O uso de inteligência artificial em trabalhos de estratégia costuma começar pela pergunta. Há um motivo para isso: a qualidade do prompt influencia o tipo de resposta que o sistema entrega. Mas, na prática, o ponto mais sensível não é a pergunta. É o que acontece depois. À medida que a IA se torna capaz de produzir textos bem estruturados, com fluidez e aparência de precisão, o risco central deixa de ser “não conseguir gerar ideias” e passa a ser “aceitar ideias ruins com confiança”.
Pensamento crítico, aqui, pode ser entendido de forma simples: a capacidade de avaliar, questionar e julgar a qualidade dos estímulos que recebemos. Quando esses estímulos vêm de uma IA, a exigência aumenta. O sistema é bom em produzir respostas coerentes, plausíveis e completas. Essa coerência, porém, não é garantia de validade. Uma resposta pode estar bem escrita e ainda assim se apoiar em premissas fracas, estatísticas inventadas, generalizações ou saltos lógicos discretos. A forma ajuda a camuflar o problema.
Isso explica por que pensamento crítico aparece com frequência entre as habilidades mais valorizadas no mercado. Não é um culto abstrato à “boa educação”. É uma resposta a um ambiente em que a informação é abundante, barata e apresentada de maneira cada vez mais convincente. O custo de gerar conteúdo caiu. O custo de validar, interpretar e decidir continua alto — e, em alguns casos, ficou mais alto, porque a qualidade aparente do material aumentou.
Em estratégia, esse ponto é decisivo. Estratégia depende de escolhas sob incerteza, critérios claros e leitura cuidadosa do contexto. A IA pode acelerar o processo e expandir possibilidades, mas não substitui o julgamento. Se a avaliação falha, ela não apenas atrapalha: ela organiza o erro. Pensar bem, portanto, não é um complemento ao uso da IA. É a condição mínima para que ela produza valor.
Critical Thinking Movement
A centralidade do pensamento crítico não surge por acaso nem é resultado de uma moda recente. Ela nasce de um contexto histórico específico, ligado a preocupações econômicas, competitivas e educacionais bastante concretas. Nos anos 1980, os Estados Unidos enfrentavam uma crescente pressão competitiva de países asiáticos (o Japão em particular), especialmente no campo industrial e tecnológico. A perda de protagonismo em setores-chave como o automobilístico acendeu um alerta mais amplo: talvez o problema não estivesse apenas nas fábricas, mas na formação das pessoas.
Esse diagnóstico ganhou forma institucional em 1983, com a publicação do relatório A Nation at Risk. O documento apontava um problema direto e desconfortável: o sistema educacional americano era eficiente em ensinar alunos a memorizar conteúdos, mas falhava em desenvolver a capacidade de processar informação, tirar conclusões, construir argumentos e avaliar evidências. Os dados eram claros. Uma parcela significativa dos jovens não conseguia fazer inferências a partir de textos escritos, tampouco sustentar um argumento persuasivo de forma minimamente estruturada.
A leitura que se consolidou a partir desse relatório foi simples e ao mesmo tempo profunda. Não bastava transmitir conhecimento. Era necessário ensinar as pessoas a pensar. Não no sentido abstrato ou filosófico, mas como uma habilidade prática, aplicável a diferentes contextos: leitura, escrita, tomada de decisão, resolução de problemas. É nesse ambiente que ganha força o chamado Critical Thinking Movement.
Esse movimento defendia que pensar criticamente não era um traço inato nem um subproduto automático da escolarização tradicional. Era uma competência que podia — e deveria — ser ensinada de forma sistemática. Isso significava ir além da repetição de conteúdos e trabalhar explicitamente com argumentação, avaliação de evidências, identificação de falácias e clareza conceitual. O foco não estava em formar especialistas, mas em desenvolver critérios mínimos de julgamento.
Há um ponto importante nessa origem: o pensamento crítico surge como resposta a um problema de desempenho, não como um ideal abstrato. A preocupação central não era formar pessoas “mais cultas”, mas cidadãos e profissionais capazes de lidar com complexidade, ambiguidade e competição real. Em outras palavras, pensar melhor era visto como uma condição para competir melhor.
Essa origem ajuda a entender por que o pensamento crítico continua relevante hoje, especialmente no contexto da inteligência artificial. O problema de fundo é semelhante: excesso de informação, pressão por decisões rápidas e risco crescente de aceitar respostas prontas sem avaliação adequada. A tecnologia mudou. A exigência cognitiva, não.
A evolução do pensamento crítico
À medida que o pensamento crítico passou a ser tratado como uma competência central, surgiram diferentes tentativas de definir com mais precisão do que se estava falando. Essas tentativas não formam uma linha única ou consensual, mas ajudam a entender como o conceito foi sendo refinado ao longo do tempo. Três abordagens se destacam por revelar limites importantes umas das outras: lógica, virtude intelectual e cognição situada.
A primeira formulação mais influente trata o pensamento crítico como um problema de lógica. Autores como Robert Ennis definem pensar criticamente como a capacidade de avaliar argumentos, identificar falácias e julgar a consistência interna de uma afirmação. O foco está na estrutura do raciocínio: se as premissas são claras, se a conclusão decorre delas, se há erros formais ou inferências inválidas. Essa abordagem trouxe ganhos importantes, especialmente por tornar visíveis erros comuns de argumentação. Seu limite, no entanto, é evidente. É possível construir argumentos logicamente corretos que não produzem nenhuma crítica relevante, que não iluminam o problema ou que apenas reforçam posições já estabelecidas.
Esse limite abriu espaço para uma segunda camada, associada a autores como Richard Paul. Aqui, o pensamento crítico deixa de ser apenas uma técnica lógica e passa a incorporar uma dimensão ética e motivacional. Paul propõe a ideia de “pensamento crítico em sentido forte”, que exige não apenas coerência lógica, mas o compromisso genuíno de se aproximar da verdade, mesmo quando isso contraria interesses, crenças ou posições prévias. A crítica, nesse sentido, não é um exercício retórico, mas uma disposição intelectual. Ainda assim, essa abordagem corre o risco de permanecer abstrata se não estiver ancorada em conhecimento concreto sobre o tema em discussão.
É nesse ponto que surge a terceira contribuição relevante, associada a John McPeck. Para ele, o pensamento crítico não existe no vácuo. Não é uma habilidade genérica que pode ser aplicada igualmente a qualquer assunto. Só é possível pensar criticamente dentro de um domínio quando se compreendem minimamente seus fundamentos teóricos, métodos e critérios de validação. Sem isso, o que se produz não é crítica, mas opinião. Um leigo pode levantar dúvidas legítimas, mas não tem condições de avaliar teorias complexas sem conhecer o campo ao qual elas pertencem.
O avanço do conceito de pensamento crítico, portanto, não substitui uma abordagem pela outra. Ele as acumula. Pensar criticamente envolve lógica, exige virtude intelectual e depende de conhecimento situado. Ignorar qualquer uma dessas dimensões empobrece o julgamento. No contexto da estratégia e do uso de IA, essa combinação é especialmente importante, porque respostas convincentes não compensam critérios frágeis, nem boa intenção substitui entendimento real do problema.
O tripé do pensamento crítico
Depois de acompanhar a evolução do conceito, vale trazer o pensamento crítico para um plano operacional. Pensar criticamente não é adotar uma postura de desconfiança permanente nem rejeitar respostas por princípio. Também não se confunde com ceticismo genérico ou com a simples oposição a uma ideia. Na prática, trata-se de suspender o julgamento até que a evidência apresentada seja suficiente dentro da lógica do contexto em que a decisão será tomada.
Essa postura pode ser descrita como ceticismo reflexivo. Não é duvidar de tudo, mas reconhecer que nem toda afirmação merece aceitação imediata. O julgamento é adiado até que se compreendam as premissas, os dados e os vínculos entre eles. Em ambientes de negócio, isso significa avaliar se uma informação faz sentido à luz do mercado, do modelo econômico, das restrições operacionais e dos objetivos estratégicos envolvidos.
Um elemento central desse processo é o componente normativo do pensamento crítico. Toda afirmação se ancora, de forma explícita ou implícita, em padrões de validade. Esses padrões variam conforme o domínio: ciência, direito, economia, marketing ou estratégia. Pensar criticamente exige identificar quais critérios tornam uma afirmação aceitável naquele contexto específico. São perguntas sobre método, fonte, processo, legitimidade e interesse. Não se trata de dominar tecnicamente o assunto, mas de compreender como o campo decide o que é considerado válido.
Essa distinção ajuda a separar pensamento crítico de opinião. Opinião é um julgamento não ancorado em critérios claros de validação. Pensamento crítico, ao contrário, opera sobre padrões. Ele não afirma “isso é falso” ou “isso é verdadeiro” de forma imediata, mas pergunta “em que condições isso seria considerado válido?” e “esses critérios foram atendidos?”. É por isso que pessoas sem formação técnica profunda ainda podem exercer pensamento crítico relevante, desde que façam perguntas sobre o processo e não sobre o conteúdo técnico em si.
Um bom exemplo é o debate público em torno das vacinas contra a COVID-19. Em muitos casos, afirmações apresentadas como “críticas” não passavam de desconfiança mal informada, preconceito ou intuição travestida de cautela. O problema não estava em questionar a vacina, mas na natureza do questionamento.
Afirmações como “é preciso tomar cuidado com essa vacina porque o país que a produziu não tem tradição em pesquisa científica” ilustram bem esse desvio. À primeira vista, parecem expressar prudência. Na prática, revelam desconhecimento dos critérios que regem a produção científica e a indústria farmacêutica global. Não há referência a método, evidência, processo de validação ou histórico comparável. O julgamento é feito diretamente sobre o objeto, sem mediação por padrões de validade. Isso não é pensamento crítico. É palpite.
Um exercício genuíno de pensamento crítico seguiria outro caminho. Mesmo alguém sem conhecimento técnico em imunologia, biotecnologia ou política científica poderia formular perguntas relevantes: em quais revistas os estudos foram publicados? Houve revisão por pares? Qual foi o desenho dos ensaios clínicos? Existem precedentes históricos de desenvolvimento em prazos semelhantes? Quais órgãos reguladores avaliaram os dados? As fontes que divulgam essas informações são independentes? Existe conflito de interesse envolvido?
Note que essas perguntas não exigem domínio do conteúdo técnico. Elas operam no nível dos critérios de validade. O foco não está em “entender a vacina”, mas em entender como, naquele campo específico, se decide o que é confiável. Esse deslocamento é central. O pensamento crítico não substitui o conhecimento especializado, mas cria uma estrutura mínima para julgar se uma afirmação merece confiança.
Esse exemplo ajuda a esclarecer um ponto recorrente no uso de IA. Muitas respostas geradas por sistemas artificiais falham não porque os dados são completamente falsos, mas porque os critérios que conectam dados a conclusões não são explicitados. A resposta parece sólida porque respeita uma forma argumentativa reconhecível, mas esconde pressupostos frágeis ou não verificados.
Nesse ponto, a noção de “douta ignorância” de Nicolau de Cusa (ou de Platão, na figura socrática) se torna fundamental. Pensar criticamente exige saber onde termina o dado e onde começa o julgamento humano. Exige reconhecer limites de conhecimento próprio e, ao mesmo tempo, não abdicar do direito de questionar critérios, fontes e métodos. Em contextos complexos, especialmente aqueles mediados por IA, essa distinção protege contra dois riscos opostos: aceitar qualquer resposta bem formulada ou rejeitar informações relevantes por pura desconfiança. Essa combinação de humildade intelectual e exigência analítica é o que impede tanto a credulidade quanto o cinismo.
Em contextos mediados por inteligência artificial, essa postura se torna ainda mais necessária. A IA entrega respostas completas, bem articuladas e seguras. O pensamento crítico não busca competir com essa fluidez, mas introduzir fricção onde ela não existe. Ele desacelera o aceite automático e reintroduz o julgamento humano como instância final de decisão.
IA, estratégia e o pensamento crítico na prática
A incorporação da inteligência artificial ao trabalho estratégico altera profundamente o equilíbrio entre velocidade, volume e julgamento. A IA amplia o acesso a informações, acelera análises e reduz o custo de explorar cenários. Isso, por si só, não é um problema. O risco surge quando a fluidez da resposta passa a ser confundida com qualidade de decisão. Em estratégia, a aparência de racionalidade pode ser tão perigosa quanto a ausência dela.
Sistemas de IA são especialmente competentes em organizar argumentos. Eles conectam dados, estruturam narrativas causais e apresentam conclusões com segurança. Essa capacidade cria um efeito colateral relevante: o erro deixa de ser óbvio. Quando uma estratégia mal fundamentada vem acompanhada de um raciocínio coerente e bem escrito, ela tende a ser aceita sem o nível de fricção que seria aplicado a uma ideia mal formulada. O papel do pensamento crítico, nesse contexto, não é gerar alternativas, mas avaliar a solidez do que está sendo apresentado.
O primeiro eixo dessa avaliação é o domínio. A relação entre domínio e pensamento crítico é direta. Quanto menor o domínio do usuário sobre um tema, menor sua capacidade de identificar erros, lacunas ou generalizações. A IA não sinaliza limites do próprio conhecimento. Ela responde com a mesma segurança em temas consolidados e em áreas ambíguas. Por isso, o uso mais seguro da IA em estratégia começa antes da criação de soluções. Em áreas pouco dominadas, a IA deve ser usada como ferramenta de aprendizado: para mapear conceitos centrais, entender métricas relevantes, identificar debates em aberto e compreender como aquele campo define validade. Entrar diretamente em pedidos estratégicos sem esse preparo cria uma assimetria perigosa entre a convicção da resposta e a fragilidade do julgamento.
O segundo eixo é a checagem dos fatos. Estratégias são construções condicionais: se determinadas condições forem verdadeiras, então certas ações fazem sentido. A IA tende a tratar essas condições como dadas, sem explicitar sua origem. Cabe ao usuário interromper esse fluxo e perguntar: quais dados sustentam essa afirmação? Esses dados são recentes? Representam uma tendência estrutural ou um comportamento conjuntural? Há consenso ou controvérsia? Muitas recomendações estratégicas parecem razoáveis porque partem de premissas implícitas que nunca são questionadas. Quando essas premissas falham, não há execução que salve a estratégia.
A decomposição lógica é uma extensão natural desse cuidado. Mesmo quando os dados estão corretos, o problema pode estar no encadeamento. A IA é hábil em conectar fatos, mas não avalia se essas conexões são relevantes do ponto de vista estratégico. Um mercado pode estar crescendo e uma empresa pode atuar nesse mercado, sem que isso implique automaticamente uma oportunidade. Entre o dado e a decisão existem variáveis intermediárias: posicionamento, diferenciação, capacidade operacional, estrutura de custos, dinâmica competitiva. Desmontar o argumento em premissas e conclusão ajuda a revelar saltos lógicos que passam despercebidos em uma leitura superficial.
Há ainda um aspecto menos visível, mas central: os critérios invisíveis. Estratégia não é decidida apenas com base em dados externos. Ela envolve restrições internas, prioridades políticas, cultura organizacional, apetite a risco e horizonte temporal. Esses elementos raramente aparecem de forma explícita nas respostas da IA, porque não fazem parte dos dados de treinamento ou do contexto fornecido. O julgamento humano entra justamente aí. Cabe a ele avaliar se uma recomendação faz sentido dentro das condições reais da organização. Uma estratégia pode ser teoricamente correta e, ainda assim, inviável ou contraproducente no contexto específico em que será aplicada.
Outro risco recorrente é a tendência da IA ao senso comum. Por operar sobre grandes volumes de informação passada, ela tende a reproduzir padrões dominantes, consensos de mercado e fórmulas já conhecidas. Isso gera respostas medianas, aceitáveis e difíceis de contestar, mas pouco diferenciadoras. Em estratégia, essa medianidade é um problema. Vantagem competitiva exige escolhas assimétricas, não aderência ao padrão. Pensamento crítico, nesse ponto, significa resistir à tentação do “faz sentido” e perguntar: isso me torna diferente ou apenas alinhado ao que todos já fazem?
Uma técnica simples para lidar com esse risco é a inversão de papéis. A IA tende a concordar com o usuário e a reforçar suas hipóteses iniciais. Ao pedir que ela critique a própria recomendação ou defenda a tese oposta, cria-se um teste de estresse útil. Não para encontrar a verdade final, mas para expor pressupostos ocultos, fragilidades de evidência e pontos cegos do argumento original. Esse exercício não elimina o viés humano, mas o torna mais visível.
No limite, o pensamento crítico redefine o papel da IA na estratégia. Ela deixa de ser uma fonte de respostas e passa a ser um insumo para julgamento. A decisão não é transferida para a máquina, nem protegida por ela. Ao contrário: a IA amplia o espaço de responsabilidade do decisor. Quanto mais sofisticada a resposta, maior a obrigação de avaliá-la com rigor. Sem esse cuidado, a estratégia não se torna mais inteligente. Apenas mais bem articulada.
A partir de toda essa reflexão, é muito importante ter reparado como pensamento crítico não é uma camada opcional no uso da inteligência artificial para estratégia. Ele é o elemento que separa ganho real de eficiência de uma falsa sensação de rigor. À medida que a IA se torna capaz de produzir análises cada vez mais convincentes, o risco deixa de ser a falta de ideias e passa a ser a aceitação acrítica de raciocínios bem organizados, porém mal fundamentados. A tecnologia amplia o alcance do pensamento, mas não melhora automaticamente sua qualidade. Essa qualidade continua dependendo de critérios, domínio, julgamento e disposição para questionar.
No fim, a contribuição mais importante da IA para a estratégia não está nas respostas que ela oferece, mas nas perguntas que ela nos obriga a fazer sobre nossas próprias decisões. Pensar criticamente é assumir que clareza não é sinônimo de verdade, que coerência não garante validade e que toda escolha estratégica carrega incerteza. Em um ambiente em que o erro vem cada vez mais bem embalado, o pensamento crítico não evita decisões difíceis. Ele apenas garante que elas sejam tomadas com consciência dos seus pressupostos e consequências.
