Neurocientista que estudou a cognição de astronautas da Nasa alerta que delegar em excesso à inteligência artificial pode enfraquecer memória, senso crítico e tomada de decisão. Para empresas, o recado é claro: produtividade sem fricção cognitiva pode virar dependência estrutural.
Introdução contextual
A adoção corporativa de inteligência artificial deixou de ser um experimento de inovação e passou a integrar o núcleo operacional de empresas de praticamente todos os setores. Assistentes de código, copilotos de escrita, agentes de atendimento, sistemas de recomendação e camadas de análise preditiva já participam de decisões que vão do marketing à cadeia de suprimentos. O ganho de velocidade é evidente, mas a pergunta que começa a ganhar espaço nas mesas de conselho é outra: o que acontece com a capacidade humana de julgar quando quase todo o trabalho cognitivo intermediário é terceirizado para um modelo?
Uma entrevista publicada pela Época NEGÓCIOS traz esse debate para o centro da conversa executiva. A neurocientista Heather Collins, que estudou a cognição de astronautas da Nasa, defende que a IA deve pensar com as pessoas, e não por elas. O alerta é direto: delegar demais pode enfraquecer capacidades que deixamos de exercitar, como memória, senso crítico e tomada de decisão.
Para a WSVP, esse não é um debate filosófico abstrato. É uma questão de risco operacional, governança e continuidade de negócios. Organizações que tratam a IA apenas como ferramenta de eficiência, sem desenhar mecanismos de preservação de competências humanas, podem estar construindo uma dependência silenciosa cujo custo só aparece quando o modelo falha, muda de versão ou é comprometido.
O que aconteceu
Na entrevista, Heather Collins parte de uma base empírica pouco comum no debate sobre IA: a pesquisa sobre cognição de astronautas. Ambientes de alta complexidade, isolamento, sobrecarga informacional e decisões críticas sob incerteza são o pano de fundo de seus estudos. É desse laboratório extremo que ela extrai uma lição aplicável ao cotidiano corporativo: a forma como distribuímos tarefas cognitivas entre humanos e sistemas define o que seremos capazes de fazer no futuro.
A tese central é que a IA deve funcionar como parceira de raciocínio, ampliando a capacidade analítica de quem decide, e não como substituta do processo mental. Quando o profissional terceiriza a redação, o cálculo, a síntese ou a avaliação crítica sem exercitar o próprio julgamento, ele deixa de treinar as funções cognitivas que sustentam essas competências. O efeito é cumulativo: quanto mais se delega, menos se pratica; quanto menos se pratica, mais difícil se torna avaliar a qualidade do que a máquina entrega.
Collins não propõe rejeição à tecnologia. O ponto é de arquitetura de uso. A IA deve ser desenhada para provocar pensamento, expor premissas, sugerir alternativas e questionar conclusões, em vez de simplesmente entregar respostas prontas. Em termos práticos, isso significa preferir interfaces que expliquem, contrastem e desafiem, e não apenas que respondam.
Por que isso importa para empresas
O primeiro impacto é sobre a qualidade da decisão. Empresas que automatizam camadas intermediárias de análise sem preservar a capacidade humana de auditar premissas ficam expostas a erros que não conseguem detectar. Um modelo pode produzir uma projeção financeira plausível, mas errada, e uma equipe que perdeu o hábito de refazer o raciocínio tende a aceitá-la. O risco não é a alucinação em si, mas a incapacidade de reconhecê-la.
O segundo impacto é sobre capital humano. Competências como memória de trabalho, raciocínio estruturado e senso crítico são musculares: dependem de uso. Se a organização elimina a fricção cognitiva de todas as tarefas, ela pode ganhar produtividade de curto prazo e perder profundidade técnica no médio prazo. Isso é especialmente crítico em funções de engenharia, análise de risco, jurídico, auditoria, pesquisa e desenvolvimento e cibersegurança, onde o valor está justamente na capacidade de formular hipóteses e contestar evidências.
O terceiro impacto é cultural. Quando a IA é posicionada como oráculo, o incentivo interno passa a ser perguntar rápido e aceitar a resposta, não investigar. Isso corrói a cultura de questionamento que sustenta boas organizações. O efeito aparece em reuniões: menos debate, mais apresentação de saídas geradas por ferramentas, com pouca discussão sobre premissas.
O quarto impacto é econômico. A dependência excessiva cria custos ocultos: retrabalho por erros não detectados, perda de capacidade de resposta quando o fornecedor muda preços ou políticas de uso, dificuldade de reter talentos que sentem suas habilidades atrofiando e aumento do risco regulatório em setores que exigem decisão humana documentada.
Impacto para cibersegurança, governança, IA ou continuidade
Em cibersegurança, o alerta de Collins se traduz em um problema concreto de defesa. Times de segurança que delegam triagem de alertas, análise de logs e resposta a incidentes a agentes automatizados sem manter analistas capazes de raciocinar sobre o contexto ficam vulneráveis a ataques que exploram exatamente essa lacuna. Adversários sofisticados já desenham táticas para enganar modelos e, por consequência, os humanos que confiam neles. A defesa em profundidade exige tanto automação quanto competência humana para interpretar anomalias que o modelo não reconhece.
Em governança, a questão é de accountability. Regulações e frameworks de IA, como o princípio de responsabilização da OCDE e o AI Act da União Europeia, reforçam a necessidade de supervisão humana significativa em decisões de alto impacto. Supervisão que não seja apenas formal, mas efetiva, depende de pessoas com competência real para avaliar o que o sistema produziu. Se a organização atrofiou essa competência, a governança vira carimbo.
Em continuidade de negócios, o risco é de concentração. Empresas que transferem conhecimento tácito para modelos sem documentar nem treinar sucessores ficam frágeis a falhas de fornecedor, mudanças de modelo, indisponibilidade de API ou decisões de precificação. O plano de continuidade precisa considerar não apenas a indisponibilidade técnica, mas a indisponibilidade cognitiva: o que a equipe ainda sabe fazer sem a ferramenta?
Em gestão de IA, o recado é sobre desenho de produto e política de uso. Copilotos que apenas completam tarefas tendem a reduzir o esforço mental; sistemas que pedem justificativa, oferecem alternativas e sinalizam incerteza tendem a preservá-lo. A escolha entre esses dois modelos é uma decisão de arquitetura organizacional, não apenas de TI.
Leitura executiva da WSVP
A WSVP avalia que o alerta de Heather Collins descreve um risco subestimado nos planos de transformação digital: a erosão cognitiva silenciosa. Diferentemente de riscos visíveis, como vazamento de dados ou indisponibilidade de sistema, a perda de capacidade de julgamento não aparece em dashboards. Ela se manifesta em decisões piores, auditorias mais frágeis e equipes menos capazes de contestar a máquina.
Nossa leitura é que a IA generativa e os agentes autônomos devem ser tratados como infraestrutura crítica, com o mesmo rigor aplicado a sistemas financeiros e de segurança. Isso implica mapear quais competências humanas são essenciais para cada função, definir onde a fricção cognitiva é desejável e onde a automação pode avançar sem perda, e criar métricas que capturem não apenas produtividade, mas qualidade de raciocínio.
Também entendemos que o debate não se resolve com treinamento pontual. Exige mudança de incentivos. Se a organização premia velocidade de entrega acima de profundidade analítica, nenhum curso de pensamento crítico vai reverter a tendência. O desenho de cargos, avaliações de desempenho e rituais de decisão precisa refletir o valor do julgamento humano.
Por fim, a WSVP considera que empresas que tratarem a IA como parceira de pensamento, e não como substituta, terão vantagem competitiva durável. A capacidade de fazer boas perguntas, contestar premissas e decidir sob incerteza continuará sendo o diferencial que separa organizações resilientes de organizações dependentes.
Recomendações práticas
- Mapeie competências críticas por função. Identifique quais capacidades cognitivas são essenciais para cada papel e avalie o grau de delegação atual à IA. Funções de decisão sob incerteza exigem preservação explícita de julgamento humano.
- Defina zonas de fricção intencional. Estabeleça processos em que a IA sugere, mas o humano precisa justificar a decisão. Isso mantém o músculo analítico ativo e cria trilhas de auditoria mais robustas.
- Prefira copilotos que expliquem e contestem. Na seleção de ferramentas, priorize soluções que exponham premissas, apresentem alternativas e sinalizem incerteza, em vez de apenas entregar respostas prontas.
- Inclua risco cognitivo no plano de continuidade. Pergunte o que a equipe ainda sabe fazer sem a ferramenta e documente conhecimento tácito antes que ele se perca.
- Redesenhe incentivos. Avalie desempenho considerando qualidade de raciocínio e capacidade de contestar evidências, não apenas velocidade de entrega.
- Fortaleça supervisão humana efetiva. Garanta que a governança de IA tenha revisores com competência real para avaliar saídas de alto impacto, alinhando-se a frameworks regulatórios.
- Meça o que importa. Crie indicadores de qualidade de decisão, taxa de correção de erros de modelos e profundidade analítica das equipes, além das métricas tradicionais de produtividade.
Fontes consultadas
- Época NEGÓCIOS — 'A IA deve pensar com você, não por você', diz neurocientista que estudou cognição de astronautas da Nasa
- OCDE — Princípios de IA
- AI Act — União Europeia
- NIST — AI Risk Management Framework
Disclaimer
Este rascunho foi produzido com apoio de inteligência artificial e ainda requer revisão humana antes da publicação.


