Quando a IA decide por você, quem fica com a conta?

No dia 8 de maio de 2025, Sebastian Siemiatkowski, CEO da Klarna, fez algo raro no Vale do Silício: voltou atrás em público. Em entrevista à Bloomberg, disse que a empresa contrataria humanos de novo. A fintech sueca, que em 2024 havia anunciado que sua IA estava fazendo o trabalho equivalente a 700 atendentes, descobriu que o cliente final achava as respostas piores. Em suas palavras, custo havia sido um fator preponderante demais na avaliação, e o resultado foi qualidade menor.

Nesse mesmo período, no estado de Minnesota, um juiz federal autorizava o avanço de uma ação coletiva contra a UnitedHealthcare, maior operadora de Medicare Advantage dos Estados Unidos. O motivo: um algoritmo chamado nH Predict, usado pela seguradora para definir até quando idosos receberiam cobertura para reabilitação. Segundo a investigação que originou o processo, mais de 90% das negativas eram revertidas quando os pacientes recorriam. Mas só 0,2% recorria.

Duas histórias diferentes, dois setores diferentes, dois continentes diferentes. A mesma estrutura por baixo: uma decisão que antes era humana foi terceirizada para um sistema automatizado, e a conta começou a chegar tarde demais para evitar o estrago.

Essa é a forma corporativa de algo que está acontecendo, em escala muito menor mas em volume muito maior, dentro da sua própria cabeça quando você pergunta ao ChatGPT se deve mandar aquele e-mail. Os mecanismos não são exatamente os mesmos. Mas o nome técnico é parecido: terceirização cognitiva. E os estudos de 2025 começaram a medir o preço dela.

01 · O PROBLEMAA delegação silenciosa

Em fevereiro de 2025, pesquisadores da Microsoft Research em parceria com a Carnegie Mellon University publicaram um estudo apresentado na conferência CHI 2025. O título é direto: o impacto da IA generativa no esforço cognitivo e no pensamento crítico de trabalhadores do conhecimento. A amostra foi de 319 profissionais que relataram, em primeira pessoa, como usavam ferramentas como ChatGPT e Copilot no trabalho.

O achado central foi desconfortável. Quanto mais o profissional confiava na resposta da IA, menos esforço crítico aplicava. E quanto menos esforço crítico aplicava, mais difícil ficava acessá-lo quando a tarefa exigia. Os autores chamaram isso de uma ironia da automação: ao mecanizar tarefas rotineiras e deixar para o humano só as exceções, você priva o humano das oportunidades cotidianas de praticar julgamento, e ele chega despreparado quando a exceção aparece.

O estudo da Microsoft não é uma curiosidade isolada. No mesmo ano, Michael Gerlich, da SBS Swiss Business School, publicou na revista Societies uma pesquisa com 666 participantes de idades e formações diversas. O resultado foi uma correlação negativa significativa entre uso frequente de ferramentas de IA e capacidade de pensamento crítico, mediada pelo aumento da terceirização cognitiva. Os participantes mais jovens, faixa de 17 a 25 anos, mostraram a maior dependência e o menor score crítico.

Em junho de 2025, o MIT Media Lab divulgou os resultados de um experimento mais provocador. Nataliya Kosmyna e colegas dividiram 54 voluntários em três grupos para escrever redações: um usaria ChatGPT, outro o Google, o terceiro só a própria cabeça. Os pesquisadores mediram a atividade cerebral durante a tarefa com eletroencefalografia em 32 regiões. O grupo do ChatGPT teve o menor engajamento neural e o desempenho mais fraco em métricas linguísticas e comportamentais. O grupo sem ferramenta nenhuma teve o melhor.

Vale uma calibração antes de seguir. Esse tipo de resultado é provocador, mas ainda é cedo para tratar como veredito definitivo sobre o cérebro humano. São amostras pequenas, tarefas específicas, contextos de laboratório. O que esses estudos sugerem com força é uma direção, não uma sentença. A direção é a mesma que a literatura sobre cognição distribuída vinha apontando há anos. O que mudou é a velocidade e o escopo do que está sendo delegado.

Por que essa terceirização é diferente das outras

Humanos sempre delegaram cognição para ferramentas externas. A escrita terceirizou a memória de longo prazo. O ábaco e a calculadora terceirizaram o cálculo. O GPS terceirizou a orientação espacial. Cada uma dessas transições gerou ansiedade na época, e em retrospecto a maioria parece benigna. Por que esta seria diferente?

A análise mais convincente vem da pesquisadora Sandra Grinschgl, da Universidade de Graz, e de outros autores que estudam cognição distribuída há quase duas décadas. A diferença está no que está sendo delegado. A calculadora terceirizou computação. O GPS terceirizou navegação. A escrita terceirizou armazenamento. A IA generativa terceiriza o raciocínio em si.

Raciocínio é exatamente o que separa o especialista do executor mecânico. Quando você delega o cálculo, ainda precisa saber qual cálculo fazer, o que o resultado significa, se ele faz sentido no contexto. Quando você delega o próprio raciocínio, esses três passos somem juntos. A pergunta deixa de ser como calcular. Vira o que o sistema acha que eu devo fazer.

Há também uma assimetria de velocidade. A escrita levou milênios para se popularizar. A calculadora levou décadas. O GPS, anos. O ChatGPT chegou a 100 milhões de usuários em dois meses, em janeiro de 2023, e três anos depois um terço dos americanos relata usar IA no trabalho, segundo o Pew Research Center. A sociedade não teve tempo de desenvolver intuições, normas, protocolos. As pessoas estão delegando antes de saber o que estão delegando.

02 · O CASO QUE NÃO DEVERIA TER ACONTECIDOO algoritmo que disse não

Em maio de 2022, Gene Lokken, de 91 anos, caiu em casa e fraturou o tornozelo. Foi internado, tratado, e começou a se recuperar. Em junho, um ortopedista prescreveu fisioterapia intensiva. Em 20 de julho, segundo a ação judicial movida pela família, a UnitedHealthcare informou que a cobertura havia acabado. O parecer dizia que Lokken estava em condições de receber alta segura. O ortopedista discordou. A família entrou com recurso. Perdeu. Perdeu de novo. Lokken e a família pagaram entre US$ 12 mil e US$ 14 mil por mês do próprio bolso até ele morrer, em 17 de julho de 2023. Quase um ano inteiro fora da cobertura.

O caso de Lokken não é uma anomalia. É o paradigma. Em outubro de 2022, Dale Tetzloff, de 74 anos, sofreu um AVC. Foi internado e teve prescrição médica de pelo menos 100 dias de cuidado pós-internação. Depois de 20 dias em uma clínica de reabilitação, a UnitedHealthcare negou a continuidade. A esposa entrou com recurso e venceu. Aos 40 dias, a seguradora negou de novo, alegando que Tetzloff estava pronto para receber alta. Em dez meses, os custos da família ultrapassaram US$ 70 mil. Tetzloff morreu em 11 de outubro de 2023, em uma instituição de cuidados assistenciais.

O que conecta esses dois casos a milhares de outros é um nome técnico: nH Predict. É um algoritmo desenvolvido pela NaviHealth, subsidiária da Optum que a UnitedHealth Group adquiriu em 2020. A função do nH Predict era estimar quanto tempo, em dias, um paciente típico ficaria internado em determinada condição. Em teoria, era uma ferramenta de previsão. Na prática, segundo a investigação da revista jornalística STAT publicada em novembro de 2023, virou uma régua de corte.

Documentos internos obtidos pela STAT mostraram que a empresa pressionava seus gerentes de caso a manter as estadias dos pacientes dentro de uma margem de 1% do prazo que o algoritmo previa. Profissionais que não cumprissem a meta enfrentavam consequências disciplinares, incluindo possibilidade de demissão. O que era para ser uma estimativa virou um alvo. E o alvo virou uma negativa.

A defesa da UnitedHealthcare é tecnicamente coerente. A empresa sustenta que o nH Predict não toma decisões de cobertura. É só um guia para informar provedores, famílias e cuidadores sobre o tipo de cuidado que o paciente pode precisar dentro da unidade e depois de voltar para casa. As decisões formais de cobertura, segundo a empresa, são baseadas nos termos do plano do paciente e nos critérios estabelecidos pelos Centros de Serviços Medicare e Medicaid.

O problema dessa defesa é o que mostram os documentos internos. Se o algoritmo é apenas um guia, por que a meta interna de performance dos gerentes humanos era ficar dentro de 1% da previsão dele? Se a decisão era humana, por que ela coincidia com tanta frequência com a previsão da máquina? A resposta do tribunal, até agora, foi não decidir o mérito, mas autorizar a descoberta probatória ampla. Em março de 2026, o juiz federal de Minnesota ordenou que a UnitedHealth entregasse documentos detalhados sobre o uso do algoritmo, em uma rara janela para o público enxergar como uma decisão automatizada vira política corporativa.

A lógica que produz o erro de 90%

Há uma matemática perversa por trás desse desenho. Se você é uma seguradora e sabe que, historicamente, 0,2% dos beneficiários recorrem das negativas, qualquer modelo que erre para o lado do negar gera economia líquida, mesmo com 90% de taxa de erro. A conta financeira fecha. A conta humana, não. O Senado dos Estados Unidos publicou em outubro de 2024 um relatório de subcomissão chamado "Refusal of Recovery", mostrando que as taxas de negativa da UnitedHealthcare para cuidados pós-internação mais que dobraram depois que ela passou a usar a NaviHealth e o nH Predict em 2019.

A UnitedHealthcare não é a única. Em julho de 2023, a Cigna foi processada na Califórnia por alegadamente usar um algoritmo chamado PxDx para negar reivindicações em massa. Em 2023, a Humana também foi processada em ação paralela pelo uso do mesmo nH Predict. Em fevereiro de 2024, os próprios Centros de Serviços Medicare e Medicaid publicaram uma orientação dizendo que algoritmos podem ajudar a prever necessidades de pacientes, mas não podem ser o único determinante de uma decisão de cobertura.

O ponto mais perturbador desses casos não é que a IA tenha errado. É que a empresa sabia, por meio das taxas de reversão em recurso, que o sistema estava errando muito. E continuou a usar mesmo assim. A pergunta que o tribunal precisa responder não é se a tecnologia funciona. É se delegar decisões de vida e morte para um sistema com erro conhecido, contando que poucas pessoas terão energia para recorrer, configura má-fé contratual.

03 · O CASO QUE RECUOUKlarna, ou quando o CEO admite

Klarna é uma fintech sueca de buy now, pay later, fundada em 2005, com 85 milhões de usuários em 26 países. Em fevereiro de 2024, a empresa anunciou em comunicado oficial que sua nova assistente de IA, desenvolvida em parceria com a OpenAI, havia substituído o trabalho equivalente a 700 atendentes humanos em apenas um mês. A assistente tinha lidado com 2,3 milhões de conversas, em 35 idiomas, com tempo médio de resolução caindo de 11 para 2 minutos. A imprensa de tecnologia tratou como marco. Decks de investidores no mundo todo passaram a citar o número.

Em 8 de maio de 2025, a mesma Klarna, o mesmo CEO, contou outra história. Sebastian Siemiatkowski disse à Bloomberg que a empresa voltaria a contratar agentes humanos. As razões eram quatro, segundo análises posteriores publicadas no Internative e no Twig.so. Primeiro, alucinações do modelo degradavam a qualidade em casos de borda, especialmente em disputas financeiras e cancelamentos de conta. Segundo, a satisfação do cliente caía em tickets emocionalmente complexos, mesmo quando a resposta da IA estava tecnicamente correta. Terceiro, preocupações regulatórias sobre IA autonomamente fechando contas. Quarto, a narrativa pública dos 700 empregos substituídos começou a atrair atenção indesejada de reguladores.

O caso Klarna não é uma derrota da IA. A empresa não desligou o sistema. Continua usando IA para resolver os 67% mais simples dos atendimentos. O que mudou foi o que ela passou a comunicar: a IA escala o tier-1, os humanos sobem para o trabalho de exceção e julgamento. A história deixou de ser "substituímos pessoas" e virou "redistribuímos onde o julgamento humano agrega mais valor".

A lição mais profunda do caso Klarna está em uma frase quase técnica do próprio Siemiatkowski. Ele disse à Bloomberg que custo havia sido um fator de avaliação preponderante demais. O que isso significa, traduzido, é que os critérios usados para decidir se a substituição valia a pena eram operacionais, não qualitativos. A empresa media chamadas resolvidas por hora, custo por interação, tempo médio de resposta. O que ela não estava medindo no momento certo era a satisfação do cliente em casos complexos, a taxa de churn em segmentos sensíveis, a percepção de marca. Esses indicadores são lentos. Levam de seis a dezoito meses para mostrar o estrago.

O padrão Klarna em McDonald's, Dukaan, Cursor

Klarna não está sozinha em ter percebido tarde demais. Em junho de 2024, o McDonald's encerrou uma experiência de drive-thru com IA desenvolvida em parceria com a IBM. O sistema havia sido implementado em mais de 100 lojas. Falhava em ordens simples, adicionava itens não pedidos, frustrava clientes em fila. Em julho de 2023, a Dukaan, plataforma de e-commerce indiana, demitiu 90% da equipe de atendimento e substituiu por um chatbot. A recepção pública foi tão negativa que o CEO virou caso de estudo de como não anunciar uma transição.

Em abril de 2025, a Cursor, ferramenta de programação assistida por IA, viveu uma situação peculiar. Seu próprio chatbot de suporte ao cliente passou a inventar políticas de uso que a empresa não tinha. Usuários confusos contatavam a empresa cobrando regras inexistentes. O time precisou pedir desculpas em público.

O padrão se repete. Empresa quer cortar custo. IA aparenta resolver. A métrica de eficiência sobe rapidinho. A métrica de qualidade demora a aparecer. Quando aparece, o estrago já foi feito.

04 · DENTRO DA SUA CABEÇAComo a delegação acontece no cotidiano

Os casos corporativos chamam atenção porque envolvem números grandes e processos judiciais. Mas a versão mais relevante para a maioria dos leitores não acontece dentro de uma seguradora. Acontece dentro da sua própria cabeça, em decisões pequenas, ao longo do dia.

Você abre o ChatGPT para escrever um e-mail difícil. Cola o contexto. Recebe três versões. Escolhe a segunda, com ajustes mínimos. Manda. A decisão de tom, de palavras, de estrutura, foi sua? Em parte. Em outra parte, foi do modelo. A próxima vez que você tiver que escrever um e-mail difícil sem o modelo disponível, o que vai estar mais oxidado: a sua intuição de tom, ou a sua memória de que existe uma ferramenta?

O fenômeno tem nome técnico: cognitive offloading, terceirização cognitiva. A definição da literatura é simples. Qualquer ação física ou tecnológica que reduza o esforço cognitivo necessário para realizar uma tarefa. Anotar um número no celular é cognitive offloading. Usar GPS é cognitive offloading. Pedir ao ChatGPT para resumir um relatório é cognitive offloading.

O problema, segundo a metanálise de Grinschgl publicada em 2022 e estudos subsequentes, não é o offloading em si. É o offloading sem consciência. Quando você anota um telefone no celular, sabe que terceirizou. Quando você pede ao ChatGPT para te dar uma opinião sobre um problema pessoal, é mais difícil perceber que terceirizou. A resposta parece sua porque você fez a pergunta. Mas o framework, a estrutura, as opções consideradas, vieram do modelo. Sua participação foi escolher entre alternativas que outro decidiu apresentar.

Há três sintomas que ajudam a perceber se a balança começou a inclinar demais.

O primeiro é a aceitação sem questionamento. Você lê a resposta, ela faz sentido, você usa. Não pergunta se há outra forma de enxergar o problema. Não checa se a premissa que o modelo assumiu é a sua. Se isso virou padrão, você já está usando o sistema como autoridade, não como ferramenta.

O segundo é a dificuldade de explicar. Tente reconstruir, sem olhar o histórico, as razões de uma decisão que você tomou esta semana com ajuda de IA. Se você consegue contar a história mas não o porquê, a decisão não foi inteiramente sua. Foi colaborativa, e a parte do colaborador você não enxerga.

O terceiro é o desconforto sem a ferramenta. Tente passar um dia tomando decisões profissionais sem consultar o ChatGPT. Se sentir incômodo desproporcional, e a maioria sente, é um sinal de que a delegação foi mais longe do que você percebia.

Nenhum desses sintomas é, isoladamente, um problema. Os três juntos sugerem que vale a pena recalibrar.

05 · O QUE A REGULAÇÃO ESTÁ TENTANDO FAZEREU AI Act e PL 2338 no Brasil

Em 1º de agosto de 2024, o EU AI Act entrou em vigor. É a primeira regulamentação ampla de inteligência artificial no mundo. O calendário de aplicação é escalonado. Práticas proibidas, como sistemas de pontuação social estatal e manipulação subliminar, entraram em vigor em 2 de fevereiro de 2025. Modelos de IA de propósito geral entraram em vigor em agosto de 2025. Sistemas de alto risco entrariam em vigor em agosto de 2026, mas em 19 de novembro de 2025 a Comissão Europeia publicou o chamado Digital Omnibus, propondo adiar essa exigência para dezembro de 2027. A discussão segue em trílogos políticos até maio de 2026.

O ponto mais importante do EU AI Act, para a discussão deste artigo, é a categoria de alto risco. Sistemas classificados como tal incluem decisões de emprego, como contratação, demissão, promoção e avaliação de desempenho. Incluem decisões de crédito e seguro de vida. Incluem decisões sobre acesso a serviços públicos essenciais, incluindo saúde. Incluem decisões sobre asilo e fronteiras. Quase tudo que afeta a vida de uma pessoa de forma material está nessa lista.

Para esses sistemas, a lei exige supervisão humana significativa, registros detalhados, transparência sobre o funcionamento, direito à explicação para quem foi afetado, direito de contestação. As multas máximas chegam a 35 milhões de euros ou 7% do faturamento global. A Itália foi adiante em outubro de 2025 e aprovou a Lei 132/2025, que cria pena de prisão de 1 a 5 anos para difusão ilícita de conteúdo gerado por IA, como deepfakes.

No Brasil, o PL 2338/2023, de autoria do senador Rodrigo Pacheco, foi aprovado por unanimidade pelo Senado em 10 de dezembro de 2024. O texto é claramente inspirado no AI Act europeu. Classifica sistemas por nível de risco, com categorias de risco excessivo, alto risco, baixo e moderado risco. Estabelece direitos aos afetados, incluindo direito à explicação, à contestação e à supervisão humana. Cria o Sistema Nacional de Regulação e Governança de IA, com fiscalização ligada à Autoridade Nacional de Proteção de Dados. Prevê sanções de até R$ 50 milhões por infração, ou 2% do faturamento bruto.

O projeto está na Câmara dos Deputados desde março de 2025, sob relatoria do deputado Aguinaldo Ribeiro. Em dezembro de 2025, o governo enviou um projeto complementar, o PL 4849, para corrigir um vício de iniciativa identificado no texto do Senado. A votação final, inicialmente prevista para 2025, foi adiada para 2026. Considerando o tempo de vacatio legis típico, a expectativa é que as obrigações materiais só entrem em vigor entre 2028 e 2029. Até lá, decisões automatizadas por IA no Brasil seguem governadas principalmente pela LGPD, que já tem em seu artigo 20 o direito de revisão de decisões automatizadas, mas com aplicação prática limitada.

O ponto crítico, tanto na Europa quanto no Brasil, é que regulamentar a decisão depois que ela já foi tomada é remediar, não prevenir. As decisões de Klarna e UnitedHealthcare foram tomadas em um vácuo regulatório. Quando a regra chegar, o estrago já foi feito e o precedente já está formado.

06 · O QUE FAZERA pergunta que separa o uso da delegação

Esta seção não é um manual de produtividade. Não há um framework de cinco passos. O que há é uma pergunta, simples de formular e desconfortável de responder. Antes de usar a IA para qualquer decisão que importe, pergunte: se essa decisão der errado, eu vou conseguir explicar o porquê dela com clareza, sem dizer "foi o que o sistema sugeriu"?

Essa pergunta funciona como um filtro porque separa duas situações que parecem iguais e são fundamentalmente diferentes. Usar IA para gerar opções, ampliar o espaço de possibilidades, simular cenários, é uma forma de aumentar a sua capacidade. Usar IA para escolher entre opções, eliminar a deliberação, fechar a porta da dúvida, é uma forma de transferir autoria.

A primeira é leitura. A segunda é assinatura. A regulamentação europeia faz essa distinção tecnicamente, ao exigir supervisão humana significativa em decisões de alto risco. O que ela não consegue fazer, e nenhuma lei pode, é distinguir o que é leitura do que é assinatura na sua cabeça quando você está usando o ChatGPT para decidir se aceita uma proposta de emprego.

Existem três práticas que ajudam a manter a balança no lugar certo.

Anote o que você decidiria sem a ferramenta

Antes de pedir a opinião da IA sobre uma decisão pessoal, escreva em uma linha o que você decidiria sozinho. Depois consulte a ferramenta. Compare. Se a resposta da IA for sempre igual à sua, ela é decorativa. Se for sempre diferente, vale a pena entender por quê. Se for ocasionalmente diferente, é o uso ideal. O hábito de anotar antes preserva a sua opinião como referência, não como produto residual da consulta.

Tenha categorias onde a IA fica fora

Decida, com antecedência e fora do momento da decisão, quais áreas da sua vida ficam sem assistência da IA. Pode ser conversas pessoais. Pode ser primeira leitura de notícia complexa. Pode ser conclusões sobre relacionamentos. Pode ser o que você quiser. O ponto é ter uma reserva consciente, não por princípio antitecnológico, mas para manter musculatura cognitiva ativa em domínios onde ela importa.

Pergunte por quê em vez de pedir o quê

A diferença entre "me dê três opções para a apresentação" e "que critérios você usaria para avaliar opções de apresentação" parece sutil, mas é estrutural. A primeira pergunta termina com você escolhendo entre o que o modelo trouxe. A segunda termina com você criando suas próprias opções dentro do framework que o modelo expôs. A segunda preserva a sua participação na geração, não só na seleção.

Essas três práticas têm o mesmo princípio comum: manter visível, para você mesmo, a fronteira entre o que veio de você e o que veio do sistema. A maior parte do dano da terceirização cognitiva acontece quando essa fronteira fica invisível.

07 · O QUE ESTÁ EM JOGOPor que isso importa para além da produtividade

Há uma maneira fácil de minimizar tudo o que foi dito até aqui. "É só uma ferramenta, depende de como você usa." Essa frase, repetida há séculos sobre toda nova tecnologia, é verdadeira no sentido literal e enganosa no sentido prático. Toda ferramenta depende de como você usa. Mas algumas ferramentas mudam o que conta como uso adequado de forma tão profunda que a comparação com ferramentas anteriores fica fraca.

O caso da UnitedHealthcare é instrutivo porque mostra o que acontece quando a delegação para a IA encontra uma estrutura que premia volume sobre acerto. A pergunta importante não é se a IA acertaria mais ou menos se fosse melhor treinada. Talvez acertasse. A pergunta é se o sistema institucional que envolve a IA tem incentivos para corrigir o erro ou para enterrá-lo no fato de que a maioria das pessoas não recorre.

O caso Klarna é instrutivo por uma razão diferente. Mostra o que acontece quando uma empresa mede o que é fácil de medir, custo por interação, em detrimento do que é difícil de medir, satisfação ao longo do tempo. A IA não criou esse vício. A facilidade de implementar IA permitiu que o vício se materializasse em escala muito maior, muito mais rápido, com muito menos atrito.

Os estudos do MIT, Microsoft e Carnegie Mellon são instrutivos por uma terceira razão. Mostram que o custo da terceirização cognitiva não aparece imediatamente, nem aparece para quem está terceirizando. Aparece em medidas indiretas, em momentos posteriores, quando a habilidade que estava sendo terceirizada precisa ser invocada e está atrofiada. É um custo de longo prazo pago em parcelas que não chegam com fatura.

O que conecta esses três planos, o corporativo predatório, o corporativo míope e o pessoal silencioso, é a mesma pergunta. Quem fica com a conta quando a decisão dá errado? Na UnitedHealthcare, a conta foi para famílias enlutadas. Na Klarna, foi para a marca e para o livro de receita. No seu uso pessoal, a conta vai sendo escrita em uma moeda mais difícil de quantificar: capacidade de pensar de forma independente quando isso for necessário.

08 · ENCERRAMENTOA inteligência que importa não é a artificial

No final, é uma questão de autoria. Quando uma seguradora deixa um algoritmo decidir até quando um idoso fica internado, ela está terceirizando uma decisão que, por contrato, deveria ser tomada por um clínico. Quando uma empresa demite 700 atendentes porque o painel de eficiência da IA mostrou economia, ela está terceirizando uma decisão estratégica que deveria considerar variáveis lentas e qualitativas. Quando você consulta o ChatGPT antes de tomar qualquer decisão sobre a própria vida, e segue a sugestão dele com pouca resistência, você está terceirizando uma decisão que, por definição existencial, só você pode tomar.

Os três níveis têm escalas diferentes. As consequências legais, financeiras e neurológicas têm pesos diferentes. Mas o gesto é o mesmo. É a entrega do julgamento. E o julgamento é o que distingue o operador do sistema, o profissional do procedimento, a pessoa do perfil.

A inteligência artificial, como nome, sempre foi uma promessa publicitária. Os sistemas atuais não são inteligentes no sentido em que humanos são. São muito bons em padrões estatísticos sobre quantidades vastas de texto. O risco não é que essas máquinas se tornem mais inteligentes que nós. O risco é que nós, ao usá-las, deixemos de exercitar a parte da nossa inteligência que não é estatística. A parte que decide. A parte que escolhe. A parte que assume responsabilidade depois.

Essa parte não é replicável. Não é otimizável. Não tem benchmark. E é exatamente por isso que ela é a única que ainda vale a pena cultivar.