{"id":7726,"date":"2026-06-27T10:00:36","date_gmt":"2026-06-27T10:00:36","guid":{"rendered":"https:\/\/www.usinadepesquisa.com\/?p=7726"},"modified":"2026-06-27T13:49:30","modified_gmt":"2026-06-27T13:49:30","slug":"o-vies-de-automacao-e-a-ilusao-do-controle-na-era-da-inteligencia-artificial","status":"publish","type":"post","link":"https:\/\/www.usinadepesquisa.com\/?p=7726","title":{"rendered":"O vi\u00e9s de automa\u00e7\u00e3o e a ilus\u00e3o do controle na era da intelig\u00eancia artificial"},"content":{"rendered":"
\n

O vi\u00e9s de automa\u00e7\u00e3o e a eros\u00e3o do julgamento cr\u00edtico humano na era da intelig\u00eancia artificial<\/span><\/h3>\n<\/blockquote>\n

 <\/p>\n

Aldemar Araujo Castro
\nCria\u00e7\u00e3o: 27\/06\/2026
\nAtualiza\u00e7\u00e3o: 27\/06\/2026
\nPalavras: 1590
\nTempo de leitura: 8 minutos<\/span><\/p>\n

Resumo<\/span><\/h2>\n

Este texto examina o vi\u00e9s de automa\u00e7\u00e3o, a tend\u00eancia humana de confiar em excesso nas recomenda\u00e7\u00f5es de sistemas inteligentes, e discute por que ele representa o risco mais relevante na ado\u00e7\u00e3o da intelig\u00eancia artificial. A partir de evid\u00eancias da pesquisa em fatores humanos e em apoio \u00e0 decis\u00e3o cl\u00ednica, distingue os erros de comiss\u00e3o e de omiss\u00e3o, desfaz a fal\u00e1cia do humano no controle, exp\u00f5e o paradoxo das explica\u00e7\u00f5es automatizadas e prop\u00f5e o caminho da supervis\u00e3o passiva para a parceria cognitiva. O leitor encontrar\u00e1 um argumento central: a intelig\u00eancia artificial complementa, n\u00e3o substitui o julgamento humano.<\/span><\/p>\n

Introdu\u00e7\u00e3o<\/span><\/h2>\n

A intelig\u00eancia artificial chegou \u00e0s rotinas profissionais acompanhada de uma promessa sedutora: decis\u00f5es mais r\u00e1pidas, diagn\u00f3sticos mais precisos e redu\u00e7\u00e3o dos erros humanos. Em hospitais, tribunais, cockpits e centrais de opera\u00e7\u00e3o, sistemas automatizados passaram a sugerir condutas, sinalizar anomalias e recomendar escolhas. A expectativa \u00e9 intuitiva. Se a m\u00e1quina processa mais dados do que qualquer pessoa e raramente se cansa, confiar nela pareceria a atitude mais racional.<\/span><\/p>\n

Essa confian\u00e7a, contudo, tem um custo silencioso. \u00c0 medida que delegamos tarefas cognitivas a sistemas inteligentes, delegamos tamb\u00e9m, sem perceber, parte do nosso julgamento cr\u00edtico. O risco mais relevante n\u00e3o est\u00e1 em a intelig\u00eancia artificial errar, pois toda tecnologia falha. O risco est\u00e1 em o ser humano aceitar a resposta automatizada sem a devida verifica\u00e7\u00e3o, mesmo quando disp\u00f5e de informa\u00e7\u00f5es em sentido contr\u00e1rio. \u00c9 nesse ponto que emerge o vi\u00e9s de automa\u00e7\u00e3o, uma das falhas mais estudadas na rela\u00e7\u00e3o entre pessoas e sistemas inteligentes.<\/span><\/p>\n

Este texto percorre o fen\u00f4meno em cinco movimentos. Primeiro define o vi\u00e9s de automa\u00e7\u00e3o e a sutil convers\u00e3o do operador em validador passivo. Em seguida examina os dois modos pelos quais ele produz erro, discute por que a presen\u00e7a formal de um humano n\u00e3o garante seguran\u00e7a, exp\u00f5e o paradoxo das explica\u00e7\u00f5es automatizadas e, por fim, prop\u00f5e a transi\u00e7\u00e3o da supervis\u00e3o passiva para a parceria cognitiva. O argumento de fundo \u00e9 simples de enunciar e dif\u00edcil de praticar: a intelig\u00eancia artificial complementa, n\u00e3o substitui.<\/span><\/p>\n

O que \u00e9 o vi\u00e9s de automa\u00e7\u00e3o<\/span><\/h2>\n

O <\/span>vi\u00e9s de automa\u00e7\u00e3o<\/b> designa a tend\u00eancia cognitiva de confiar de forma excessiva nas recomenda\u00e7\u00f5es de sistemas automatizados, aceitando suas sugest\u00f5es inclusive diante de evid\u00eancias contr\u00e1rias. Trata-se de um fen\u00f4meno consolidado na literatura de fatores humanos, que o descreve como resultado da intera\u00e7\u00e3o din\u00e2mica entre caracter\u00edsticas pessoais, situacionais e pr\u00f3prias da automa\u00e7\u00e3o (Parasuraman e Manzey, 2010). N\u00e3o \u00e9, portanto, sinal de incompet\u00eancia individual, mas um padr\u00e3o previs\u00edvel, que acomete tanto iniciantes quanto especialistas e n\u00e3o se resolve apenas com a pr\u00e1tica.<\/span><\/p>\n

Na rotina, o efeito \u00e9 uma invers\u00e3o discreta de pap\u00e9is. O profissional deixa de atuar como avaliador cr\u00edtico da informa\u00e7\u00e3o e passa a funcionar como <\/span>validador passivo<\/b> da decis\u00e3o automatizada. A m\u00e1quina aponta, o humano confirma. O sistema recomenda, o operador executa. O algoritmo classifica, e a pessoa apenas referenda. Cada um desses gestos parece inofensivo, mas o conjunto desloca a responsabilidade decis\u00f3ria sem que isso se torne vis\u00edvel.<\/span><\/p>\n

Esse deslocamento \u00e9 o que torna o fen\u00f4meno perigoso. Formalmente, o humano permanece no controle, pois \u00e9 dele a assinatura final. Operacionalmente, por\u00e9m, ele pode j\u00e1 ter cedido a parte mais importante da sua autonomia: a disposi\u00e7\u00e3o de questionar. Quando a confian\u00e7a se intensifica, o sistema automatizado deixa de ser um aux\u00edlio \u00e0 decis\u00e3o e passa a operar como \u00e1rbitro impl\u00edcito do julgamento, n\u00e3o por uma transfer\u00eancia formal de autoridade, mas pelo uso rotineiro.<\/span><\/p>\n

Errar pelo que sugere e pelo que silencia<\/span><\/h2>\n

O vi\u00e9s de automa\u00e7\u00e3o n\u00e3o produz um \u00fanico tipo de falha. Ele se manifesta por dois caminhos distintos, identificados em estudos cl\u00e1ssicos sobre apoio automatizado \u00e0 decis\u00e3o (Skitka et al., 1999). Compreender essa dupla natureza \u00e9 essencial, porque cada caminho exige uma defesa diferente.<\/span><\/p>\n

O primeiro \u00e9 o <\/span>erro de comiss\u00e3o<\/b>. Ocorre quando o operador age com base em uma recomenda\u00e7\u00e3o equivocada do sistema, sem confront\u00e1-la com as fontes alternativas dispon\u00edveis. Um exemplo eloquente vem da avia\u00e7\u00e3o simulada: diante de um alarme falso de inc\u00eandio em um motor, praticamente todos os pilotos desligaram a turbina, ainda que outros instrumentos n\u00e3o confirmassem o problema (Skitka et al., 1999). A sugest\u00e3o da m\u00e1quina prevaleceu sobre a leitura cr\u00edtica do conjunto.<\/span><\/p>\n

O segundo \u00e9 o <\/span>erro de omiss\u00e3o<\/b>. Acontece quando o humano deixa de agir porque o sistema n\u00e3o emitiu nenhum alerta. A aus\u00eancia de aviso \u00e9 interpretada como aus\u00eancia de problema, num racioc\u00ednio t\u00e1cito e arriscado: se houvesse algo errado, a m\u00e1quina teria detectado. Essa presun\u00e7\u00e3o reduz a vigil\u00e2ncia e atrasa interven\u00e7\u00f5es necess\u00e1rias. No contexto cl\u00ednico, uma revis\u00e3o sistem\u00e1tica mostrou que os sistemas de apoio \u00e0 decis\u00e3o melhoram o desempenho m\u00e9dio, mas introduzem novos erros quando o profissional segue conselhos incorretos ou deixa de corrigir omiss\u00f5es do sistema, com casos em que respostas certas foram trocadas por erradas ap\u00f3s a recomenda\u00e7\u00e3o automatizada (Goddard et al., 2012). A pr\u00f3pria ferramenta criada para reduzir o erro pode, assim, gerar uma categoria nova de engano.<\/span><\/p>\n

A fal\u00e1cia do humano no controle<\/span><\/h2>\n

Diante desses riscos, uma resposta recorrente soa tranquilizadora: haver\u00e1 sempre um humano supervisionando o sistema. A afirma\u00e7\u00e3o \u00e9 correta no plano formal e insuficiente no plano operacional. Supervisionar n\u00e3o \u00e9 o mesmo que compreender, e estar no fluxo decis\u00f3rio n\u00e3o significa estar cognitivamente engajado. Quando o papel humano se reduz a aprovar decis\u00f5es j\u00e1 formuladas pela m\u00e1quina, o conceito de humano no controle se converte em fal\u00e1cia.<\/span><\/p>\n

A pesquisa em fatores humanos descreve aqui um paradoxo da automa\u00e7\u00e3o: quanto mais aut\u00f4nomo, confi\u00e1vel e robusto se torna um sistema, menor tende a ser a <\/span>consci\u00eancia situacional<\/b> do operador e menor a sua capacidade de retomar o controle manual quando isso se faz necess\u00e1rio (Endsley, 2017). Quem passa longos per\u00edodos apenas observando um sistema que raramente falha sai do ciclo ativo de decis\u00e3o, perde contexto e sensibilidade operacional, e demora a reagir quando ocorre a falha s\u00fabita.<\/span><\/p>\n

A esse afastamento somam-se outros dois fatores. A <\/span>fadiga cognitiva<\/b> corr\u00f3i a vigil\u00e2ncia, pois monitorar sistemas que quase nunca erram \u00e9 tarefa mentalmente desgastante e pouco estimulante, que reduz a capacidade de detectar sinais sutis. E h\u00e1 a <\/span>aprova\u00e7\u00e3o cega<\/b>, tamb\u00e9m chamada de rubber-stamping, em que a m\u00e1quina decide e o humano apenas confirma. A supervis\u00e3o vira formalidade, e a decis\u00e3o automatizada \u00e9 aceita n\u00e3o porque foi avaliada, mas porque parece tecnicamente autorizada. Nos tr\u00eas casos, a presen\u00e7a do humano persiste como apar\u00eancia, enquanto a fun\u00e7\u00e3o cr\u00edtica se dissolve.<\/span><\/p>\n

O paradoxo da intelig\u00eancia artificial explic\u00e1vel<\/span><\/h2>\n

Uma solu\u00e7\u00e3o frequentemente proposta para esses problemas \u00e9 tornar os sistemas mais transparentes por meio da <\/span>intelig\u00eancia artificial explic\u00e1vel<\/b>, conhecida pela sigla XAI. A intui\u00e7\u00e3o \u00e9 razo\u00e1vel: se o sistema justifica suas recomenda\u00e7\u00f5es, o operador teria condi\u00e7\u00f5es de avali\u00e1-las melhor. As explica\u00e7\u00f5es importam, mas n\u00e3o eliminam, por si s\u00f3s, o vi\u00e9s de automa\u00e7\u00e3o. Aqui reside um paradoxo desconfort\u00e1vel.<\/span><\/p>\n

Explica\u00e7\u00f5es demasiado simples podem aumentar a <\/span>confian\u00e7a indevida<\/b> na m\u00e1quina, inclusive quando ela erra. O usu\u00e1rio recebe uma justificativa aparentemente clara, acredita ter compreendido a decis\u00e3o e baixa a guarda. A clareza superficial produz uma falsa sensa\u00e7\u00e3o de seguran\u00e7a. No extremo oposto, explica\u00e7\u00f5es demasiado complexas geram sobrecarga cognitiva, e o operador, submerso em detalhes t\u00e9cnicos, perde a capacidade de avaliar criticamente o que lhe \u00e9 apresentado. Em ambos os casos, a transpar\u00eancia mal desenhada pode agravar o problema que pretendia resolver.<\/span><\/p>\n

H\u00e1, contudo, um caminho promissor. Estudos sobre tomada de decis\u00e3o assistida por intelig\u00eancia artificial mostram que <\/span>fun\u00e7\u00f5es de for\u00e7amento cognitivo<\/b>, isto \u00e9, interven\u00e7\u00f5es que exigem do usu\u00e1rio um momento deliberado de reflex\u00e3o antes de aceitar a sugest\u00e3o, reduzem a confian\u00e7a indevida e melhoram o desempenho, ainda que ao custo de maior esfor\u00e7o e de alguma resist\u00eancia por parte dos usu\u00e1rios (Bu\u00e7inca et al., 2021). A li\u00e7\u00e3o \u00e9 precisa: explicar n\u00e3o basta. \u00c9 preciso desenhar a intera\u00e7\u00e3o de modo que o humano seja levado a questionar, verificar e decidir, e n\u00e3o apenas a concordar.<\/span><\/p>\n

Da supervis\u00e3o passiva \u00e0 parceria cognitiva<\/span><\/h2>\n

O desafio, ent\u00e3o, n\u00e3o \u00e9 manter o humano como mero fiscal da intelig\u00eancia artificial, mas construir uma colabora\u00e7\u00e3o efetiva entre intelig\u00eancias. No modelo tradicional, a rela\u00e7\u00e3o \u00e9 de operador e ferramenta: a pessoa monitora passivamente e reage quando algo d\u00e1 errado. Esse arranjo funciona mal justamente nos ambientes em que o erro \u00e9 raro, sutil ou dif\u00edcil de perceber. O modelo mais adequado \u00e9 o da parceria, em que o sistema comunica incertezas e limites, e o humano interpreta, compara, contesta e decide.<\/span><\/p>\n

Essa colabora\u00e7\u00e3o n\u00e3o nasce da confian\u00e7a cega, e sim da <\/span>desconfian\u00e7a institucionalizada<\/b>. N\u00e3o se trata de rejeitar a intelig\u00eancia artificial, mas de projetar todo sistema cr\u00edtico assumindo que ela pode falhar, por erro t\u00e9cnico, por interpreta\u00e7\u00e3o equivocada ou por aceita\u00e7\u00e3o passiva do operador. A desconfian\u00e7a estruturada transforma o questionamento em rotina e impede que a revis\u00e3o humana seja apenas simb\u00f3lica. Nesse desenho, discordar da m\u00e1quina n\u00e3o \u00e9 resist\u00eancia ao progresso, e sim parte integrante da seguran\u00e7a.<\/span><\/p>\n

Para que isso ocorra, as organiza\u00e7\u00f5es precisam criar condi\u00e7\u00f5es reais de exerc\u00edcio do julgamento. Tr\u00eas medidas se destacam. A primeira \u00e9 o <\/span>design friccional<\/b>, que introduz atritos deliberados em decis\u00f5es sens\u00edveis, como pedidos de confirma\u00e7\u00e3o, exig\u00eancia de justificativa ou compara\u00e7\u00e3o com fontes independentes, em conson\u00e2ncia com as fun\u00e7\u00f5es de for\u00e7amento cognitivo j\u00e1 mencionadas (Bu\u00e7inca et al., 2021). A segunda \u00e9 a <\/span>auditoria cont\u00ednua<\/b>, que pode incluir falhas simuladas inseridas na rotina para verificar se o operador permanece vigilante, preservando a aten\u00e7\u00e3o diante de sistemas aparentemente infal\u00edveis, cuja raiz atencional est\u00e1 bem documentada (Parasuraman e Manzey, 2010). A terceira \u00e9 o <\/span>treinamento voltado \u00e0 exce\u00e7\u00e3o<\/b>, que capacita o profissional n\u00e3o apenas a operar quando tudo funciona, mas a julgar, detectar inconsist\u00eancias e intervir quando o sistema falha. Acima de tudo, \u00e9 necess\u00e1rio garantir tempo e carga cognitiva adequados, pois a supervis\u00e3o apressada degenera com facilidade em aprova\u00e7\u00e3o autom\u00e1tica.<\/span><\/p>\n

Considera\u00e7\u00f5es finais<\/span><\/h2>\n

O verdadeiro desafio da era da intelig\u00eancia artificial n\u00e3o \u00e9 construir m\u00e1quinas perfeitamente inteligentes, e sim projetar sistemas em que pessoas e algoritmos colaborem de forma consciente, cr\u00edtica e questionadora. A supervis\u00e3o humana s\u00f3 \u00e9 segura quando o humano disp\u00f5e de condi\u00e7\u00f5es reais para compreender, discordar, verificar e intervir. Sem essas condi\u00e7\u00f5es, o humano no controle permanece como uma reconfortante apar\u00eancia de seguran\u00e7a, enquanto a responsabilidade cr\u00edtica se esvazia por dentro.<\/span><\/p>\n

Para o pesquisador, o cl\u00ednico e o jurista, a implica\u00e7\u00e3o \u00e9 direta e exigente. A intelig\u00eancia artificial pode ampliar enormemente a nossa capacidade de decidir, desde que n\u00e3o terceirizemos o julgamento que nos cabe. Compete a cada profissional, e \u00e0s institui\u00e7\u00f5es que os formam e empregam, cultivar a desconfian\u00e7a produtiva que mant\u00e9m o pensamento ativo diante da resposta pronta. A meta n\u00e3o \u00e9 confiar menos na m\u00e1quina nem confiar mais, mas confiar de modo calibrado, convertendo a rela\u00e7\u00e3o com a tecnologia em uma aut\u00eantica parceria cognitiva.<\/span><\/p>\n

Fontes<\/span><\/h2>\n
    \n
  1. <\/b> Parasuraman R, Manzey DH. Complacency and bias in human use of automation: an attentional integration. Hum Factors. 2010;52(3):381-410. DOI: <\/span>https:\/\/doi.org\/10.1177\/0018720810376055<\/span><\/a> Dispon\u00edvel em: <\/span>https:\/\/journals.sagepub.com\/doi\/10.1177\/0018720810376055<\/span><\/a>
    \nComent\u00e1rio: Artigo de refer\u00eancia que integra, em um \u00fanico modelo te\u00f3rico, a complac\u00eancia e o vi\u00e9s de automa\u00e7\u00e3o, antes tratados separadamente. Demonstra que ambos derivam da aloca\u00e7\u00e3o de aten\u00e7\u00e3o sob carga de m\u00faltiplas tarefas e que afetam tanto novatos quanto especialistas. Sustenta, neste texto, a defini\u00e7\u00e3o do fen\u00f4meno e a fundamenta\u00e7\u00e3o da auditoria cont\u00ednua como medida de mitiga\u00e7\u00e3o.<\/span><\/i><\/li>\n<\/ol>\n

     <\/p>\n

      \n
    1. <\/b> Goddard K, Roudsari A, Wyatt JC. Automation bias: a systematic review of frequency, effect mediators, and mitigators. J Am Med Inform Assoc. 2012;19(1):121-127. DOI: <\/span>https:\/\/doi.org\/10.1136\/amiajnl-2011-000089<\/span><\/a> Dispon\u00edvel em: <\/span>https:\/\/academic.oup.com\/jamia\/article-abstract\/19\/1\/121\/732254<\/span><\/a>
      \nComent\u00e1rio: Revis\u00e3o sistem\u00e1tica voltada \u00e0 sa\u00fade que re\u00fane a evid\u00eancia sobre o vi\u00e9s de automa\u00e7\u00e3o em sistemas de apoio \u00e0 decis\u00e3o cl\u00ednica. Mostra que tais sistemas melhoram o desempenho m\u00e9dio, mas introduzem erros n\u00e3o reconhecidos quando o profissional segue conselhos incorretos. Ancora, neste texto, a discuss\u00e3o dos erros de comiss\u00e3o e omiss\u00e3o no ambiente cl\u00ednico.<\/span><\/i><\/li>\n<\/ol>\n

       <\/p>\n

        \n
      1. <\/b> Skitka LJ, Mosier KL, Burdick M. Does automation bias decision-making? Int J Hum Comput Stud. 1999;51(5):991-1006. DOI: <\/span>https:\/\/doi.org\/10.1006\/ijhc.1999.0252<\/span><\/a> Dispon\u00edvel em: <\/span>https:\/\/dl.acm.org\/doi\/abs\/10.1006\/ijhc.1999.0252<\/span><\/a>
        \nComent\u00e1rio: Estudo experimental seminal que comparou taxas de erro em tarefa de voo simulada, com e sem aux\u00edlio automatizado. Identificou empiricamente os erros de comiss\u00e3o e de omiss\u00e3o e documentou a elevada taxa de aceita\u00e7\u00e3o de sugest\u00f5es equivocadas. Fornece, neste texto, a base conceitual e o exemplo do alarme falso de inc\u00eandio.<\/span><\/i><\/li>\n<\/ol>\n

         <\/p>\n

          \n
        1. <\/b> Endsley MR. From here to autonomy: lessons learned from human-automation research. Hum Factors. 2017;59(1):5-27. DOI: <\/span>https:\/\/doi.org\/10.1177\/0018720816681350<\/span><\/a> Dispon\u00edvel em: <\/span>https:\/\/journals.sagepub.com\/doi\/10.1177\/0018720816681350<\/span><\/a>
          \nComent\u00e1rio: S\u00edntese de d\u00e9cadas de pesquisa que formula o paradoxo da automa\u00e7\u00e3o: maior autonomia e confiabilidade do sistema acompanham menor consci\u00eancia situacional do operador e menor capacidade de retomada do controle. Sustenta, neste texto, a cr\u00edtica \u00e0 fal\u00e1cia do humano no controle e o problema do operador fora do ciclo.<\/span><\/i><\/li>\n
        2. <\/b> Bu\u00e7inca Z, Malaya MB, Gajos KZ. To trust or to think: cognitive forcing functions can reduce overreliance on AI in AI-assisted decision-making. Proc ACM Hum-Comput Interact. 2021;5(CSCW1):Article 188, 1-21. DOI: <\/span>https:\/\/doi.org\/10.1145\/3449287<\/span><\/a> Dispon\u00edvel em: <\/span>https:\/\/dl.acm.org\/doi\/10.1145\/3449287<\/span><\/a>
          \nComent\u00e1rio: Investiga\u00e7\u00e3o experimental que testa fun\u00e7\u00f5es de for\u00e7amento cognitivo como estrat\u00e9gia para reduzir a confian\u00e7a indevida em recomenda\u00e7\u00f5es automatizadas. Evidencia que explica\u00e7\u00f5es nem sempre bastam e que atritos deliberados melhoram o desempenho, embora exijam mais esfor\u00e7o. Fundamenta, neste texto, o paradoxo da explicabilidade e a proposta de design friccional.<\/span><\/i><\/li>\n<\/ol>\n

          Pontos para Recordar<\/span><\/h2>\n
            \n
          1. O vi\u00e9s de automa\u00e7\u00e3o \u00e9 a tend\u00eancia de confiar em excesso nas recomenda\u00e7\u00f5es de sistemas automatizados, aceitando-as mesmo diante de evid\u00eancias contr\u00e1rias.<\/span><\/li>\n
          2. Sob o vi\u00e9s de automa\u00e7\u00e3o, o profissional deixa de ser avaliador cr\u00edtico da informa\u00e7\u00e3o e passa a validador passivo da decis\u00e3o da m\u00e1quina.<\/span><\/li>\n
          3. O erro de comiss\u00e3o ocorre quando o operador age sobre uma sugest\u00e3o equivocada do sistema sem confront\u00e1-la com fontes alternativas.<\/span><\/li>\n
          4. O erro de omiss\u00e3o ocorre quando o humano deixa de agir porque o sistema n\u00e3o emitiu alerta, presumindo que a aus\u00eancia de aviso significa aus\u00eancia de problema.<\/span><\/li>\n
          5. O paradoxo da automa\u00e7\u00e3o indica que sistemas mais aut\u00f4nomos e confi\u00e1veis tendem a reduzir a consci\u00eancia situacional do operador e sua capacidade de retomar o controle.<\/span><\/li>\n
          6. Tornar a intelig\u00eancia artificial explic\u00e1vel n\u00e3o elimina o vi\u00e9s de automa\u00e7\u00e3o, pois explica\u00e7\u00f5es simples demais geram confian\u00e7a indevida e complexas demais geram sobrecarga cognitiva.<\/span><\/li>\n
          7. A seguran\u00e7a depende de desconfian\u00e7a institucionalizada, com design friccional, auditoria cont\u00ednua e treinamento voltado \u00e0 exce\u00e7\u00e3o, de modo a converter supervis\u00e3o passiva em parceria cognitiva.<\/span><\/li>\n<\/ol>\n

            ***<\/p>\n

            Declara\u00e7\u00e3o de uso de Intelig\u00eancia Artificial Generativa.<\/b> Este texto foi produzido com o aux\u00edlio de Claude, desenvolvida pela Anthropic, utilizado como ferramenta de apoio nas fases de brainstorming, de estrutura\u00e7\u00e3o do conte\u00fado e de produ\u00e7\u00e3o do texto. As imagens foram produzidas com aux\u00edlio do ChatGPT da OpenAI. A responsabilidade pela vers\u00e3o final e precis\u00e3o das informa\u00e7\u00f5es, pelo pensamento cr\u00edtico, pela sele\u00e7\u00e3o das fontes e pelo conte\u00fado publicado \u00e9 integralmente do autor.<\/span><\/i><\/span><\/p>\n

            ***<\/p>\n","protected":false},"excerpt":{"rendered":"

            Este texto examina o vi\u00e9s de automa\u00e7\u00e3o, a tend\u00eancia humana de confiar em excesso nas recomenda\u00e7\u00f5es de sistemas inteligentes, e discute por que ele representa o risco mais relevante na ado\u00e7\u00e3o da intelig\u00eancia artificial. A partir de evid\u00eancias da pesquisa em fatores humanos e em apoio \u00e0 decis\u00e3o cl\u00ednica, distingue os erros de comiss\u00e3o e de omiss\u00e3o, desfaz a fal\u00e1cia do humano no controle, exp\u00f5e o paradoxo das explica\u00e7\u00f5es automatizadas e prop\u00f5e o caminho da supervis\u00e3o passiva para a parceria cognitiva. O leitor encontrar\u00e1 um argumento central: a intelig\u00eancia artificial complementa, n\u00e3o substitui o julgamento humano.<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[4],"tags":[],"class_list":["post-7726","post","type-post","status-publish","format-standard","category-geral","czr-hentry"],"_links":{"self":[{"href":"https:\/\/www.usinadepesquisa.com\/index.php?rest_route=\/wp\/v2\/posts\/7726","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.usinadepesquisa.com\/index.php?rest_route=\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.usinadepesquisa.com\/index.php?rest_route=\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.usinadepesquisa.com\/index.php?rest_route=\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/www.usinadepesquisa.com\/index.php?rest_route=%2Fwp%2Fv2%2Fcomments&post=7726"}],"version-history":[{"count":3,"href":"https:\/\/www.usinadepesquisa.com\/index.php?rest_route=\/wp\/v2\/posts\/7726\/revisions"}],"predecessor-version":[{"id":7729,"href":"https:\/\/www.usinadepesquisa.com\/index.php?rest_route=\/wp\/v2\/posts\/7726\/revisions\/7729"}],"wp:attachment":[{"href":"https:\/\/www.usinadepesquisa.com\/index.php?rest_route=%2Fwp%2Fv2%2Fmedia&parent=7726"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.usinadepesquisa.com\/index.php?rest_route=%2Fwp%2Fv2%2Fcategories&post=7726"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.usinadepesquisa.com\/index.php?rest_route=%2Fwp%2Fv2%2Ftags&post=7726"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}