A inteligência artificial (IA) funciona melhor com humanos no circuito, indica novo estudo

A inteligência artificial (IA) obtém os seus melhores resultados quando as pessoas permanecem no circuito, em vez de se afastarem por completo, segundo uma nova investigação.

O estudo reposiciona a corrida à automação ao mostrar que a rapidez, por si só, não gera discernimento, significado nem responsabilização.

Sistemas de IA e supervisão humana

Numa revisão de 90 artigos publicados desde 2015, a Universidade de East London (UEL) encontrou repetidamente o mesmo ponto de separação: os sistemas de IA atuam muito mais depressa do que os humanos, mas continua a caber às pessoas traduzir e decifrar o que esses resultados realmente querem dizer.

Com base nessa evidência, a Dra. Susan Akinwalere, da Escola de Negócios e Direito de Royal Docks da UEL, defendeu que a IA acrescenta capacidade sem substituir o julgamento.

O software consegue classificar, ordenar e relacionar informação em segundos; ainda assim, não consegue determinar se uma recomendação se adequa às necessidades declaradas de um projeto específico.

Essa limitação mantém a supervisão humana dentro do próprio sistema e abre a questão mais ampla sobre o que as máquinas conseguem, de facto, fazer bem por conta própria.

O que o software consegue ver

No seu melhor, a IA percorre texto, imagens e registos em volumes que seriam incomportáveis para um único trabalhador.

Ao transformar grandes entradas em padrões classificados e correspondências prováveis, os sistemas de IA encurtam o tempo entre a pergunta e a pista.

A velocidade torna-se mais relevante quando o sinal útil está escondido em informação desorganizada, e não quando são os valores que determinam a decisão final.

Quando a tarefa passa da deteção para o julgamento, a vantagem da máquina diminui e o papel humano cresce.

Testes humanos ao resultado da IA

O produto do trabalho da IA só se torna “utilizável” depois de uma pessoa o confrontar com necessidades locais, normas sociais e os limites dos dados.

O artigo descreve esse enquadramento como um ecossistema de conhecimento: a forma como pessoas, ferramentas e instituições criam e partilham aquilo que sabem.

Dentro desse sistema, os factos não circulam isoladamente, porque confiança, finalidade e oportunidade alteram a forma como são usados.

Deixar a interpretação entregue ao software pode gerar uma resposta impecável no ecrã, mas que falha no mundo real.

Trabalhar através da complexidade

Em contextos exigentes, a IA tende a revelar-se mais útil ao reduzir a sobrecarga inicial de informação. Ao destacar padrões, exceções e possíveis próximos passos, a IA encurta a distância entre pergunta e pista.

“ A verdadeira promessa da IA não é substituir a inteligência humana, mas ajudar as pessoas a lidar com a complexidade mais depressa, mantendo o julgamento, o significado e a responsabilidade nas mãos humanas ”, afirmou Akinwalere.

A forma como Akinwalere enquadra o tema coloca a IA num papel de apoio, mesmo quando os seus resultados chegam com uma confiança impressionante.

A ética continua a ser humana

As decisões de alto risco expõem com maior nitidez a fronteira, na prática, entre assistência por IA e substituição total por software.

Na saúde, a Organização Mundial da Saúde (OMS), agência de saúde das Nações Unidas, alertou que a IA tem de manter a ética e os direitos humanos no centro.

Uma resposta rápida pode, ainda assim, prejudicar pessoas quando ninguém questiona quem apareceu nos dados de treino e quem ficou de fora.

A revisão humana é importante porque a justiça não é um padrão escondido nos dados; é uma escolha sobre como agir.

O significado exige questionamento

Conhecimento útil não termina na previsão, porque as pessoas continuam a ter de testar se um resultado merece confiança.

No aviso mais incisivo do artigo, o foco muda do poder de processamento para a interpretação e o julgamento.

“ A IA pode ajudar-nos a processar informação a uma escala que antes não era possível, mas o conhecimento só ganha significado quando as pessoas o interpretam, o questionam e o aplicam de forma responsável ”, afirmou o Professor Kirk Chang, coautor do estudo e professor na UEL.

Qualquer organização que ignore esse passo de questionamento arrisca transformar velocidade em confiança, sem verdadeira compreensão.

Regras antes da implementação

As instituições não podem acrescentar ética a um sistema depois de o colocarem em produção e esperar resultados fiáveis. Antes de as equipas começarem a apoiar-se em recomendações de IA, as lideranças precisam de documentação, testes e linhas claras de responsabilidade.

O Quadro de Gestão do Risco de IA do NIST, um guia do governo dos EUA, reforçou essa lógica através de governação, medição e monitorização.

Estas salvaguardas tornam-se ainda mais relevantes quando os resultados da IA influenciam contratações, avaliações, triagem médica ou afirmações de investigação.

Já dentro das instituições

Hospitais, escolas e escritórios já recorrem à IA de forma limitada, em vez de a usarem como substituto total dos profissionais.

Quando bem aplicada, a IA pode resumir registos, identificar ligações e redigir opções para que as pessoas verifiquem ou rejeitem.

Na educação, a Organização das Nações Unidas para a Educação, a Ciência e a Cultura (UNESCO) defendeu uma abordagem centrada no ser humano, mantendo os professores responsáveis por escolhas éticas e pedagógicas essenciais.

Esse conselho encaixa no argumento central do artigo, porque aprender depende tanto de confiança e cuidado como de respostas rápidas.

Sistemas concebidos para parcerias IA-humanos

Tratar a IA como “parceira” humana, em vez de “substituta” humana, altera aquilo que as instituições concebem, compram e recompensam.

Em vez de perseguirem decisões totalmente automatizadas, os gestores podem desenhar fluxos de trabalho em que o software propõe e as pessoas decidem.

Como esse modelo mantém os humanos próximos das consequências, é mais provável que os erros sejam detetados antes de se propagarem.

Assim, o verdadeiro desafio do artigo não é a ambição técnica, mas sim saber se as organizações irão construir a colaboração de forma intencional.

O julgamento humano não é a parte que sobra do trabalho inteligente; é o elemento que transforma resultados em ação.

À medida que a IA se integra mais profundamente nas instituições, os sistemas que perduram serão, provavelmente, os concebidos para colaboração, escrutínio e responsabilização.