Quando a IA torna todos melhores e mais parecidos.

Imagine que, de um dia para o outro, todas as empresas tivessem acesso aos melhores redatores, analistas, designers, consultores, programadores e pesquisadores do mercado.

Não apenas as grandes corporações.

A pequena loja.

O escritório de advocacia.

A imobiliária.

O profissional autônomo.

A agência com três funcionários.

Todos poderiam produzir apresentações profissionais, campanhas bem estruturadas, análises de mercado, planos estratégicos, relatórios, imagens, vídeos, processos internos e códigos de software em uma qualidade que, poucos anos atrás, exigiria profissionais especializados.

À primeira vista, isso parece apenas uma extraordinária democratização da competência.

E em grande parte é.

Mas existe uma consequência menos óbvia.

Quando todos passam a ter acesso a ferramentas capazes de produzir resultados excelentes, a própria excelência deixa de ser tão rara.

E quando milhões de pessoas começam a recorrer aos mesmos modelos para escrever, analisar, criar, planejar e decidir, outro fenômeno pode surgir, todos ficam melhores.

Mas começam a ficar melhores de maneiras cada vez mais parecidas.

É isso que podemos chamar de Paradoxo da Excelência Medíocre.

O risco não é que a inteligência artificial nos torne medíocres. É que ela nos torne excelentes do mesmo jeito.

Mediocridade não significa incompetência

A palavra “medíocre” costuma ser utilizada como sinônimo de ruim.

Não é esse o sentido aqui.

Sua origem está relacionada àquilo que ocupa uma posição intermediária, próxima da média.

O paradoxo descreve justamente uma possível convergência para uma média elevada.

Em vez de termos resultados excelentes, bons, medianos e ruins muito distantes entre si, começamos a aproximar todos eles.

O ruim melhora.

O mediano melhora muito.

O bom também melhora.

O excelente continua melhorando, mas talvez proporcionalmente menos.

O resultado é um mercado no qual o nível médio sobe enquanto algumas diferenças diminuem.

Essa hipótese já encontra sinais interessantes em experimentos com profissionais de alto nível.

Pesquisadores de Harvard, MIT, Wharton e outras instituições realizaram um experimento com 758 consultores da Boston Consulting Group. Em tarefas adequadas às capacidades do GPT-4, os participantes que utilizaram IA concluíram mais de 12% a mais de tarefas, trabalharam mais de 25% mais rápido e apresentaram melhora significativa na qualidade do trabalho.

Mas o resultado mais interessante talvez esteja na distribuição desses ganhos.

Os consultores que estavam abaixo da mediana de desempenho antes do experimento tiveram melhora de aproximadamente 43% com IA. Entre os profissionais anteriormente classificados entre os melhores, o aumento foi de aproximadamente 17%.

Todos ganharam.

Mas quem estava atrás ganhou proporcionalmente mais.

A IA não apenas aumentou a capacidade.

Ela também reduziu parte da distância entre capacidades diferentes.

A inteligência artificial pode funcionar como um compressor de competência

Isso possui implicações extraordinárias.

Durante muito tempo, uma parcela significativa da vantagem de um profissional vinha do fato de que ele conseguia fazer algo que poucas pessoas conseguiam fazer bem.

Escrever.

Pesquisar.

Programar.

Construir apresentações.

Analisar dados.

Criar campanhas.

Estruturar processos.

Produzir imagens.

Organizar informações.

Quanto mais difícil fosse adquirir determinada habilidade, maior poderia ser seu valor.

A IA começa a modificar essa relação.

Um profissional que escrevia mal agora consegue produzir um texto bastante competente.

Uma pessoa com pouco domínio de design consegue desenvolver uma peça visual razoavelmente sofisticada.

Um pequeno empresário sem departamento de estratégia consegue estruturar uma análise de mercado.

Um profissional sem conhecimentos avançados de programação consegue construir ferramentas simples.

Isso significa que a inteligência artificial possui uma característica economicamente poderosa:

ela aumenta o piso.

E elevar o piso é extraordinariamente positivo.

Milhões de pessoas passam a conseguir fazer coisas que anteriormente estavam fora de seu alcance.

O problema surge quando confundimos elevar o piso com elevar o teto.

Um mundo cheio de coisas boas pode continuar sendo um mundo pouco original

Um experimento publicado na Science Advances ajuda a enxergar esse problema.

Os pesquisadores Anil Doshi e Oliver Hauser pediram a participantes que escrevessem pequenas histórias. Parte deles recebeu ideias produzidas por inteligência artificial e outra parte trabalhou sem essa assistência.

Os textos produzidos com ajuda da IA foram avaliados como mais criativos, mais bem escritos e mais agradáveis e os participantes originalmente menos criativos foram justamente os que mais se beneficiaram.

Até aí, temos novamente a elevação do piso.

Mas aconteceu outra coisa.

As histórias produzidas com assistência da IA ficaram mais semelhantes umas às outras do que aquelas produzidas apenas por humanos. Os autores descrevem o resultado como uma tensão entre ganho individual de criatividade e perda de diversidade coletiva.

Essa descoberta é extremamente importante.

Porque mostra que duas coisas aparentemente contraditórias podem acontecer simultaneamente:

a produção de cada indivíduo melhora;

a diversidade do conjunto diminui.

Não precisamos escolher entre “IA aumenta criatividade” ou “IA diminui criatividade”.

Dependendo daquilo que estamos medindo, as duas afirmações podem coexistir.

E é exatamente aí que surge o Paradoxo da Excelência Medíocre.

Você provavelmente já viu esse fenômeno

Mesmo sem consultar qualquer estudo acadêmico, basta observar parte da produção digital recente.

Existem imagens impecavelmente iluminadas que parecem estranhamente familiares.

Textos profissionais com a mesma estrutura.

Postagens com os mesmos ganchos.

Apresentações com o mesmo vocabulário corporativo.

Fotografias publicitárias artificiais com os mesmos enquadramentos.

Sites diferentes que parecem ter sido projetados pela mesma equipe.

Não significa que sejam ruins.

Esse é justamente o problema.

Muitas vezes são tecnicamente boas.

Mas falta alguma coisa.

Uma imperfeição.

Uma escolha inesperada.

Uma voz.

Uma obsessão.

Uma história.

Um gosto particular.

Alguma decisão que não teria surgido simplesmente da pergunta:

“Qual é a melhor forma de fazer isso?”

Quanto mais pessoas fazem essa pergunta aos mesmos sistemas, maior pode ser a pressão em direção às respostas consideradas mais prováveis, seguras ou eficientes.

E isso não se limita à criação de conteúdo.

Pode chegar à própria forma como administramos empresas.

O próximo estágio pode ser a homogeneização da gestão

Imagine milhares de gestores perguntando à inteligência artificial:

“Qual é a melhor estrutura para uma reunião semanal?”

“Como devo avaliar meus funcionários?”

“Qual é o melhor funil de vendas?”

“Como melhorar a motivação da equipe?”

“Qual deve ser nosso processo de onboarding?”

“Como organizar o planejamento estratégico?”

“Qual é a estrutura ideal de uma campanha?”

As respostas podem ser excelentes.

Podem resumir décadas de conhecimento em administração, psicologia organizacional, marketing e estratégia.

Isso é extremamente valioso.

Mas existe uma pergunta incômoda:

o que acontece quando todos começam a administrar seguindo versões das mesmas melhores práticas?

Talvez vejamos um fenômeno semelhante ao observado na criatividade.

Empresas individualmente melhores.

Mercado coletivamente mais homogêneo.

A boa prática passa a funcionar como uma força de convergência.

As melhores práticas possuem uma data de validade competitiva

Existe uma diferença entre algo ser bom e algo ser diferencial.

Ter um site profissional já foi um diferencial.

Hoje é requisito.

Responder rapidamente ao cliente já foi diferencial em vários setores.

Hoje frequentemente é requisito.

Utilizar CRM, analisar dados, acompanhar indicadores e possuir processos bem estruturados podem seguir caminho semelhante.

Quanto mais acessível uma capacidade se torna, menos sua simples existência diferencia quem a possui.

É um princípio competitivo simples.

Se apenas dez empresas conseguem fazer algo, essa capacidade pode ser uma vantagem.

Se todas conseguem, passa a ser o novo padrão mínimo.

A inteligência artificial acelera brutalmente esse processo porque reduz o custo de acesso ao conhecimento e à capacidade de execução.

Isso significa que muitas competências que atualmente parecem sofisticadas podem se transformar rapidamente em commodities cognitivas.

A pergunta deixa de ser:

“Sua empresa consegue fazer isso?”

e passa a ser:

“O que sua empresa faz de diferente agora que todas as outras também conseguem?”

O mercado pode começar a se dividir de outra maneira

O AI Jobs Barometer 2026 da PwC identifica dois movimentos diferentes no mercado de trabalho.

Em algumas profissões, a IA está democratizando capacidades: pessoas com menos especialização conseguem realizar tarefas anteriormente reservadas a profissionais mais especializados.

Em outras, ocorre um processo que a PwC chama de professionalisation: a tecnologia absorve determinadas atividades e aumenta proporcionalmente a importância da expertise humana restante. Segundo o levantamento, os cargos classificados nessa segunda trajetória cresceram duas vezes mais rapidamente e registraram crescimento salarial 42% superior aos cargos democratizados desde 2021.

Isso nos oferece uma pista importante.

Talvez o impacto mais profundo da IA não seja simplesmente reduzir o valor do conhecimento.

Pode ser mudar qual conhecimento possui valor.

Saber produzir uma resposta pode valer menos.

Saber avaliar a resposta pode valer mais.

Saber executar pode valer menos.

Saber direcionar pode valer mais.

Saber aplicar uma metodologia pode valer menos.

Saber quando abandonar a metodologia pode valer mais.

Quando a resposta fica barata, o critério fica caro

Imagine que uma inteligência artificial consiga criar cem campanhas publicitárias razoavelmente boas em alguns minutos.

Gerar a campanha número 101 deixa de ser uma habilidade particularmente escassa.

O problema agora é outro:

qual das cem devemos executar?

Imagine que um agente consiga desenvolver dez estratégias comerciais plausíveis.

O valor não está necessariamente em produzir a décima primeira.

Está em compreender:

qual delas combina com a empresa;

qual considera algo que os dados não capturaram;

qual a equipe consegue realmente executar;

qual respeita a identidade da marca;

qual possui um risco que não estamos dispostos a correr;

e qual parece correta no papel, mas está errada naquele contexto específico.

Quanto mais alternativas a inteligência artificial consegue produzir, mais importante fica a capacidade de selecionar.

Quanto melhor ela fica em responder, mais importante pode ficar saber julgar a resposta.

É uma inversão importante.

Durante muito tempo, produzir informação e conhecimento era caro.

Agora estamos entrando em um mundo em que produzir respostas pode ficar extremamente barato.

O recurso escasso passa a migrar para outro lugar.

O problema não está em utilizar IA. Está em onde colocamos a IA.

Há uma diferença enorme entre pedir:

“Tenho esta hipótese. Procure falhas nela.”

e perguntar:

“Qual deveria ser minha hipótese?”

Entre:

“Criei estas três possibilidades. Ajude-me a explorar outras dez.”

e:

“Me dê a melhor ideia.”

Entre:

“Esta é a identidade que queremos construir. Mostre formas diferentes de expressá-la.”

e:

“Qual identidade minha empresa deveria ter?”

Nos dois casos estamos utilizando inteligência artificial.

Mas os processos cognitivos são completamente diferentes.

No primeiro, existe pensamento humano antes da máquina.

No segundo, a máquina começa a fornecer também o ponto de partida.

Podemos separar esses usos em dois modelos.

IA como amplificação

O humano define intenção, hipótese, gosto, contexto ou direção.

A IA expande possibilidades, executa, pesquisa, testa e acelera.

O processo é:

pensamento humano → IA → expansão → julgamento humano.

IA como substituição cognitiva

A IA recebe o problema antes que o humano tenha construído qualquer interpretação própria.

Ela propõe o diagnóstico, as possibilidades, os critérios e frequentemente a conclusão.

O processo começa a se aproximar de:

problema → IA → resposta → aceitação humana.

O segundo modelo pode ser extremamente eficiente.

E justamente por isso merece atenção.

A terceirização mais perigosa talvez não seja a execução

Um estudo recente de pesquisadores ligados à Harvard Business School analisou detalhadamente como 244 consultores do BCG trabalharam com IA em um problema estratégico complexo.

Os pesquisadores identificaram diferentes formas de colaboração. Em uma delas, chamada de Abdicated Co-Creation, profissionais entregavam praticamente todo o processo à IA e depois faziam apenas alterações superficiais. Aproximadamente 27% dos participantes apresentaram esse padrão; entre eles, 44% aceitaram integralmente o resultado produzido pela IA sem modificações substantivas. Os autores associaram esse modo, naquele estudo, à ausência de desenvolvimento de novas competências, enquanto formas de colaboração mais dirigidas estavam associadas a diferentes tipos de aprendizado. Como se trata de um working paper, o resultado deve ser tratado como evidência emergente, não como conclusão definitiva sobre todo trabalho com IA.

Mas ele levanta uma questão excelente:

o que exatamente estamos terceirizando?

A execução?

Ou também o julgamento?

Se entregamos à máquina uma tarefa repetitiva, podemos estar economizando tempo.

Se entregamos a ela a formulação do problema, a interpretação das evidências, a geração da solução e a avaliação dessa solução, existe outra coisa acontecendo.

Não terceirizamos apenas trabalho.

Começamos a terceirizar o processo pelo qual construímos nosso próprio entendimento.

Isso muda também o significado de criatividade

Durante muito tempo, criatividade esteve associada principalmente à capacidade de produzir ideias.

Mas estamos entrando em um ambiente em que produzir ideias está ficando barato.

Podemos pedir cinquenta.

Depois outras cinquenta.

Depois combinações das melhores.

Depois variações.

Depois versões completamente diferentes.

O gargalo deixa de ser quantidade.

A criatividade valiosa pode migrar para outra capacidade:

ter gosto suficiente para rejeitar 99 delas.

Saber por que algo parece certo, mas não é nosso.

Reconhecer quando uma ideia aparentemente ruim contém algo novo.

Perceber quando uma solução eficiente destruiria aquilo que torna uma empresa diferente.

Insistir numa direção que os dados ainda não conseguem justificar completamente.

Isso não é uma defesa romântica da intuição contra tecnologia.

É uma consequência da abundância.

Quando gerar fica barato, escolher fica importante.

A excelência não desaparece. Ela muda de lugar.

O Paradoxo da Excelência Medíocre não significa que todos se tornarão iguais.

Também não significa que a inteligência artificial inevitavelmente eliminará originalidade.

Significa algo mais interessante:

certos tipos de excelência podem deixar de ser suficientes para diferenciar.

Escrever corretamente.

Apresentar profissionalmente.

Pesquisar rapidamente.

Produzir boas alternativas.

Estruturar um planejamento.

Analisar uma planilha.

Essas capacidades continuarão sendo úteis.

Mas algumas delas podem se tornar tão acessíveis que deixarão de funcionar como vantagem por si mesmas.

A excelência começa então a migrar para níveis superiores:

julgamento;

contexto;

gosto;

responsabilidade;

visão;

originalidade;

capacidade de construir cultura;

capacidade de compreender pessoas;

e capacidade de possuir uma interpretação própria da realidade.

O profissional mais valioso pode ser aquele que consegue discordar da máquina

Isso produz uma situação curiosa.

Uma pessoa sem conhecimento algum de determinada área pode receber uma excelente resposta da IA.

Mas existe algo que ela não consegue fazer facilmente:

saber quando aquela excelente resposta está errada para aquele caso.

Para discordar de maneira inteligente, primeiro precisamos possuir alguma coisa nossa.

Experiência.

Conhecimento.

Contexto.

Valores.

Critério.

Uma visão de mundo.

A inteligência artificial pode nos oferecer um enorme repertório.

Mas repertório e autoria não são a mesma coisa.

Autoria começa quando somos capazes de olhar para uma resposta tecnicamente excelente e dizer:

“Eu entendo por que essa é a resposta convencional. Mesmo assim, não é isso que vamos fazer.”

E saber explicar por quê.

Talvez essa se torne uma das competências mais valiosas da economia da inteligência artificial.

Quando todos podem ser excelentes

A grande contribuição da IA pode ser justamente elevar milhões de pessoas a um nível de competência que anteriormente exigia anos de conhecimento especializado.

Isso não é uma ameaça em si.

É provavelmente um dos maiores processos de democratização de capacidade intelectual que já vimos.

Mas toda democratização altera aquilo que é escasso.

Se produzir um texto excelente deixa de ser raro, o valor migra.

Se produzir uma boa imagem deixa de ser raro, o valor migra.

Se produzir uma análise correta deixa de ser raro, o valor migra.

Se conhecer as melhores práticas deixa de ser raro, o valor migra.

E talvez estejamos apenas começando a descobrir para onde.

O Paradoxo da Excelência Medíocre não descreve um futuro em que a inteligência artificial tornou nosso trabalho pior.

Descreve um futuro muito mais desafiador:

ela tornou o trabalho de todos muito melhor.

E exatamente por isso nos obrigou a descobrir uma nova maneira de sermos diferentes.

A IA pode elevar o padrão de todos. Mas nenhuma tecnologia pode transformar diferenciação em algo comum sem que ela deixe de ser diferenciação.

Quando todos podem produzir excelência técnica, a vantagem competitiva começa a migrar para aquilo que não pode ser obtido apenas perguntando à máquina qual é a melhor resposta.

E isso cria outro problema.

Porque julgamento, gosto, visão e experiência não surgem prontos.

Eles são construídos.

Normalmente ao longo de anos de trabalho, erros, tarefas simples, observação e aprendizado.

Mas o que acontece quando justamente essas primeiras tarefas começam a ser entregues à inteligência artificial?

Se eliminarmos os primeiros degraus da carreira, como formaremos as pessoas que um dia deverão possuir o julgamento necessário para discordar da máquina?

Esse é o próximo paradoxo.

A Escada Quebrada.

Por

Danielsom Matos