“Meu ex era escroto. O seguinte também. E o outro depois, idem.” São quatro relacionamentos, ou seja, quatro experiências. Mas se você guarda todas com a mesma etiqueta, o “banco de dados” da sua cabeça só ganhou uma coluna útil: escroto.
Aí é que está o pulo do gato.
Ter vivido muita coisa não é a mesma coisa que tirar dessas vivências modelos que dá pra reaproveitar. Com o ChatGPT é igual. Se você entrega o trabalho todo e fica só com a resposta, é possível que pense menos. Mas se você continua perguntando “por quê?”, “que outra explicação existe?”, “o que provaria que estou errado?”, “o que dizem as pesquisas?” e “que informação mudaria minha conclusão?”, a IA deixa de pensar por você e vira um parceiro de treino para o seu raciocínio.
Uma revisão sistemática de 2026, que reuniu 67 estudos empíricos, aponta nessa direção. Quando o ChatGPT era usado de forma estruturada, com perguntas e reflexão no meio, ele tendia a ajudar o pensamento de nível mais alto. Quando a pessoa só aceitava a resposta que vinha, apareciam mais envolvimento superficial e o “deixa a IA pensar por mim”.[1]
1. Usar IA faz mesmo a gente pensar menos?
A resposta mais honesta: depende de como você usa.
Um estudo de 2025 analisou 319 profissionais que trabalham com conhecimento e 936 casos reais de uso de IA. Quanto mais as pessoas confiavam na IA, menos pensamento crítico diziam usar; quanto mais confiavam no próprio julgamento, mais conferiam as respostas. O pensamento crítico também foi se deslocando para definir objetivos, checar o que a IA entrega, juntar informações e supervisionar o resultado final.[2]
Então, se for assim:
Perguntar pra IA → aceitar a resposta → fim
é fácil acabar terceirizando o pensamento.
Mas se for assim:
Algo me incomodou
→ transformo em pergunta
→ levanto uma hipótese
→ peço pra IA hipóteses concorrentes
→ confiro pesquisas e fontes primárias
→ comparo com outros casos
→ corrijo o modelo
→ testo na vida real
→ ajusto de novo conforme o resultado
ainda sobra bastante trabalho pra você.
Você queria economizar esforço com a IA e, sem perceber, contratou um comitê de revisão por pares dentro da própria cabeça.
2. Por que “ele era escroto” não ensina quase nada?
“Escroto” desabafa, mas é grosso demais pra prever qualquer coisa.
Pessoa A = escroto
Pessoa B = escroto
Pessoa C = escroto
Pessoa D = escroto
Quatro experiências e quase nada que diferencie um caso do outro.
Em vez disso, guarde o que aconteceu, passo a passo:
Passa um limite pequeno
→ olha como você reage
→ para depois de ser avisado / continua
→ as exigências diminuem / aumentam
Demonstra muito carinho
→ o relacionamento se acomoda
→ o esforço volta ao normal / some de repente
Apontam um problema
→ explica a situação
→ tenta consertar / joga toda a culpa de volta
Um desses comportamentos sozinho não prova que a pessoa tem mau caráter fixo. Mal-entendido, cansaço, falta de habilidade ou um erro isolado podem parecer a mesma coisa.
O que vale a pena observar é em que condições aconteceu, se se repete, como a pessoa muda depois do feedback, quem sai ganhando e se há tentativa de reparar.
Não pule de “fez uma coisa ruim” para “é má pessoa”. Guarde o mecanismo, não o rótulo.
3. Será que o jeito de comparar as experiências pode valer mais do que a quantidade?
Às vezes, sim.
Num estudo clássico de Gick e Holyoak, quem explicou o que dois problemas de aparência bem diferente tinham em comum conseguiu aplicar melhor a solução de fundo num problema novo.[3]
Em treinamentos de negociação aconteceu algo parecido. Equipes que compararam dois casos pra achar a estrutura em comum usaram melhor uma estratégia-chave numa negociação nova do que equipes que estudaram os mesmos casos separadamente.[4]
Então, em vez de anotar:
Relacionamento A: péssimo
Relacionamento B: péssimo
Trabalho C: péssimo
experimente isto:
Relacionamento A: com os limites meio vagos, as exigências cresceram
Trabalho C: com os papéis meio vagos, as tarefas se acumularam
Estrutura em comum: quando os limites não estão definidos, a carga tende a cair num lado só
Mudam os personagens, mas o diagrama de ligações é o mesmo.
4. O que se treina perguntando “por quê?” e “o que provaria o contrário?” várias vezes?
Explicar pra si mesmo as causas e as relações se chama autoexplicação. Uma meta-análise de 64 relatórios de pesquisa e 69 tamanhos de efeito encontrou, em média, um benefício moderado no aprendizado quando se incentivava as pessoas a se explicarem.[5]
Outra meta-análise, com 122 experimentos e 10,382 participantes, olhou para a prática de buscar a informação na memória. Em comparação com só reler, essa prática se transferia melhor para material novo, em média, inclusive para perguntas de aplicação e de inferência.[6]
Por isso, perguntas como estas fazem mais do que esticar a conversa:
- O que de fato aconteceu?
- Por que eu interpretei desse jeito?
- Que outra causa combina com os fatos?
- Qual é o contraexemplo mais forte?
- Que informação nova mudaria minha conclusão?
- Já vi essa mesma estrutura em outro lugar?
Elas transformam uma experiência numa estrutura que dá pra buscar depois.
5. Como isso leva à sensação de “eu enxergo o que vem a seguir”?
Quando você tem modelos abstratos suficientes, não precisa começar do zero a cada situação nova.
Fato novo
→ comparo com os modelos A, B e C
→ estimo em que etapa estou
→ levanto uma hipótese do que vem depois
→ observo e atualizo
Isso não é adivinhação. É conseguir tirar uma primeira hipótese de uma biblioteca de padrões.
A grande armadilha é o viés de retrospectiva. Depois que o resultado saiu, dizer “eu sabia” não custa nada.
Se você quer mesmo testar sua capacidade de prever, anote antes do resultado:
Previsão: X vai acontecer em 2 semanas
Probabilidade: 70%
Motivo: A e B já foram vistos
O que provaria que estou errado: se C acontecer, reviso o modelo
Resultado: aconteceu / não aconteceu
Pesquisas de ciência da decisão sobre análise de inteligência também recomendam acompanhar com números o quanto as previsões acertam e quanta incerteza existe.[7]
Assim, o “sinto que sou bom em prever” vira algo que dá pra calibrar.
6. Se o ChatGPT é o seu cérebro externo, o que você deve manter com você?
A IA é ótima pro trabalho pesado e repetitivo: pesquisar, sugerir opções, comparar, defender o lado oposto, resumir e arrumar o formato.
O que vale a pena continuar fazendo você mesmo:
- O que te pareceu estranho
- Como você define o problema
- Em que evidência você confia
- O que provaria que o modelo está errado
- Com qual modelo você fica no fim
- O que você vai testar na vida real
- O que você joga fora depois de ver o resultado
Algumas perguntas úteis:
- Qual é o argumento mais forte contra essa hipótese?
- Que outra explicação de causa e efeito encaixa nos mesmos fatos?
- Se minha premissa estiver errada, onde é mais provável que esteja?
- O que dá pra conferir em fontes primárias?
- Será que estou confundindo correlação com causa?
- Que fato a mais mudaria a conclusão?
- Existem casos parecidos em outras áreas?
- O que esse modelo prevê que vai acontecer em seguida?
Se a única pergunta que você faz é “eu tô certo, né?”, a IA vira um bonequinho gigante de balançar a cabeça.
Seu cérebro externo precisa saber te contrariar, não ficar só concordando.
7. Por que transformar isso em artigo deixa o ciclo ainda mais forte?
Conversa some na rolagem. Artigo guarda a estrutura.
Experiência
→ pergunta
→ pesquisa
→ contraexemplo
→ estrutura em comum
→ regra prática
→ guardado
→ reaproveitado no próximo caso
Um artigo não é só algo que você publica. Ele funciona como um cache do pensamento que deu trabalho da primeira vez.
E quanto mais artigos você junta, mais vezes pensa: “Peraí, essa não é a mesma estrutura daquele outro problema?”
Não é só o conhecimento que cresce. As ligações entre uma coisa e outra que você sabe também crescem.
8. Afinal, do que é feito “ter bom olho”?
Não depende só de quantas pessoas, empregos ou crises você já enfrentou.
Um jeito aproximado de ver:
julgamento
≈ número de casos
× detalhe tirado de cada caso
× comparação entre casos
× tentativas de provar que você está errado
× checagem com a realidade
Se você guarda quatro pessoas como “escrotas”, pode acabar com escroto × 4 = um único dado.
Já se separar limites, jogar a culpa nos outros, reparação, se palavras e atitudes batem e como o comportamento muda conforme as condições, essas mesmas quatro experiências deixam vários modelos reaproveitáveis.
O valor real do ChatGPT não é só dar respostas mais rápido.
É que dá pra rodar esse ciclo mais depressa: levantar uma hipótese, atacar, reconstruir, levar pra outro caso e conferir com a realidade.
Não entregue o seu pensamento pra IA.
Só faça mais rodadas de pensamento.
Aí a IA deixa de ser um cérebro substituto e vira aquele colega de laboratório que fica devolvendo a bola e parece que nunca vai pra casa.
