Artigo / Tommaso Di Bartolo · Publicado em 2026-11-20
O hábito de delegar: IA e autonomia humana
Handoverism começa com uma pergunta: quem deve definir nosso futuro? E nos convida a examinar as escolhas que já fazemos com a IA.

Por Tommaso Di Bartolo
Eu gostaria de gastar menos tempo com tarefas como preparar rascunhos, reunir informações e analisar alternativas comuns. Se uma IA consegue fazê-las bem, demorar mais não seria mérito. Ainda assim, quero entender as decisões que continuam sendo nossas nessas situações.
Imagine que a recomendação da sua IA traga boas evidências, uma estrutura lógica e uma explicação de por que as outras opções seriam ruins. Aceitá-la não deixa claro se você tomou uma boa decisão. Talvez uma recomendação igualmente bem escrita em favor da opção oposta também tivesse sido aceita. Esse debate tem um nome: handoverism. Em sua dimensão mais ampla, trata-se de confiar à IA a condução da civilização. Delegar relatórios e decisões políticas são coisas diferentes. Nos dois casos, porém, importa entender quanto controle real as pessoas têm.
Em seu ensaio de 11 de novembro de 2026, Ruxandra Teslo descreve uma conversa com alguém que trabalhava em um grande laboratório de IA. Ele parecia conformado com a ideia de que as máquinas assumiriam o comando no futuro e não conseguia enxergar outra possibilidade realista. Considerava o governo de uma máquina benevolente preferível à extinção. A partir de uma previsão sobre inteligência, concluiu quem deveria mandar. Isso parece um salto grande. Sistemas mais capazes deveriam ampliar nossas opções. Por isso, as decisões sobre como usá-los merecem a mesma atenção.
Aprender faz parte do trabalho
Boa parte do discernimento profissional se desenvolve nas tarefas que mais tarde vamos delegar. É nelas que podemos descobrir uma premissa equivocada, entender por que uma decisão bem-intencionada não funcionou ou perceber o que um usuário quis dizer com uma crítica. Quem já tem experiência nessas tarefas talvez consiga pular boa parte do processo. Mas, se alguém que está começando recebe esse atalho, terá dificuldade para adquirir essa experiência.
Antes de avaliar a qualidade dos trabalhos entregues pelos alunos em um sistema de aprendizagem com IA, precisamos entender como esse sistema permite que eles aprendam. Em um experimento de 2025 de Hamsa Bastani e colegas, quase mil alunos do ensino médio na Turquia resolveram exercícios de matemática com diferentes tipos de apoio. Os alunos que usaram uma interface básica do GPT-4 tiveram um desempenho melhor durante a prática assistida, mas foram pior na avaliação final, sem apoio, do que os alunos que fizeram os exercícios sem IA. Em outro tutor, proteções orientadas por professores reduziram substancialmente esse prejuízo.
É fácil não perceber isso numa demonstração empolgante de produto. Se olharmos apenas as folhas de exercícios concluídas, o apoio básico parece estar ajudando. O desempenho posterior dos alunos sem o tutor oferece outra forma de avaliar esse aparente sucesso. Felizmente, o desenho do outro tutor mostra que podemos criar um apoio que favoreça a aprendizagem, desde que seja isso que nos propomos a medir. Reduzir o tempo gasto, por si só, não basta.
No trabalho, também precisamos ter cuidado quando a automação gera um grande volume de resultados. Talvez estejamos eliminando tarefas que não ensinam nada. Mas também podemos estar retirando experiências de aprendizagem. Nesse caso, corremos o risco de formar novos revisores com dificuldade para exercer julgamento. Importa entender quais partes de uma função estão sendo automatizadas.
A idade, por si só, provavelmente diz pouco nessa situação. Um executivo pode não ter experiência naquela área, e um especialista em início de carreira pode ter ótimos motivos para duvidar de um modelo. Minha hipótese é que fica mais difícil avaliar a competência quando seu principal sinal é a qualidade do trabalho feito com IA. Podemos dar peso demais ao resultado e concluir que houve compreensão sem verificar essa relação. Os estudos discutidos aqui não demonstram que uma geração esteja se tornando menos competente. Eles nos dão bons motivos para melhorar as formas de as pessoas mostrarem o que aprenderam.
Revisar exige recursos
“Manter um humano no circuito” parece simples. Mas, sem definir o que essa pessoa deve fazer, podemos estar usando recursos de forma pouco eficaz. Colocar o nome de alguém num fluxo de aprovação custa muito pouco. Dar a essa pessoa informações, tempo para investigar e autoridade para adiar um lançamento custa mais.
Se quem revisa uma recomendação de estratégia de marketing acredita que ela se apoia em estimativas erradas de demanda, talvez precise investigar. Isso pode envolver conversas com clientes e levar a outra conclusão. Se a data de lançamento não pode mudar e o orçamento já foi gasto, quanta influência essa revisão teve? A pessoa pode continuar sendo responsabilizada mesmo depois de perder a oportunidade de mudar o resultado.
Um estudo de Hao-Ping Lee e colegas apresentado na CHI em abril de 2025 ouviu 319 profissionais que trabalham com conhecimento. Quanto maior a confiança na IA generativa, menor era o esforço de pensamento crítico que eles relatavam fazer. Os participantes descreveram como conferiam o material gerado e o incorporavam ao trabalho. Como o estudo se baseia em relatos dos próprios participantes, ele não demonstra uma perda de capacidade. Eu daria a essa conferência os recursos de que ela precisa. O fato de a verificação ter sido deslocada para o fim do processo não significa que ela não tenha custo.
Uma parcela maior do trabalho que vem antes da revisão já pode ser delegada. A Anthropic analisou amostras de conversas no Claude.ai do fim de 2024 e início de 2025, além de agosto de 2025. Seu Índice Econômico de setembro de 2025 registrou que as interações diretivas passaram de 27% nas amostras anteriores para 39% em agosto. Nelas, os usuários delegavam uma tarefa completa sem muita discussão. Conversas mais curtas podem refletir melhorias no modelo. Os números descrevem como as pessoas usavam o Claude, sem medir sua capacidade cognitiva. Ainda assim, o resultado amplia o desafio de definir em que condições as aprovações acontecem. Podemos receber boas recomendações sem ver boa parte das informações que nos ajudariam a identificar uma recomendação ruim.
Há oportunidades para quem projeta sistemas e para quem gerencia equipes. Permita que as premissas sejam verificadas. Ofereça formas simples de conferir a recomendação. Reserve tempo para opiniões diferentes. Deixe claro o que acontece quando alguém que revisa considera o plano errado e quem pode autorizar mudanças.
Outras pessoas podem mudar o objetivo
Outra pessoa pode trazer aspectos que não consideramos. O retorno de um cliente, por exemplo, pode mostrar que definimos o problema errado. Um colega pode explicar que o ganho de eficiência apenas transfere trabalho para a equipe dele. A IA pode nos ajudar a antecipar essas situações, mas ainda queremos ter essa conversa.
Uma pesquisa de Julian De Freitas e colegas, publicada online em junho de 2025,constatou que companheiros de IA podiam reduzir a solidão momentânea, com alívio que se repetiu ao longo de uma semana. Parte desse efeito foi explicada pela sensação de ser ouvido. Isso tem valor. Quem se sente ouvido pode estar em melhores condições de se conectar com outras pessoas. Seria desejável que os produtos incentivassem essa conexão.
Eu gostaria de saber se, com o tempo, essa companhia ajuda alguém a se conectar com outras pessoas ou passa a ocupar o lugar dessa conexão. O estudo deixa essa questão em aberto. Precisamos ter cuidado ao julgar o benefício social de um produto apenas pelo alívio imediato que ele oferece. Nas relações humanas, precisamos negociar para atender a necessidades que não fomos nós que definimos e aceitar respostas de que talvez não gostemos. Queremos que isso faça parte do aprendizado de trabalhar e viver bem com os outros.
No contexto profissional, queremos que quem recebe o trabalho possa dar um retorno que ainda tenha influência sobre ele. Se as opiniões só são ouvidas depois que as decisões já foram tomadas, essa pessoa terá pouquíssima influência, mesmo que exista um bom sistema de escuta.
O argumento a favor de melhores decisões por máquinas
Ainda assim, precisamos considerar que a IA muitas vezes pode tomar decisões melhores do que as nossas. Espero receber bem muitos desses avanços. Seria estranho um otimista em relação à tecnologia querer preservar tarefas humanas só por preservar.
Scott Alexander desenvolve um argumento consistente nessa direção em “Against Against Handover”, publicado em 20 de outubro de 2026. Ele analisa como uma IA alinhada aos interesses humanos pode nos beneficiar e como preservar decisões no âmbito local. Esse argumento merece mais atenção do que a simples afirmação de que os humanos devem ser sempre melhores.
Precisamos, porém, ter cuidado com o peso que damos à capacidade da IA de decidir bem. Mesmo que um especialista entenda melhor as consequências prováveis das minhas decisões, ainda espero ter algum controle sobre quais consequências estou disposto a aceitar. Um sistema muito capaz pode trazer um benefício enorme ao ajudar as pessoas a entender uma ampla variedade de opções, inclusive aquelas que não recomenda. Ainda assim, precisamos discutir como, dentro das instituições, as pessoas poderão mudar os objetivos do sistema ou retomar as decisões que delegaram.
Nós já temos dificuldade para manter essas responsabilidades nas instituições. Se apenas quem dirige a instituição for humano, mas ninguém mais tiver meios reais de contestar decisões, isso fará pouca diferença. Eu faria a mesma pergunta exigente a propostas de governança por IA: quanto as pessoas envolvidas conseguem de fato mudar quando discordam?
A pergunta, a decisão e a relação
No Reel sobre autonomia no Instagram, mostro como manter a pergunta, a decisão e a relação nas suas mãos enquanto você delega o trabalho à IA.
Num plano de marketing hipotético, pedir “Escreva um plano de marketing para mim” é bastante vago. Perguntar “O que nosso concorrente jamais esperaria que fizéssemos?” leva a investigação para outro caminho. Nos dois casos, porém, precisamos decidir se a ação proposta seria boa para o cliente. Surpreender pode ser útil, desde que isso sirva a um objetivo que valha a pena.
Antes de analisar as opções, escreva quais critérios você está usando. Talvez alcançar um grupo específico de novos clientes importe mais do que gerar uma resposta imediata. Se, durante a análise, você decidir mudar as prioridades, deixe claro por quê. Assim, você examinou decisões que poderiam ter ficado escondidas dentro do pedido.
Dê a quem vai receber a proposta a oportunidade de opinar. O que essa pessoa teria de fazer em seguida? Por que confiaria em você o suficiente para dar esse próximo passo? Permita que ela mude a proposta, mesmo que isso exija retomar um trabalho já concluído. Se a equipe reservou recursos apenas para criar o plano, porém, já decidiu quanto espaço haverá para essa participação.
Os hábitos que escolhemos
Nós moldamos a tecnologia. Com o uso repetido, ela pode começar a nos moldar.
O uso das redes sociais ajuda a entender isso. Apesar dos benefícios, muitas pessoas estão tentando mudar conscientemente hábitos que adquiriram. Em um estudo randomizado, pessoas que ficaram quatro semanas sem usar o Facebook apresentaram melhora no bem-estar e continuaram usando a plataforma menos depois do experimento. A pausa mudou aquilo a que elas queriam voltar.
Com a IA, podemos pensar nos hábitos que queremos desenvolver. Se a usarmos todos os dias durante cinco anos, em que gostaríamos de ter melhorado? Em fazer perguntas mais precisas? Em entender assuntos novos? Em tomar decisões que conseguimos justificar?
Olhando desse futuro para o presente, nosso uso atual da IA nos dá oportunidade de praticar essas habilidades?
Handoverism é um dos caminhos possíveis. Se criarmos o hábito de pedir uma resposta à IA antes de pensar por conta própria e de aceitar recomendações sem considerar como avaliá-las, essa pode se tornar nossa relação padrão com a inteligência.
Também podemos agir de forma muito intencional. Guardar o celular cria uma oportunidade de concentração. Fazer uma pausa antes de digitar um prompt nos permite pensar por conta própria. Como digo no vídeo, “trave o prompt”: pense primeiro, depois abra a ferramenta. Mesmo que nossa resposta inicial ainda seja provisória, podemos explorá-la, questioná-la e aprimorá-la com a ajuda da IA.
É esse o hábito que deveríamos desenvolver em uma Era da Participação: usar uma inteligência cada vez maior para participar com mais capacidade.
Handoverism acontece um prompt de cada vez. O pensamento independente também pode se desenvolver assim.
A IA não é sua inimiga. O roteiro antigo é.
Idioma: Inglês. Texto original em inglês, escrito por Tommaso Di Bartolo.
Fonte: Tommaso Di Bartolo · Publicado em 2026-11-20
Publicação original ↗

%20by%20Tommaso%20Di%20Bartol.png)