Ou por que “ela vai tirar meu emprego?” é a menos interessante das duas perguntas
Um grupo de médicos poloneses ficou pior no próprio trabalho depois de começar a usar inteligência artificial, mesmo com a ferramenta funcionando como deveria em todas as vezes em que foi acionada.
O estudo saiu em 2025 no Lancet Gastroenterology & Hepatology, feito em quatro centros de endoscopia na Polônia, e mediu a taxa de detecção de pólipos durante colonoscopias, com e sem assistência de IA. Os médicos que trabalharam regularmente com o sistema de IA, quando precisaram operar sem ele, detectaram 22,4% dos adenomas. Antes de adotar a ferramenta, detectavam 28,4% em exames que existem para detectar câncer precocemente. Os 19 endoscopistas do estudo tinham mais de 2.000 colonoscopias cada um. O desenho é observacional, o que quer dizer que ele documenta a queda sem provar que a IA a causou.
O nome disso é deskilling, e é a palavra que os próprios pesquisadores usaram no título do artigo. No caso que o estudo cobre, quer dizer que os médicos é que regrediram quando não tinham o apoio da IA. A falta da prática comeu parte da habilidade.
O conceito surgiu nos anos 1970 com o sociólogo Harry Braverman para descrever o que acontece quando a automação retira dos trabalhadores a necessidade, e logo depois a capacidade, de executar tarefas complexas. O operário da linha de montagem que operava uma máquina específica durante anos ficava sem saber fazer mais nada quando a máquina era substituída ou quando ele precisava trabalhar em outro contexto.
Mas o que mudou hoje foi a velocidade e o perfil de quem está sendo afetado. Braverman falava de trabalho manual, repetitivo. O deskilling de agora está acontecendo com médicos, programadores, advogados, designers, analistas financeiros: as pessoas que trabalham com o tipo de raciocínio complexo que acreditávamos ser imune à automação.
Em 2025, pesquisadores da Microsoft Research e da Carnegie Mellon publicaram na conferência CHI um levantamento com 319 profissionais e 936 casos reais de uso de IA no trabalho. Os participantes relataram que tarefas cognitivamente exigentes ficaram mais fáceis depois que a IA entrou. O que soa como ganho de produtividade é, em parte, isso mesmo. Mas é outra coisa também: eles estavam delegando à IA exatamente os momentos de atrito que constroem competência. Rascunhar, avaliar, decidir entre alternativas, perceber contradições. O esforço muda de lugar: sai de produzir e vai para verificar, integrar e supervisionar o que a máquina produziu.
Isso me lembra uma frase da escritora Joanna Maciejewska que virou meme e circulou pela internet em várias versões. Em tradução livre, era mais ou menos assim:
“Sabe qual é o maior problema dessa obsessão por IA? Estamos indo na direção errada. Quero que a IA lave minhas roupas e minha louça para que eu possa fazer arte e escrever, e não que ela faça minha arte e escreva por mim enquanto eu lavo roupa e louça.”
Os próprios autores buscaram, em pesquisa de 1983, a melhor descrição do que está acontecendo. Lisanne Bainbridge, estudando automação industrial, chamou aquilo de ironia da automação: ao mecanizar a rotina e deixar a exceção para o humano, você tira dele justamente as ocasiões de praticar o julgamento, e ele chega despreparado quando a exceção aparece.
Outro estudo, publicado no arXiv em abril de 2026, foi mais direto no título: “Assistência de IA reduz a persistência e prejudica o desempenho independente” (no original, “AI Assistance Reduces Persistence and Hurts Independent Performance”). São ensaios controlados e randomizados com 1.222 pessoas, então aqui a causa está clara. Quem usava assistência de IA melhorava o desempenho durante a sessão com a ferramenta. Mas, quando ficava sem a ferramenta, ia pior do que antes de começar a usá-la, e desistia mais rápido. O efeito aparece depois de uns dez minutos de uso.
É o mesmo mecanismo do GPS, que melhora sua chegada ao destino, mas piora progressivamente sua capacidade de interpretar um mapa ou de reconstituir o caminho na sua cabeça. Ninguém nota porque o GPS está sempre lá. Isso é deskilling em quem já sabia ler o mapa, mas em quem só conheceu o GPS é a ausência de uma capacidade que nunca chegou a se formar.
Tem uma distinção importante entre amplificação cognitiva e delegação cognitiva. Usar IA para processar um volume de dados que seria impossível processar manualmente é amplificação. A capacidade humana expande. Usar IA para não ter que pensar em algo que você seria capaz de pensar, mas que dá mais trabalho, é delegação. Aí a capacidade humana se contrai.
A curiosidade que te fazia estudar e aprender se acomodou com a ideia de ter alguém que faça por você.
O problema é que os dois processos parecem idênticos para quem está fazendo. Nos dois casos, você termina a tarefa mais rápido e, nos dois casos, o resultado imediato é bom. A diferença aparece quando você não tem a ferramenta, ou quando a tarefa exige um julgamento que a IA não consegue fazer e você percebe que não consegue mais fazer sozinho. A curiosidade que te fazia estudar e aprender se acomodou com a ideia de ter alguém que faça por você.
Agora mude o foco do trabalhador para a empresa e olhe o dado mais citado (e menos entendido) do mercado corporativo de IA. O MIT documentou, no projeto NANDA, que 95% das organizações não obtêm retorno mensurável dos próprios investimentos em IA generativa. A leitura padrão é que falta maturidade de implementação: treinamento, integração, caso de uso. Pode até ser.
Mas junte esse número aos estudos lá de cima e uma leitura inconveniente fica mais clara. As empresas estão comprando amplificação e, sem perceber, instalando delegação. Pagam para o time produzir mais e recebem, aos poucos, um time que produz menos sem a ferramenta. A conta do ROI está incompleta: mede o que a IA entrega por semana e ignora o que ela vai desinstalando das pessoas enquanto entrega. Um ativo se valorizando na planilha e depreciando na cadeira. Sem falar naquela modinha do tokenmaxxing (gastar o máximo de tokens possível) que media a produtividade pelo consumo de tokens, e não pelos resultados reais do negócio. Há também o movimento oposto: superestimar a IA a ponto de demitir gente em nome dela e, depois, ter de recontratar para as mesmas posições, porque o que a ferramenta entrega ainda precisa de alguém qualificado para validar.
Isso ainda é território de pesquisa em construção. A maioria dos estudos disponíveis é recente, alguns são preprints ainda não revisados por pares, e o campo está se movendo rápido demais para qualquer conclusão definitiva. Mas já está claro que o risco de deskilling é real, documentado em múltiplos contextos, e que o mecanismo em que ele acontece faz sentido.
O que ainda não existe são respostas consolidadas sobre quanto tempo de exposição gera esse deskilling mensurável, quais tipos de tarefa são mais vulneráveis e se o processo é reversível ou não. Estamos no começo de uma discussão que talvez dure décadas.
O irônico é que o discurso predominante sobre IA no mercado de trabalho ainda é sobre substituição de empregos. A pergunta que todo mundo faz é: “a IA vai fazer meu trabalho?” A pergunta que poucos estão fazendo é diferente: “depois de usar IA por dois anos, ainda vou conseguir fazer meu trabalho sem ela?”
Eu uso IA todos os dias, e a resposta que parece óbvia (usar menos) resolve o problema errado. A distinção real fica entre amplificar e delegar, e ela é decidida caso a caso, tarefa a tarefa, de preferência antes de a ferramenta virar reflexo, enquanto ainda é uma escolha. O que não dá mais é para fingir que a segunda pergunta não existe.
Para o meu próprio trabalho, aliás, eu ainda não sei a resposta. E é exatamente por isso que ela não sai da minha cabeça. Até porque tem perguntas sobre “o que é o meu trabalho?” que logo, logo vão começar a aparecer em todo e qualquer cargo generalista.
Daniel Sollero escreve sobre tecnologia, comportamento e cultura. Publica no Medium (medium.com/@dsollero).
Fontes
Budzyń, K. et al. (2025). “Endoscopist deskilling risk after exposure to artificial intelligence in colonoscopy: a multicentre, observational study”. The Lancet Gastroenterology & Hepatology, vol. 10, p. 896-903. https://doi.org/10.1016/S2468-1253(25)00133-5
Braverman, H. (1974). “Labor and Monopoly Capital: The Degradation of Work in the Twentieth Century”. Monthly Review Press, Nova York.
Lee, H.-P., Sarkar, A., Tankelevitch, L., Drosos, I., Rintel, S., Banks, R. e Wilson, N. (2025). “The Impact of Generative AI on Critical Thinking: Self-Reported Reductions in Cognitive Effort and Confidence Effects From a Survey of Knowledge Workers”. Proceedings of the 2025 CHI Conference on Human Factors in Computing Systems. https://doi.org/10.1145/3706598.3713778
Bainbridge, L. (1983). “Ironies of automation”. Em Analysis, Design and Evaluation of Man–Machine Systems. Elsevier, p. 129-135.
Liu, G., Christian, B., Dumbalska, T., Bakker, M. A. e Dubey, R. (2026). “AI Assistance Reduces Persistence and Hurts Independent Performance”. arXiv:2604.04721, 6 de abril de 2026. Preprint. https://arxiv.org/abs/2604.04721
MIT Media Lab, Projeto NANDA (2025). “The GenAI Divide: State of AI in Business 2025”. Julho de 2025.