Atualizado em abril/2026.
TL;DR
- Pensamento computacional é a capacidade de descrever um problema de modo que um computador consiga resolvê-lo. Não exige saber programar.
- O framework SMAC (Social, Mobile, Analytics, Cloud) abriu caminho em 2010, foi suficiente até por volta de 2020, e hoje virou contexto histórico.
- A proficiência digital de quem entrega resultado em 2026 se apoia em quatro culturas, não mais em quatro tecnologias: Inovação, Digital, Dados e IA.
- Cultura é mais difícil de instalar do que ferramenta. Você usa um app por treinamento; você toma decisão por cultura.
- Profissionais que combinam essas quatro culturas viram tradutores entre área de negócio e área técnica, e por isso ficam mais difíceis de substituir.
Este artigo complementa o livro Engenharia de Prompts na Prática: do Zero ao Avançado com ChatGPT, Gemini e Claude. Baixe gratuitamente o livro no link, que reúne mais de 20 técnicas de engenharia de prompts, incluindo várias das que estão aprofundadas neste artigo, com explicação e exemplos prontos para uso. A versão impressa é Best Seller na Amazon, com 4,5 estrelas e mais de 800 avaliações, tendo ficado semanas em primeiro lugar em várias categorias.
Por que reescrevi este artigo
Publiquei a primeira versão em setembro de 2020, ainda no mundo pré-ChatGPT. Naquela época eu defendia que a base mental de quem queria virar criador de tecnologia, em vez de usuário passivo, estava nos quatro pilares do SMAC: Social, Mobile, Analytics e Cloud. Era um diagnóstico correto para a década anterior.
Cinco anos depois, a tese ficou pequena. SMAC descrevia tecnologias. O que separa hoje quem cria valor com tecnologia de quem só consome ferramenta passou para outro plano: cultura, não tecnologia. É essa releitura que sustenta o post a partir desta atualização.
O que é pensamento computacional, em uma frase
Pensamento computacional consiste em descrever a solução de um problema de uma forma que um computador consiga executá-la. Quebrar o problema em partes menores, identificar padrões, abstrair detalhes irrelevantes e desenhar uma sequência de passos. É a competência de tradução entre o problema do mundo real e a lógica que uma máquina sabe operar.
Saber programar é uma das formas de exercitar pensamento computacional, e não a única. Da mesma maneira que você aprende português e matemática na escola sem precisar virar escritor ou estatístico, é possível pensar computacionalmente sem virar desenvolvedor. Médicos que sugerem fluxos de receita digital, advogados que mapeiam rotinas em automações, vendedores que estruturam funis em planilhas, todos esses profissionais já operam pensamento computacional sem chamar pelo nome técnico.
A consulta médica que ainda funciona como exemplo
Em 2019 fui a uma consulta com uma residente recém-formada. Ela usou a lanterna do celular para examinar minha garganta, abriu um app para localizar o código da doença para o atestado e abriu outro app para conferir o princípio ativo do remédio que prescreveu. Na mesa havia o celular, o receituário em papel e o bloco de atestados.
Naquele instante eu já imaginava o fluxo de um app que substituiria o papel: a médica registra os dados, o sistema gera um QR code e o paciente recebe receita e atestado em segundos, sem precisar trocar e-mail ou telefone. Essa imaginação é pensamento computacional em ação.
Em 2026 esse fluxo virou rotina. Receita digital com QR code está em quase todo consultório, telemedicina é prática consolidada e prontuário eletrônico passa pela maior parte das clínicas. O que mudou não foi a tecnologia, o smartphone já tinha tudo o que precisava em 2019. Mudou a cultura de quem decide.
SMAC: o framework que abriu o caminho
SMAC nasceu por volta de 2010, em relatórios da Cognizant e em discussões acadêmicas, como tentativa de ler a década que se inaugurava sob quatro forças tecnológicas convergentes. Social descrevia plataformas e influência digital. Mobile descrevia o smartphone como computador principal. Analytics descrevia dados como insumo de decisão. Cloud descrevia a infraestrutura compartilhada que viabilizava as três anteriores.
O modelo funcionou bem entre 2010 e 2020. Empresas que dominaram os quatro pilares saíram à frente. Profissionais que entendiam o vocabulário dos quatro pilares conseguiam conversar com áreas técnicas sem terceirizar a decisão.
Três coisas mudaram desde então. A primeira foi a chegada da IA generativa em 2022, que não cabe dentro de Analytics. A segunda foi a comoditização de Cloud, que deixou de ser vantagem para virar pré-requisito. A terceira foi o desgaste do termo Social, que hoje carrega ônus que não tinha em 2015. SMAC continua útil como contexto histórico, e pouco mais.
As quatro culturas que sustentam a proficiência digital hoje
A proposta nova organiza a base mental do profissional digital em quatro camadas culturais. Cada uma é uma postura, um vocabulário e um conjunto de hábitos. Tecnologia entra como ferramenta dentro da camada, e não como camada.
Cultura de Inovação
É o hábito de tratar processos, produtos e modelos de negócio como hipóteses passíveis de teste. Cultura de inovação aparece quando uma equipe sabe formular perguntas, desenhar experimentos baratos, errar de forma controlada e aprender com o resultado. Nada disso depende de departamento, depende de postura.
Indicadores práticos: a empresa permite teste com cliente real antes de aprovar produto final, decisões reversíveis são tomadas sem comitê, há orçamento explícito para descoberta. Quem opera essa cultura faz pergunta antes de defender resposta.
Cultura Digital
É a fluência com plataformas, lógicas de produto digital e modelos mentais que vieram com a internet. Inclui entender por que um SaaS escala diferente de um software vendido em caixa, como funcionam métricas de retenção e churn, qual a diferença entre comunidade e audiência, como uma plataforma forma efeito de rede.
Cultura digital é o que sobrou do Social, do Mobile e parte do Cloud do SMAC original, depurado em vocabulário. Profissionais com essa cultura reconhecem em segundos quando uma empresa fala em “transformação digital” sem ter mudado nenhum modelo de operação.
Cultura de Dados
É o hábito de buscar evidência antes de opinião. Não exige domínio de estatística avançada, exige saber formular pergunta que possa ser respondida com dado, distinguir correlação de causa, exigir base que sustente afirmação e ler tabela ou gráfico sem ser enganado por escala de eixo.
Esse é o ponto onde o post de 2020 já enxergava a peça certa, sob o nome de Analytics, mas tratava como tecnologia. Em 2022 voltei ao tema sob outro ângulo no artigo O que vem depois da Transformação Digital, focando na crise de gestão de dados que veio depois da digitalização forçada pela pandemia. Aquele artigo descreve o sintoma; este aqui descreve a base cultural que falta.
Cultura de IA
É o componente novo, e o que mais separa profissionais em 2026. Não basta saber abrir o ChatGPT. Cultura de IA inclui entender o que um modelo generativo sabe e o que não sabe, como anexar fontes para reduzir alucinação, como pedir raciocínio explícito para tarefa complexa, quando rodar Python dentro do chat para cálculo, e como validar saída antes de usar.
Quem opera essa cultura trata IA como copiloto que precisa de instrução boa, não como oráculo. Detalhei o método em três artigos complementares: Como usar o ChatGPT, Uso do ChatGPT na escrita e Engenharia de prompt 2.0. Para fundamento, a história da IA generativa explica o caminho até aqui.
Duas regras práticas para começar. A primeira é anexar a fonte. Não pergunte ao modelo esperando que ele encontre dados recentes corretos por conta própria; cole o texto, junte o PDF, faça upload da planilha. A segunda é não pedir cálculo numérico sem orientar o modelo a rodar Python no chat. Modelo generativo erra aritmética com regularidade, intérprete Python embutido não erra.
SMAC versus 4 culturas: o que muda
| Eixo | SMAC (2010 a 2020) | 4 culturas (2026 em diante) |
|---|---|---|
| Natureza | Quatro tecnologias | Quatro posturas |
| Como se ensina | Treinamento de ferramenta | Mudança de hábito |
| Tempo de instalação | Semanas a meses | Meses a anos |
| Risco de obsolescência | Alto, ferramenta envelhece | Baixo, postura sobrevive a ferramenta |
| Métrica de domínio | Quem usa? | Quem decide diferente? |
| Pré-requisito | Acesso à tecnologia | Ambiente que permita questionar |
A coluna da direita exige liderança. Cultura não se instala por compra, se instala por exemplo persistente.
Como começar a desenvolver as quatro culturas
A engenharia da mudança parte do hábito, não do curso. Três frentes funcionam para qualquer profissional, independente de área.
A primeira frente é leitura ativa. Acompanhar publicações sérias do mercado, com viés analítico, não apenas notícias. Para cultura de IA isso significa ler papers, releases técnicos e análises críticas, não posts genéricos de LinkedIn. O critério é objetivo: a fonte expõe o método, ou só anuncia o resultado?
A segunda frente é experimento próprio. Cada uma das quatro culturas se instala mais rápido quando você usa em um problema real seu, não em exercício de aula. Pegue um processo da sua semana e pergunte: como eu testaria uma versão diferente em uma semana? Que dados confirmariam ou refutariam que a versão nova é melhor? Onde uma IA bem instruída cortaria etapa? Esse loop, repetido, é o que constrói cultura.
A terceira frente é vocabulário. Boa parte do que separa quem opera tecnologia de quem decide com tecnologia é vocabulário compartilhado. Estudar os termos de cada cultura, não para usar de jargão, mas para conseguir perguntar a coisa certa para uma pessoa técnica. Pensamento crítico ajuda a calibrar essa leitura, e tratei do tema separadamente em Pensamento crítico, o motor da melhoria contínua.
O destino do programa no ProXXima
A coluna que originou este artigo, no ProXXima, saiu do ar. O programa em formato áudio segue disponível no Spotify, com episódios sobre tecnologia, mercado e proficiência digital. Quem chegar aqui buscando o material original encontra a versão atualizada neste post e as conversas em áudio no link.
Onde começar amanhã
Escolha uma das quatro culturas que está mais fraca na sua rotina e instale um hábito mínimo dentro da semana. Cultura de Inovação: registre uma hipótese e desenhe um experimento de uma hora. Cultura Digital: escolha uma plataforma que você usa só passivamente e escreva como ela ganha dinheiro. Cultura de Dados: pegue uma decisão recente sua e busque o dado que confirmaria ou refutaria. Cultura de IA: anexe um documento real ao ChatGPT, ao Gemini ou ao Claude e peça análise estruturada, em vez de perguntar genericamente.
Pensamento computacional é a competência que costura as quatro culturas. Quem pratica os quatro hábitos descritos acima passa a descrever problemas de uma maneira que máquinas conseguem ajudar a resolver, mesmo sem nunca ter aberto um editor de código.
Perguntas frequentes
Pensamento computacional é a mesma coisa que aprender a programar?
Não. Programar é uma das formas de praticar pensamento computacional, e não a única. Quem mapeia processos, monta planilhas com lógica, descreve fluxos para um chatbot ou pede a uma IA o passo a passo de uma análise está exercitando pensamento computacional sem programar.
O SMAC ainda tem utilidade em 2026?
Como vocabulário de transição, sim. Empresas que ainda usam o termo em planejamento estratégico costumam se beneficiar de uma migração explícita para o framework das quatro culturas. SMAC ajuda a explicar o que sustentava a década passada e por que ele sozinho não basta hoje.
Qual das quatro culturas vale a pena instalar primeiro?
Depende do gargalo da pessoa ou da empresa. Profissional que decide muito sem dado deve começar por Cultura de Dados. Equipe que faz o mesmo processo há cinco anos sem questionar deve começar por Cultura de Inovação. Quem ainda não testou IA além de pedir resumo deve começar por Cultura de IA. Cultura Digital costuma vir junto, porque atravessa as outras.
Preciso de cursos formais para desenvolver essas culturas?
Curso ajuda, hábito instala. Frequentar bons programas executivos acelera vocabulário e exposição a casos, e o que muda comportamento mesmo é experimento próprio repetido. Vale combinar os dois: programa formal para mapear o território e prática semanal em problema real para internalizar.
Como avalio se um profissional tem proficiência digital?
Olhe para três sinais. Primeiro, ele formula a pergunta antes de pedir a ferramenta? Segundo, ele exige fonte e dado quando alguém afirma sem evidência? Terceiro, ele consegue traduzir uma demanda do negócio em requisito que uma área técnica entende? Se os três aparecem, há proficiência digital instalada, independente do cargo.
Pensamento computacional dá para ensinar para criança?
Sim, e há iniciativas no mundo inteiro que ensinam pensamento computacional desde a educação básica, em geral antes de ensinar linguagem de programação. A lógica é a mesma do post: trata-se de competência de tradução, não de domínio de ferramenta.
A IA generativa substitui a necessidade de pensamento computacional?
Pelo contrário, exige mais. Quem instrui bem uma IA precisa decompor o problema, descrever o contexto, especificar o formato da resposta e validar a saída. Tudo isso é pensamento computacional. A IA generativa amplifica quem já pensa estruturado e expõe quem não pensa.
Edney “InterNey” Souza atua com tecnologia desde 1990 como professor, palestrante e conselheiro consultivo de empresas em tecnologia e inovação. Fundou sete startups ao longo da carreira. Leciona na ESPM, Insper, USP, PUCRS e IBGC. É autor do livro gratuito Engenharia de Prompts na Prática: do Zero ao Avançado com ChatGPT, Gemini e Claude.
