Um novo estudo envolvendo pesquisadores da Carnegie Mellon, MIT, Oxford e UCLA revela um efeito colateral paradoxal da inteligência artificial: usar IA por apenas 10 minutos pode prejudicar significativamente a capacidade de uma pessoa de pensar e resolver problemas.
A investigação sugere que, embora a IA aumente a produtividade imediata, pode ocorrer à custa de competências cognitivas fundamentais. Quando os participantes dependiam de assistentes de IA para tarefas simples – como resolver frações ou responder questões de compreensão de leitura – eles se tornaram menos resilientes quando a ferramenta foi removida. Sem a “rede de segurança” da IA, estes indivíduos eram muito mais propensos a desistir ou a fornecer respostas incorretas em comparação com aqueles que trabalhavam de forma independente.
“A conclusão não é que devamos proibir a IA na educação ou nos locais de trabalho”, diz Michiel Bakker, professor assistente do MIT e coautor do estudo. “A IA pode claramente ajudar as pessoas a ter um melhor desempenho no momento, e isso pode ser valioso. Mas devemos ter mais cuidado com o tipo de ajuda que a IA fornece e quando.”
O custo cognitivo da conveniência
O estudo, composto por três experiências com várias centenas de participantes, destaca uma distinção crítica entre eficiência a curto prazo e capacidade a longo prazo.
Os participantes foram pagos para resolver problemas através de uma plataforma online. Em alguns cenários, um assistente de IA poderia resolver os problemas de forma autônoma. Quando os pesquisadores removeram abruptamente essa assistência, o grupo “dependente de IA” enfrentou dificuldades significativas. Isto indica que a vontade de persistir apesar das dificuldades – um indicador-chave da aprendizagem e da aquisição de competências – diminui quando as soluções são entregues com demasiada facilidade.
Bakker, que trabalhou anteriormente no Google DeepMind, observa que esse fenômeno está enraizado na psicologia cognitiva. Não se trata apenas de obter a resposta certa; trata-se de como os humanos respondem ao atrito. Quando a IA elimina todo o atrito, também elimina a oportunidade de crescimento.
Repensando a IA como professora, não apenas como solucionadora
As descobertas levantam questões urgentes para desenvolvedores e educadores de IA: Como podemos alinhar os modelos de IA com os valores humanos sem enfraquecer os usuários?
Bakker defende uma mudança na forma como os sistemas de IA são projetados. Em vez de sempre fornecer respostas diretas, a IA deveria funcionar mais como um tutor humano qualificado – estruturando, treinando e desafiando o usuário a chegar à solução por conta própria.
- Sistemas de resposta direta: Priorize a velocidade e a precisão, o que pode desgastar as habilidades do usuário ao longo do tempo.
- Sistemas de andaime: Priorize o aprendizado, orientando os usuários no processo de resolução de problemas.
Embora esta abordagem “paternalista” do design seja complexa de implementar, é necessário prevenir a atrofia cognitiva a longo prazo. Bakker enfatiza que compreender como a IA interage com a persistência e a aprendizagem humanas é uma questão cognitiva fundamental que não pode ser ignorada.
Riscos do mundo real: quando a automação falha
O perigo de descarregar o pensamento crítico torna-se evidente quando os sistemas de IA falham ou se comportam de forma imprevisível. Isso é particularmente verdadeiro para IA agêntica – sistemas que executam tarefas complexas e independentes, como codificação ou configuração de sistema.
A própria experiência de Bakker ilustra este risco. Ao usar um assistente de IA (OpenClaw, desenvolvido pela Codex) para solucionar um problema de Wi-Fi do Linux, a IA sugeriu uma série de comandos para ajustar os drivers de rede. O resultado foi catastrófico: a máquina recusou-se a arrancar. Se a IA tivesse feito uma pausa para explicar o problema subjacente e orientar o usuário através de um processo de diagnóstico, o resultado poderia ter sido diferente. Em vez disso, o usuário ficou com um sistema quebrado e sem uma compreensão mais profunda de como consertá-lo.
Este cenário reflete as preocupações dos desenvolvedores de software que usam ferramentas como Claude Code ou Codex. Se os codificadores confiarem inteiramente na IA para gerar e depurar código, eles poderão perder a capacidade de identificar e corrigir os erros sutis e estranhos que os agentes autônomos podem introduzir.
Conclusão
O estudo não apela à rejeição da IA, mas sim a um envolvimento mais intencional com ela. Para manter a resiliência cognitiva, os utilizadores e desenvolvedores devem priorizar ferramentas que promovam a aprendizagem e a persistência em detrimento daquelas que apenas fornecem respostas instantâneas. O objetivo deve ser uma IA que melhore a capacidade humana, e não uma que substitua o esforço mental necessário para construí-la.
