O que você vai aprender aqui:
- Por que a ideia de que “usar IA bem é saber fazer boas perguntas” prejudica carreiras de liderança
- Como a cognitive surrender (rendição cognitiva) corrói a autoridade do líder sem que ele perceba
- O que são os três pilares da liderança (Humano, Técnico e Setorial) e por que cada um importa de forma diferente
- Como usar IA de forma ativa, como copiloto, sem ceder o volante
Tem uma frase que virou moda em palestras e treinamentos corporativos de IA. Você já ouviu variações dela: “o profissional do futuro é aquele que sabe fazer as perguntas certas para a inteligência artificial.”
Soa bem. O problema é que ela está destruindo carreiras de liderança.
Ela carrega uma distorção que faz líderes adotarem um comportamento passivo exatamente onde precisariam ser mais ativos.
Vou desfazer o nó aqui.
Esse padrão aparece toda semana na minha prática de mentoria. Executivos chegam com a mesma demanda: quero aprender a fazer melhores perguntas para a IA. A primeira coisa que fazemos juntos é abandonar essa demanda.
O caminho real começa por entender a natureza da ferramenta (o que ela é, como funciona, onde erra e por quê). Vem o mapeamento de tarefas: onde a IA tem ROI mensurável no meu trabalho específico, não no trabalho genérico descrito num artigo. Depois a verificação: quais tarefas ganharam de forma comprovável. Só com evidência em mãos faz sentido repensar os processos onde essas tarefas estão inseridas.
A partir daí o líder passa a redistribuir tarefas, reorganizar equipes, mexer em fluxos e, em alguns casos, no próprio organograma, para acomodar o que sobrou para os humanos depois que a IA assumiu parte do trabalho. Letramento, práticas claras, mensuração e reestruturação organizacional. Isso é liderar na era da IA.
A crença de que “saber fazer as perguntas certas para a IA” é uma competência profissional precisa ser destruída. Para qualquer perfil. Fora os dois casos onde perguntar faz sentido (a reflexão interna antes de abrir o chat, e a pesquisa em território que genuinamente não é seu), perguntar para a ferramenta nunca é o trabalho. O trabalho é o que descrevi acima.
A parte que faz sentido: perguntar para si, não para a IA
Antes de qualquer sessão com uma ferramenta de inteligência artificial, há uma pergunta que vale mais do que qualquer prompt (e prompt, aliás, é instrução ou comando, não pergunta; explico isso em detalhe no artigo sobre engenharia de prompts 2.0): o que exatamente estou tentando resolver?
Esse exercício de clareza não é direcionado à IA. É uma conversa interna. Planejar antes de abrir o chat, pensar o que vai fazer com o resultado, entender o problema antes de terceirizar sua análise.
Para líderes com muita bagagem, esse momento de reflexão é insubstituível. A IA não tem acesso ao contexto político da reunião que aconteceu semana passada, ao histórico com aquele cliente, à percepção que você construiu ao longo de anos naquele setor. Você tem. Usar a IA sem antes ativar tudo isso é desperdiçar o que nenhuma ferramenta possui.
Então sim: reflexão antes da IA faz sentido. Mas a ideia de que a competência central é fazer perguntas para a IA, não.
Dois problemas sérios com a ideia de “saber perguntar”
1. Perguntar posiciona você como subordinado da ferramenta
Quando você faz perguntas para uma IA sobre sua área de atuação, você pressupõe que o conhecimento está na máquina. Em alguns casos, é um pressuposto razoável. Se você está pesquisando fora do seu domínio, se está buscando informações que genuinamente não tem, questionar faz sentido.
O problema é quando a pergunta substitui a resposta que deveria ser sua.
Pesquisa da Universidade de Stanford e da Anthropic acompanhou 52 desenvolvedores aprendendo uma nova biblioteca de programação com e sem IA. Quem delegou tudo terminou mais rápido, com 19,5 minutos de trabalho, mas ficou com 39% de aprendizado. Quem usou a IA para aprofundar seu próprio raciocínio, fazendo perguntas conceituais e processando as respostas com pensamento crítico, levou 24 minutos e reteve 86% do conteúdo. A diferença não foi usar ou não usar IA. Foi como usou.
Quando o líder, na sua área de expertise, usa a IA para responder em vez de lapidar, ele está em território de risco. Cada sessão assim é uma erosão sutil da sua autoridade cognitiva.
Pesquisa da Microsoft Research com Carnegie Mellon (319 trabalhadores) confirmou a dinâmica: maior confiança na IA correlaciona negativamente com esforço cognitivo. O músculo atrofia quando não é exercitado. Escrevi sobre as implicações disso para equipes de T&D no artigo Produtividade em T&D com inteligência artificial.
2. Quem só sabe perguntar perde valor de mercado
Acionistas querem respostas. Funcionários querem que seus líderes tomem posição. Clientes pagam pela solução, não pelo levantamento de hipóteses.
Se a sua contribuição como líder é saber formular boas perguntas para uma ferramenta que qualquer pessoa com um computador pode acessar, você está competindo com a ferramenta, não com os outros líderes do mercado.
Pesquisa da Hogan Assessments (Leadership Divide, 2026) mapeou zero sobreposição entre as cinco competências mais comuns em executivos e as cinco mais desejadas por colaboradores. O que os líderes entregam bem é exatamente o que os times menos precisam que eles façam. O que falta são competências humanas: controle emocional, sinceridade, capacidade de desenvolver pessoas.
A IA não supre essa lacuna. Ela a torna mais visível.
Os três pilares da liderança na era da IA
A questão não é usar ou não usar IA. É o que você leva para a sessão: o repertório, o julgamento e o contexto que nenhuma ferramenta possui. Esses ativos vêm de três pilares que, juntos, definem o valor insubstituível de um líder.
Pilar Humano
O Pilar Humano é o conjunto de capacidades que nenhum modelo de linguagem replica com autenticidade: dar feedback real, mentorar, construir confiança, tomar decisões em situações sem precedente, exercer iniciativa com contexto moral.
Presença real cria consequências para as pessoas ao redor. Simpatia não faz isso.
Uma IA pode gerar um feedback tecnicamente correto. Não pode carregar o peso da relação de dois anos com aquele colaborador, a percepção de que ele está passando por algo pessoal, o julgamento de que esse não é o momento certo para uma conversa difícil.
O paradoxo mapeado por Hogan é que líderes costumam abandonar o Pilar Humano à medida que sobem. Quando eram gestores intermediários, davam feedback, mentoravam, estavam presentes. Ao virar diretores, delegaram essas funções. No mundo com IA, esse movimento é ainda mais arriscado: o que eles entregam de diferente da ferramenta fica cada vez menor.
Diferença por perfil: o jovem profissional superestima seu Pilar Humano porque ainda não precisou exercê-lo em situações de real pressão. O líder sênior o subestima porque deixou de praticá-lo sistematicamente ao subir.
Pilar Técnico
O Pilar Técnico é o domínio do método, do processo e da profissão. Não se trata de saber executar cada tarefa nos detalhes (isso é trabalho da equipe e, cada vez mais, da ferramenta). Trata-se de saber o que existe, o que é tecnicamente possível e qual padrão de qualidade esperar do resultado. Sem isso, o líder não consegue dar bons comandos à IA, avaliar o que ela entrega nem detectar quando ela está errada.
Pesquisa da Harvard Business School com a BCG (estudo Jagged Frontier, 758 consultores) mostrou que, dentro da “fronteira tecnológica” do profissional, ou seja, nas tarefas que cabem ao seu domínio, o uso de IA produziu ganho de 40% na performance. Fora dessa fronteira, a performance caiu 19 pontos percentuais em média. O diferencial foi o conhecimento técnico de base que permite avaliar o que a ferramenta entrega.
Quem não tem Pilar Técnico sólido não consegue verificar o que a IA entrega. Aceita o plausível como correto. E erros plausíveis, cometidos em escala e com velocidade, custam muito mais do que erros feitos devagar por pessoas que sabem o que estão fazendo.
Diferença por perfil: o líder que abriu mão do Técnico ao subir é o mais vulnerável aqui. Ele não tem mais o repertório para avaliar a saída da ferramenta na sua própria área. O jovem, por outro lado, tem Técnico raso mas ainda não reconhece onde está o limite.
Pilar Setorial
O Pilar Setorial é o conhecimento tácito sobre o setor, os clientes, a cultura da empresa, as dinâmicas de mercado, os precedentes históricos que nunca foram documentados mas que vivem na cabeça de quem passou anos naquele ambiente.
É o ativo mais escasso da organização e o que nenhum modelo de linguagem possui genuinamente. A IA pode saber tudo que foi publicado sobre o seu setor. Não sabe o que aconteceu na reunião de diretoria há três meses, nem o motivo real pelo qual aquele cliente específico cancelou o contrato em 2022.
Em setores com regulação intensa, como farmacêutico, energético ou financeiro, esse ativo fica ainda mais evidente. Quem passou anos navegando agências reguladoras, processos de aprovação e interpretações de norma carrega um repertório que nenhum modelo de linguagem replica com segurança. E o custo de uma alucinação da IA nesse ambiente não é um texto ruim: pode ser uma multa, um processo ou um produto fora do mercado.
O problema é que líderes seniores frequentemente não reconhecem o Pilar Setorial como vantagem competitiva. Tratam como obviedade aquilo que é, na verdade, o ativo mais difícil de replicar. Quando esse conhecimento não é verbalizado, não é ensinado e não é usado ativamente nas interações com a IA, ele some com a rotatividade.
Diferença por perfil: o sênior tem o Pilar Setorial mais profundo mas raramente o reconhece como diferencial. O jovem tem Setorial próximo de zero, o que o torna especialmente dependente da IA para contextualização, mas sem o repertório para avaliar o que ela traz.
O papel correto da IA: copiloto, não piloto
Quem usa IA bem assume uma postura ativa:
- confrontar suas próprias ideias com a ferramenta antes de levá-las à diretoria
- complementar dados que você já tem intuição sobre
- abrir horizontes temáticos fora do seu domínio imediato
- trazer detalhes técnicos que você não lembra de cabeça
- lapidar o que já tem autoria, não criar do zero o que deveria ser seu
A IA é um copiloto excelente. Quando ela vira piloto (quando é ela que traz suas principais respostas na sua área de atuação), você já cedeu a cadeira. Se quiser entender como agentes de IA mudam essa equação operacionalmente, veja o artigo sobre engenharia de contexto para agentes. No mundo corporativo, a cadeira raramente é devolvida.
A frase que fecha cada treinamento que dou sobre esse tema não é coincidência:
Não é sobre fazer as melhores perguntas. É sobre encontrar as melhores respostas.
Por que os dados não contradizem a tese
O mecanismo central deste artigo é simples: IA amplifica o que você leva para a sessão. Quem leva expertise sai com mais expertise aplicada. Quem leva pouco sai com pouco, mais rápido. Com esse mecanismo em mente, os dados que parecem contradizer a tese na verdade a confirmam.
Pesquisa da Management Science (Caplin, Deming et al., 2025) mostrou que a IA funciona como equalizador: quem tem menor habilidade de base ganha mais em produtividade relativa. O analista que levava dois dias para montar um relatório passa a levar duas horas. O profissional que não conseguia redigir bem passa a ter rascunhos aceitáveis. Ganho operacional real, para quem entregava abaixo da média.
O equalizador nivela por cima quem estava abaixo. Para quem já estava acima, todos os concorrentes agora têm acesso à mesma ferramenta. O diferencial passa a ser o que ela não replica: julgamento, contexto, autoridade nos três pilares.
Pesquisa do MIT Sloan conduzida pela professora de contabilidade Chloe Xie, com dados de 79 firmas contábeis, confirma o mecanismo pelo outro lado: os profissionais mais experientes foram os que mais se beneficiaram de IA, usando-a para amplificar o que já sabiam. IA amplifica expertise. Quem não tem expertise a ser amplificada ganha menos.
Entre profissionais com a mesma habilidade de base, quem tem clareza dos próprios limites se beneficia mais da ferramenta. Metacognição responde por parcela significativa da variação no desempenho (síntese de John Hattie, 800+ meta-análises). Saber o que você não sabe precede o bom uso da IA. Isso não é “saber fazer perguntas para a ferramenta”. É autoconhecimento, que é Pilar Humano.
Os três pilares como mapa de risco organizacional
Os três pilares não servem só para o desenvolvimento individual. Servem para mapear onde uma organização cria risco ao adotar IA sem plano.
Quando um profissional não consegue supervisionar o que a IA entrega no seu Técnico, o erro é silencioso e caro, com dimensão financeira que vai além do retrabalho, como detalho no artigo sobre riscos financeiros da IA para empresas brasileiras. Quando o Setorial de uma área inteira está concentrado em uma pessoa e essa pessoa sai, nenhum modelo de IA recupera esse contexto. Quando o Humano some da liderança, o que o time experimenta é distância disfarçada de eficiência.
A pergunta para qualquer gestão de pessoas na era da IA não é “quantas ferramentas a equipe usa?” É: em qual dos três pilares cada pessoa precisa crescer antes que a IA se torne mais um atalho para a incompetência do que um amplificador de competência?
Para montar esse repertório, especialmente no Pilar Setorial, é preciso ter clareza de quais tecnologias já exigem decisão no seu setor agora, não daqui a dois anos. Organizei isso no livro gratuito Mapa do Explorador: 17 setores, 79 verticais de tecnologia e 198 tendências mapeadas para quem decide sem estar no time técnico.
Onde começar amanhã
Antes de qualquer ferramenta nova, três perguntas valem a reunião de amanhã:
- Pilar Técnico: você consegue avaliar o que a IA entrega na sua área, ou aceita o plausível como correto?
- Pilar Setorial: quando alguém sai da equipe, o conhecimento setorial some junto ou está verbalizado em algum lugar?
- Pilar Humano: nos últimos 30 dias, você deu feedback real, mentorou alguém ou tomou uma decisão difícil que só você poderia tomar?
O pilar com a resposta mais fraca é onde começar.
Perguntas frequentes sobre liderança e uso de IA
Por que fazer perguntas para IA é um problema para líderes? Fazer perguntas para IA na sua área de atuação coloca você em posição passiva. Você pressupõe que o conhecimento está na máquina. Na sua área de expertise, o conhecimento deveria estar em você. IA é para lapidar e ampliar, não para substituir sua resposta.
Qual é a diferença entre os três pilares da liderança? O Pilar Humano cobre o que IA não replica: feedback, mentoria, conexão, julgamento em incerteza. O Pilar Técnico é o domínio do método e do processo da área, que permite dar bons comandos à IA e avaliar o que ela entrega. O Pilar Setorial é o conhecimento tácito acumulado sobre o setor, os clientes e a cultura, que não está documentado em lugar nenhum.
Como usar IA da forma correta para crescer como líder? Usar IA para confrontar suas ideias, complementar dados, ampliar horizontes e lapidar o trabalho que já tem autoria. Isso é uso ativo. Usar IA para que ela traga as respostas que deveriam ser suas é uso passivo, e esse uso corrói sua posição de autoridade.
O que é cognitive surrender (rendição cognitiva)? É o processo pelo qual o líder, ao confiar demasiadamente na IA, reduz seu esforço cognitivo próprio. Pesquisa da Microsoft Research com Carnegie Mellon mostrou correlação negativa entre confiança na IA e esforço cognitivo. O músculo crítico atrofia por falta de uso.
O que é o Pilar Setorial e por que ele é o mais escasso? É o conhecimento tácito sobre o setor: dinâmicas de mercado, precedentes internos, contexto de clientes e cultura da empresa que nunca foi documentado. A IA sabe o que foi publicado. O que está na cabeça de um líder com 20 anos de setor não foi publicado em lugar nenhum. Esse é o ativo mais difícil de replicar.
Edney “InterNey” Souza trabalha com tecnologia desde 1990. Professor na ESPM, Insper, PUCRS e USP, palestrante e conselheiro consultivo em IA, dados e inovação. Autor do Mapa do Explorador, mapa gratuito de tendências tecnológicas para quem decide investimento.
Referências científicas utilizadas neste artigo:
- Shen, J.H. & Tamkin, A. (Anthropic/Stanford, arXiv:2601.20245, jan/2026). How AI Assistance Impacts the Formation of Coding Skills. 52 desenvolvedores, 39% vs 86% de retenção.
- Xie, C.L. & Choi, J.H. (MIT Sloan, 2025). Human + AI in Accounting: Early Evidence from the Field. Profissionais mais experientes se beneficiam mais da IA.
- Lee, H.P. et al. (Microsoft Research + Carnegie Mellon, CHI 2025). The Impact of Generative AI on Critical Thinking. 319 trabalhadores. Cognitive Surrender.
- Dell’Acqua, F. et al. (Harvard Business School + BCG, 2023). Navigating the Jagged Technological Frontier. 758 consultores. 40% de ganho dentro do domínio, -19 p.p. fora.
- Caplin, A., Deming, D. et al. (Management Science, 2025). The ABCs of Who Benefits from Working with AI. Calibragem e equalização por habilidade de base.
- Hattie, J. Visible Learning (síntese de 800+ meta-análises). Metacognição como fator de desempenho.
- Hogan Assessments. The Leadership Divide 2026. Zero sobreposição entre competências de executivos e demandas de colaboradores. 21.000 executivos + 9.794 colaboradores em 25 países.
- Gerlich, M. (Societies, 2025). AI Tools in Society: Impacts on Cognitive Offloading and the Future of Critical Thinking. Correlação negativa entre uso frequente de IA e pensamento crítico. 666 participantes.
