A grande ilusão da IA agêntica: o que a consultoria nos ensina sobre delegar nossa mente às máquinas

A grande ilusão da IA agêntica: o que a consultoria nos ensina sobre delegar nossa mente às máquinas

A cada semana, uma nova leva de artigos, análises e projeções de consultorias e fornecedores de IA prevê com confiança a substituição iminente do trabalho humano por agentes inteligentes. Mas há um paralelo revelador — e incômodo — com a indústria de consultoria empresarial que merece atenção antes que a dependência se torne irreversível.

Em 2023, as economistas Mariana Mazzucato e Rosie Collington publicaram The Big Con, mostrando como a consultoria extrai retornos acima do valor que entrega. O mecanismo é sutil: um cliente que terceiriza funções estratégicas por anos perde a capacidade interna de avaliar se o que recebe é bom. A consultoria entrega recomendações genéricas em apresentações polidas, com uma certeza que a evidência não justifica. O cliente, já sem expertise própria, não consegue contestar.

Com a IA agêntica, o padrão se repete — só que mais rápido, mais profundo e mais barato de começar. O artigo de Chinmay Kakatkar no Towards Data Science, publicado em julho de 2026, traça esse paralelo com rigor e propõe saídas em três níveis: individual, organizacional e social.

O custo invisível da delegação cognitiva

O problema não é usar IA — é quando a delegação se torna tão automática que o humano perde a capacidade de avaliar criticamente o resultado. Um estudo recente com quase 2.000 profissionais mostrou que a maioria concorda que a IA “fez a maior parte do pensamento” em tarefas executivas, mas também relatou que as ideias geradas não pareciam completamente suas.

Pesquisadores da Universidade de Stanford cunharam o termo dívida cognitiva para descrever como a dependência repetida de IA substitui os processos cognitivos necessários ao pensamento independente. Em experimentos controlados, participantes que usaram IA não só tiveram desempenho pior sem ela como desistiram mais rápido — um efeito de adaptação hedônica: quando respostas prontas viram norma, resolver problemas por conta própria parece desproporcionalmente custoso.

O professor do MIT Micah Nathan relatou no The Guardian o caso de uma aluna que começou pedindo correção gramatical à IA, aceitou edições de linha, depois estruturais, depois uma reescrita completa. “Foi uma sequência como a descida de um viciado”, escreveu. “Escrever não é só produzir frases — é treinar resistência por meio da atenção sustentada.”

A economia de curto prazo já está surpreendendo

Os números contam uma história que as projeções otimistas de consultorias não mostram. A Microsoft cortou licenças internas de IA para codificação em 2026, seis meses após incentivar adoção generalizada, citando custos em espiral. O Uber esgotou seu orçamento anual de IA para código em quatro meses. A Salesforce espera pagar cerca de US$ 300 milhões à Anthropic só em 2026.

Uma pesquisa com quase 2.500 empresas revelou que, para cada dólar gasto em tokens de IA, apenas 18 centavos geraram valor para o usuário final, enquanto 44 centavos foram consumidos corrigindo bugs que os próprios sistemas introduziram. E quando organizações medem produtividade por gasto com tokens, funcionários inflam artificialmente o uso — fenômeno já apelidado de “tokenmaxxing”.

O risco geopolítico da dependência

Em junho de 2026, o governo dos EUA ordenou que a Anthropic suspendesse o acesso aos seus modelos mais avançados — Fable 5 e Mythos 5 — para todos os cidadãos estrangeiros, citando segurança nacional. A empresa foi obrigada a desabilitar os modelos globalmente para garantir conformidade, sem aviso prévio. O episódio ilustra o que significa depender de infraestrutura de IA de um único fornecedor: acesso pode ser condicionado, precificado além do alcance ou simplesmente retirado por decisão de um governo estrangeiro.

O que fazer: três níveis de ação

Individual: use IA para trabalho braçal e como parceira de debate, mas mantenha o julgamento com você. Pesquisas mostram que profissionais que modificam mais as saídas da IA têm confiança significativamente maior em seu raciocínio independente.

Organizacional: trate a memória institucional como ativo estratégico. Diversifique fornecedores de IA deliberadamente — nenhuma dependência única para funções cognitivas críticas. Garanta que “humanos no circuito” realmente tenham conhecimento, tempo e autoridade para desafiar o que a IA produz.

Social: políticas públicas devem aplicar os critérios de “tecnologia apropriada” do economista E.F. Schumacher: essa tecnologia aumenta a capacidade local? Funciona sem dependência externa permanente? Em decisões públicas consequentes (judiciais, saúde, imigração), o revisor humano deve ser capaz de explicar e defender o que ratifica — não apenas atestar presença.

A conclusão de Kakatkar ecoa o melhor conselho que recebeu no primeiro ano de faculdade em 2009: “Pense primeiro com papel e caneta, depois codifique.” O princípio escala para o design de empresas e instituições. A questão é se vamos aplicá-lo deliberadamente — ou deixar que a correnteza da conveniência de curto prazo nos leve aonde nenhum de nós pretende ir.