Bolha AI

Os debates sobre se a inteligência artificial é ou não uma bolha especulativa capturam apenas uma dimensão superficial do fenômeno. A questão mais consequente não é a avaliação financeira, mas o efeito que a adoção da IA exerce sobre a capacidade produtiva real. Um ativo pode evitar a inflação típica de bolhas de mercado e, ainda assim, gerar outro tipo de bolha: o esvaziamento das competências humanas, mascarado por uma aparência de produtividade sintética. Tratar a IA como “inofensiva” apenas porque talvez não esteja sobrevalorizada nos mercados é ignorar a transformação estrutural que se desenrola de forma silenciosa.

Uma avaliação rigorosa exige distinguir dois modelos amplos de integração tecnológica. O primeiro é o modelo de substituição, no qual a IA é aplicada como substituta da competência humana, reduzindo a necessidade de formação e permitindo que organizações mantenham a aparência de produtividade sem cultivar as capacidades reais que essa produtividade requer. O segundo é o modelo de aprimoramento, no qual a IA funciona como multiplicador da força de trabalho treinada, ampliando o alcance e a precisão do trabalho humano, mas nunca funcionando como um substituto independente do juízo humano.

Esses modelos correspondem a duas orientações filosóficas diante da tecnologia. O modelo de substituição expressa um impulso pós-humanista: a crença de que a inteligência pode ser externalizada em máquinas, que as limitações humanas podem ser contornadas sem serem fortalecidas e que o trabalhador se torna supérfluo quando a máquina consegue imitar a forma externa do raciocínio humano. O modelo de aprimoramento reflete uma orientação humanista-desenvolvimental: o reconhecimento de que ferramentas ampliam a capacidade humana apenas quando o usuário traz disciplina, compreensão e habilidade ao processo. Nesta perspectiva, a IA não substitui o trabalhador; é um instrumento cujo uso eficaz requer mais — não menos — competência humana.

A divergência entre esses modelos já se manifesta em práticas organizacionais. Em muitas empresas ocidentais, a adoção da IA é usada para compensar sistemas de formação cronicamente subfinanciados, canais de especialização em declínio e estruturas de conhecimento cada vez mais frágeis. Tenho observado empresas substituir a produção humana por saídas de IA em tarefas que antes exigiam anos de disciplina, e tenho ensinado em ambientes corporativos onde explicar as limitações dos sistemas adotados é discretamente desencorajado, pois isso contradiz a narrativa desejada de salvação tecnológica. Por contraste, em instituições alinhadas ao modelo de aprimoramento, estudantes e profissionais interrogam modos de falha, condições de fronteira e limitações práticas. A tecnologia não é assumida como capaz; é estudada, testada e controlada por humanos que já dominam profundamente o domínio em questão.

Essa divergência produzirá consequências de longo prazo. A substituição gera uma expansão ilusória da capacidade produtiva: fluxos de trabalho parecem mais rápidos e eficientes, mas o capital humano subjacente se deteriora. O que parece ganho de competência costuma ser apenas texto gerado por IA mascarando um reservatório de expertise cada vez menor. O aprimoramento, ao contrário, aprofunda o capital humano. Ele incorpora a IA em estruturas de competência já existentes, criando sistemas mais adaptáveis, resilientes e capazes de verdadeira inovação.

A interpretação equivocada do desempenho da IA em exames profissionais ilustra essa diferença com clareza. Muito se celebra o fato de modelos de IA “passarem” exames da advocacia, de conselhos médicos ou de outras certificações profissionais. A suposição implícita é que o desempenho em exame comprova competência profissional. Mas isso ignora o desenho fundamental desses exames: eles medem variações dentro do universo humano, não o conjunto total de capacidades necessárias à profissão. Eles pressupõem a humanidade do candidato — sensorialidade encarnada, agência ética, responsabilidade social, capacidade física de atuar no mundo e o substrato cognitivo da experiência vivida.

Quando um médico humano faz uma prova, não está sendo examinado quanto à sua capacidade de perceber o sofrimento de um paciente, assumir a responsabilidade por decisões irreversíveis ou agir fisicamente em um contexto clínico; tais capacidades são pressupostas. Um modelo de IA pode responder às questões, mas não possui os requisitos biológicos, éticos e jurídicos que constituem a profissão. Tomar o desempenho no exame como evidência de equivalência é um erro de categoria: o exame jamais foi projetado para testar habilidades humanas fundamentais que são universais entre pessoas e inexistentes na IA.

Esse equívoco alimenta o modelo de substituição. Se o desempenho da IA em exames é interpretado como prova de competência, organizações são incentivadas a substituir — e não a ampliar — o trabalho especializado. O resultado é uma bolha de competências: uma dependência crescente do raciocínio automatizado construída sobre uma base humana em erosão. Quando essa bolha estourar — quando instituições perceberem que já não possuem a expertise interna necessária para validar, corrigir ou orientar os sistemas dos quais dependem — o custo será elevado.

Tal ruptura torna-se particularmente provável quando outras regiões atingirem paridade no acesso a ferramentas de IA. Quando modelos e arquiteturas equivalentes estiverem amplamente disponíveis, o fator diferenciador deixará de ser a tecnologia e passará a ser a força do capital humano que a sustenta. Regiões e instituições alinhadas ao modelo de aprimoramento — aquelas com disciplina formativa, pedagogia rigorosa e compreensão clara dos limites da IA — estarão posicionadas para avançar fronteiras tecnológicas. Aqueles que adotaram a substituição encontrarão ferramentas que já não compreendem e competências que deixaram deteriorar.

No fim, a IA não dispensa os humanos do fardo da competência. Ela amplifica os pontos fortes ou fracos já existentes na força de trabalho. A questão não é se a IA pode substituir a inteligência humana, mas se as instituições a tratam como um atalho em detrimento do desenvolvimento dessa inteligência ou como um instrumento que a amplia. Essa diferença não é cosmética; ela determina se a IA se tornará fundamento de produtividade de longo prazo ou catalisador de decadência sistêmica.