A máquina que aprendeu a clicar e o humano que ainda está no mesmo cérebro

A inteligência artificial pública que a maioria das pessoas conhece tem menos de quatro anos. Em 30 de novembro de 2022, a OpenAI liberou o ChatGPT como uma pesquisa prévia gratuita. Cinco dias depois, havia mais de um milhão de usuários registrados. Em setembro de 2026, a empresa informou que o produto chegava a 1,2 bilhão de pessoas por semana.

A velocidade não aparece só nos números da empresa. Em agosto de 2025, uma pesquisa do Federal Reserve Bank of St. Louis estimou que 54,6% dos adultos de 18 a 64 anos nos Estados Unidos já tinham usado IA generativa. Em estágios temporais comparáveis, a adoção medida para o computador pessoal era de 19,7%; para a internet, 30,1%. As medidas não representam o mundo inteiro, mas mostram o tamanho da aceleração num país em que as três tecnologias foram acompanhadas.

Nesse intervalo, também mudou o que a ferramenta fazia. Em 2022, o produto público conversava. Em junho de 2023, modelos já podiam selecionar funções descritas por desenvolvedores e produzir argumentos para chamar sistemas externos. Em outubro de 2024, a Anthropic apresentou em beta o Computer Use: Claude podia observar uma tela, mover o cursor, clicar e digitar. Em janeiro de 2025, a OpenAI lançou o Operator, que operava um navegador próprio. Meses depois, essa capacidade entrou no agente do ChatGPT.

Cada lançamento tinha limitações, erros e necessidade de supervisão. Ainda assim, a mudança de categoria aconteceu: o sistema deixou de apenas descrever uma ação e passou a agir sobre a mesma interface usada pela pessoa.

Foram pouco mais de dois anos entre o chat público e um agente público capaz de enxergar botões e clicar neles.

O outro lado da tela

A pergunta desta pesquisa não é se a máquina está evoluindo rápido. Isso já está visível. A pergunta é o que acontece com a pessoa quando a execução acelera mais do que sua capacidade de compreender, julgar e retomar o controle.

Os estudos não entregam uma resposta simples. Uma meta-análise de 2026 encontrou, em média, melhora de pensamento crítico em experiências educacionais apoiadas por IA generativa. Encontrou também grande variação: conforme a tarefa, o desenho da atividade e o modo de usar a ferramenta, os resultados podiam seguir em direções diferentes. Outra revisão, dedicada à educação em STEM, chegou à mesma pergunta prática: como a IA ajuda, para quem e em quais condições?

Essa diferença de condição importa. Em três experimentos aleatorizados com 1.222 participantes, o acesso a respostas de IA melhorou o desempenho enquanto a ajuda estava disponível. Quando ela foi retirada, o grupo que havia recebido assistência teve desempenho independente pior em problemas de fração e compreensão de leitura. A tendência de desistir apareceu em parte dos experimentos, mas não com a mesma força em todos. O achado mais seguro não é que dez minutos de IA deixam alguém menos persistente para sempre. É que uma ajuda desenhada para entregar a resposta pode melhorar o agora e piorar a transição para o momento em que a pessoa volta a trabalhar sozinha.

Um estudo do MIT Media Lab observou outra parte do problema numa tarefa específica: escrever ensaios. Entre os 54 participantes das primeiras sessões, o grupo que usou ChatGPT apresentou redes de conectividade medidas por EEG menos distribuídas do que os grupos que usaram busca ou trabalharam sem ferramenta. Também teve mais dificuldade para citar o próprio texto. A amostra era pequena, só 18 pessoas chegaram à sessão de troca de condições, e redação de ensaio não representa todo uso de IA. O estudo não demonstra que a tecnologia está “diminuindo o cérebro”. Mostra que delegar partes de uma tarefa muda a maneira como a pessoa participa dela.

Isso explica por que o debate não cabe em “usar” ou “não usar”. Uma ferramenta pode ampliar capacidade, ensinar um processo, manter contexto e permitir que uma pessoa faça o que antes não conseguia. A mesma ferramenta, usada apenas como máquina de resposta, pode retirar justamente o pedaço da tarefa em que haveria aprendizado.

Duzentos agentes ou uma parceria

Existe uma visão de futuro em que a resposta para essa aceleração é multiplicar agentes. Um agente pesquisa. Outro escreve. Outro programa. Outro revisa. Duzentos processos atravessam uma lista de tarefas e entregam resultados cada vez mais depressa.

Isso pode produzir volume. Não garante parceria.

Uma parceria exige continuidade suficiente para que os dois lados aprendam a trabalhar juntos. A pessoa não precisa repetir sua história, seu modo de pensar e suas necessidades a cada nova tarefa. O agente não aparece como uma peça descartável que recebe uma ordem, produz um arquivo e some. Ele acompanha várias frentes, preserva decisões, reconhece correções e entende quando deve agir, quando deve explicar e quando o julgamento continua pertencendo à pessoa.

Nesse desenho, o humano também trabalha. Não porque precise provar que ainda é mais inteligente que a ferramenta, mas porque colaboração não acontece quando um lado abandona o processo. Ele traz experiência, intenção, memória vivida, responsabilidade e capacidade de perceber consequências que não cabem numa métrica de execução. A máquina traz velocidade, escala de leitura, simulação e força operacional. A qualidade nasce do vínculo de trabalho entre capacidades diferentes.

O contraste é importante: substituir uma pessoa por uma fila de agentes não é o mesmo que ampliar uma pessoa com um agente poderoso. No primeiro caso, o sistema otimiza passagem de tarefas. No segundo, os dois constroem uma linguagem comum e melhoram a forma de decidir.

A evolução que ainda está em aberto

Um artigo publicado pela PNAS em 2025 perguntou se humanos e sistemas de IA poderiam, no limite, formar um novo “indivíduo evolutivo”. A proposta é uma hipótese, não a descrição do presente. O texto identifica condições que poderiam aumentar a integração: dependência funcional, ciclos de feedback e instituições que favorecem quem consegue delegar e coordenar melhor com sistemas artificiais.

Não precisamos chegar a esse cenário para perceber uma mudança mais próxima. Pessoas já produzem dados que alteram sistemas; sistemas já alteram linguagem, expectativa, ritmo e hábito das pessoas. A tecnologia pode receber uma versão nova em meses. O cérebro humano, o vínculo social e as instituições não recebem.

Por isso, a colaboração não pode ser medida apenas pela quantidade de tarefas concluídas. Ela precisa preservar a capacidade de a pessoa entender o caminho, corrigir o agente, discordar, assumir novamente uma etapa e crescer dentro do trabalho que os dois realizam.

A máquina aprendeu a clicar. O próximo avanço não precisa ser fazê-la clicar em mais janelas ao mesmo tempo. Pode ser construir uma relação em que ela reconheça com quem trabalha, carregue o contexto sem apagar a pessoa e use sua velocidade para ampliar um cérebro que continua humano.

O espaço entre os dois não precisa ser uma corrida. Pode ser uma equipe.