O risco de “decidir certo demais”: como os vieses da IA Generativa podem distorcer decisões estratégicas
08/08/2025 15:47
Nos últimos meses, tenho observado um movimento curioso (e um tanto perigoso): decisões estratégicas sendo tomadas com confiança quase inabalável… porque foram “validadas” pela IA.
Li recentemente uma pesquisa que colocava isso com clareza brutal: CEOs estão errando mais previsões desde que passaram a usar IA como apoio decisório. E não por má-fé ou falta de método, mas por excesso de confiança. (Leia a pesquisa completa aqui).
O problema não é usar IA para decidir. É esquecer que ela erra – e que nós erramos mais quando ignoramos os vieses envolvidos no processo.
Três vieses da IA que estão turbinando o erro
Confira a seguir os três principais vieses de IA:
1- Overconfidence bias (viés do excesso de confiança)
Quando a IA entrega uma resposta bem escrita, estruturada, carregada de palavras convincentes, assumimos que ela é mais confiável do que a análise humana. Mesmo quando ela está, literalmente, inventando. Excesso esse que tem nome técnico: overconfidence bias. Ou seja: Isso se conecta a um segundo viés: o authority bias (ou viés da autoridade, em português).
2- Authority bias (viés da autoridade)
A IA fala como quem sabe. E isso importa muito mais do que a gente gostaria de admitir. O tom categórico aumenta a nossa propensão a aceitar respostas sem checar. Quem aqui nunca recebeu uma resposta do ChatGPT que parecia impecável... até que você mesmo percebeu que estava errada? Você corrige, ele admite: “Você está certa.” E seguimos como se nada tivesse acontecido.
3- Positivity bias (viés da positividade)
Mas o que talvez mais me tenha provocado foi entender o quanto a IA foi programada para parecer... otimista.
Lá no início, os modelos devolviam respostas pesadas, negativas, espelhando o mundo real e os dados sociais que absorviam. Era desconfortável. Resultado? Foram recalibradas.
Hoje, o que temos são sistemas que respondem com esperança, confiança no futuro, palavras positivas, como se o mundo estivesse mais estável do que está. Isso é o tal do positivity bias.
Como a IA Generativa realmente funciona
Um parênteses importante aqui.
A IA generativa, como o ChatGPT, funciona com base em modelos de linguagem treinados em grandes volumes de dados públicos. Ela não entende o mundo, ela reconhece padrões.
Ela foi exposta a bilhões de textos (livros, artigos, sites) e aprendeu a prever qual palavra costuma vir depois da outra. Quando você faz uma pergunta, ela não busca a resposta verdadeira, ela gera uma resposta estatisticamente plausível com base no que já “viu” durante o treinamento. É como um palpite altamente sofisticado. Não há conexão direta com fatos atualizados, nem percepção real. É só cálculo de probabilidade travestido de certeza.
Em 2022, logo que o GPT explodiu, a American Enterprise Institute estudou esse fenômeno do negativismo ("How 'Negativity Bias' Skews the Conversation About Artificial Intelligence"). Além disso, estudos em psicologia computacional mostram que os modelos exibem a mesma tendência humana de focar mais em aspectos negativos, o que confirma que a IA, em seus estágios iniciais, reproduzia esse viés com força.
O problema não é se a IA erra. É quando e como a gente trata qualquer resposta dela como verdade.
No impulso de decidir mais rápido e prever melhor talvez estejamos esquecendo de ouvir o que realmente importa: pessoas. Nossos pares. Nossos times.
Tem conversa que não cabe em prompt.
Tem insight que só nasce num debate real, entre pares, na reação de uma pergunta feita sem roteiro. Tem contexto emocional que nenhuma IA vai captar, porque não é sobre informação, é sobre marca, memória, experiência vivida.
Por isso, cada vez mais, tenho me descolado da pressa em responder e me reconectado com o tempo de escutar. Tenho cuidado para que o trabalho da máquina, seja onde ela é melhor mesmo, debugar grande base de dados, revisar, ser uma fonte de brainstorming. Mas, não de realizar a análise, ainda mais uma análise completa.
A IA pode até acelerar a análise. Mas a sabedoria... continua sendo humana.
Como reduzir o impacto dos vieses na tomada de decisão com IA
Use este checklist prático antes de “assinar embaixo” de uma decisão mediada pela IA:
1 - Defina um “padrão de checagem” (human-in-the-loop): quem valida? o quê? com quais critérios?
2 - Explique o “porquê” da resposta: peça para a IA explicitar premissas, fontes e limites.
3 - Rode prompts contraditórios (“devil’s advocate prompt”): “Liste por que essa estratégia pode estar errada.”
4 - Peça cenários alternativos: otimista, base e pessimista — e defina gatilhos de decisão para cada um.
5 - Acerte o papel da IA no processo: brainstorming, sumarização, teste de hipóteses, não a análise final.
6 - Crie métricas de acurácia pós-decisão: quantas previsões baseadas em IA se confirmaram? Aprenda com o erro.
7 - Documente vieses conhecidos: overconfidence, authority, positivity e outros (ex.: anchoring bias, confirmation bias).
8 - Eduque o time executivo: vieses cognitivos + limitações técnicas de LLMs devem fazer parte do playbook de governança de IA.
Onde a IA ajuda muito (e onde você poderia terceirizar o julgamento)
Boa para:
- Organizar, resumir e cruzar grandes bases de dados rapidamente.
- Gerar hipóteses iniciais e alternativas para discussão.
- Padronizar processos (relatórios, templates, guidelines).
- Apoiar análises quantitativas repetitivas.
Perigosa para:
- Definir estratégia sem validação humana.
- Interpretar contextos culturais, políticos e emocionais.
- Tomar decisões high-stakes (pessoas, reputação, regulação, M&As, política de preços, layoffs).
- Apoiar decisões com dados desatualizados ou não auditáveis.
Conclusão
A IA pode acelerar análises. Mas a sabedoria — ainda — é humana. A maturidade agora não é usar IA para tudo. É saber precisamente quando usá-la, para quê e com quais salvaguardas. Decidir melhor não é decidir mais rápido — é decidir com consciência dos vieses (da máquina e dos nossos).
