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.
Confira a seguir os três principais vieses de IA:
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).
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.
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.
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.
Use este checklist prático antes de “assinar embaixo” de uma decisão mediada pela IA:
Boa para:
Perigosa para:
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).
Product Marketing
Profissional experiente em Product Marketing, Laura Zambon soma mais de 15 anos de experiência liderando times e estratégias em empresas como Ambev, Kraft Mondelez, SOMOS Educação, Trybe e Suno. Hoje é Group Product Manager na Koru, onde lidera a evolução de soluções sob medida para grandes organizações. Com forte atuação em growth, dados e experiência do cliente, Laura é apaixonada por inovação, IA e aprendizagem contínua. No blog da Koru, compartilha reflexões sobre produto, tecnologia, performance e o futuro da educação corporativa.
