Autor: Filipe Tavares

  • A Era do Excesso — Parte 2: quando a informação deixa de buscar a verdade e começa a defender uma crença

    A Era do Excesso — Parte 2: quando a informação deixa de buscar a verdade e começa a defender uma crença

    Nunca foi tão fácil provar que estamos certos. Basta pesquisar o suficiente.

    Existe uma diferença aparentemente pequena entre procurar uma informação para descobrir se estamos certos e procurar uma informação para provar que estamos certos. Na primeira situação, existe pelo menos a possibilidade de terminarmos a pesquisa pensando diferente. Na segunda, a conclusão já estava pronta antes mesmo de abrirmos o Google. O restante do trabalho consiste apenas em encontrar alguma coisa suficientemente convincente para defendê-la.

    Esse é um dos aspectos da Era do Excesso que mais me incomoda. Temos acesso a artigos científicos, estatísticas, especialistas, livros, vídeos, bancos de dados e agora inteligências artificiais capazes de reunir tudo isso em segundos. Seria razoável imaginar que tamanha disponibilidade de informação nos aproximaria automaticamente de conclusões melhores. Mas existe um problema: mais evidências disponíveis também significam mais evidências disponíveis para selecionar.

    E somos particularmente bons em selecionar aquelas de que gostamos.

    “Eu tenho um estudo”

    Já me deparei muitas vezes com uma espécie de argumento de autoridade moderno: “existe um estudo que mostra isso”.

    A frase parece encerrar a discussão.

    Só que um estudo não deixa de ser ciência simplesmente porque confirma aquilo que penso, assim como não passa a ser ruim automaticamente porque contradiz minha opinião. A pergunta deveria vir depois: que estudo? Qual era a hipótese? Quem foi estudado? Qual era a amostra? O que efetivamente foi medido? O resultado encontrou uma associação ou demonstrou uma relação causal? Existem outros trabalhos chegando a resultados diferentes?

    E existe uma pergunta que considero ainda mais interessante:

    Você encontrou esse estudo enquanto investigava uma pergunta ou procurou o estudo porque precisava defender uma resposta?

    A psicologia possui um nome bastante conhecido para parte desse comportamento: viés de confirmação. Em uma revisão clássica da literatura, Raymond Nickerson descreve o fenômeno como a busca ou interpretação de evidências de maneiras favoráveis às crenças, expectativas ou hipóteses que já possuímos. O fenômeno aparece de diferentes formas e não nasceu, evidentemente, com a internet.

    A internet não criou nossa necessidade de estar certos. Ela apenas nos entregou uma quantidade de material que nenhuma geração anterior conseguiu consultar com tanta facilidade.

    Por isso continuo gostando de uma ideia que apareceu no primeiro texto desta série:

    a internet deu ao nosso viés de confirmação um mecanismo de busca.

    O problema não é necessariamente mentir

    Talvez a parte mais interessante seja que não precisamos falsificar uma informação para construir uma conclusão enviesada.

    Podemos usar dados verdadeiros.

    Posso escolher um determinado período de uma série histórica. Posso encontrar uma pesquisa favorável à minha posição e ignorar outras. Posso selecionar uma estatística verdadeira sem explicar o contexto. Posso destacar determinado resultado de um artigo e deixar de mencionar suas limitações.

    Cada peça individualmente pode ser verdadeira.

    E o quadro construído com elas pode continuar profundamente distorcido.

    É por isso que tenho certa resistência quando uma discussão se transforma em uma competição para descobrir quem possui mais links. Uma pessoa apresenta cinco pesquisas. A outra apresenta oito. A primeira volta com uma meta-análise. Em algum momento temos uma quantidade impressionante de informação e ainda não respondemos à pergunta original.

    A quantidade de evidências apresentadas não substitui a necessidade de entender o que aquelas evidências realmente permitem concluir.

    Esse problema não pertence exclusivamente à política, religião, tecnologia ou ciência. Ele aparece sempre que temos alguma coisa investida em uma conclusão: nossa identidade, nosso grupo, uma decisão anterior, dinheiro, reputação ou simplesmente a desagradável possibilidade de admitir que estávamos errados.

    Quanto mais inteligentes, menos fazemos isso?

    Aqui encontrei durante a pesquisa uma coisa particularmente desconfortável.

    Ser inteligente não parece nos proteger automaticamente desse comportamento.

    Keith Stanovich, Richard West e Maggie Toplak estudam algo chamado myside bias: a tendência de avaliar evidências, produzir argumentos e testar hipóteses de maneira favorável às nossas opiniões anteriores. Em uma revisão de pesquisas sobre o fenômeno, os autores destacam que sua magnitude apresenta pouca relação com medidas de inteligência.

    Isso é interessante porque existe uma intuição bastante confortável de que pessoas inteligentes seriam naturalmente menos suscetíveis a esse tipo de erro.

    Talvez não.

    Uma pessoa com grande capacidade intelectual continua possuindo crenças, preferências e interesses. E uma capacidade maior de argumentação também pode significar uma capacidade maior de construir justificativas sofisticadas para aquilo que ela já queria concluir.

    O trabalho clássico de Ziva Kunda sobre raciocínio motivado ajuda a entender essa diferença. A motivação para chegar a uma conclusão específica pode influenciar quais crenças e estratégias cognitivas acessamos e como avaliamos informações, embora não tenhamos liberdade ilimitada para acreditar em qualquer coisa: ainda precisamos construir justificativas que nos pareçam razoáveis.

    Essa última parte é especialmente importante.

    Normalmente não pensamos:

    “Eu quero acreditar nisso, então vou ignorar deliberadamente tudo que diz o contrário.”

    Seria fácil perceber o problema.

    O processo pode ser muito mais sofisticado. Encontramos razões pelas quais aquela pesquisa contrária não se aplica. Questionamos a metodologia. Identificamos uma possível limitação. Lembramos de outro especialista que discorda.

    Tudo isso pode ser perfeitamente legítimo.

    A pergunta incômoda é: aplicaríamos o mesmo rigor se o resultado confirmasse aquilo que já acreditávamos?

    A verdadeira dificuldade de pensar cientificamente

    É aqui que acho que existe uma confusão sobre ciência.

    Ciência não significa tratar toda afirmação como igualmente duvidosa. Existem conclusões sustentadas por conjuntos de evidências muito mais robustos do que outras. Questionar por questionar também não torna ninguém mais científico.

    O ponto é outro.

    Uma investigação precisa admitir, pelo menos em princípio, a possibilidade de a hipótese estar errada.

    Se nenhuma evidência possível puder modificar minha conclusão, então talvez eu não esteja mais investigando aquela conclusão. Estou apenas defendendo-a.

    E isso vale para quem está em um laboratório, para quem está discutindo política, para quem interpreta um texto religioso e para mim enquanto escrevo este artigo.

    Aliás, talvez esse último seja o teste mais difícil.

    É relativamente fácil perceber o viés de confirmação de alguém que pensa diferente de nós. O dele praticamente salta aos olhos.

    O nosso costuma parecer apenas bom senso.

    Talvez precisemos pesquisar ao contrário

    Comecei a pensar que uma maneira interessante de testar uma opinião não é perguntar apenas:

    “Que evidências sustentam aquilo que penso?”

    Mas também:

    “Qual é a melhor evidência de que posso estar errado?”

    Não significa abandonar uma posição sempre que encontramos uma objeção. Significa descobrir se nossa conclusão sobrevive quando paramos de escolher apenas os adversários mais fáceis.

    Talvez eu encontre os melhores argumentos contrários e continue pensando exatamente como antes. Ótimo. Pelo menos minha conclusão passou por um teste mais sério.

    Talvez descubra que preciso acrescentar uma ressalva.

    Talvez mude parcialmente de posição.

    E, em algumas situações, talvez precise admitir que estava errado.

    Isso parece perda apenas se nosso objetivo for vencer a discussão.

    Se o objetivo for compreender melhor alguma coisa, descobrir que estávamos errados também é informação.

    Veredito do Teste de Realidade

    A abundância de informação deveria facilitar nossa busca pela verdade. Em muitos aspectos, facilitou. Nunca tivemos tanto acesso a pesquisas, dados, perspectivas diferentes e conhecimento acumulado.

    Mas essa mesma abundância criou uma possibilidade curiosa: podemos passar horas pesquisando sem nunca colocar nossa própria conclusão em risco.

    Escolhemos fontes, estudos, especialistas e estatísticas. Construímos uma argumentação extremamente bem fundamentada. E talvez, sem perceber, tenhamos utilizado toda essa capacidade apenas para chegar exatamente ao lugar de onde partimos.

    O problema, portanto, não é ter opinião. Também não é procurar evidências que sustentem aquilo que pensamos. É necessário fazer isso.

    O teste começa quando encontramos uma evidência que diz o contrário.

    O que fazemos com ela?

    Talvez essa seja uma medida melhor de pensamento crítico do que a quantidade de estudos que conseguimos citar.

    Porque informação suficiente para defender nossas crenças provavelmente sempre encontraremos.

    A pergunta mais difícil é se ainda estamos dispostos a encontrar alguma que possa mudá-las.


    Referências científicas

    • Nickerson, R. S. (1998). Confirmation Bias: A Ubiquitous Phenomenon in Many Guises. Review of General Psychology, 2(2), 175–220.
    • Kunda, Z. (1990). The Case for Motivated Reasoning. Psychological Bulletin, 108(3), 480–498.
    • Stanovich, K. E.; West, R. F.; Toplak, M. E. (2013). Myside Bias, Rational Thinking, and Intelligence. Current Directions in Psychological Science, 22(4), 259–264.
    • Stanovich, K. E.; West, R. F. (2007). Natural myside bias is independent of cognitive ability. Thinking & Reasoning, 13(3), 225–247.
  • A Era do Excesso: quando saber mais começa a atrapalhar

    A Era do Excesso: quando saber mais começa a atrapalhar

    Passamos séculos tentando resolver a falta de informação. Agora talvez precisemos aprender a lidar com o problema que veio depois dela: o excesso.

    Nunca tivemos acesso a tanta informação. E talvez nunca tenha sido tão fácil encontrar uma boa razão para não decidir.

    Pesquisamos, comparamos, assistimos a vídeos, lemos avaliações, procuramos estudos — e agora ainda podemos pedir para uma IA organizar tudo isso por nós. A promessa parece óbvia: quanto mais sabemos, melhores deveriam ser nossas decisões.

    Mas comecei a desconfiar dessa conta. Em algum momento, mais informação deixa de esclarecer e começa a produzir o contrário: mais dúvida, mais possibilidades e mais razões para continuar procurando.

    Durante muito tempo, nosso problema foi conseguir informação. Lembro das enciclopédias Barsa, das atualizações que incorporavam novos acontecimentos, das revistas, jornais e publicações especializadas.

    Informação tinha custo, ocupava espaço e precisava ser procurada. A internet mudou essa lógica.

    Wikipedia, mecanismos de busca e, mais recentemente, ferramentas como o ChatGPT colocaram uma quantidade quase absurda de conhecimento ao alcance de uma pergunta. Resolvemos em grande parte o problema do acesso.

    Talvez tenhamos criado outro: como descobrir, no meio de tudo isso, o que realmente importa?

    Quando mais informação deixa de ajudar

    Pense em algo relativamente simples: comprar um notebook. Algumas décadas atrás, visitaríamos algumas lojas, conversaríamos com vendedores, compararíamos meia dúzia de modelos e decidiríamos.

    A desvantagem era evidente: nossa escolha saía com muito menos informação. Hoje podemos comparar centenas de modelos.

    Temos benchmarks, avaliações de compradores, vídeos no YouTube, fóruns, Reddit, comparadores de preço, especificações e histórico de valores. Podemos ainda perguntar ao ChatGPT qual computador atende melhor às nossas necessidades e pedir uma comparação detalhada entre os finalistas.

    Teoricamente, deveríamos terminar esse processo muito mais seguros. Mas não é difícil terminar pensando: “será que eu deveria pesquisar mais um pouco?”

    A psicologia estuda diferentes versões desse problema. Uma delas é a information overload, a sobrecarga de informação: quando a quantidade, complexidade ou velocidade das informações ultrapassa nossa capacidade de processá-las.

    Revisões da literatura associam o fenômeno a maior pressão cognitiva, dificuldades na tomada de decisão e perda de produtividade. Existe também o choice overload, o excesso de escolha.

    Aqui vale evitar uma conclusão fácil demais: mais opções não tornam automaticamente nossas decisões piores. Uma meta-análise publicada no Journal of Consumer Psychology, com 99 observações e 7.202 participantes, encontrou algo mais interessante.

    Os efeitos negativos do excesso de escolha dependem de fatores como a complexidade das alternativas, a dificuldade da tarefa, a incerteza sobre o que queremos e o objetivo da decisão.

    Talvez o problema, então, não seja ter muita informação. Seja precisar descobrir, no meio dela, qual informação merece nossa atenção.

    Talvez estejamos procurando certeza, não informação

    Herbert Simon desenvolveu a ideia de racionalidade limitada justamente questionando a imagem de seres humanos capazes de conhecer todas as alternativas, calcular todas as consequências e escolher racionalmente a melhor possibilidade. Nossas decisões acontecem dentro de limitações de tempo, informação e capacidade cognitiva.

    Acho interessante trazer essa ideia para 2026. Nossa capacidade de produzir e acessar informação cresceu de forma extraordinária.

    Nossa capacidade de prestar atenção e analisar tudo isso não cresceu na mesma proporção. Criamos mecanismos capazes de encontrar milhões de resultados em segundos.

    Continuamos com um cérebro. Simon também trabalhou com o conceito de satisficing.

    Simplificando bastante: nem sempre procuramos — ou conseguimos encontrar — a alternativa perfeita. Muitas vezes decidimos quando encontramos algo que atende suficientemente aos nossos critérios.

    Talvez eu não precise encontrar o melhor notebook disponível no mercado. Preciso encontrar um notebook suficientemente bom para o que pretendo fazer, dentro do preço que estou disposto a pagar.

    Parece óbvio quando colocado assim. Na prática, não acho que seja tão simples.

    Porque talvez exista outra coisa por trás da nossa pesquisa incessante: não estamos procurando apenas informação. Estamos procurando certeza.

    Queremos escolher o computador certo, o investimento certo, o curso certo, a ferramenta certa. Enquanto continuamos pesquisando, existe a sensação de que podemos eliminar o risco de uma decisão ruim.

    Talvez a próxima avaliação, o próximo estudo ou a próxima comparação finalmente revele a escolha perfeita. Só que cada nova informação também pode acrescentar uma variável que não conhecíamos.

    Você estava decidido pelo notebook A até descobrir que o B tem uma tela melhor. Começa a considerar o B e descobre que o C tem bateria melhor.

    Então alguém avisa que uma nova geração será lançada daqui a dois meses. No final, você sabe muito mais do que sabia quando começou.

    E está menos decidido. Talvez uma das ironias da Era do Excesso seja justamente esta: estar mais informado e estar mais preparado para decidir não são necessariamente a mesma coisa.

    O problema deixou de ser encontrar. Passou a ser filtrar.

    Essa discussão ganhou outro significado para mim recentemente, enquanto estudava análise de dados. Uma das ideias introdutórias que me chamou atenção foi perceber que o trabalho de um analista não consiste em simplesmente ter muitos dados.

    É preciso selecionar, limpar, organizar, contextualizar e transformar aquilo em algo que ajude alguém a compreender um problema ou tomar uma decisão. Comecei a imaginar isso como um campo enorme.

    Se existe alguma coisa valiosa crescendo ali, não adianta aumentar o tamanho do campo. Em algum momento alguém precisa entrar, capinar, separar o ruído e encontrar o que realmente pode ser aproveitado.

    Talvez estejamos precisando fazer a mesma coisa com informação. Durante muito tempo, possuir informação representava vantagem.

    Hoje, quando praticamente qualquer assunto nos devolve milhares de resultados, uma habilidade cada vez mais valiosa talvez seja saber o que ignorar. Isso vale para dados, notícias, artigos científicos, vídeos, opiniões e também para inteligência artificial.

    O ChatGPT pode reunir, resumir e relacionar uma quantidade de informação numa velocidade que eu dificilmente conseguiria sozinho. Mas aumentar minha capacidade de obter respostas não elimina a necessidade de saber qual pergunta estou tentando responder.

    Uma ferramenta capaz de me entregar dez vezes mais informação não resolve necessariamente meu problema se eu não souber quais 10% realmente importam.

    E se não estivermos procurando uma resposta?

    Existe ainda uma camada mais incômoda nessa discussão. Até aqui parti da ideia de que procuramos informação porque queremos compreender alguma coisa ou tomar uma decisão melhor.

    Mas nem sempre fazemos isso. Às vezes começamos a pesquisa depois que já sabemos qual conclusão queremos encontrar.

    Em vez de perguntar “o que as evidências mostram?”, começamos silenciosamente a procurar “quais evidências sustentam aquilo que eu já penso?”.

    Isso não nasceu com a internet.

    O chamado viés de confirmação é estudado pela psicologia há muito tempo e envolve nossa tendência de buscar ou interpretar evidências de maneira favorável a crenças e hipóteses que já possuímos. Uma revisão clássica de Raymond Nickerson mostra como o fenômeno aparece em diferentes contextos do raciocínio humano.

    A internet não inventou nosso viés. Mas talvez tenha feito algo particularmente interessante: deu ao nosso viés um mecanismo de busca.

    Hoje existe uma quantidade tão grande de pesquisas, estatísticas, especialistas, artigos, vídeos e interpretações disponíveis que frequentemente conseguimos encontrar alguma coisa que pareça confirmar praticamente qualquer posição que já possuíamos. E isso abre uma pergunta ainda mais desconfortável: estamos procurando informação para descobrir no que acreditar, ou procurando informação para continuar acreditando naquilo que já acreditávamos?

    Essa pergunta merece seu próprio Teste de Realidade.

    Veredito do Teste de Realidade

    Então, mais informação nos ajuda a tomar decisões melhores? Sim — até que ela deixe de responder às perguntas relevantes e comece apenas a acrescentar novas possibilidades.

    Decidir sem informação suficiente é decidir no escuro. Mas isso não significa que exista uma relação infinita entre quantidade de informação e qualidade da decisão.

    A literatura sobre excesso de informação e excesso de escolha aponta para uma situação mais complexa: contexto, dificuldade, quantidade de alternativas e nossa própria clareza sobre o que queremos importam. Talvez, por isso, uma habilidade importante para os próximos anos não seja simplesmente aprender a encontrar informação.

    Nisso, as máquinas estão ficando extraordinariamente boas. Precisamos aprender a reconhecer quando já sabemos o suficiente para decidir, quais informações realmente importam e quais podemos simplesmente ignorar.

    E existe uma pergunta ainda mais difícil, que fica para o próximo texto desta série: quando encontramos um dado, um estudo ou uma estatística que confirma perfeitamente aquilo que já pensávamos, somos capazes de submetê-lo ao mesmo nível de desconfiança que teríamos se ele dissesse exatamente o contrário? Porque talvez o maior problema da Era do Excesso não seja termos informação demais.

    Talvez seja descobrir o que estamos fazendo com ela.

    Referências

    • Chernev, A.; Böckenholt, U.; Goodman, J. K. Choice Overload: A Conceptual Review and Meta-analysis. Journal of Consumer Psychology, 2015.
    • Nickerson, R. S. Confirmation Bias: A Ubiquitous Phenomenon in Many Guises. Review of General Psychology, 1998.
    • Revisão de literatura sobre information overload, suas causas, consequências e estratégias de enfrentamento.
  • Vale a pena automatizar?

    Vale a pena automatizar?

    A conta que quase ninguém faz sobre produtividade, eficiência e o custo real da tecnologia.

    Eu gosto de automação. Talvez justamente por isso tenha começado a desconfiar dela.

    A promessa é quase irresistível: existe uma tarefa repetitiva que fazemos todos os dias, criamos uma automação uma única vez e, teoricamente, nunca mais precisamos nos preocupar com aquilo. Se uma tarefa consome dez minutos por dia, a conta parece simples: são mais de três horas por mês que poderiam ser recuperadas. Automatizamos e pronto.

    O problema é que uma automação não nasce pronta. Alguém precisa entender o processo, escolher as ferramentas, configurar, testar, corrigir erros e prever exceções. Depois que tudo começa a funcionar, ainda existe manutenção.

    Foi trabalhando cada vez mais com automações que comecei a perceber que talvez estejamos fazendo essa conta pela metade. Normalmente calculamos o tempo que a automação promete economizar, mas raramente colocamos do outro lado da equação quanto tempo a própria automação consome.

    1. O custo que não aparece quando a automação funciona

    Quem trabalha com automação de processos provavelmente já passou por uma situação parecida. Existe uma pequena tarefa manual e pensamos: “isso aqui dá para automatizar”. Abrimos uma ferramenta, começamos a montar o fluxo, precisamos entender uma API, configurar autenticações, mapear campos e testar. Não funciona de primeira. Ajustamos. Agora funciona em alguns casos, mas aparece uma exceção que não havíamos previsto. Criamos outra condição, testamos novamente e, quando percebemos, aquela tarefa de poucos minutos consumiu uma tarde inteira.

    Isso não significa necessariamente que automatizar foi uma decisão ruim. Se a tarefa será executada todos os dias durante os próximos anos, aquela tarde pode ter sido um excelente investimento. Mas existe uma diferença importante entre conseguir automatizar uma tarefa e efetivamente conseguir economia de tempo com ela. A economia só começa depois que recuperamos o tempo investido no desenvolvimento, no aprendizado e na manutenção da solução.

    Imagine uma automação que leve quatro horas para ser construída e economize cinco minutos por semana. Serão aproximadamente 48 semanas apenas para recuperar o tempo investido inicialmente, sem considerar manutenção, falhas ou mudanças nos sistemas envolvidos. Nesse caso, conseguimos automatizar a tarefa, mas demoraremos quase um ano para começar a economizar o primeiro minuto de verdade.

    É por isso que comecei a achar que qualquer automação, mesmo pequena, deveria passar por algum tipo de análise de retorno sobre investimento. Não precisa ser uma planilha financeira sofisticada. Basta fazer uma pergunta razoável: o valor que essa automação produzirá será maior do que o esforço necessário para criá-la e mantê-la?

    2. Automatizar tarefas repetitivas pode ser excelente — quando existe escala

    A conta muda completamente quando existe frequência e volume. Uma tarefa manual de cinco minutos executada uma vez por mês provavelmente não merece uma automação complexa. A mesma tarefa realizada duzentas vezes por dia é outra história. É aí que automatizar tarefas repetitivas pode gerar ganhos enormes de produtividade, eficiência e redução de custos.

    Também não devemos medir o retorno da automação apenas em horas economizadas. Uma automação pode reduzir erros humanos, aumentar a consistência de um processo ou permitir que uma operação cresça sem exigir proporcionalmente mais pessoas. Em determinados processos manuais, a redução de erros pode valer muito mais do que a economia de tempo. Em outros, o principal ganho está na capacidade de executar uma tarefa sempre da mesma maneira e no momento correto.

    Por isso, quando falamos em automação de processos, gosto cada vez menos da pergunta “isso pode ser automatizado?”. Hoje, com inteligência artificial, ferramentas no-code, APIs e plataformas de automação, a resposta para uma quantidade enorme de tarefas é simplesmente sim. Quase sempre dá para fazer alguma coisa. A pergunta mais interessante é outra: “vale a pena automatizar?”

    Para responder, precisamos olhar para frequência, volume, tempo gasto no processo manual, possibilidade de erros, custo de implementação, necessidade de manutenção e tempo durante o qual aquele processo continuará existindo. Uma automação com retorno previsto para dois anos pode parecer ótima no papel, mas não faz muito sentido se o processo provavelmente será substituído daqui a seis meses.

    3. A inteligência artificial tornou automatizar fácil demais

    A IA tornou essa discussão ainda mais interessante porque reduziu muito a barreira técnica. Hoje podemos usar inteligência artificial para ajudar a escrever código, entender APIs, encontrar erros, estruturar fluxos e até tomar determinadas decisões dentro de uma automação. Ferramentas como n8n e outras plataformas também permitem construir integrações que alguns anos atrás exigiriam muito mais conhecimento técnico.

    Isso é extraordinário, mas existe um efeito colateral: ficou mais fácil automatizar coisas que talvez nunca precisassem ser automatizadas. Quando construir uma automação era difícil e caro, havia um filtro natural. O ganho precisava justificar o esforço. Agora podemos olhar para qualquer pequena tarefa e pensar que seria interessante fazê-la automaticamente.

    Eu mesmo gosto desse processo. Existe uma satisfação real em conectar sistemas, criar uma lógica e ver tudo funcionando sem intervenção. E não há problema nenhum em fazer isso por curiosidade, aprendizado ou simplesmente porque gostamos de tecnologia. O cuidado é não chamar automaticamente esse tempo de produtividade.

    Se passei seis horas criando uma automação para evitar uma tarefa de dois minutos por mês, talvez eu tenha aprendido bastante. Talvez tenha me divertido. Talvez aquele conhecimento seja útil em outro projeto. Tudo isso tem valor. Mas, olhando apenas para aquela tarefa, provavelmente não fiz um bom investimento em eficiência operacional.

    Essa distinção é importante porque tecnologia também pode virar hobby. Podemos passar horas aperfeiçoando ferramentas criadas justamente para nos fazer gastar menos horas trabalhando. A ironia é boa demais para ser ignorada.

    4. A conta completa da automação

    Hoje eu tentaria fazer uma conta simples antes de automatizar qualquer processo. De um lado, colocaria o custo real: tempo de desenvolvimento, aprendizado, configuração, testes, correções, manutenção e supervisão. Do outro, colocaria o retorno: horas economizadas, redução de erros, redução de custos, aumento de capacidade e qualquer ganho de eficiência que aquela solução possa produzir.

    Em termos simples:

    Custo real da automação = desenvolvimento + aprendizado + configuração + manutenção + correções.

    Retorno da automação = economia de tempo + redução de erros + redução de custos + capacidade adicional.

    Não precisamos transformar todas as pequenas automações em projetos financeiros. A ideia é apenas evitar a ilusão de que uma tarefa automatizada necessariamente representa tempo economizado. Em muitos casos representa. Em outros, apenas trocamos um processo manual simples por uma solução tecnológica que agora também precisa ser administrada.

    Existe ainda uma pergunta que considero especialmente útil: “o que aconteceria se eu simplesmente continuasse fazendo isso manualmente?” Às vezes a resposta é que perderíamos centenas de horas e aumentaríamos muito a chance de erro. Ótimo candidato para automação. Em outros casos, descobriríamos que alguém gastaria cinco minutos por semana fazendo algo extremamente simples. Talvez seja melhor deixar como está.

    5. Veredito do teste de realidade

    Automação realmente aumenta produtividade e eficiência? Sim. Pode gerar uma enorme economia de tempo, reduzir custos, eliminar tarefas repetitivas e diminuir erros. Em escala, os resultados podem ser impressionantes.

    Mas a automação não é gratuita só porque não pagamos por um software. Nosso tempo também tem custo. Configuração tem custo. Manutenção tem custo. Complexidade tem custo. E qualquer análise de retorno da automação que ignore esses elementos provavelmente está mostrando apenas metade da história.

    O que mudou para mim foi a pergunta. Antes, quando encontrava uma tarefa repetitiva, minha reação natural era pensar: “dá para automatizar?”. Hoje tento fazer uma pergunta diferente: “vale a pena automatizar?”

    A diferença entre as duas parece pequena. Na prática, pode economizar mais tempo do que a própria automação.


    Foto: Neil Fernandez/Unsplash.

  • Menos ferramentas, mais produtividade

    Menos ferramentas, mais produtividade

    Uma reflexão sobre gestão do tempo e ecossistemas digitais.

    Eu gosto de ferramentas.

    Se aparece um aplicativo prometendo organizar melhor minhas tarefas, automatizar alguma coisa ou economizar tempo, existe uma boa chance de eu querer experimentar. A promessa costuma ser ótima: organizar o trabalho, eliminar tarefas repetitivas e finalmente sobrar tempo para o que importa.

    Já tentei de tudo para ser mais produtivo. Sempre que a desorganização aparecia, meu primeiro pensamento era quase automático: preciso achar uma ferramenta para resolver isso.

    Foi assim que acumulei aplicativos de tarefas, calendários, sistemas para guardar informação, planilhas, automações e inteligências artificiais. Individualmente, quase todos faziam sentido. Alguns me lembravam de compromissos, outros centralizavam dados e certos processos realmente podiam ser automatizados.

    O problema apareceu quando percebi que gastava mais tempo escolhendo, configurando e aprendendo ferramentas do que organizando o que precisava ser feito.

    Foi aí que comecei a desconfiar de uma ideia que parece razoável: se uma ferramenta aumenta minha produtividade, duas deveriam aumentar ainda mais. Três, então, melhor ainda.

    Será que funciona assim?

    1. Quando organizar o trabalho vira trabalho

    Toda ferramenta cria um pequeno sistema ao redor dela. Você precisa aprender como funciona, decidir onde cada informação vai ficar, criar categorias e, eventualmente, integrá-la com o que já usa. Depois vêm as atualizações, as mudanças de interface, os novos recursos e aquela sensação de que talvez não esteja usando tudo “da maneira certa”.

    Separadamente, esse esforço parece pequeno. O problema aparece quando multiplicamos por cinco, dez ou quinze.

    Uma tarefa está no Todoist, uma informação no Notion, um compromisso no Google Calendar e um arquivo no Google Drive. Existe uma automação conectando parte disso, uma IA ajudando em outra etapa e talvez uma planilha controlando o que o sistema deveria ter organizado sozinho.

    Tecnicamente, está tudo organizado.

    Mas quanto trabalho foi necessário para organizar o trabalho?

    O psicólogo John Sweller desenvolveu a teoria da carga cognitiva a partir da constatação de que nossa capacidade de processar informações ao mesmo tempo é limitada. A pesquisa nasceu no campo da aprendizagem, mas o princípio ajuda a entender o problema: quanto mais regras, interfaces e sistemas precisamos manter na cabeça, maior é o esforço que não está indo para a tarefa principal. O sistema pode estar impecável na tela e continuar confuso dentro da nossa mente. (Sweller, 1988)

    O economista Herbert Simon já alertava que a abundância de informação consome justamente o que temos de mais limitado: atenção. Talvez o mesmo valha para as ferramentas. Quanto mais opções temos, mais atenção precisamos gastar para escolher, configurar e decidir qual usar.

    Em algum momento, deixamos de administrar tarefas e começamos a manter um ecossistema.

    2. A ferramenta nova sempre parece resolver o problema

    Quando o sistema começa a ficar confuso, é fácil concluir que está faltando alguma coisa.

    Talvez precisemos de um gerenciador de projetos melhor, um app de notas mais poderoso, uma automação nova ou um agente de IA que finalmente coloque ordem em tudo.

    Às vezes precisamos mesmo.

    Mas existe outra possibilidade: já temos ferramentas demais e ainda não sabemos exatamente o que estamos tentando organizar.

    A tecnologia torna essa armadilha sedutora porque as ferramentas realmente fazem coisas impressionantes. O Notion reúne páginas, bancos de dados e projetos. O Trello mostra visualmente o andamento das tarefas. O Todoist registra pendências. O Google Calendar reserva nosso tempo. Automações conectam sistemas, e a IA resume, classifica e até executa parte do trabalho.

    O problema não está em nenhuma delas. Está na soma — e principalmente na expectativa de que alguma ferramenta produza uma clareza que ainda não construímos.

    Foi isso que comecei a perceber: não é a ferramenta que me torna organizado. Ela registra, lembra, ordena e automatiza, mas não decide por mim o que é importante, aonde quero chegar e qual é o próximo passo.

    A ferramenta apenas sustenta — ou complica — uma organização que precisa começar antes dela.

    3. Procurar soluções também pode ser uma forma de adiar

    Existe uma parte desconfortável em qualquer processo de organização: precisamos tomar decisões.

    É preciso definir o que importa, o que pode esperar, o que não faz mais sentido e o que estamos dispostos a abandonar. Diante disso, pesquisar uma ferramenta nova parece bem mais agradável.

    Assistimos a vídeos, comparamos recursos, testamos modelos, criamos categorias e importamos informações. Tudo isso produz uma sensação de movimento. Parece que estamos resolvendo o problema, embora talvez estejamos apenas nos preparando para começar.

    Procurar uma ferramenta pode virar uma maneira sofisticada de adiar a organização.

    Eu acho interessante experimentar tecnologias, automações e novas formas de trabalhar. Existe aprendizado nisso e, muitas vezes, diversão. Posso passar uma tarde configurando uma automação só para descobrir se consigo fazê-la funcionar.

    Não vejo problema nenhum nisso.

    O erro seria terminar e dizer que economizei tempo quando a atividade automatizada levava três minutos por semana. Talvez eu tenha aprendido algo, satisfeito minha curiosidade ou criado algo útil no futuro. Tudo isso é legítimo. Só não é necessariamente produtividade.

    Podemos passar duas horas construindo um sistema sofisticado para gerenciar tarefas e terminar o dia com a sensação de que fomos produtivos.

    Mas nenhuma tarefa foi realizada.

    Talvez tenhamos apenas produzido uma representação muito bonita do trabalho que ainda precisa ser feito.

    4. Toda organização coloca a bagunça para fora

    Organizar um sistema que já funciona mal é parecido com arrumar um armário.

    Começamos empolgados, retiramos as roupas, separamos objetos e colocamos tudo sobre a cama. Em determinado momento, olhamos para o quarto e ele parece muito mais bagunçado do que antes. Surge o arrependimento de ter começado.

    Se continuarmos, provavelmente chegaremos a um bom resultado. Mas confesso que várias vezes parei no meio, pensei “amanhã eu termino” e descobri, algum tempo depois, que o armário continuava bagunçado e agora o quarto também estava.

    Com ferramentas acontece algo parecido. Ao migrar para um sistema novo, colocamos parte da organização para fora. Transferimos tarefas, recriamos categorias, movimentamos arquivos e tentamos aprender uma lógica nova. Se o cansaço aparece e abandonamos o processo no meio, parte das informações fica no sistema antigo, outra no novo e algumas permanecem apenas na memória.

    A tentativa de organização consegue deixar tudo mais desorganizado do que estava.

    Começar algo de forma organizada já exige esforço. Reorganizar é ainda mais difícil, porque precisamos continuar trabalhando enquanto desmontamos a estrutura anterior.

    O problema não é passar por essa fase de bagunça. Em muitos casos, ela é necessária. O problema é começar uma reorganização sem clareza e sem disposição para atravessá-la até o fim.

    5. Produtividade não é apenas concluir tarefas

    Certa vez, conversando com um amigo, percebi que para ele era muito importante terminar o dia com a sensação de ter concluído alguma coisa.

    Em determinado momento, ele disse que seu dia não havia sido produtivo. Eu respondi que ele tinha trabalhado e avançado; apenas não tinha finalizado as tarefas. Provavelmente terminaria tudo no dia seguinte.

    Mesmo assim, ele insistiu: “Mas eu não tive a sensação de que terminei alguma coisa.”

    Essa sensação é válida. As pesquisas de Teresa Amabile e Steven Kramer, baseadas em milhares de registros diários de trabalhadores, mostraram a importância de perceber progresso em um trabalho significativo. Pequenos avanços reais podem sustentar a motivação, mesmo quando o projeto completo ainda está longe de terminar. (The Progress Principle)

    Talvez, para alguém como meu amigo, um método baseado em etapas visíveis funcione melhor. Um projeto de três dias pode ser dividido em reunir os dados, conferir as informações, analisar os resultados e preparar a apresentação. O projeto continua aberto, mas existe uma percepção concreta de avanço.

    O cuidado é não criar pequenas tarefas artificiais só para experimentar a satisfação de riscá-las da lista. Abrir o computador, criar o documento e escrever o título podem ser ações, mas não representam necessariamente três conquistas diferentes.

    Produtividade e conclusão não são sinônimos. Podemos avançar muito em algo importante sem concluir nenhuma tarefa naquele dia. Também podemos marcar dez tarefas pequenas como concluídas sem avançar em nada relevante.

    Por isso, o método que funciona para uma pessoa pode não funcionar para outra. Algumas precisam visualizar cada etapa vencida. Outras preferem observar o projeto inteiro. Algumas trabalham melhor com horários definidos; outras precisam de uma lista flexível de prioridades. O método mais popular não é necessariamente o mais adequado.

    6. Quando o método também vira problema

    Quando uma ferramenta não resolve, começamos a procurar um método.

    Existe o GTD, de David Allen, baseado em capturar, esclarecer, organizar, revisar e executar. Há o Kanban, com suas colunas de tarefas a fazer, em andamento e concluídas. Temos a Matriz de Eisenhower, o time blocking, o Pomodoro, o PARA, o Bullet Journal e diversas combinações possíveis. O próprio GTD é flexível: sua lógica pode ser aplicada em um software sofisticado ou em um sistema simples.

    Todos esses métodos podem ajudar. A questão é que também podemos gastar mais tempo procurando o método perfeito do que compreendendo o trabalho que está diante de nós.

    Passamos do GTD para o Kanban, do Kanban para o time blocking e depois misturamos tudo com algum aplicativo novo. No fim, criamos um método particular tão elaborado que precisamos reservar parte da semana para administrá-lo.

    Talvez não esteja faltando um método. Talvez esteja faltando responder quatro perguntas básicas:

    1. O que precisa ser feito?
    2. O que realmente importa agora?
    3. Qual é o próximo passo concreto?
    4. E o que posso eliminar ou deixar para depois?

    A ferramenta deveria entrar somente depois dessas respostas.

    7. A ferramenta mais simples pode ser a mais funcional

    Eu reconheço em mim uma tendência de querer o que é mais avançado. Só que “mais avançado” e “mais útil para o que preciso fazer” são coisas diferentes.

    Um aplicativo pode ter bancos de dados, etiquetas, dependências, integrações, painéis e inteligência artificial. Mas, se tudo o que preciso é recordar três tarefas importantes, talvez uma lista no celular resolva melhor. Em determinadas situações, uma planilha simples funciona melhor do que um sistema completo de gestão. Em outras, papel e caneta são suficientes.

    Uma ferramenta razoável que conhecemos bem costuma produzir mais valor do que uma ferramenta extraordinária que ainda estamos aprendendo a usar.

    Isso vale também para inteligência artificial. Nem toda tarefa precisa do modelo mais poderoso, do agente mais autônomo ou de uma sequência inteira de automações. Às vezes, precisamos apenas de algo simples que funcione de forma previsível.

    Talvez exista um bom sinal de que uma ferramenta de produtividade está funcionando: paramos de pensar nela.

    Ela simplesmente faz parte do trabalho. Não precisamos reorganizá-la constantemente, acompanhar todos os novos recursos nem reconstruir nosso método toda semana. Abrimos, fazemos o que precisa ser feito e seguimos em frente.

    Isso parece pouco sofisticado. Talvez justamente por isso seja eficiente.

    8. Quantas ferramentas, então?

    Eu gostaria de dar um número. Cinco ferramentas. Sete. Talvez três.

    Seria uma ótima resposta para um título de internet.

    Também seria inventada.

    A quantidade adequada depende da pessoa, do trabalho e da complexidade do que está sendo feito. Uma empresa pode precisar de dezenas de sistemas. Alguém pode funcionar perfeitamente com uma agenda e um aplicativo de notas.

    A questão não é apenas quantas ferramentas usamos, mas quanta atenção precisamos dedicar para que elas continuem funcionando.

    Para avaliar cada uma, eu faria quatro perguntas:

    1. Qual problema concreto esta ferramenta resolve?
    2. O que ficou mais simples, seguro ou consistente depois que comecei a usá-la?
    3. Ela substituiu alguma coisa ou apenas acrescentou outra etapa?
    4. Se eu deixasse de usá-la amanhã, o que realmente faria falta?

    Se eu remover uma ferramenta e nada relevante acontecer, provavelmente descobri alguma coisa.

    9. Veredito do teste de realidade

    Mais ferramentas aumentam a produtividade?

    Até certo ponto.

    Depois disso, elas podem começar a criar a própria burocracia.

    Não acho que a solução seja abandonar aplicativos, voltar ao papel ou procurar um sistema minimalista perfeito. Isso seria apenas transformar o minimalismo em mais uma estratégia de produtividade para administrar.

    Também não acredito que exista um método universal. Cada pessoa trabalha de uma maneira, percebe o progresso de forma diferente e enfrenta dificuldades específicas. O importante é que o sistema ajude o trabalho a avançar sem exigir atenção constante para continuar existindo.

    A organização começa com clareza. O método oferece uma estrutura. A ferramenta sustenta o processo.

    Quando invertemos essa ordem, acabamos trabalhando para o sistema que deveria trabalhar por nós.

    Talvez não precisemos necessariamente de poucas ferramentas. Precisamos de ferramentas que retirem mais complexidade do que acrescentam — mesmo que a melhor delas seja uma lista simples que quase ninguém acharia interessante publicar na internet.

    No final, a melhor medida de produtividade não é quantas ferramentas conseguimos colocar para trabalhar por nós.

    É quanto conseguimos fazer sem precisar pensar nelas.


    Foto: Jakub Żerdzicki/Unsplash.

  • Vale a pena pagar pelo ChatGPT?

    Vale a pena pagar pelo ChatGPT?

    Minha experiência do Go ao Pro — e por que eu começaria pela necessidade, não pelo plano.

    Quando comecei a usar o ChatGPT com mais frequência, assinei o plano Go. Era mais barato, resolvia o que eu precisava naquele momento e parecia uma boa forma de testar até onde a ferramenta poderia me ajudar.

    Mesmo assim, eu quase pulei direto para o Pro.

    Não porque soubesse exatamente o que faria com ele, mas porque o plano mais completo exerce uma atração curiosa. A sensação é de que, se existe algo melhor disponível, talvez estejamos perdendo alguma coisa ao escolher uma versão menor.

    Com o tempo, meu uso aumentou. Passei do Go para o Plus e, depois, para o Pro. O que antes era conversa, pesquisa e escrita começou a envolver programação, automações, análises mais profundas e agentes.

    Não foi uma mudança feita de uma vez. A necessidade cresceu junto com o uso.

    E foi justamente isso que me fez perceber que a pergunta “qual é o melhor plano?” talvez esteja errada. Hoje eu começaria por outra: pagar para fazer o quê?

    A estranha atração pelo melhor

    O modelo mais avançado parece automaticamente mais desejável. O Pro parece melhor que o Plus, que parece melhor que o Go.

    Mas “melhor” só faz sentido quando existe um problema concreto para resolver.

    Percebi isso ainda no Go. Naquele plano, o nome do modelo quase não importava: o que importava era fazer a pergunta e receber uma boa resposta. Para quem quer uma conversa melhor, pesquisa, escrita e tarefas cotidianas, isso pode bastar — e talvez seja até uma vantagem não precisar pensar tanto na ferramenta.

    A situação muda quando a IA deixa de ser algo com que você conversa e vira algo com que você trabalha. Foi o que aconteceu comigo: programação, automações, pesquisas mais profundas e agentes. Nesse estágio, planos com mais capacidade passaram a oferecer outra experiência para mim, especialmente em projetos mais exigentes.

    É como comprar uma furadeira profissional para pendurar um quadro. A ferramenta pode ser extraordinária, mas isso não significa que ela seja necessária para o trabalho.

    Recurso não é valor

    Quando olhamos a lista de recursos de um plano, é fácil confundir quantidade com utilidade. Mais mensagens, modelos mais avançados, mais capacidade, mais ferramentas. Tudo parece valioso.

    Mas o valor não está no recurso disponível. Está no que fazemos com ele.

    Se eu pago por mais capacidade, mas continuo usando a IA do mesmo jeito, nada mudou. Se assino um plano mais caro para ter acesso a ferramentas que nunca entram no meu fluxo de trabalho, não comprei produtividade; comprei capacidade ociosa.

    Essa distinção importa porque tecnologia também pode virar entretenimento disfarçado de trabalho. Testar recursos, comparar modelos e montar sistemas é interessante. Mas a pergunta continua sendo: estou resolvendo um problema ou brincando com uma solução?

    Então, qual plano faz sentido?

    Na minha experiência, o melhor caminho é começar pelo menor plano que resolve bem a necessidade atual.

    Se o uso é cotidiano — escrever, pesquisar, organizar ideias, revisar textos e conversar com a IA — o Go pode ser suficiente. Se a ferramenta já faz parte do trabalho e os limites começam a aparecer com frequência, o Plus passa a fazer sentido. O Pro entra em outro estágio: quando a IA virou parte importante da rotina profissional e a capacidade extra realmente evita interrupções ou amplia o que você consegue entregar.

    Antes de mudar de plano, eu faria três perguntas:

    • Qual limitação concreta do meu plano atual está me atrapalhando?
    • Com que frequência isso acontece?
    • O plano superior resolve esse problema de forma valiosa o suficiente para justificar o custo?

    Se você precisa passar quinze minutos inventando razões para assinar, talvez a necessidade ainda não exista.

    Veredito do Teste de Realidade

    Vale a pena pagar pelo ChatGPT? Para mim, valeu. Mas cada mudança de plano só começou a fazer sentido quando o meu uso também mudou.

    Hoje eu não escolheria o plano pela lista de recursos nem pela vontade de ter “o melhor”. Escolheria pelo menor nível capaz de resolver bem o problema que tenho agora.

    Porque pagar por inteligência artificial não deveria ser uma aposta no que talvez você faça algum dia. Deveria ser uma decisão sobre o trabalho que ela já ajuda você a fazer hoje.

    Os planos, recursos e limites do ChatGPT mudam ao longo do tempo. Este texto descreve minha experiência pessoal em agosto de 2026.

    Foto: Kelly Sikkema/Unsplash.

  • Automatizar um processo ruim resolve alguma coisa?

    Automatizar um processo ruim resolve alguma coisa?

    Uma reflexão sobre tecnologia, eficiência e a armadilha da complexidade.

    Eu gosto de automação.

    Talvez mais do que deveria.

    Se existe uma tarefa repetitiva sendo feita à mão, minha primeira reação é pensar em um jeito de fazê-la acontecer sozinha.

    Hoje isso ficou ainda mais tentador. Temos inteligência artificial, n8n, APIs, agentes, integrações e uma enxurrada de ferramentas prometendo acabar com o trabalho repetitivo.

    E muitas vezes elas cumprem.

    O problema é que demorei para perceber uma coisa: automatizar uma tarefa e melhorar um processo não são a mesma coisa. Às vezes você só consegue fazer uma coisa ruim com muito mais velocidade.

    1. A tentação de automatizar

    Ver uma automação funcionando tem uma satisfação própria. Uma informação chega de um lado, passa por algumas regras, uma IA interpreta alguma coisa, outro sistema recebe o resultado. Pronto. O que antes precisava de uma pessoa agora acontece sozinho.

    É difícil olhar para isso e não pensar: funcionou.

    Só que existe uma pergunta anterior que nem sempre fazemos: por que essa tarefa precisava existir?

    Essa pergunta é bem menos divertida. Não tem IA, não tem API, não tem aquelas linhas bonitinhas conectando uma coisa à outra. Às vezes a resposta é simples: “porque sempre fizemos assim.”

    E aí mora o problema. Passamos horas construindo uma solução sofisticada para executar automaticamente uma tarefa que talvez nem devesse existir.

    2. O processo ruim continua lá

    Imagine uma empresa em que alguém recebe informações por e-mail, copia os dados para uma planilha e lança a mesma informação em outro sistema. Ótimo candidato para automação, não? Dá para ler o e-mail automaticamente, interpretar os dados e lançar tudo no sistema. Economizamos trabalho.

    Teste concluído? Talvez não.

    A pergunta mais importante poderia ser outra: por que a informação passa pelo e-mail e pela planilha antes de chegar ao sistema? Talvez o ganho real não esteja em automatizar as três etapas. Talvez esteja em eliminar duas delas.

    Isso parece óbvio quando escrevemos. Na vida real, nem tanto. Automatizar preserva o processo existente. Questionar o processo mexe em hábitos, responsabilidades e sistemas — e esbarra naquela frase que já destruiu toneladas de produtividade: “mas sempre foi feito assim.”

    A tecnologia, curiosamente, pode acabar protegendo justamente a ineficiência que deveria eliminar.

    3. Toda automação cria trabalho novo

    Existe outro custo que aparece depois. Automação precisa de manutenção. A senha muda, uma API muda, o sistema muda, um campo muda de nome, a IA responde de um jeito inesperado, uma integração decide que hoje não está a fim.

    E aquela automação criada para eliminar trabalho começa a produzir um tipo diferente de trabalho. Agora alguém precisa descobrir por que ela parou.

    Isso não significa que automatizar seja ruim. Muito pelo contrário. Significa que a conta precisa ser mais completa. Se uma tarefa levava dez minutos por dia e eu gastei vinte horas automatizando, ainda posso ter feito um ótimo negócio. Mas preciso somar desenvolvimento, configuração, manutenção, falhas e supervisão.

    Tempo economizado não é o mesmo que complexidade eliminada.

    4. Talvez a ordem esteja errada

    Antes de perguntar “como automatizar isso?”, valeria fazer outras perguntas:

    • Por que fazemos isso?
    • O que aconteceria se simplesmente parássemos?
    • Existe uma etapa anterior criando essa necessidade?
    • Podemos eliminar alguma coisa antes de automatizar?

    E só então: o que restou merece ser automatizado?

    Parece menos tecnológico. E é. Só que talvez seja exatamente esse o ponto. A melhor automação pode ser aquela que nunca precisou ser construída.

    5. Tecnologia deveria diminuir problemas

    Cada vez me interesso menos por tecnologia pela tecnologia. Uma automação impressionante que exige configuração constante, manutenção e supervisão pode ser intelectualmente interessante e operacionalmente péssima.

    Por outro lado, uma solução simples que elimina quinze minutos de trabalho todo dia pode valer muito mais. No fim, importa pouco quantos agentes, APIs ou integrações existem por trás. Importa o que aconteceu depois: o trabalho diminuiu? O processo ficou mais simples? Os erros caíram? Alguém ganhou tempo?

    Ou apenas trocamos uma tarefa manual por uma infraestrutura que agora precisamos administrar? É aí que a automação passa pelo teste de realidade.

    6. Veredito

    Automação funciona? Sim. Às vezes, extraordinariamente bem. Mas automatizar não transforma automaticamente um processo ruim em um processo bom. Pode apenas torná-lo mais rápido.

    Meu critério hoje é outro: primeiro eliminar, depois simplificar, só então automatizar.

    Porque talvez a pergunta mais importante não seja “como faço uma máquina fazer isso por mim?”. Talvez seja: “por que alguém precisa fazer isso?”

  • A IA realmente aumenta a produtividade — ou apenas a quantidade de trabalho?

    A IA realmente aumenta a produtividade — ou apenas a quantidade de trabalho?

    Nem toda ferramenta que parece poupar tempo devolve tempo. Às vezes, ela só transfere o trabalho para uma etapa que a promessa não mostra: aprender a usar, ajustar as regras, organizar os dados, alimentar o sistema e conferir se a resposta faz sentido.

    É fácil se animar com uma ferramenta nova. Um vídeo mostra alguém resolvendo em poucos cliques uma tarefa que parecia chata. A sensação é de que encontramos um atalho. Mas, na vida real, o caminho ganha várias curvas.

    O trabalho que vem antes

    Já passei meses ajustando uma ferramenta para ela me entregar informações de um jeito prático. No fim, ela realmente entregava. O problema é que, para chegar ali, eu precisava separar dados, criar campos, alimentar o sistema e manter tudo atualizado. A informação aparecia clara e organizada, mas o esforço para fazê-la aparecer era maior do que abrir uma planilha e registrar o necessário.

    Isso não quer dizer que a ferramenta era ruim. Ela só não resolvia o problema que eu tinha naquele momento. Resolvia um problema mais sofisticado, que exigia uma rotina mais sofisticada também. E talvez a planilha simples fosse a escolha mais inteligente.

    A preguiça como teste

    A preguiça pode ser uma ótima conselheira. Existe aquela ideia de contratar pessoas preguiçosas porque elas encontram um jeito mais rápido de fazer as coisas. Faz sentido: a vontade de evitar esforço pode revelar desperdícios que todo mundo aceitou como normais.

    Mas a preguiça também pode nos fazer inventar um trabalho maior para evitar um trabalho pequeno. Isso me lembra uma cena boba, mas reveladora.

    Uma vez, o controle remoto caiu no chão enquanto eu estava sentado. Em vez de levantar, comecei a me rastejar para tentar alcançá-lo. Quando percebi que estava quase de cabeça para baixo — gastando força e tempo para não dar poucos passos — ficou óbvio: levantar teria sido muito mais simples.

    Com ferramentas acontece algo parecido. Às vezes, aprendemos um sistema inteiro para não fazer uma tarefa direta uma única vez. O atalho parece mais elegante, mas cobra manutenção, atenção e energia.

    O que a promessa não mostra

    Boa parte dos tutoriais de inteligência artificial vende o resultado final: “faça isso em um clique”, “automatize sua rotina”, “nunca mais perca tempo com tal coisa”. O vídeo raramente mostra a preparação, as tentativas que não funcionaram, a revisão da resposta ou a dependência de preencher tudo corretamente antes.

    Isso não é exatamente mentira. É uma edição. Só que, fora do vídeo, a pergunta não é apenas se a ferramenta consegue fazer alguma coisa. É se o processo inteiro — do começo ao uso diário — fica realmente mais leve.

    O teste de realidade

    Antes de adotar uma ferramenta, vale perguntar:

    • Quanto tempo vou gastar aprendendo e configurando isso?
    • O que terei de alimentar ou atualizar toda semana?
    • Ela elimina uma etapa ou apenas deixa a mesma etapa mais bonita?
    • Eu usaria isso o suficiente para o esforço inicial valer a pena?
    • Existe um jeito mais simples de resolver o problema agora?

    Nem toda solução precisa virar sistema. Nem todo processo precisa de inteligência artificial. Às vezes, a ferramenta certa é a que abre menos abas, pede menos dados e nos deixa voltar logo para o trabalho — ou para outra coisa que importa mais.

    O melhor atalho não é o que parece moderno. É o que, depois de um tempo, realmente diminui o caminho.