A IA não toma decisões piores. Faz sua empresa parar de aprender a decidir.

Um estudo de pesquisadores das universidades de Bath, Ohio State, Lausanne e Cardiff, publicado em 2026 na Academy of Management Review, uma das principais revistas acadêmicas de gestão do mundo, deu nome a um mecanismo específico: gestores que terceirizam raciocínio para IA generativa, sobretudo sob pressão de tempo, perdem capacidade de julgamento aos poucos. ^{[1] afirmação da fonte original}

Os pesquisadores chamam isso de “deskilling epistêmico”. O professor Dirk Lindebaum, líder do estudo, explica o mecanismo: “à medida que gestores terceirizam cada vez mais o próprio raciocínio para a Gen-IA, seja para gerar ideias ou quando surge um problema prático no trabalho, eles podem passar a depender menos do próprio julgamento. Com o tempo, isso pode reduzir a capacidade deles de aprender com a experiência, pensar criticamente e antecipar que ações são necessárias agora para cumprir metas futuras”. ^{[1] afirmação da fonte original}

Um relato anônimo e bastante compartilhado, num fórum de profissionais de tecnologia, ilustra o que isso parece por dentro, embora sem como confirmar os detalhes além do próprio texto: um funcionário descreve documentos internos da própria empresa mostrando os executivos usando IA para decidir literalmente tudo, direção da empresa, avaliação de concorrentes, contabilidade, planejamento de produto, marketing, projeções, leitura de feedback de cliente, convencidos de que estavam sendo geniais por fazer isso mais rápido que todo mundo. ^{[3] afirmação da fonte original}

O mecanismo que o estudo descreve em gestores já tinha sido identificado, formalmente, em outra categoria de profissional que também depende de julgamento treinado sob pressão: o piloto de avião. Em janeiro de 2013, a Federal Aviation Administration (FAA), a agência que regula a aviação civil americana, publicou o SAFO 13002, sobre operações de voo manual. ^{[2] afirmação da fonte original}

A explicação da FAA é quase a mesma do estudo sobre gestores, troque “voar manualmente” por “julgar sem assistência”: “o uso contínuo desses sistemas não reforça o conhecimento e a habilidade do piloto (...) e pode levar à degradação da capacidade do piloto de recuperar rapidamente a aeronave de um estado indesejado”. ^{[2] afirmação da fonte original}

A resposta da FAA não foi proibir o piloto automático, que tornou o voo mais seguro. Foi exigir prática manual programada, dentro da operação normal. Em 2017, foi além: colocou manobras manuais específicas no currículo obrigatório de treinamento das companhias aéreas americanas, com a filosofia resumida numa frase: “o voo manual é a base sobre a qual as demais habilidades técnicas de pilotagem são construídas”. ^{[2] afirmação da fonte original}

Vale a nuance antes de qualquer receita simples. Os próprios autores do estudo descrevem um efeito oposto ao deskilling, que chamam de “upskilling epistêmico”: gestores podem usar respostas de IA para desafiar as próprias suposições, explorar cenários alternativos e testar o raciocínio por trás das próprias decisões, em vez de aceitar a resposta pronta. ^{[1] afirmação da fonte original}

A diferença entre os dois efeitos, segundo os autores, não está na ferramenta. Está no contexto de uso: o efeito benéfico é mais provável quando o gestor sabe que vai ter de explicar a decisão para alguém. Em ambientes onde as pessoas precisam justificar as próprias ações e o próprio raciocínio, a IA vira gatilho de reflexão mais profunda, em vez de substituto do julgamento. ^{[1] afirmação da fonte original}

1. 1

   Sem pressão de explicar a decisão: a IA responde, o gestor aceita.

   É o cenário de deskilling: a resposta parece boa o suficiente, e não há ninguém, nem processo, pedindo para justificar o raciocínio por trás dela.

2. 2

   Com a obrigação de explicar: a IA vira ponto de partida, não resposta final.

   O gestor precisa entender por que a IA respondeu aquilo, o que ela não conseguiu explicar bem, e se isso resiste à própria experiência: o exercício de julgamento acontece de qualquer forma.

3. 3

   A diferença entre os dois cenários é desenho organizacional, não a ferramenta.

   A mesma IA, no mesmo time, produz deskilling ou upskilling dependendo de quem, depois, vai ter de defender a decisão.

Se o estudo e o precedente da aviação valem, a tradução prática para quem lidera uma empresa não é restringir o uso de IA. É desenhar, de propósito, os momentos em que o julgamento de quem decide continua sendo exercitado, e não substituído.

1. 01

   Exija que decisões relevantes venham com a explicação de quem decidiu, não só a resposta da IA.

   Não é burocracia: é o gatilho que o próprio estudo identifica como o que transforma dependência em exercício de julgamento. “A IA sugeriu” nunca é a explicação completa.

2. 02

   Reserve decisões específicas para serem tomadas sem IA, de propósito.

   O equivalente às “manobras manuais” da aviação: uma categoria real de decisão, definida com antecedência, resolvida a partir da experiência de quem decide, não do que a IA sugeriria primeiro.

3. 03

   Dê a quem está começando a carreira de liderança a chance de errar sem IA primeiro.

   Julgamento se constrói decidindo, vendo o resultado, e ajustando. Se a primeira decisão de alguém já vem filtrada pela IA, a experiência que formaria o julgamento dessa pessoa nunca acontece.

Seis perguntas para quem lidera uma empresa, ou lidera um time dentro dela, sobre como o julgamento é exercitado, e não só sobre quanto a IA é usada.