A resposta perfeita que não resolve nada
Uma equipe de marketing passa uma tarde inteira dentro do chatbot. O pedido é direto. Queremos vinte ideias para aumentar o engajamento do Instagram. A IA entrega em quarenta segundos. Tem ideia boa, ideia criativa, ideia pronta para produzir. O time sai animado, executa três semanas de calendário e o resultado não muda. O engajamento sobe um pouco, as vendas não. O problema real nunca foi falta de ideias. Era que o perfil atrai gente errada, que curte e não compra. A pergunta certa não era como engajar mais. Era por que as pessoas certas não param no perfil.
Esse cenário se repete em empresas de todos os tamanhos, e ele tem um formato sempre igual. Alguém abre a IA com uma pergunta formulada de qualquer jeito, recebe uma resposta impecável e confunde a qualidade da resposta com a qualidade da pergunta. A fluência do texto gera confiança. A confiança gera aprovação. A aprovação gera semanas de trabalho na direção errada. Ninguém fez nada mal. Só não percebeu que a IA respondeu muito bem a uma pergunta que não valia a pena.
O gargalo mudou de lugar
Antes da IA generativa, perguntas mal formuladas tinham um custo natural. Era difícil achar alguém para responder, demorava, e a resposta vinha imperfeita o suficiente para forçar revisão. A própria fricção filtrava parte do problema. Hoje esse filtro sumiu. Perguntar custa quase nada, e responder custa menos ainda. A pesquisa global da McKinsey de 2025 mostrou que 88% das organizações já usam IA de alguma forma. A barreira de acesso caiu. O que não caiu foi a disciplina de pensar antes de perguntar.
A fluência que soa como acerto
O mecanismo que sustenta a ilusão é conhecido. Respostas fluentes parecem corretas. O estudo de Michael Gerlich publicado em 2025 na revista Societies, com trabalhadores do conhecimento, encontrou uma relação direta. Quanto maior a confiança na IA, menor o pensamento crítico aplicado sobre a resposta. O intermediário dessa equação tem nome. Offloading cognitivo. Quando a ferramenta assume a tarefa mental, a pessoa desliga a revisão. A IA não precisa estar errada para causar dano. Basta estar convincente enquanto responde a pergunta errada.
O custo de testar a pergunta errada caiu para quase zero
Outra mudança passa despercebida. Antes, testar uma hipótese errada custava semanas. Hoje custa um prompt. Isso parece bom, e em parte é. O lado escuro é que empresas passaram a testar dezenas de direções ruins por semana, cada uma com plano bonito, apresentação convincente e zero impacto. A velocidade de geração superou a velocidade de pensamento. E quando tudo é testável, nada parece exigir critério.
As três perguntas erradas que mais aparecem
Nos últimos meses, observando operações que usam IA todo dia, três padrões de pergunta errada dominam o cenário. Nenhuma delas parece errada quando é feita. Todas parecem produtivas. É por isso que passam.
1. A pergunta definida pela ferramenta
Tem o formato de o que podemos fazer com essa IA, esse agente, essa automação. Começa pela ferramenta, não pelo problema. O raciocínio inverte. Em vez de dizer onde dói e perguntar como resolver, a empresa escolhe o martelo e sai procurando prego. Funciona por acidente às vezes. Na maioria, gera automação elegante de um processo que nem deveria existir. Fazer com eficiência algo que não deveria ser feito continua sendo desperdício, só que agora mais rápido.
2. A pergunta definida pela pressa
Tem o formato de como fazemos isso mais rápido. Velocidade é valor real, mas essa pergunta esconde uma premissa que quase nunca é testada. A de que isso deveria continuar sendo feito do jeito que é feito. Muitas vezes a resposta certa para o problema não é acelerar o processo atual. É redesenhá-lo. A IA dá respostas brilhantes para acelerar fluxos quebrados. O plano fica pronto, executável, bonito. E consolida o erro estrutural com tecnologia nova.
3. A pergunta definida pelo concorrente
Tem o formato de como o nosso concorrente está usando IA e o que copiamos. É a menos óbvia das três, porque parece estratégica. Mas copiar caso de uso é importar o problema do outro junto com a solução. A operação do concorrente tem gargalo diferente, margem diferente, cliente diferente. A pergunta certa é onde a nossa operação perde dinheiro ou tempo de forma recorrente. Não o que deu certo na empresa vizinha.
O teste de quatro perguntas antes de abrir o chatbot
A saída não é desconfiar da IA. É formalizar a pergunta antes de entregar ela à máquina. Quatro perguntas curtas, feitas em ordem, filtram a maioria dos desvios. Elas cabem em um post-it. O que não cabe é a quantidade de retrabalho que elas evitam.
1. Que decisão específica vai ser tomada com essa resposta?
Se a resposta não alimenta uma decisão concreta, com prazo e dono, ela vira curiosidade. Curiosidade é legítima, mas não deveria roubar o tempo que a operação precisa. Essa pergunta força o pedido a sair do campo do seria legal saber e entrar no campo do decidimos isso até sexta. A IA responde melhor quando sabe qual decisão ela está servindo. E o time filtra melhor quando sabe o que vai fazer com a resposta.
2. O que acontece se a resposta estiver errada?
Estimativa de custo do erro. Se a resposta errada derruba uma campanha, prejudica um cliente ou vira decisão financeira reversível só com dor, a pergunta precisa de revisão humana antes e depois da IA. Se o custo do erro é baixo, um rascunho de e-mail que alguém vai reler, segue rápido. Essa escala de risco muda tudo na forma de usar a ferramenta. Sem ela, todo prompt recebe o mesmo cuidado. Ou nenhum.
3. Que evidência faria a gente mudar de ideia?
A pergunta mais rara da lista. Quase ninguém faz. Antes de perguntar para a IA, defina o que invalidaria a direção. Se a resposta certa é o que a IA der, qualquer resposta serve. E qualquer resposta serve é o começo de todo projeto que vai virar relatório de lição aprendida. Quando existe critério de invalidação, a conversa com a IA muda de tom. Deixar de ser geração de conteúdo e passa a ser teste de hipótese.
4. Se a resposta for perfeita, o problema de fundo some?
O filtro final. Suponha que a IA entregue exatamente o que você pediu, perfeito. O problema original desaparece? Se a resposta honesta for não, o pedido está apontando para o sintoma. É comum. A pergunta sobre como postar mais no Instagram não desaparece com mil ideias boas se o funil está quebrado. A pergunta sobre como responder clientes mais rápido não desaparece com um chatbot eficiente se o produto confunde. Esse teste expõe a pergunta errada em segundos.
Quando a IA ajuda na formulação
Existe um uso da IA que quase ninguém faz e que tem retorno imediato. Usar a ferramenta para melhorar a pergunta, não para respondê-la. Pedir para a IA listar as premissas escondidas no seu pedido, criticar o enquadramento, sugerir ângulos que você não considerou. Isso destrava o pensamento sem terceirizar a decisão. O estudo de Doshi e Hauser publicado em 2024 na Science Advances mostrou um efeito parecido no campo criativo. Quando pessoas usam IA para gerar conteúdo, a produção individual melhora, mas a diversidade coletiva cai. Todo mundo converge para o mesmo padrão. Perguntas genéricas geram respostas genéricas, mesmo quando soam originais. A fuga desse efeito começa na pergunta.
A regra prática cabe em uma frase. A IA é resposta de qualidade para pergunta de qualidade. Quando a pergunta é genérica, a resposta é genérica com boa gramática. Quando a pergunta é específica, contextualizada e ligada a uma decisão, a resposta vira vantagem operacional. O trabalho que a IA não faz por você é o trabalho de decidir o que vale a pena perguntar.
FAQ
Pergunta mal feita sempre gera resposta inútil?
Não sempre, mas com frequência alta o suficiente para merecer processo. Uma pergunta ampla às vezes retorna algo aproveitável por acidente. O problema é depender de acidente para operar. Com volume, a proporção vira prejuízo. Uma pergunta clara com contexto, decisão e restrição definidos tem chance muito maior de gerar resposta executável de primeira.
A IA não deveria entender o que eu quero dizer mesmo com pergunta ruim?
Em conversas casuais, sim. Em trabalho, não é o que a pesquisa mostra. O estudo de Gerlich de 2025 apontou que a confiança na ferramenta reduz o pensamento crítico de quem usa. Ou seja, quanto mais a pessoa confia que a IA entendeu, menos ela revisa. A suposição de que a máquina preenche as lacunas é exatamente onde o erro entra sem ser notado.
Como treinar o time a formular melhor sem travar a operação?
Comece com um ritual curto em reuniões existentes. Antes de aprovar qualquer pedido de IA, alguém responde as quatro perguntas em voz alta. Dura dois minutos. Em poucas semanas o padrão muda, porque as pessoas começam a fazer o teste mentalmente antes de chegar na reunião. Processo formal só onde o custo do erro é alto. No resto, o hábito basta.
Empresa pequena precisa desse cuidado?
Precisa proporcionalmente mais. Empresa grande erra pergunta e perde um trimestre de um time. Empresa pequena erra pergunta e perde o caixa do mês. O volume de recursos disponível não protege o erro de direção. Protege a margem para corrigir. Quando a margem é curta, a pergunta certa é o seguro mais barato que existe.
Referências
- AI Tools in Society: Impacts on Cognitive Offloading and the Future of Critical Thinking (2025), Michael Gerlich, Societies
- The state of AI in 2025: Agents, innovation, and transformation (2025), McKinsey & Company
- Generative AI enhances individual creativity but reduces the collective diversity of novel content (2024), Anil Doshi e Oliver Hauser, Science Advances
Se este conteúdo fez sentido para a sua operação, acompanhe mais sobre IA e tecnologia com critério no Instagram: @felipebelloni.
