Autonomia ou supervisão total perdem – o que vence está no meio

Pesquisadores de nove universidades, incluindo Stanford, Berkeley e Carnegie Mellon, publicaram um experimento que deveria interessar muito mais aos times de executivos do que aos laboratórios de Inteligência Artificial (IA) .

O estudo construiu um sistema multiagente para automação de pesquisa científica e então fez algo raro: testou sistematicamente o que acontece com a qualidade dos resultados quando você varia o nível de participação humana. Foram avaliados sete modos de colaboração, de autonomia total até supervisão passo a passo. O resultado foi publicado com os dados abertos.

E o resultado surpreende quem acompanha o debate atual sobre agentes autônomos. Os dois extremos perdem.

CADASTRE-SE GRÁTIS PARA ACESSAR 5 CONTEÚDOS MENSAIS

Já recebe a newsletter? Ative seu acesso

Ao cadastrar-se você declara que está de acordo
com nossos Termos de Uso e Privacidade.

Cadastrar

Autonomia plena produz resultados inferiores. O sistema sem humano alucina, não corrige premissas frágeis e gera outputs que parecem completos, mas não são verificáveis. Supervisão excessiva também piora o resultado. O humano que aprova cada passo desacelera o processo sem adicionar valor proporcional. O que vence, consistentemente, é a intervenção humana calibrada nos momentos de maior incerteza e maior impacto.

Os autores chamam esses momentos de “high-leverage decision points” (ou pontos de decisão de alta alavancagem). É um conceito técnico para descrever algo que qualquer profissional de vendas reconhece na prática.

O estudo foi feito com ciência. Mas os mecanismos que ele documenta são os mesmos que operam numa negociação complexa, num atendimento que escalou ou numa renovação de contrato que de repente virou crise.

Processos comerciais têm estrutura previsível e repetem bem. Prospecção, qualificação, proposta, negociação, fechamento. Um agente de IA navega essa estrutura com competência. Processa dados do cliente, mapeia histórico, sugere argumento, antecipa objeção e calcula desconto possível.

O problema quase nunca está na estrutura. Está nos momentos em que o processo encontra um obstáculo que não tem natureza técnica.

O cliente que trava numa aprovação porque a proposta, sem querer, passou por cima de uma área que se sente ignorada. O atendimento que virou reclamação não por causa do produto, mas porque a frustração do cliente é sobre um sonho que ele tinha com aquela compra e que não foi reconhecido em nenhum momento do processo. A renovação que empacou porque alguém mudou internamente e o novo decisor não foi apresentado ao histórico da relação.

Esses não são problemas de dado. São problemas de nuance sociocultural e comportamental. Têm mais de arte do que de ciência determinística. E é exatamente nesses momentos que o experimento diz que o humano precisa estar presente, não para supervisionar tudo, mas para decidir o que o dado não captura.

Agora conecte isso com o que outro paper publicado no mesmo período (Human-AI Productivity Paradoxes: Modeling the Interplay of Skill, Effort, and AI Assistance) documenta sobre o que acontece com o profissional quando a IA assume partes crescentes do trabalho.

A delegação que parece ganho de eficiência é, em paralelo, atrofia sistemática. O profissional que para de qualificar leads porque o agente qualifica, para de escutar porque o agente escuta, para de interpretar contexto porque o agente resume. O músculo enfraquece. E quando o processo chega num ponto que exige o humano no seu melhor, o humano já não está no seu melhor.

O cenário que se forma quando juntamos os dois estudos é o seguinte: a IA autônoma produz resultado pior. O humano que delega tudo atrofia. A empresa que escolhe qualquer um dos dois extremos está, ao mesmo tempo, degradando a ferramenta e degradando o time.

Perde-perde

Mas esse cenário não é inevitável. É uma consequência de arquitetura mal desenhada. E arquitetura pode ser mudada.

O que os dados sugerem como caminho não é reduzir a IA, nem aumentar a supervisão humana de forma indiscriminada. Importante é desenhar o processo para que o humano seja convocado onde o humano muda o resultado.

Quando o processo comercial atinge um momento de tensão política interna no cliente, o humano entra. Quando o atendimento identifica frustração emocional que vai além do problema técnico, o humano entra. Quando a negociação chega num ponto em que o silêncio da sala diz mais do que qualquer dado do CRM, o humano entra.

Nesses momentos, o profissional não monitora. Decide. E essa decisão mantém o músculo ativo, preserva a habilidade e muda o resultado do processo.

O agente executa o que é repetível com consistência que o humano não consegue manter em escala. O humano decide o que é singular com julgamento que o agente não tem. Os dois fazem o que fazem melhor. O resultado de ambos melhora.

Ganha-ganha

O equilíbrio não é uma concessão filosófica ao valor humano. É a configuração que os experimentos mostram como vencedora. Não é o humano protegendo o seu espaço. É o humano sendo usado onde produz mais valor. Não é a IA sendo limitada. É a IA sendo usada onde entrega resultado verificável.

A empresa que desenhar esse equilíbrio vai ter profissionais que não atrofiam e sistemas que não alucinam. Vai ter um time comercial mais capaz porque o agente faz o que drena e o humano faz o que desenvolve. Vai ter atendimento mais consistente porque o processo escala sem perder os momentos que mais importam para o cliente.

A pergunta que vale agora não é quanto da operação automatizar. É em quais momentos o julgamento humano muda o resultado de forma que nenhuma automação recupera depois?
Quem souber responder essa pergunta tem a arquitetura certa. E com a arquitetura certa, a mesma tecnologia que produz perde-perde num time produz ganha-ganha no outro.