A inteligência artificial generativa pode produzir textos, sínteses e argumentos em segundos, mas a aparência de coerência não garante que uma resposta seja correta, completa ou digna de crédito. Por isso, o pensamento crítico passa a ter papel central no uso dessas ferramentas.
A autora, que ensina pensamento crítico a líderes há mais de 20 anos e concluiu um doutorado em cognição, define essa capacidade como o processo de reflexão usado para decidir no que acreditar ou o que fazer. Com a IA, parte do trabalho de localizar fontes, comparar versões, interpretar evidências e organizar conclusões é apresentada de forma rápida e já estruturada.
O ponto, portanto, não é apenas perguntar qual é a resposta. Também é necessário verificar de onde vieram as evidências, quais premissas sustentam a conclusão, o que ficou de fora e que informação poderia mostrar que ela está errada.
A ciência como referência
O método científico oferece uma forma de lidar com essa dependência de informações produzidas por terceiros. Em Knowledge in a Social World, Alvin Goldman trata o conhecimento como resultado de práticas e instituições sociais. As pessoas dependem de cientistas, professores, jornalistas, instituições e bancos de dados sem repetir pessoalmente cada experimento ou reconstruir todos os indicadores que utilizam.
Em The Scientific Revolution, Steven Shapin examina como afirmações conquistaram status de conhecimento entre os séculos 16 e 17. A ciência moderna fortaleceu procedimentos de observação, teste, documentação e contestação, reduzindo a dependência exclusiva da autoridade.
Um exemplo analisado por Shapin e Simon Schaffer envolve Robert Boyle e a tentativa de estabelecer fatos empiricamente verificáveis por meio da bomba de ar, de relatos sobre os fenômenos observados e de convenções sobre testemunho e credibilidade. A ciência, nesse sentido, criou mecanismos para tornar interrogável o conhecimento produzido por outras pessoas.
Evidência não é contagem de votos
Uma resposta de IA pode reunir estudos com qualidades diferentes: uma meta-análise de experimentos randomizados, pesquisas observacionais, um estudo com 42 participantes ou outro que acompanha 80 mil pessoas, mas mostra apenas correlação. Também pode haver conflito de interesse ou diferenças na replicação dos resultados.
Identificar essas características não resolve, por si só, quanto cada evidência deve pesar. A expertise continua necessária para reconhecer limitações metodológicas, compreender o contexto, distinguir correlação de causalidade e perceber quando uma conclusão vai além dos dados.
Se uma ferramenta apresenta cinco estudos favoráveis e dois contrários a uma hipótese, o pensamento crítico não consiste em contar votos. Um dos estudos contrários pode ser metodologicamente mais robusto, os trabalhos podem tratar de populações distintas ou medir fenômenos diferentes.
Respostas como hipóteses
George Luger, em Knowing Our World: An Artificial Intelligence Perspective, descreve o conhecimento como a construção de modelos confrontados com evidências e revisados quando necessário. Essa perspectiva permite usar a IA para formular hipóteses, e não para encerrar a investigação.
A ferramenta pode construir o melhor argumento a favor de uma política de microcrédito e, em seguida, elaborar o argumento contrário. O passo seguinte é perguntar quais evidências distinguem as duas hipóteses, quais estudos indicam causalidade, em que contextos os resultados mudam e o que faria alguém abandonar uma posição.
Esse cuidado começa antes da resposta. Uma pergunta como “por que a energia nuclear é indispensável à descarbonização?” já contém uma premissa. Outra formulação pode investigar seu papel, as principais posições e as evidências que sustentam cada uma. Uma resposta sofisticada para uma pergunta enviesada continua limitada pelo problema inicial.
A questão não é preservar todas as operações cognitivas anteriores à IA, mas decidir o que pode ser delegado sem perder a capacidade de julgar o que foi delegado. Se a máquina busca informações, aumenta a importância de avaliar sua qualidade e seu contexto. Se sintetiza evidências, torna-se mais necessário ponderá-las; se produz argumentos, examinar suas premissas.
Duas pessoas podem usar a mesma ferramenta de maneiras distintas: uma aceita a resposta e segue adiante; outra questiona hipóteses, fontes, evidências, premissas e condições que poderiam levá-la a mudar de conclusão. No segundo caso, a IA funciona como instrumento de investigação, não como autoridade final.
O uso crítico da tecnologia envolve formular perguntas, examinar fontes, confrontar hipóteses, buscar explicações alternativas, distinguir correlação de causalidade, explicitar incertezas e revisar ideias diante de evidências melhores.
