artificial. O Sr. Suleyman não é o primeiro a compartilhar tal suposição (sim, estou falando de Dario Amodei e sua sentença de 5 anos de IA para o mundo), e definitivamente não será o último. Mas deixe-me compartilhar uma opinião controversa: a IA, seja em 18 meses ou cinco anos, não será capaz de substituir os trabalhadores de colarinho branco. Mas se pararmos de pensar, ela o fará.

E não estou dizendo que não será integrada à maioria dos processos, ou que não possa ajudar as pessoas com sua carga de trabalho. Isso já está acontecendo. Mas substituir o pensamento humano, eliminar a entrada humana, é uma tarefa que a IA simplesmente não é capaz de realizar (a menos que, como seres humanos, substituamos nosso motor de tomada de decisões pela IA, é claro).

Por que o pensamento humano não pode e não deve ser terceirizado

Há três razões específicas pelas quais eu sempre volto quando alguém me diz que a IA está prestes a substituir todos. Cada uma delas é algo que os cérebros humanos fazem como uma questão de curso, e cada uma delas é algo que a IA, não importa quão avançada, não pode reproduzir.

A IA não pode ter o contexto que um cérebro humano tem

Quando uma pessoa toma uma decisão, ela não está, como um modelo de linguagem, apenas prevendo a próxima palavra com base na probabilidade geral. Ela está se baseando em uma experiência vivida completa, codificada em vários sistemas ao mesmo tempo: nossas memórias pessoais, nossos hábitos aprendidos e as apostas emocionais desses momentos. Esse passado coletivo permite que o cérebro adivinhe constantemente o que acontecerá em seguida, atualizando sua visão apenas quando a realidade prova que está errada. O contexto, em outras palavras, é o substrato sobre o qual toda percepção é construída.

Um grande modelo de linguagem funciona de forma diferente. Seus pesos vêm de um corpus de texto finito no qual foi treinado uma vez e ao qual não tem mais acesso. Ele não tem um loop de percepção, não há erro de previsão de um mundo no qual ele precisa viver. O “contexto” disponível para ele é o que acontece de estar na janela de prompt. Ele nunca entrou no quarto antes. Então, quando fazemos um julgamento que depende de saber o que é normal aqui, o que veio antes e o que está em jogo, estamos executando previsões contra uma vida de experiência limitada – pessoal e de gerações que vieram antes de nós. O modelo está fazendo correspondência de padrões em bancos de dados de texto. Duas operações muito diferentes, e nenhuma escala de janelas de contexto fecha a lacuna.

Saber o nome não é o mesmo que saber algo

Essa sabedoria vem do físico ganhador do Prêmio Nobel, Richard Feynman (ou de seu pai, para ser mais específico). Ele acreditava que simplesmente memorizar rótulos ou definições não significa saber o tópico. O entendimento real vem da experiência e da compreensão.

Charlie Munger, um empresário e investidor americano, sugeriu um termo para esse tipo de aprendizado de superfície — “Conhecimento de Motorista”. A anedota por trás disso é sobre um motorista real do físico Max Planck, que ouviu sua palestra sobre mecânica quântica tantas vezes que a aprendeu de cor. Ele então ofereceu para entregá-la em vez de Planck em Munique, o que ele fez com sucesso. Mas quando chegou às perguntas da plateia, ele, não surpreendentemente, não pôde responder. E essa é a diferença entre o conhecimento superficial “de motorista” e o conhecimento abrangente, adquirido após anos de trabalho e luta, de Planck.

Os grandes modelos de linguagem de hoje são os motoristas mais sofisticados que já construímos. Eles podem recitar mecânica quântica, resumir filosofia, elaborar um contrato e rimar algumas palavras. Mas algo que exige experiência, e não apenas reconhecimento de padrões, como saber por que uma posição de marca que funcionou em um mercado inevitavelmente falhará no próximo, é único para os humanos e é o que realmente impulsiona as decisões.

Mas entender por que uma posição de marca que funcionou em um mercado falhará no próximo não pode ser adquirido por simples reconhecimento de padrões. A experiência é única para os humanos e é o que realmente impulsiona as decisões.

Ainda, a principal diferença entre nós e a IA não é o processamento de dados — é a propriedade

A capacidade das pessoas (ou pelo menos algumas delas) de assumir a responsabilidade pelas ações, possuir as consequências, a vergonha, aprender com elas e fazer tudo o que for possível para que a situação não aconteça novamente, e portanto para que não sintamos a agonia de outro fracasso — isso é o que torna nosso pensamento e nossa tomada de decisões tão únicos em relação à inteligência artificial.

A IA não sente vergonha. Ou culpa. Ela não perde o sono por causa de uma decisão que deu errado. Ela não carrega a memória de um negócio que perdeu, uma contratação que defendeu e que não deu certo, uma estratégia que defendeu em uma reunião do conselho que gradualmente destruiu o valor dois anos depois. O modelo dá uma resposta, a resposta se revela errada e o modelo passa para o próximo prompt como se nada tivesse acontecido (porque, para eles, nadaaconteceu). Não há custo interno para estar errado, e portanto não há pressão para estar certo na próxima vez – algo que realmente impulsiona os humanos a evoluir e melhorar.

Há dez anos, eu trabalhava em capital de risco, analisando startups em estágio inicial, e olhamos para os negócios de dirigir autônomo. Mesmo naquela época, os protótipos de táxi robô eram estatisticamente mais seguros do que os motoristas humanos. A tecnologia funcionava. Ainda funciona em 2026. Então, por que as nossas cidades ainda não estão cheias de carros autodirigíveis? Porque a responsabilidade de um veículo autônomo não é clara o suficiente. Quando há um acidente, o sistema jurídico realmente não sabe a quem culpar — a pessoa que acionou o interruptor, o fabricante ou o desenvolvedor de software. Até que essa pergunta tenha uma resposta, estamos presos. A tecnologia avançou além do quadro de responsabilidade que deveria estar lá para absorvê-la.

Como não perder a mente (e o emprego) na era da IA

Embora eu realmente acredite que a IA não possa substituir o pensamento humano, também posso ver o padrão de pessoas caindo na tentação de obter um atalho para os resultados. Pela primeira vez na história, você não precisa de um cérebro para obter uma resposta. Você só precisa digitar uma pergunta. A fricção que costumava nos forçar a pensar foi removida, o que soa ótimo, até você perceber que a fricção era o ponto principal. Era como o cérebro foi construído pela primeira vez.

E é aqui que a questão do emprego também volta. A IA não substituirá os trabalhadores de colarinho branco como uma categoria. Mas substituirá as pessoas específicas que terceirizaram todo o seu pensamento para ela. Se você troca julgamento, contexto e propriedade por respostas rápidas de uma janela de bate-papo, você para de ser a pessoa que traz algo para a mesa. Nesse ponto, seu empregador não precisa mais de você. Eles podem falar diretamente com o modelo.

Então, manter seu emprego na era da IA e manter sua mente na era da IA se resumem à mesma pergunta. E abaixo estão quatro hábitos que você precisa abordar.

A IA deve aumentar a curiosidade

O efeito que a IA tem em seu cérebro depende inteiramente de como você a usa. Se você é curioso e disposto a cavar, a IA se torna o melhor companheiro de aprendizado que alguém já teve. Melhor do que a Wikipédia, melhor do que qualquer livro, porque pode explicar a mesma ideia de cinco maneiras diferentes até que uma delas funcione, e seguir você por qualquer buraco de coelho que você queira. Ou você pode solicitá-la para ajudá-lo a reter informações melhor – como praticar a repetição espaçada até que você realmente entenda o conceito.

Para alguém que não é curioso, a IA faz o oposto. Ela assume o pensamento que ele deveria estar fazendo sozinho. Ele obtém a saída sem o trabalho, e o trabalho era o ponto principal. Com o tempo, esse músculo atrofia. Após a Revolução Industrial, quando as máquinas tornaram o trabalho físico menos prevalente, construímos academias para dar aos nossos corpos o que eles precisavam para desafiar e manter a si mesmos. E é isso que eventualmente precisaremos: academias mentais para manter nossos cérebros em forma.

Em 2025, o MIT Media Lab realizou um estudo em que 54 participantes escreveram ensaios durante quatro meses, divididos em três grupos: ChatGPT, mecanismo de busca e apenas cérebro. Enquanto escreviam, o eletroencefalograma estava rastreando a atividade cerebral deles. No final, o grupo ChatGPT consistentemente mostrou a menor conectividade neural e produziu ensaios que os professores descreveram como “sem alma”. O grupo apenas cérebro, por sua vez, teve a atividade cerebral mais forte ao longo do tempo.

Mas a parte mais reveladora veio na sessão final, quando os pesquisadores trocaram os grupos. As pessoas que usaram apenas o cérebro, uma vez que receberam o ChatGPT, superaram todos. Elas haviam construído o músculo de pensamento primeiro e então usaram a IA em cima disso. O outro grupo não pôde acompanhar, porque haviam pulado a parte em que o músculo é construído.

Aprender é um verbo, então não pode ser passivo

Para que o aprendizado seja eficaz, a teoria precisa ser combinada com a prática. Ler sobre uma ideia é uma forma de entrada; fazer algo com essa ideia é outra. Digitar, responder, aplicar, errar e tentar novamente — essas atividades envolvem diferentes partes do seu cérebro do que o consumo passivo, e as mantêm focadas no material.

Sócrates já estava ciente disso há milhares de anos: ele nunca simplesmente entregou a resposta aos seus alunos, mas os forçou a produzi-la (muitas vezes uma resposta errada) primeiro, e apenas então a corrigiu. E eu mesmo experimentei os benefícios dessa filosofia como um major em matemática: nós só recebemos meio crédito por memorizar uma teoria, enquanto a outra metade exigia prová-la. Esse foco em compreensão fundamental é o que nos permitiu lembrar e aplicar os conceitos melhor.

Ensinar um assunto leva seu conhecimento ao próximo nível, tornando mais difícil cair na armadilha psicológica chamada ilusão de competência, e fornecendo uma melhor compreensão do tópico. Quando você precisa explicar uma ideia claramente e fazê-lo várias vezes de várias maneiras diferentes, não há como não entender e lembrar dela você mesmo. Richard Feynman observou com boa razão: “Se você não pode explicá-lo simplesmente, você não entende.”

Os números comprovam tudo isso. Em estudos de treinamento de segurança, os aprendizes ativos reteram93,5% das informações em comparação com79% para os aprendizes passivos (Engageli, 2025). A Pirâmide de Aprendizado mais ampla do National Training Laboratories em Bethel, Maine, mostra o mesmo padrão em todos os níveis:

Dados sem fontes confiáveis são fofoca

Sim, as pessoas devem questionar as respostas que obtêm da IA. Elas devem pedir fontes, e quando não há fontes, elas devem ser céticas.

Mas há um problema maior por trás disso, e é o fato de que validar a saída da IA está ficando cada vez mais difícil. Os modelos citam fontes que não existem, eles parafraseiam fontes reais de maneiras que distorcem o significado, eles misturam informações precisas com informações inventadas dentro do mesmo parágrafo, e não há uma maneira clara de saber qual é qual.

Além disso, mais e mais da internet é gerada por IA, o que significa que os modelos agora estão aprendendo com as saídas de outros modelos. As fontes humanas originais estão sendo enterradas sob tudo o que foi gerado automaticamente sobre elas.

É por isso que acho que o conhecimento confiável ainda tem que vir das pessoas. Se não podemos confiar totalmente na saída da IA, e não podemos confiar totalmente nas fontes por trás da IA, então a experiência humana é a única coisa que resta para confiar.

Como Tony Robbins disse uma vez: “Se você quer ser bem-sucedido, encontre alguém que tenha alcançado os resultados que você deseja e copie o que eles fazem, e você alcançará os mesmos resultados.” Uma pessoa que realmente fez a coisa que está ensinando passou por anos de trabalho, pagou por seus erros e construiu seu conhecimento com consequências reais anexadas — essa é a fonte que se sustenta.

Sem contexto, os detalhes estão faltando

Outro hábito que ajuda ao aprender com a IA é resistir à tentação de pular direto para a pergunta específica. A maioria das pessoas, quando quer saber algo, digita a pergunta exata e estreita no chatbot e aceita a resposta como verdadeira. O problema é que elas perdem o contexto geral em que a resposta se encontra. Uma informação específica desvinculada de seu contexto é muito fácil de mal interpretar.

Sou um nerd de história, então vou dar um exemplo de história. O Discurso de Gettysburg é um discurso curto que Lincoln deu em 1863, no local de uma das batalhas mais sangrentas da Guerra Civil Americana. Imagine que você precisa escrever um ensaio sobre isso. Você pede à IA uma análise e obtém uma quebra limpa das palavras, da estrutura e dos dispositivos retóricos.

Mas você realmente pode escrever esse ensaio sem saber nada sobre a Guerra Civil em si? Provavelmente não. Você não entenderia por que essa batalha específica importava, ou por que um discurso dado nesse solo carregava tanto peso. Você não pegaria que a guerra havia mudado de preservar a União para acabar com a escravidão, e que o discurso era a maneira de Lincoln redefinir o que o país estava lutando. Você não veria a tensão política por trás de quase todas as linhas, porque para você as linhas seriam apenas frases bonitas sobre um evento triste.

Sem o contexto da Guerra Civil, o discurso lê como um elogio fúnebre curto. Com ele, você está lendo um ponto de inflexão em como uma nação se entendia. E essa é a nuance que a IA só entregará se você já souber o suficiente para pedi-la.

O mesmo princípio se aplica a quase tudo que você possa usar a IA para. Comece com uma visão geral. Obtenha a imagem geral. Então, mergulhe nos detalhes. Eles significarão algo uma vez que tenham um contexto para pousar.

Em resumo: a IA é uma ferramenta, e as ferramentas precisam de mãos

Cada grande salto tecnológico na história humana desencadeou o mesmo pânico. Calculadoras iriam fazer com que esquecêssemos a matemática. A internet iria fazer com que esquecêssemos como pensar. Os mecanismos de busca iriam matar nossa memória. E ainda estamos aqui, calculando, pensando, lembrando, apenas com ferramentas melhores em nossas mãos.

A IA é a próxima nessa linha, e provavelmente a mais poderosa que já construímos. Ela pode escrever, resumir, analisar, elaborar, traduzir, codificar e fazer tudo isso mais rápido do que qualquer um de nós. Mas ela não quer nada. Ela não se importa com o resultado. Ela não pode viver com as consequências de estar errada. Essas partes do trabalho ainda pertencem a nós, e são as partes que definem se o trabalho é bom no final do dia.

As pessoas que prosperarão na próxima década serão aquelas que permanecerão curiosas, aquelas que continuarão a fazer perguntas melhores e aquelas que usarão a IA para aprender mais rápido e pensar mais profundamente, em vez de usá-la para pular o pensamento inteiramente. Elas serão as que trarão algo para a mesa que nenhum modelo pode replicar: julgamento, contexto e a vontade de possuir uma decisão.

Então, não, a IA não substituirá você ou fará com que você perca o emprego. Mas a versão de você que parou de pensar pode.