Há alguns dias recebi uma mensagem «Fran, você viu? O MIT diz que usar o ChatGPT deixa você mais burro.
Abri a nota. Na verdade, a Euronews intitulou-o:
O ChatGPT está nos deixando mais burros? Um estudo do MIT confirma isso
Uma olhada no LinkedIn confirmou o eco:
Infobae (Argentina): O uso do ChatGPT enfraquece a memória e a autonomia intelectual, segundo estudo do MIT
Genbeta (Espanha): Usar o ChatGPT prejudica nosso cérebro: o MIT tem um veredicto preocupante
As três ideias repetidas eram claras: menos memória, menos profundidade e o temido débito cognitivo.
Paradoxalmente, em alguns casos com confissão explícita, e noutros obviamente, os autores aplicaram o mesmo uso de IA que o estudo menciona como prejudicial.
Através da educação, ajudo outras pessoas a melhorarem suas decisões de negócios. Usamos IA com sucesso para maximizar o mesmo.
Mas acima de tudo estou convencido que alavancou a minha capacidade de aprendizagem.
O que poderia haver no artigo que refutasse essas intuições? Em que circunstâncias a aprendizagem foi medida no estudo? Para quais perfis, em que contexto?
Decidi fazer eu mesmo a análise do artigo (conto passo a passo na seção 2 e concluo com Alavancagem Cognitiva, uma proposta de outro fenômeno a ser estudado em contraste com a Dívida Cognitiva).
O estudo do MIT Media Lab (junho de 2025) analisou como o uso do ChatGPT afeta a memória, a qualidade do texto, a atividade cerebral (medida com EEG) e o consumo de energia em 54 estudantes universitários enquanto escreviam as redações atribuídas.
Eles compararam três grupos:
AI-at-start: ChatGPT gerou o primeiro rascunho; então os alunos modificaram.
IA no final: os alunos escreveram sozinhos três vezes e depois usaram a IA para melhorias finais.
Controle: Sem IA, apenas pesquisas na internet.
Principais resultados:
IA-no início apresentou queda de memória (0,25 desvios padrão), menor profundidade da redação segundo os professores (redução de 0,6 pontos em uma escala de 10), dificuldade para citar frases exatas e menor percepção de propriedade intelectual sobre suas redações.
O EEG mostrou menor conectividade neural naqueles que usaram IA desde o início, sugerindo menor esforço cognitivo.
Descobertas menos mencionadas:
A IA no final não mostrou deterioração na memória ou na qualidade da redação, comparável ao grupo de controle, e economizou cerca de 25% do tempo.
O risco de dívida cognitiva surge quando a IA substitui o esforço intelectual inicial. No entanto, utilizada após os próprios esforços (estratégia híbrida), a IA pode ser um apoio eficaz sem sacrificar a aprendizagem.
Limitações: O estudo possui um tamanho amostral pequeno e preliminar. A investigação ainda está em andamento.
Tive a oportunidade e a excelente ideia de investir minhas economias estudando em 7 das melhores universidades do mundo.
A) Método Harvard de leitura rápida (45 min)
Uma das primeiras coisas de que me lembro sobre Harvard é de receber uma pilha interminável de casos de negócios. Como preparação, antes da primeira aula, foi oferecida uma sessão exclusiva para aprender como abordá-los de forma estratégica e eficaz.
O que eles nos ensinaram? Antes de ler o artigo completo, faça uma leitura estratégica prévia.
Como? Com esta sequência de foco:
Introdução (contexto, protagonista, problema principal)
Tire conclusões precipitadas (decisões críticas a tomar, o que pretendemos resolver?)
Entenda o que está disponível em tabelas, gráficos, apêndices
leitura rápida (analisa-se parágrafo por parágrafo rapidamente em busca de ideias principais)
Resolvi então fazer o mesmo com o interminável artigo com foco em entender: qual foi o experimento, qual foi o segmento, em que circunstâncias e contexto, quais foram as conclusões (em que condições elas se sustentaram).
Que perguntas eu tive?
Como isso se aplica a profissionais mais experientes? Com capacidade de análise crítica, mas sobretudo, com capacidade de aprendizagem contínua e geração de novos conceitos?
E quanto à motivação? No caso, mede-se a redação dos temas impostos. O que acontece quando existe um desejo verdadeiro de aprender, compreender, gerar e aplicar o que foi aprendido?
O que eu fiz então?
Com o texto original (sem necessidade de uma leitura exaustiva e completa) formulei minhas próprias hipóteses. Com essa base, comecei a capacitar com IA.
B) Gerei um "Projeto" dedicado no ChatGPT
Carreguei o PDF do artigo completo.
Em outra janela fora do projeto (modelo o3, a que tem mais raciocínio) preparei um prompt-guia com as instruções do projeto. Ele me deu um texto muito longo, mas que basicamente apontava para: «Atuar como Analista Acadêmico Crítico; resumir, apontar preconceitos, propor melhorias... respeitar sempre os dados reais do artigo como ponto de partida (e o mais importante)... aprender e refinar seu próprio entendimento em cada iteração (quero que você cresça, evolua, seja mais capaz de renovar suas conclusões com maior conhecimento"
No projeto: alimentei-o com perguntas e ofereci-lhe que assumisse diversos papéis para criticar as suas próprias respostas, ampliar os seus conhecimentos. Ao longo do processo ampliei meu conhecimento sobre o artigo e aprimorei minhas interpretações iniciais, fazendo novas perguntas.
C) Role-play de 7 especialistas
Para enriquecer as perspectivas, gerei uma das dinâmicas únicas possibilitadas pela IA.
Criamos juntos 7 pessoas. Doutores com diferentes perspectivas baseadas em sua formação e crenças, que a partir dos dados reais do artigo suscitaram debate e contrapontos sobre seus usos e limitações.
Dr. Nicolás del Valle (Neuroeconomista) Formação: Doutor em Neurociência Cognitiva Aplicada, MIT Especialização: Análise de vieses cognitivos e significância estatística (valores-p) Competências-chave: Modelagem neuroeconômica e tomada de decisões financeiras
Sofía Cortázar (Formadora Pedagógica) Formação: Mestrado em Inovação Educacional, Universidade de Stanford Especialização: Protótipos educacionais e medição em tempo real Competências-chave: Design de experiências pedagógicas tangíveis
Dra. Valeria Montero (Socióloga Crítica) Formação: Doutora em Sociologia Digital, Universidade Complutense de Madrid Especialização: Equidade social e análise do poder algorítmico Competências principais: Investigação crítica em justiça digital e social
Dr. Andrés Beck (Bioeticista Futurista) Formação: Doutorado em Bioética e Filosofia da Ciência, Universidade de Harvard Especialização: Ética tecnológica, autonomia humana e agência Competências principais: Análise ética de tecnologias emergentes
Clara Olivares (Economista Circular) Formação: Mestrado em Economia Ambiental e Circular, Universidade de Wageningen Especialização: Avaliação e redução da pegada energética Competências principais: Modelos económicos sustentáveis ??e gestão energética
Ignacio Serrano (empreendedor liberal) Formação: MBA em Finanças e Inovação, London Business School Especialização: Retorno sobre o investimento (ROI) e análise do mercado de trabalho Competências principais: Estratégia empresarial baseada na eficiência econômica
Formação "Synthia AI" (sintetização de IA): Especialização em Inteligência Artificial Gerativa Avançada: Síntese e resolução de contradições complexas Competências-chave: Análise crítica e síntese rápida de informação
Aprendizagem: os atritos entre perfis revelaram ângulos que o PDF não cobria: energia por token, viés geográfico do corpus, limiar ético de perda cognitiva.
D) Roteiro e execução do podcast
Desenhamos a dinâmica do podcast:
Apresentação inicial de perspectivas (2 cada)
Interação crítica (perguntas cruzadas)
Síntese integrativa (sintetizando IA)
Fechamento de cada um com base no que foi discutido
Geramos o roteiro do podcast, resultando em 71 minutos de uma conversa vibrante e cheia de aprendizado e novas perspectivas. Se tiver curiosidade, escreva PODCAST e enviarei um documento com a transcrição de tudo gerado.
Este tipo de exercício (gerá-lo, consumi-lo, refletir sobre o que se torna, enriquecer a nossa postura, intuir ou reforçar novos conceitos), como veremos a seguir com a minha definição inicial de Alavancagem Cognitiva, expande claramente a nossa capacidade de aprendizagem, não a limita.
E) Notebook LM como base de teste
Alimentei dois conjuntos:
Apenas o papel original
Ele entregou um podcast muito claro, cobrindo o que apareceu na imprensa e em 1. O que o estudo do MIT diz de forma muito resumida?
Documentos derivados do meu projeto ChatGPT (resumos, debates, podcast).
Gerou um podcast um pouco mais rico, mas não consegui um resultado muito bom. Eu poderia ter passado mais tempo refinando-o, mas senti que já era o suficiente.
Conclusões de aprendizagem
A IA expandiu minha capacidade de compreensão e expôs meu pensamento e processo de criação a mais instâncias.
Criar o processo 2. Como decidi analisá-lo (e o que aprendi ao longo do caminho) envolve claramente trabalho cognitivo.
Ajudou-me a questionar os meus pressupostos, a reforçar algumas crenças e a pensar de forma diferente sobre outras (através de dramatizações, provocações sob diferentes personagens, outros pontos de vista).
E sim, me fez produzir mais rápido (25-35% menos tempo), mas somente após o atrito inicial (a leitura rápida do artigo original).
O risco de dívida cognitiva surge quando a IA evita o atrito intelectual inicial.
Delegar a tarefa à IA ou executá-la sem utilizar a inteligência aumentada dá origem a problemas de aprendizagem.
Quanto mais inicial for a aprendizagem e menos desenvolvidas estiverem as capacidades de pensamento crítico, a capacidade de assumir uma posição bem fundamentada, as competências básicas do tema em questão, etc. mais probabilidades de cair nesta armadilha de aprendizagem (e continuar a não conseguir desenvolver competências)
Quando a IA chega após o esforço inicial, a memória não diminui e a qualidade é mantida. Até no exercício restritivo de escrever o que foi imposto. O resto é território para experimentação aberta.
Existe um fator de motivação para a aprendizagem que é fundamental e não é colocado em jogo no experimento.
Aprender a aprender tem a ver com projetar nossos próprios mecanismos de aprendizagem ideais. No artigo as dinâmicas de aprendizagem são impostas e pré-estabelecidas, o uso de LLMs também é definido.
Depois de ler o artigo, conversar com a modelo e enviar minhas anotações para sete vozes imaginárias, surgiu um conceito que resume o que aprendi: Alavancagem Cognitiva.
Não é um período letivo fechado; mas é uma proposta de trabalho (para pesquisadores dedicados do MIT ou de outra entidade acadêmica que tenham interesse em validá-la).
O que é necessário como base para poder aproveitar as vantagens da Alavancagem Cognitiva
Pensamento crítico desenvolvido: capacidade de analisar, integrar diferentes fontes, gerar posição própria, diferenciar entre o objetivo e o subjetivo.
Habilidades básicas necessárias dependendo do tipo de análise: por ex. neste caso, estatísticas, pensamento científico, etc.
(os alunos da amostra tinham)
Curiosidade e motivação intrínseca: não escrevemos por obrigação escolar, mas pela vontade de aprender, tirar conclusões e poder aplicá-las na nossa vida ou profissão. Existe um componente de prazer e escolha.
(fundamental)
Liberdade para decidir os objetivos e a forma como a informação será trabalhada (experimentação como parte da aprendizagem).
Entenda de qual fonte devemos partir para nossos objetivos e faça uma primeira análise com intuições ou reflexão humana. Escrever, como mostra o estudo original, ajuda a processá-lo. Por que digo entender de que fonte? Muitas vezes uma fonte inicial gerada pelo próprio LLM pode ser suficiente.
(este último retirado das conclusões do artigo).
Nestas condições e não nas condições limitadas da experiência de estudo, acredito que a IA pode alavancar a aprendizagem e não gerar dívida cognitiva.
Quais podem ser boas práticas para decidir a mecânica da alavancagem cognitiva?
Sparring de IA Trate-a como uma oponente em busca de falhas em seu argumento.
Mudando de lente Peça a ele para analisar sua ideia como neurocientista, depois como filósofo e depois como ativista climático.
Exploração tangencial Pergunta, e se eu aplicar isso na agricultura vertical? para descobrir conexões remotas.
Autometacognição Faça com que explique passo a passo sua própria lógica: você verá saltos invisíveis.
Condensação Iterativa Force-o a mover seu texto de um ensaio longo para um infográfico e depois para um tom de 30 segundos; Cada formato revela lacunas e essências.
Reproduza e analise em diversos formatos - texto, áudio, agora incorpora vídeo (pode até perceber o que está ao seu redor)
Ofereça modelos e ferramentas de papéis ou livros como base para processar informações ou conduzir sua aplicação: quanto mais preparada a pessoa, mais ela se beneficiará com o aprendizado com IA.
Meu convite é simples: brinque com essas possibilidades do que defini como Alavancagem Cognitiva e aos poucos incorpore e gere sua própria mecânica de aprendizagem alavancada pela IA. E me dê suas próprias intuições e conclusões.
O que me parece fundamental?
Evite comunicados de imprensa e conclusões vazias sobre as quais o próprio artigo alerta paradoxalmente. Fique longe do uso de LLMs que, em vez de nos enriquecer, nos prejudicam.
Vamos evitar que a dívida cognitiva seja a próxima moda disfarçada de verdade absoluta.
Próximas etapas
Um artigo, mesmo que seja estatisticamente significativo (neste caso a amostra é pequena e o seguimento temporal é limitado); É um gatilho para perguntas. Um estudo do MIT mostra que a IA pode criar uma dívida cognitiva se bloquear o atrito intelectual inicial. Lido na íntegra, também demonstra que a mesma IA NÃO prejudica a memória quando usada após o próprio rascunho escrito e, de fato, oferece economias de tempo tangíveis. Os dados nos convidam a pensar e temos que nos afastar dos dogmas.
Aprender a aprender é a vacina. Sem pensamento crítico, curiosidade e fontes contrastantes, a IA ampliará as lacunas. Com essa base, torna-se um multiplicador de amplitude, profundidade e velocidade. Ensinar a escrever instruções é inútil se não nos ensinarmos primeiro a nos perguntar por que e por quê.
Aprender a aprender diariamente não é só falta dos jovens. É a grande falta da maioria dos profissionais que tiveram sucesso até hoje.
O sistema educativo e a formação profissional precisam de mudar. Continuamos treinando para memorizar conteúdos quando o valor diferencial está em formular perguntas, aprender a aprender, personalizar nossa educação e medir o que gera mais impacto ou resultado para nós. A educação deve gerar o ciclo virtuoso de resultados para desencadear a motivação. Os LLMs podem ser a melhor ferramenta de discussão personalizada se soubermos como usá-los com a mentalidade certa.
Vantagem e lacuna aumentam ao mesmo tempo. Quem dominar a alavancagem cognitiva ganhará profundidade e eficiência (indivíduos + empresas); Quem depende de resumos automáticos para sua entrega/produto perderá agência e credibilidade. Isso já afeta estudantes e executivos seniores.
A IA não nos torna magicamente mais burros ou mais inteligentes. Torna-nos acima de tudo mais semelhantes na qualidade das nossas perguntas e interações.
Carol Dweck explica em Mindset que a mentalidade construtiva nos permite aumentar nossa inteligência. Usar LLMs conforme o estudo se aplica não tem nada a ver com a mentalidade construtiva.
