Fricção ótima: o que ganhamos e o que perdemos ao usar IA

Na coluna Tecnologia que Humaniza, Guilherme Cintra discute como o uso da inteligência artificial exige equilíbrio entre eficiência e desenvolvimento cognitivo

Recentemente, vivi duas experiências que, juntas, aprofundaram uma reflexão que venho construindo há alguns anos.

A primeira foi um curso que demandava muita escrita e pesquisa. Não tinha feito um desses desde o lançamento do ChatGPT, em novembro de 2022. Agora, com uma filha pequena e muito trabalho, o tempo é escasso. Sem dúvidas, a IA poderia me ajudar aqui…

Na ausência de normas bem definidas sobre o uso de IA, precisei criar as minhas. A regra que adotei foi simples: usar como usaria no trabalho. Partia de reflexões pessoais, pedia ajuda para pesquisar materiais, que eu, de fato, lia. Escrevia, pedia ajustes, voltava a refletir. Em determinado momento, aproveitando as condições atuais ao máximo, passei a explicar o que estava aprendendo para minha filha de menos de um ano. Ela não entendia nada, claro, mas criava uma conexão com o pai enquanto me obrigava a articular ideias em voz alta (também não reclamava do tema, o que ajudou…).

O que mais fez falta, porém, foi trocar com outros profissionais. Nos fóruns, ficava evidente que muitos também usavam IA. Os textos eram bem escritos, mas eu não sabia o quanto daquelas reflexões era genuíno. E isso me fez refletir sobre o espaço da confiança nas relações humanas construídas quando a IA se torna intermediária.

A segunda experiência foi com código. Confesso: apesar de ser Diretor de Inovação e Tecnologia, nunca havia programado uma linha sequer. Recentemente, passei a desenvolver, a partir de prompts, o chamado “vibe coding”. Lancei um site e duas aplicações pessoais. Sei que não sou programador. Sei que meu código não resistiria ao escrutínio de um desenvolvedor experiente. Mas para o que quero, funciona. Estou aprendendo o que desejo aprender.

Essas duas situações parecem distintas, mas apontam para uma mesma pergunta: quando usamos IA, o que estamos ganhando e o que estamos deixando de construir?

Cheguei a esse questionamento ao visitar o Vale do Silício cerca de um ano e meio após o lançamento do ChatGPT. Ao conversar com desenvolvedores dessas tecnologias, a descrição do objetivo era essencialmente levar o usuário do desejo (ponto A) à sua obtenção (ponto Z) da forma mais ágil e com o mínimo de passos possível. Mas o que ficou na minha cabeça foi: o que se perde nesse caminho?

Em uma analogia imperfeita, é como levantar peso. Se você precisa carregar algo pesado de um lugar a outro, uma máquina que levante por você é ótima. Ela pode, inclusive, permitir que movamos cargas impossíveis para o corpo humano. Mas se o objetivo é desenvolver musculatura, não adianta ir a uma academia onde os aparelhos façam o esforço por nós.

Chamei esse equilíbrio de “fricção ótima”: o nível de esforço cognitivo que precisamos preservar em um mundo onde a IA pode eliminar quase toda a fricção. Se delegamos tudo, atrofiamos nossa capacidade de reflexão. Se não usamos nada da inteligência artificial, desperdiçamos oportunidades reais de eficiência e, potencialmente, de liberar energia para aquilo que é mais humano em nós.

A ciência tem reforçado essa intuição com dados preocupantes. Um estudo da Universidade da Pensilvânia, publicado na revista acadêmica norte-americana PNAS (Proceedings of the National Academy of Sciences) em 2025 e conduzido pela Wharton School com quase mil alunos do ensino médio na Turquia, testou dois tutores baseados em GPT-4: um com interface padrão tipo ChatGPT e outro com salvaguardas pedagógicas. Durante as práticas, o desempenho melhorou significativamente nos dois grupos. Porém, quando o acesso à IA foi retirado nos exames, os alunos que usaram a versão sem salvaguardas tiveram desempenho 17% pior do que aqueles que nunca tiveram acesso. Os pesquisadores concluíram que, sem direcionamento adequado, estudantes usam a IA como apoio e deixam de desenvolver habilidades fundamentais.

Em paralelo, Guilherme Lichand, do Stanford Lemann Center, apresentou resultados sobre criatividade em alunos do ensino fundamental. Com IA, o desempenho criativo melhorou no curto prazo. No entanto, quando a ferramenta foi retirada, a queda foi quatro vezes maior que o ganho obtido! E o mecanismo mais relevante não foi apenas cognitivo: os alunos passaram a acreditar que a IA era mais criativa do que eles. O dano, portanto, não está só na performance; está na autoconfiança criativa.

Esses achados dialogam com o conceito de “cognitive offloading”, traduzido livremente como “terceirização cognitiva”, descrito pelos pesquisadores Grinschgl e Neubauer: quando delegamos tarefas cognitivas a ferramentas externas, reduzimos as oportunidades de recuperação ativa de informações da memória e resolução autônoma de problemas. Em outras palavras, cada vez que a IA resolve por nós, é uma repetição a menos para nosso cérebro.

Volto às minhas duas experiências para ilustrar por que a fricção ótima nunca é um ponto fixo. O que eu terceirizo ao usar IA para código é completamente diferente (ou deveria ser) do que um desenvolvedor profissional terceirizaria. Para mim, o objetivo não é me tornar programador, é materializar ideias. Para um desenvolvedor, delegar a escrita de código pode significar abrir mão justamente do que define sua expertise e seu pensamento crítico sobre arquitetura e qualidade. A mesma ferramenta, o mesmo uso aparente, fricções ótimas radicalmente diferentes.

Além disso, as tecnologias em si evoluem. Não sabemos o que mais poderá ser terceirizado com qualidade. Novamente, no caso de desenvolvedores, temos profissionais que estão se deparando antes de todos os demais com os impactos dos rápidos avanços da IA. Afinal, é nesse campo que as ferramentas estão sendo desenvolvidas de maneira mais avançada antes de todo o resto. E alguns já afirmam que determinados pontos mais técnicos de suas habilidades estão se tornando obsoletos com ferramentas cada vez mais autônomas. Isso não significa que o raciocínio crítico sobre a qualidade de código e de produtos se tornará irrelevante necessariamente. Mas o tempo passado desenvolvendo códigos de maneira quase artesanal provavelmente será reduzido. E portanto, a forma como se desenvolve essa habilidade crítica também será transformada.

Em educação, isso é mais crítico do que em quase qualquer outro campo. A fricção é o próprio insumo da aprendizagem. Precisamos ensinar nossos alunos não apenas conteúdos, mas a navegar decisões sobre quando a IA potencializa e quando ela substitui o que deveriam estar construindo. Afinal, a fricção ótima, como falamos, muda: com o avanço tecnológico, com os objetivos de aprendizagem de cada pessoa e ao longo da vida.

Como sociedade, não sabemos o que as próximas gerações de tecnologia trarão. O que sabemos é que nossos sistemas sociais precisarão ser flexíveis e resilientes. E nossos jovens também. Para isso, precisamos de um sistema educacional que não tente simplesmente banir ou abraçar a IA, mas que ensine a encontrar, em cada contexto, a fricção que desenvolve. Que forme pessoas capazes de decidir, conscientemente, quando o esforço cognitivo vale a pena.

Nota: este texto foi, ele próprio, um exercício de fricção ótima. É a primeira vez que uso IA para me apoiar mais a fundo na construção de um artigo. Refleti, pesquisei, escrevi um resumo livre e pedi ajuda para estruturar e ajustar. Depois, voltei e reescrevi trechos, acrescentei. Demorei provavelmente um terço do tempo que demoraria. Confesso, entretanto, que me senti perdendo algo. Acho que passei do ponto ótimo. Agora, a reflexão, espero, segue sendo minha.