Cyborg, centauro ou self-automator: o que a pesquisa do MIT revela sobre como sua equipe usa a IA

Existem três formas distintas de usar a inteligência artificial generativa no trabalho. A diferença entre elas muda o resultado entregue e o quanto a pessoa aprende ao longo do processo.

Pesquisadores do MIT Sloan, da Harvard Business School e da Warwick Business School mapearam esses três perfis em parceria com a Boston Consulting Group (BCG). O estudo acompanhou 244 consultores e associados juniores da própria consultoria, que usaram uma plataforma de IA baseada em GPT-4 para recomendar decisões de investimento entre marcas de uma empresa fictícia.



Os pesquisadores batizaram os três padrões de cyborg, centauro e self-automator. Cada um revela uma relação diferente com a ferramenta, e apenas um deles produziu ganho consistente de habilidade em quem o usou.

O que a pesquisa da BCG e do MIT descobriu



A tarefa proposta aos participantes exigia julgamento, não só execução. Cada consultor recebia notas de entrevistas e dados comerciais e precisava recomendar em qual de três marcas de uma empresa fictícia a companhia deveria investir.

O resultado de cada memorando foi avaliado por dois critérios, a precisão da recomendação de negócio e a capacidade de convencer quem lesse o documento. Um terceiro critério, medido antes e depois da tarefa, avaliou o ganho de conhecimento sobre o problema em si.

Kate Kellogg, professora de Management e Innovation no MIT Sloan e coautora do estudo, defende que a pergunta relevante deixou de ser apenas se uma equipe usa IA. Segundo a pesquisadora, o que determina o resultado é como essa equipe usa a ferramenta, e quais as implicações disso para o desenvolvimento de competências a médio prazo.

Os três perfis de uso da inteligência artificial

Os três perfis diferem na forma como a pessoa se relaciona com a sugestão da IA, não apenas na frequência de uso. Cada padrão apareceu em proporções bem diferentes entre os 244 profissionais observados no estudo.

Cyborg (60% dos consultores)

O cyborg trabalha em colaboração contínua com a IA, revisando cada sugestão em tempo real. É um padrão conversacional, quase um diálogo, em que a pessoa aceita uma recomendação, questiona a próxima e ajusta o rumo a cada resposta da ferramenta.

Seis de cada dez consultores da amostra se encaixaram nesse perfil, o mais comum dos três. Apesar disso, o cyborg não foi o que gerou o melhor resultado nem o maior aprendizado sobre o problema em si.

O ganho real desse grupo foi outro, a fluência para negociar com uma ferramenta de IA generativa ao longo de uma tarefa complexa. Os pesquisadores tratam essa fluência como uma competência à parte, útil, mas distinta da expertise no domínio do problema.

Centauro (14% dos consultores)

O centauro divide o trabalho com a IA antes de começar, não durante. Define de antemão quais perguntas precisam de resposta e as faz de forma específica e estruturada, em vez de manter uma conversa livre com a ferramenta.

Esse padrão, chamado pelos pesquisadores de colaboração dirigida, apareceu em apenas 14% da amostra, o menor dos três grupos. Mesmo sendo minoria, foi o centauro que produziu as recomendações comerciais mais precisas entre os três perfis, à frente de cyborgs e self-automators.

O grupo também foi o único a registrar ganho consistente de expertise no domínio do problema, já que o próprio ato de formular perguntas direcionadas obriga a pessoa a raciocinar sobre a questão antes de delegar qualquer parte dela à IA.

Self-automator (27% dos consultores)

O self-automator delega à IA quase todo o trabalho analítico e avaliativo, reduzindo sua própria participação à revisão superficial do que a ferramenta produz. Os pesquisadores chamam esse padrão de colaboração abdicada.

Esse perfil apareceu em 27% da amostra, o segundo grupo mais numeroso. O resultado foi consistente com a expectativa, memorandos produzidos rapidamente, porém mais superficiais, com desempenho abaixo dos outros dois perfis tanto em precisão quanto em poder de persuasão. Nenhum ganho de habilidade foi documentado nesse grupo.

Os próprios autores do estudo alertam que esse percentual provavelmente subestima o tamanho real desse perfil fora do ambiente controlado da pesquisa, já que a amostra era formada por consultores altamente motivados e diligentes, um perfil que tende a se engajar mais do que a média de um profissional em uma empresa qualquer.

Qual perfil gera melhor resultado, e por quê

Os três perfis não empataram nos resultados. Nas 244 recomendações avaliadas, os centauros entregaram as respostas comercialmente mais precisas, superando tanto cyborgs quanto self-automators. Em poder de persuasão do memorando, cyborgs e centauros ficaram próximos, enquanto self-automators ficaram atrás nos dois critérios.

A diferença mais relevante para quem pensa em treinar equipes, porém, está no aprendizado. Só o centauro converteu o uso da IA em mais conhecimento sobre o problema em si. O cyborg ganhou outra coisa, fluência em negociar com IA generativa, competência que tem valor, mas não substitui o domínio técnico do assunto. O self-automator não registrou ganho de habilidade em nenhuma das duas frentes.

Hila Lifshitz, professora de Management na Warwick Business School e coautora do estudo, chama atenção para um padrão ainda mais simplificado do que o self-automator, comum em empresas fora do ambiente controlado da pesquisa.

Segundo ela, boa parte das organizações já opera com uma automação genérica, em que a pessoa copia uma informação para dentro da IA, ajusta pouco a resposta e cola o resultado direto no trabalho final, sem qualquer camada de avaliação crítica.

Por que isso importa para quem lidera equipes

A proporção de empresas brasileiras usando inteligência artificial saltou de 13% em 2024 para 17% em 2025, segundo a pesquisa TIC Empresas do Cetic.br. Entre as grandes companhias, com 250 funcionários ou mais, o salto foi de 38% para 50% no mesmo período.

A adoção cresce rápido, mas adotar a ferramenta não é o mesmo que usar bem. O levantamento Deloitte Brasil State of AI 2026 mostra o outro lado dessa equação, apenas 27% das empresas brasileiras têm governança madura para IA, mesmo com 95% delas planejando adotar IA agêntica nos próximos dois anos.

Essa distância entre intenção e estrutura é o espaço em que a diferença entre cyborg, centauro e self-automator deixa de ser uma curiosidade acadêmica e passa a ser uma decisão de gestão, com peso direto sobre resultado. Fonte: Deloitte Brasil, State of AI 2026.

O papel de quem lidera, nesse cenário, deixou de ser apenas aprovar o uso da IA e passou a ser desenhar como as equipes devem usá-la. Esse deslocamento já foi mapeado em outro conteúdo da FDC sobre liderança orientada por inteligência artificial, e aparece também na forma como o gestor de IA vem se consolidando como função dentro das empresas.

Como transformar uso individual de IA em vantagem estruturada

Hila Lifshitz propõe um critério prático para decidir quando delegar uma tarefa à IA sem supervisão, a criticidade do resultado. Tarefas com alto impacto e pouca margem de erro pedem o padrão centauro, com perguntas definidas antes de qualquer resposta da ferramenta. Tarefas repetitivas e de baixo risco toleram mais automação, o território do self-automator, desde que a decisão de automatizar seja deliberada, e não apenas a ausência de outra opção.

Kate Kellogg recomenda três frentes de ação para quem estrutura esse processo dentro da empresa. A primeira é deixar que novos funcionários testem a IA logo no onboarding, com retorno explícito sobre a qualidade do que produziram.

A segunda é adicionar, à medida que a experiência cresce, interfaces que mostrem o grau de incerteza da resposta da IA, para que a pessoa saiba quando questionar. A terceira é fixar um conjunto de perguntas-padrão que a equipe precisa responder antes de aceitar uma sugestão, um mecanismo simples para forçar reflexão em vez de aceitação automática.

Esse é o tipo de estrutura que separa empresas que apenas usam IA das que sabem administrar como ela é usada, um dos desafios de implementação de IA mais comuns dentro das organizações.

Essa mesma lógica de estrutura antes da delegação está por trás de como a inteligência artificial vem deixando de ser só ferramenta para se tornar parte da estratégia de gestão empresarial, e do debate sobre como fazer um uso ético da inteligência artificial nas empresas, que ganha peso à medida que decisões com impacto sobre pessoas passam a contar com apoio de IA.

A FDC leva esse racional para dentro da sala de aula com a Imersão Executiva em IA, um programa de dois dias que parte do diagnóstico sobre o uso real da inteligência artificial na empresa e chega a um plano de ação concreto, sem exigir formação técnica prévia de quem participa.

Perguntas frequentes