Pense Primeiro, IA Depois

Em junho deste ano, pesquisadores do MIT escanearam os cérebros de 54 estudantes escrevendo ensaios sob três condições:

1. Usando apenas ChatGPT

2. Usando apenas Google

3. Usando apenas o próprio pensamento

Os resultados pareciam condenatórios: o grupo do ChatGPT mostrou a menor atividade neural. 83% não conseguia lembrar o que havia escrito, comparado a apenas 11% nos outros grupos.

As manchetes gritavam: "O ChatGPT está nos deixando burros?"

Mas enterrado no estudo estava uma descoberta que a maioria ignorou.

Os pesquisadores testaram o que acontece quando você sequencia o uso de IA de forma diferente:

• Cérebro → IA: Pensar primeiro, depois usar IA

• IA → Cérebro: Usar IA primeiro, depois pensar

O grupo Cérebro → IA mostrou melhor atenção, planejamento e memória — mesmo enquanto usava IA. Notavelmente, seu engajamento cognitivo permaneceu tão alto quanto os estudantes que nunca usaram IA.

Os pesquisadores sugerem que esse engajamento aumentado veio de integrar as sugestões da IA com o framework interno que já haviam construído através do pensamento independente.

Enquanto isso, estudantes que começaram com IA permaneceram mentalmente desligados — mesmo depois de mudarem para trabalhar sozinhos. Começar passivo significou permanecer passivo.

🔄 Não é a Primeira Vez que Isso Acontece

Em 2011, um estudo descobriu que quando as pessoas sabiam que poderiam buscar informações no Google depois, elas lembravam onde encontrar, mas não a informação em si. Terceirizamos a memória para o buscador.

Um estudo de 2020 mostrou que usuários frequentes de GPS desenvolvem memória espacial mais fraca e lutam para navegar sem direções. Terceirizamos a navegação para o app.

IA segue o mesmo padrão — só que com stakes muito mais altos.

A questão não é se usar IA. É como usá-la sem perder as capacidades cognitivas que nos tornam valiosos: A habilidade de defender nosso raciocínio, adaptar nosso pensamento a novos contextos e entender onde nossas abordagens podem falhar.

O estudo do MIT oferece uma pista: a sequência importa.

🎹 Música por Repetição vs. Música por Compreensão

Pense em duas formas de aprender a tocar música:

Opção 1: Você aprende de cor — como uma criança memorizando as posições das mãos para. Seus dedos treinam através da repetição até que você possa tocar o instrumento perfeitamente. Execução sem compreensão.

Opção 2: Você aprende a peça entendendo sua estrutura — as progressões de acordes, a lógica harmônica. Você ainda pratica até seus dedos conhecerem os padrões, mas você entende por que a música funciona. Agora você pode transpô-la, improvisar variações e explicar por que certas mudanças funcionariam ou não. Execução COM compreensão.

O mesmo padrão aparece na programação: desenvolvedores que planejam sua abordagem antes de pedir à IA para gerar código mantêm uma compreensão melhor de seus sistemas do que aqueles que começam com prompts.

⚡ Uso Passivo vs. Ativo de IA

Uso passivo é como aprender música por repetição. Você pode produzir output — um ensaio, um documento de estratégia, uma análise — seguindo o que a IA gera. Mas você nem sempre entende por que o argumento funciona, quais premissas ele assume, ou onde pode falhar.

Exemplo de uso passivo:

Você recebe uma resposta. Pode até implementá-la. Mas você não lutou para entender o que "melhor comunicação" significa para seu time, o que está causando os problemas atuais, ou por que certas soluções podem falhar no seu contexto.

Uso ativo significa construir compreensão enquanto colabora com o modelo. Você enquadra o problema sozinho, faz uma primeira passada, depois usa IA para desafiar suas premissas, descobrir pontos cegos e afiar seus argumentos.

Exemplo de uso ativo:

Você ainda está recebendo ajuda da IA, mas fez pensamento suficiente para avaliar se seus desafios são válidos, se suas perguntas revelam lacunas reais e se suas sugestões se encaixam na sua situação.

Você entende por que a estratégia funciona, então pode adaptá-la quando as circunstâncias mudarem.

Claro, uso passivo tem seu lugar: transcrever texto de screenshots, gerar relatórios de rotina a partir de dados, criar múltiplas versões da mesma mensagem para diferentes audiências. Essas são como escalas e exercícios técnicos — tarefas mecânicas que não requerem compreensão profunda.

Mas para trabalho onde você se importa com julgamento, aprendizado e compreensão profunda, você precisa construir seu próprio entendimento.

🎯 Três Princípios para Uso Ativo de IA

Cada um desses princípios cria atrito em um ponto diferente do processo de pensamento, o que mantém você cognitivamente engajado enquanto ainda aproveita as capacidades da IA.

Princípio 1: 🧠 Pense Primeiro, IA Depois

O estudo do MIT revelou algo crucial: quando você começa com seu próprio pensamento, permanece cognitivamente engajado o tempo todo. Quando começa com IA, você luta para ativar seu cérebro mesmo depois de parar de usá-la.

Então, para qualquer trabalho significativo, faça seu pensamento primeiro, antes de pedir à IA para gerar em seu nome.

Pense nisso como aquecer seus músculos cognitivos antes do treino principal. Você chega à interação com IA já ativado, com um ponto de vista para testar ao invés de uma lousa em branco para preencher.

Exemplo prático:

Uma economista estava redesenhando um curso de economia comportamental para estudantes de graduação.

O feedback do ano anterior mostrou que alunos conseguiam passar em provas, mas lutavam para aplicar conceitos a situações novas.

Seu instinto era fazer um prompt ao ChatGPT: "Desenhe um curso de economia comportamental de 6 semanas que promova aprendizado profundo e aplicação."

Ao invés disso, ela pegou um caderno e passou uma hora trabalhando o que sabia:

• Quais conceitos os alunos captavam facilmente versus onde lutavam?

• Onde faziam erros previsíveis?

• Quais exemplos do mundo real despertavam curiosidade versus conformidade entediada?

• O que ela estava assumindo sobre conhecimento prévio?

Quando finalmente abriu o ChatGPT, tinha um framework para testar. Ela deu suas notas — o mapa conceitual, os desafios de aprendizado identificados, as questões com as quais lutava — e pediu para desafiar seu sequenciamento e revelar pontos cegos.

Ao invés de aceitar a sequência sugerida, ela pôde avaliar: "Essa ordenação faz sentido pedagógico?" Ela capturou problemas estruturais que teria perdido se tivesse começado com um prompt em branco.

Sua ação:

Antes de usar IA em qualquer projeto onde você se importa com julgamento e compreensão, passe 30 minutos capturando seus pensamentos brutos:

• O que você já sabe?

• Quais são suas hipóteses?

• O que parece pouco claro?

• Quais restrições importam?

Se você está verdadeiramente travado e precisa de ajuda para começar, use IA para fazer perguntas ao invés de gerar respostas:

Princípio 2: 🥊 Use IA como Técnico, Não como Torcedor

O modo padrão da IA é ser útil e agradável. Ela sofre do que pesquisadores chamam de "bajulação" — adaptar respostas ao que acha que você quer ouvir.

Deixada por conta própria, ela dirá que suas ideias são ótimas, sua lógica sólida, sua escrita convincente.

Isso é exatamente o que você não precisa quando está tentando pensar rigorosamente.

Faça prompts explícitos para a IA ser seu parceiro cognitivo de combate ao invés de um eco agradável. Pense nisso como converter a IA de um estagiário ansioso para agradar em um técnico exigente que te empurra a pensar mais rigorosamente.

Exemplo prático:

Imagine que uma pessoa precisa escrever um relatório de pesquisa sobre como IA afetaria mercados de trabalho.

A narrativa dominante é direta: IA eliminará empregos de colarinho branco de entrada, deslocando milhões de trabalhadores no processo.

Ao invés de pedir ao ChatGPT para ajudá-la a explicar essa visão de consenso, ela usou um prompt de advogado do diabo:

A IA revelou três perspectivas que ela não havia considerado completamente, o que a ajudou a desenvolver alternativas nuançadas que havia negligenciado.

Mais importante, ela entendeu por que a sabedoria convencional poderia estar errada, não apenas que existiam visões alternativas.

Três prompts que criam atrito intelectual:

1. Abordagem "revisor terceirizado":

2. Abordagem "mapeador de lacunas estruturais":

3. Prompt "advogado do diabo":

O objetivo é criar atrito intelectual genuíno. Você quer que a IA revele fraquezas que você não consegue ver porque está perto demais do trabalho.

Princípio 3: 🎓 Engenharia de Atrito Produtivo

IA explica coisas de forma fácil de seguir, nos tornando suscetíveis ao que pesquisadores chamam de "ilusão de compreensão". Superestimamos o que aprendemos.

Compreensão real só emerge quando somos forçados a articular nosso pensamento, porque explicar revela lacunas que não sabíamos existir.

Essa ideia é a base do teste simples de Richard Feynman, físico ganhador do Nobel, para compreensão: Se você não consegue explicar algo para uma criança de 5 anos, você não entende de verdade.

Ao invés de pedir para explicar o conceito, faça o prompt:

Construa prompts que forcem você a demonstrar compreensão, não apenas consumi-la.

Três padrões de interação que forçam você a explicar:

1. O teste Feynman:

2. O prompt de recall:

3. A regra de uma pergunta:

💡 Pensando com IA, Não pela IA

Se você sentiu a tensão entre querer permanecer afiado e precisar permanecer competitivo, você não precisa escolher um ou outro.

As capacidades cognitivas que tornam você valioso não desaparecem quando você usa IA. Mas elas podem atrofiar se você a usa de forma passiva.

Para seu próximo projeto significativo:

1. 🧠 Passe 30 minutos pensando primeiro: Escreva o que você sabe antes de fazer o prompt

2. 🥊 Faça da IA seu crítico: Peça para desafiar suas premissas, não validá-las

3. 🎓 Force-se a explicar: Se você não consegue articular claramente, você ainda não entende

IA pode amplificar seu pensamento ou substituí-lo.

Frequentemente, a diferença se resume a como você usa a ferramenta, não se você a usa.

📚 Conteúdos Recomendados

📄 Artigo: Think First, AI Second (Every) - O artigo original de Ines Lee que inspirou esta newsletter

🎥 Vídeo: The Feynman Technique - Como usar explicação para testar compreensão real

Forte abraço,

Equipe Olympus