Para Maria Flávia Bastos, uso acrítico de modelos generativos pode padronizar ideias, enfraquecer a autoria e transformar a inteligência artificial em substituta do raciocínio.
A inteligência artificial generativa deixou de ser apenas uma ferramenta de consulta. Ela escreve códigos e relatórios, resume documentos, interpreta dados, cria imagens, sugere estratégias e começa a executar partes inteiras de processos. Enquanto empresas e profissionais discutem produtividade, automação, vieses e segurança, outro risco avança de maneira menos visível: a dependência de respostas prontas.
Para Maria Flávia Bastos, doutora em Administração pela PUC Minas, mestre em Gestão Social e autora de PensAR: pensamento crítico, sistêmico e criativo para decidir, criar e agir em contextos complexos, o problema não está na velocidade dos modelos, mas na possibilidade de os usuários confundirem acesso à informação com capacidade de pensar.
“A IA pode ser uma extraordinária parceira do pensamento; não deveria se tornar sua substituta”, afirma.
Um modelo pode apresentar uma explicação convincente em poucos segundos. Isso, porém, não significa que o conteúdo esteja correto, completo ou adequado ao contexto. Cabe ao usuário identificar premissas, confrontar informações, reconhecer lacunas e decidir o que fazer com o resultado.
Quando essa etapa desaparece, a interação com a IA se reduz a perguntar, receber, copiar e publicar. A tecnologia continua funcionando, mas a participação humana perde profundidade.
“O maior risco não é que as máquinas passem a pensar como seres humanos. É que os seres humanos se acostumem a não fazer o esforço de pensar porque as máquinas respondem rápido demais”, alerta Maria Flávia.
Modelos eficientes também podem padronizar ideias
A popularização de copilotos, assistentes e agentes traz um paradoxo. Quanto mais pessoas recorrem às mesmas ferramentas para produzir textos, apresentações, campanhas, análises e códigos, maior pode ser a semelhança entre os resultados.
Esse efeito se intensifica quando o primeiro conteúdo gerado também se torna a versão final. Sem repertório próprio, revisão crítica ou novas rodadas de questionamento, respostas plausíveis passam a circular como soluções suficientes.
Para Maria Flávia, a inovação depende justamente do movimento contrário. Criar exige acrescentar à informação aquilo que o modelo não possui da mesma maneira que uma pessoa: memória vivida, contexto, valores, emoções, experiência e subjetividade.
Duas pessoas podem receber a mesma resposta e construir possibilidades completamente diferentes. Essa diferença não é uma falha a ser eliminada. É parte do processo criativo.
A especialista propõe mudar a pergunta que orienta o uso da tecnologia. Em vez de questionar apenas “o que a IA pode produzir para mim?”, também é necessário perguntar: “o que consigo pensar a partir do que a IA me apresentou?”.
A primeira formulação busca eficiência. A segunda preserva a autoria.
A revisão humana precisa ser mais do que um clique
A expressão human in the loop tornou-se frequente em projetos de inteligência artificial. Na prática, porém, manter uma pessoa no fluxo não garante necessariamente supervisão humana de qualidade.
Se o profissional apenas aprova uma recomendação sem compreender como ela foi produzida, quais informações foram utilizadas e o que poderia ter ficado de fora, a revisão corre o risco de se tornar uma formalidade.
O desafio está em preparar usuários capazes de questionar o resultado. Antes de recorrer à IA, Maria Flávia recomenda que a pessoa identifique o que já sabe ou pensa sobre o problema. Depois da resposta, deve avaliar com o que concorda, do que discorda, quais premissas aparecem e que nova pergunta surgiu.
Essa disciplina transforma o modelo em interlocutor. Em vez de encerrar o raciocínio, a ferramenta amplia repertório, confronta perspectivas, organiza informações e ajuda a testar hipóteses.
A qualidade do uso, portanto, não depende somente de escrever comandos sofisticados. Um bom prompt começa antes do texto enviado ao sistema: começa na capacidade de definir o problema, reconhecer o contexto e saber o que precisa ser verificado.
Criatividade precisa de tempo, dúvida e segurança
A pressão por velocidade também interfere na forma como as organizações adotam IA. Muitas empresas esperam que a automação reduza prazos e aumente entregas. Mas, se todo o tempo economizado for imediatamente preenchido por mais tarefas, a tecnologia apenas acelerará o modelo de trabalho existente.
Para Maria Flávia, a superficialidade nem sempre representa falta de inteligência. Muitas vezes, revela falta de pausa. Sem tempo para observar, experimentar e revisar, profissionais tendem a escolher a primeira resposta aceitável.
“Uma empresa que não reserva tempo para imaginar está condenada a repetir”, afirma.
O desenvolvimento da criatividade depende de condições organizacionais concretas. Equipes multidisciplinares, espaço para divergências, testes, protótipos e segurança psicológica ajudam a transformar a IA em instrumento de exploração, e não em uma máquina de respostas definitivas.
Pessoas com medo de errar dificilmente desafiam uma recomendação apresentada com segurança por um sistema. Também evitam propor caminhos menos óbvios, justamente aqueles dos quais a inovação costuma depender.
Quanto mais a IA avança, mais importa saber perguntar
Perguntar, duvidar, interpretar, imaginar, relacionar informações e atribuir sentido tendem a ganhar valor à medida que os modelos se tornam mais capazes.
Maria Flávia organiza essas competências em três dimensões. O pensamento crítico questiona informações e premissas. O pensamento sistêmico procura relações, consequências e interdependências. O pensamento criativo abre possibilidades que ainda não foram consideradas.
Essa combinação torna-se especialmente importante diante de agentes capazes de tomar decisões ou executar ações. Quanto maior a autonomia técnica concedida ao sistema, maior precisa ser a clareza humana sobre objetivos, limites, responsabilidades e critérios de intervenção.
A vantagem das pessoas não está em responder mais rapidamente do que uma máquina. Está em perceber quando a pergunta está mal formulada, quando a resposta ignora o contexto ou quando o problema exige algo além de probabilidade e eficiência.
A IA pode ajudar profissionais e empresas a produzir mais. Mas seu potencial mais relevante talvez esteja em liberar tempo para tarefas que dependem de julgamento, consciência, imaginação e sentido.
Para que isso aconteça, o ganho de produtividade não pode consumir a própria oportunidade que criou. Se os modelos respondem em segundos, cabe aos seres humanos decidir se usarão esse tempo para formular perguntas melhores — ou simplesmente para pedir a próxima resposta.
