Em janeiro de 2026, um estudo publicado no Journal of Experimental Psychology revelou um dado que deveria ter causado mais desconforto do que causou: quando a complexidade de uma tarefa aumenta, a confiança humana em outputs de IA não diminui proporcionalmente — ela aumenta.

Isso é contra-intuitivo. E é exatamente o tipo de fenômeno que o HumanOS Institute investiga.

O mecanismo por trás do paradoxo

O córtex pré-frontal humano, responsável pelo pensamento deliberativo e pela avaliação crítica, opera com recursos limitados. Quando a carga cognitiva aumenta — como acontece em tarefas complexas — a tendência natural do cérebro é buscar atalhos. Na psicologia cognitiva, chamamos isso de descarga heurística.

Historicamente, esses atalhos eram sociais: confiamos em especialistas, em instituições, em hierarquias. A IA agora ocupa esse espaço. Mas com uma diferença fundamental: ela não demonstra incerteza. A interface é assertiva. O output é limpo. A apresentação é confiante. E o cérebro humano interpreta assertividade como competência.

As implicações são sistêmicas

Este fenômeno não é um bug individual. É uma vulnerabilidade sistêmica que se manifesta em três domínios críticos:

• Saúde: Médicos que aceitam sugestões diagnósticas de IA sem verificação adicional em casos de alta complexidade.
• Justiça: Operadores do direito que utilizam IA para análise de risco sem compreender os viéses comportamentais embutidos nos modelos.
• Finanças: Gestores que delegam análise de cenários complexos a IA sem auditar as premissas comportamentais.

O que fazemos com isso

O primeiro passo é medir. Não com surveys de satisfação do usuário, mas com neuroimagem funcional, protocolos experimentais rigorosos e modelagem comportamental. O segundo passo é traduzir esses achados em frameworks acionáveis.

Esse é o tipo de trabalho que o HumanOS Institute faz. Não é sobre ser contra a IA. É sobre garantir que entendemos o que a IA faz com as pessoas que a usam — antes que os custos sejam irreversíveis.

A questão não é se devemos confiar na IA. A questão é se entendemos por que confiamos — e se essa confiança é calibrada.

Se não é, temos trabalho a fazer. E estamos fazendo.

Cada vez que um sistema de recomendação entrega exatamente o que você quer — antes mesmo de você saber que quer —, algo sutil acontece no nível neural. O sistema 2 de Kahneman, responsável pelo pensamento lento e deliberativo, perde uma oportunidade de treino.

Isso parece inofensivo. Não é.

O mecanismo da erosão

O cérebro humano opera sob um princípio de economia energética. Processos que não são recrutados com frequência perdem eficiência. A deliberação — o ato de pesar alternativas, considerar consequências e resistir a impulsos — é um desses processos.

Quando um feed algorítmico elimina a necessidade de buscar, filtrar e avaliar informação, ele não está apenas sendo conveniente. Ele está treinando o cérebro a não deliberar. Com repetição suficiente, o padrão neural de "aceitar o output" se torna a configuração padrão.

Os dados são preocupantes

Estudos de neuroimagem funcional mostram que usuários intensivos de plataformas com personalização algorítmica apresentam menor ativação do córtex pré-frontal dorsolateral durante tarefas de tomada de decisão — mesmo offline. O efeito não fica contido na interface. Ele vaza para a vida.

O que significa para o design de IA

Se queremos sistemas de IA que respeitem a autonomia cognitiva humana, precisamos projetar interfaces que preservem — e até estimulem — a capacidade deliberativa. Isso não significa tornar tudo difícil. Significa tornar o fácil consciente.

A conveniência algorítmica tem um custo cognitivo. E esse custo é invisível até que a capacidade de decidir seja necessária — e não esteja mais lá.

O EU AI Act é, sem dúvida, a regulação mais ambiciosa do mundo sobre inteligência artificial. Sua classificação de risco, seus requisitos de transparência e sua estrutura de enforcement representam um avanço real. Mas há um ponto cego que precisa ser endereçado.

O que está faltando

A regulação europeia opera majoritariamente sobre riscos técnicos e éticos em sentido amplo. O que ela não faz — e precisa fazer — é endereçar riscos comportamentais específicos.

Isso não é uma omissão menor. É como regular automóveis sem medir emissões.

Três lacunas específicas

1. Sem métricas de impacto cognitivo. O AI Act classifica risco, mas não exige avaliação de impacto cognitivo.

2. Feedback loops não são endereçados. Sistemas de recomendação que criam loops de retroalimentação comportamental não têm tratamento regulatório específico.

3. Personalização extrema é um ponto cego. A granularidade crescente da personalização algorítmica cria interfaces únicas para cada usuário, dificultando auditoria.

O papel do Sul Global

Se a Europa está à frente na regulação técnica, o Sul Global tem a oportunidade de liderar na regulação comportamental.

Regular IA sem ciência comportamental é como tratar sintomas sem diagnóstico. Funciona até não funcionar mais.

A promessa é sedutora: agentes de IA que eliminam a fadiga decisória. Que filtram, priorizam e executam centenas de micro-decisões por dia para que você possa focar "no que importa". A indústria de tecnologia apresenta isso como evolução. A neurociência levanta uma bandeira vermelha.

O que a neurociência diz

A fadiga decisória é real. O córtex pré-frontal tem capacidade limitada de processamento deliberativo por dia. Isso está bem documentado. O que não está bem documentado é o custo cognitivo de longo prazo de eliminar a necessidade de decidir.

A capacidade de tomar decisões não é um recurso fixo — é uma habilidade treinável. Como qualquer habilidade, ela degrada com desuso.

O paradoxo da conveniência

Quanto mais conveniente o sistema, menos o cérebro delibera. Quanto menos delibera, menor a capacidade de deliberar quando necessário. A ferramenta projetada para melhorar decisões pode, no longo prazo, degradar a capacidade de decidir.

Implicações para design e regulação

A questão não é eliminar agentes de IA. É projetar agentes que preservem a agência humana. Que ofereçam assistência sem criar dependência.

A pergunta de 2036 não será "quão inteligente é sua IA". Será "quão capaz de decidir você ainda é".

Quando falamos de IA ética ou IA responsável, as referências são quase exclusivamente norte-americanas e europeias. Os frameworks, os datasets de viés, os protocolos de auditoria — tudo foi construído a partir de contextos socioculturais específicos. E isso é um problema.

O viés da universalidade

A psicologia cognitiva nos ensinou que processos cognitivos que pareciam universais são, na verdade, profundamente modulados por contexto cultural. O acrônimo WEIRD surgiu para sinalizar que a maior parte da pesquisa reflete uma fração minúscula da diversidade humana.

O mesmo vale para IA comportamental. Quando um sistema é treinado com dados de usuários norte-americanos, ele carrega viéses cognitivos — premissas sobre como pessoas tomam decisões e processam risco.

O Brasil como laboratório natural

210 milhões de pessoas com diversidade radical. Terceiro país do mundo em tempo em redes sociais. Tradição científica de referência em neurociências na América Latina. Essas são responsabilidades científicas.

A lacuna de representação

Menos de 3% dos papers sobre IA e comportamento incluem dados do Sul Global. Conclusões baseadas em 15% da humanidade não podem ser generalizadas para 100%.

A ciência comportamental de IA não pode ser importada. Precisa ser construída localmente. O HumanOS Institute existe para isso.

Existe um mecanismo neural que evoluiu ao longo de milhões de anos para nos ajudar a decidir em quem confiar. Ele funciona razoavelmente bem com outros humanos. Com interfaces de IA, ele falha de maneiras que ainda não compreendemos plenamente.

A neurociência da confiança

A confiança é processada em um circuito que envolve o córtex pré-frontal medial, a ínsula anterior e a amígdala. Interfaces de IA apresentam sinais que este circuito interpreta como confiabilidade, mas que são apenas características de design.

A confusão autoridade-interface

Participantes expostos a respostas de IA apresentaram padrões neurais indistinguíveis dos observados com especialistas humanos. O cérebro não distingue a fonte.

O que isso muda

Soluções baseadas em 'literacia digital' são insuficientes. Não se trata de ensinar a duvidar — trata-se de projetar interfaces que não ativem confiança desproporcional.

O problema não é que confiamos demais na IA. É que nosso cérebro não tem como saber que deveria confiar menos. A solução não é educação — é design.

O debate sobre deepfakes tem se concentrado em desinformação. Mas há um efeito mais destrutivo no longo prazo: a erosão da confiança social.

O paradoxo do cético universal

Quando deepfakes se tornam comuns, as pessoas não verificam mais — duvidam de tudo. É o 'dividendo do mentiroso': qualquer vídeo verdadeiro pode ser negado. O cérebro opera com viés de veracidade — sem ele, comunicação social seria impossível.

O custo cognitivo da desconfiança

O resultado é exaustão epistêmica ou cinismo epistêmico. Nenhuma das duas é funcional para uma democracia.

O que a neurociência sugere

Soluções tecnológicas são necessárias mas insuficientes. Precisamos projetar ecossistemas de informação que restaurem confiança calibrada.

Deepfakes não destroem a verdade. Destroem a capacidade de confiar que a verdade existe. E essa é uma perda muito mais difícil de reparar.