O trabalho que pensa antes de nós

Nos últimos anos, a conversa sobre inteligência artificial nas empresas foi dominada por uma pergunta: quanto tempo ela economiza. A pergunta é legítima, e os ganhos são reais. Estudos de campo registram aumentos de produtividade em atendimento, consultoria e programação (Brynjolfsson, Li e Raymond, 2025; Dell'Acqua et al., 2023). Mas existe outra pergunta, menos visível nos painéis de indicadores: o que acontece com o julgamento das pessoas quando parte dele passa a ser feita por sistemas?

Um analista de crédito aprova propostas a partir de um score cujo cálculo não conhece. Uma recrutadora recebe uma lista de candidatos já ordenada. Um gerente de operações segue a rota, o preço e a meta que o sistema definiu. Um advogado entrega uma peça com jurisprudência que não conferiu. Em todos esses casos, a pessoa continua trabalhando, decidindo e assinando. O que mudou é de onde vêm os critérios da decisão.

O risco não é parar de pensar. É continuar pensando dentro de critérios que não se pode compreender nem contestar.

Este paper chama esse deslocamento de proletarização cognitiva. O conceito foi formalizado em artigo científico revisado por pares como categoria de diagnóstico do trabalho mediado por sistemas (Cappra e Azambuja, 2026). Aqui, ele é traduzido para a linguagem da gestão, da governança, da transformação e do trabalho.

O argumento central é simples. O risco da IA no trabalho não é que as pessoas parem de pensar. É que continuem pensando dentro de critérios que não podem compreender, revisar nem contestar, e permaneçam responsáveis pelos efeitos das decisões. Nesse ponto, a delegação deixa de ser apoio e se torna perda de autoria.

O texto segue em cinco movimentos. Reconstrói a origem do conceito, da fábrica ao algoritmo. Apresenta a definição e o que ela não é. Distingue a delegação benigna da proletarizante. Reúne as evidências disponíveis e lê seis casos de mercado. Por fim, propõe um diagnóstico, práticas de gestão, proposições e uma agenda de pesquisa.

02

Da fábrica ao algoritmo

A palavra proletarização é antiga e foi escolhida de propósito. Na crítica de Marx, o trabalhador industrial foi separado do produto, dos meios e do sentido da própria atividade (Marx, 2013). No início do século XX, a administração científica de Frederick Taylor deu forma gerencial a essa separação: o planejamento foi para o escritório e a execução ficou no chão de fábrica (Taylor, 1911). Harry Braverman mostrou, décadas depois, que esse movimento retirou do trabalhador o saber técnico que lhe permitia compreender o processo como um todo (Braverman, 1981).

O que a fábrica fez com o saber-fazer, os sistemas algorítmicos podem fazer com o saber-julgar. A diferença está no lugar onde isso acontece. Antes, a separação ocorria entre a cabeça do engenheiro e a mão do operário. Agora, ocorre entre o critério embutido no sistema e o juízo de quem o utiliza.

O que a fábrica fez com o saber-fazer, os sistemas algorítmicos podem fazer com o saber-julgar.

Na engenharia de sistemas, o alerta veio cedo. Em 1983, Lisanne Bainbridge descreveu as ironias da automação: quanto mais automatizado o processo, mais crítica se torna a intervenção humana nos momentos de falha, e menos preparadas as pessoas estão para fazê-la (Bainbridge, 1983). A IA generativa leva essa ironia do controle de máquinas para o trabalho do conhecimento.

Bernard Stiegler chamou de proletarização do espírito a captura da atenção e da memória pelas indústrias digitais (Stiegler, 2016). A proletarização cognitiva parte dessa leitura, mas olha para outro alvo. Stiegler descreve a perda da capacidade de desejar, prestar atenção e transmitir. Este conceito descreve a perda da autoria do julgamento: a capacidade de compreender, revisar e contestar os critérios das próprias decisões.

Toque nos elementos da figura para ler a explicação.

Figura 1. Genealogia do conceito: da separação do saber no trabalho à autoria do juízo. Elaboração: Cappra Institute, 2026.

A Figura 2 resume o deslocamento. Na fábrica, separou-se a concepção da execução. Nos ambientes informacionais, separa-se o critério do juízo. O profissional não perde a tarefa. Perde a autoridade sobre as razões da tarefa.

Toque nos elementos da figura para ler a explicação.

Figura 2. O deslocamento: o que a fábrica separou na execução, os sistemas algorítmicos separam no julgamento. Elaboração: Cappra Institute, 2026.

03

O que é proletarização cognitiva

O artigo científico propõe uma definição formal, com quatro componentes: um processo, as condições que o tornam problemático, um efeito epistêmico e um efeito moral (Cappra e Azambuja, 2026).

Definição formal

PROLETARIZAÇÃO COGNITIVA

Processo pelo qual, em ambientes de trabalho informacionalmente mediados, funções de interpretação, avaliação e julgamento são delegadas sistematicamente a sistemas técnicos sob condições cumulativas de opacidade, assimetria de acesso, baixa auditabilidade e ausência de contestabilidade, reduzindo a capacidade do trabalhador de compreender, revisar e responder pelos critérios que orientam sua ação.

Em linguagem de gestão

A VERSÃO EXECUTIVA

Proletarização cognitiva é o que acontece quando a organização transfere para os sistemas a definição dos critérios de decisão, mas mantém nas pessoas a responsabilidade pelos resultados.

Cada componente corresponde a uma pergunta que a gestão pode fazer (Figura 3). Onde o sistema decide antes da pessoa? Em que condições isso acontece? O que a pessoa ainda entende sobre a própria decisão? Quem responde quando algo dá errado?

Toque nos elementos da figura para ler a explicação.

Figura 3. Anatomia da definição: quatro componentes e a pergunta de gestão correspondente a cada um. Elaboração: Cappra Institute, 2026, a partir de Cappra e Azambuja (2026).

Trabalho informacionalmente mediado, no sentido usado aqui, é todo contexto em que decisão, avaliação e coordenação são estruturadas por sistemas baseados em dados e algoritmos, sem que a atividade humana seja totalmente automatizada. Inclui crédito, seguros, recrutamento, atendimento, logística, saúde, jurídico, auditoria e boa parte da gestão.

O que o conceito não é

■Não é tecnofobia. O problema não está na presença das máquinas, mas nas condições em que o julgamento é delegado a elas.
■Não é sobre substituição de empregos. O conceito trata de quem continua trabalhando e do que muda na sua relação com as próprias decisões.
■Não descreve o fim do pensamento. A pessoa continua pensando. O que muda é o centro de gravidade do julgamento.
■Não é destino. Nomeia condições estruturais de assimetria, e condições podem ser redesenhadas.

04

Nem toda delegação é um problema

Pensar com apoio de artefatos faz parte da história humana. Escrita, cadernos, mapas, planilhas e calculadoras sempre ampliaram a cognição (Clark, 2008; Risko e Gilbert, 2016). Usar um GPS é delegação benigna: o motorista não conhece a lógica interna do sistema, mas pode avaliar se o trajeto faz sentido, recusar a sugestão, escolher outra rota ou desligar o aparelho.

A delegação se torna proletarizante quando é sistemática e ocorre sob quatro condições do ambiente informacional (Cappra e Azambuja, 2026):

01Opacidade. Os critérios que estruturam a decisão são inacessíveis a quem a executa.
02Assimetria de acesso. A pessoa recebe o resultado, mas não pode reconstruir como ele foi produzido.
03Vieses não auditáveis. Distorções incorporadas ao sistema não podem ser verificadas por quem usa nem por quem é afetado.
04Ausência de contestabilidade. Não há canais efetivos para questionar, corrigir ou recusar a decisão sugerida.

Nenhuma dessas condições, isolada, define o fenômeno. É a combinação delas com a delegação sistemática do juízo que produz o deslocamento. Por isso o conceito funciona como gradiente, e não como rótulo (Figura 4).

Uma mesma ferramenta pode ser apoio numa equipe e mecanismo de proletarização em outra.

Toque nos elementos da figura para ler a explicação.

Figura 4. O gradiente da delegação: a mesma tecnologia pode ser suporte ou proletarização, conforme as condições do ambiente. Elaboração: Cappra Institute, 2026.

Uma mesma ferramenta pode ser apoio numa equipe e mecanismo de proletarização em outra. Depende de como foi implantada, explicada e governada. Isso desloca a discussão da tecnologia para a gestão: a pergunta não é qual sistema a empresa usa, mas em que condições as pessoas decidem com ele.

Há posições otimistas sérias sobre o tema. Andy Clark sustenta que sistemas generativos podem ampliar os caminhos de pensamento disponíveis a quem os usa (Clark, 2025). John Danaher vê na automação uma possibilidade de liberar pessoas de trabalhos degradantes (Danaher, 2019). Richard Heersmink propõe critérios para uma integração virtuosa com artefatos cognitivos, como confiabilidade e transparência (Heersmink, 2015). Este paper não discorda da possibilidade da boa delegação. Discorda da frequência com que os ambientes de trabalho atuais oferecem as condições para ela.

05

Como o mecanismo opera dentro da empresa

Na prática, a proletarização cognitiva raramente é uma decisão explícita. Ela se instala por acréscimo. Um modelo passa a sugerir prioridades. A sugestão vira padrão. O padrão vira meta. Em pouco tempo, discordar do sistema exige justificativa, e concordar não exige nada.

Discordar do sistema exige justificativa. Concordar não exige nada.

A Figura 5 mostra o circuito típico. Dados entram num sistema cuja lógica não está disponível a quem executa. O sistema entrega uma recomendação. A pessoa aprova, ajusta pouco ou segue. A execução produz efeitos. Quando algo dá errado, a responsabilidade volta para o ponto humano do circuito, justamente o que tinha menos controle sobre os critérios.

Toque nos elementos da figura para ler a explicação.

Figura 5. O circuito da proletarização cognitiva: os critérios ficam fora do alcance de quem executa, e a responsabilidade volta para a pessoa. Elaboração: Cappra Institute, 2026.

Efeito epistêmico: a autoridade de julgar muda de lugar

O profissional participa da decisão, mas nem sempre a compreende. Observa o resultado, mas não domina o processo que o produz. Miranda Fricker chamou de injustiça epistêmica a situação em que alguém é impedido de exercer sua autoridade como conhecedor (Fricker, 2007). Nas organizações automatizadas, isso pode ocorrer no nível da arquitetura: a experiência do profissional não é negada, é convertida em dado. Ele não é silenciado pela falta de voz, mas pela falta de acesso à linguagem da decisão.

Efeito moral: a culpa desce

Madeleine Clare Elish descreveu a zona de amortecimento moral (moral crumple zone): em sistemas automatizados, a culpa por falhas tende a recair sobre o operador humano mais próximo, mesmo quando ele tinha controle limitado sobre o sistema (Elish, 2019). Quando a responsabilidade se dispersa entre fornecedores, programadores, gestores e operadores, forma-se um vácuo em que todos participam e ninguém responde (Schulzke, 2013). Luciano Floridi propõe enfrentar esse vácuo com uma moralidade distribuída: redesenhar a responsabilidade conforme a arquitetura do sistema, em vez de procurar um único culpado (Floridi, 2013).

Efeito formativo: a organização deixa de formar julgadores

O trabalho também é o lugar onde se aprende a julgar. Shannon Vallor chama de desqualificação moral (moral deskilling) a perda de virtudes que dependem de prática, como prudência e discernimento (Vallor, 2016). Matt Beane mostrou, em cirurgia robótica, como a tecnologia reduziu a participação dos residentes, e como os poucos que se tornaram competentes aprenderam por caminhos informais, à margem das regras (Beane, 2019). Quando o sistema executa a etapa em que se aprende a julgar, a organização perde a forma pela qual formava julgadores.

06

O que as evidências mostram

Nenhum estudo testa diretamente o conceito de proletarização cognitiva. Mas um conjunto crescente de pesquisas documenta os mecanismos que o compõem. A Figura 6 reúne quatro deles.

Toque nos elementos da figura para ler a explicação.

Figura 6. Indícios empíricos dos mecanismos que compõem o fenômeno. As medidas são de naturezas diferentes e não devem ser comparadas entre si. Elaboração: Cappra Institute, 2026, a partir das fontes indicadas.

■Viés de automação em especialistas. Em experimento com 28 patologistas, a IA melhorou o desempenho geral, mas em 7% dos casos os especialistas reverteram avaliações inicialmente corretas depois de receber sugestões erradas do sistema (Rosbach et al., 2024). O fenômeno é estudado há décadas na literatura de fatores humanos (Parasuraman e Manzey, 2010) e aparece de forma consistente no apoio à decisão clínica (Goddard, Roudsari e Wyatt, 2012).
■Aceitação sem verificação. Em levantamento com mais de 48 mil pessoas em 47 países, 66% dos trabalhadores que usam IA disseram usar as respostas sem avaliar sua precisão, e 56% relataram ter cometido erros no trabalho por causa da IA (Gillespie et al., 2025). Os dados são autodeclarados, mas a escala chama atenção.
■A fronteira irregular. Com 758 consultores do Boston Consulting Group, o uso de IA aumentou produtividade e qualidade em tarefas dentro da capacidade do modelo. Numa tarefa fora dela, quem usava IA teve 19 pontos percentuais menos chance de chegar à resposta correta (Dell'Acqua et al., 2023).
■Confiança e pensamento crítico. Em pesquisa com 319 profissionais do conhecimento, maior confiança na IA esteve associada a menos pensamento crítico. Maior confiança na própria capacidade para a tarefa, a mais pensamento crítico (Lee et al., 2025).
■Aprender com muleta. Em experimento com cerca de mil estudantes, o acesso livre ao GPT-4 melhorou o desempenho durante a prática. Quando o acesso foi retirado, esses alunos tiveram desempenho 17% menor que os que nunca usaram a ferramenta. Uma versão com salvaguardas pedagógicas evitou a maior parte do dano (Bastani et al., 2025).

Leitura

A ferramenta circulou saber, em vez de apenas substituí-lo. O efeito sobre os mais experientes lembra que nenhum desenho é neutro.

Lição de gestão

Desenho orientado ao aprendizado aproxima a delegação da coautoria.

Quadro 1. Leitura dos casos pelas quatro condições

Caso	Opacidade	Assimetria	Vieses	Contestação	Leitura
Post Office Horizon					Proletarização
Benefícios para creche					Proletarização
Triagem na Amazon					Risco interrompido
Mata v. Avianca					Aceitação não verificada
Entregadores					Proletarização com resistência
Atendimento com IA					Próximo da coautoria

condição presente parcialmente presente ausente ou não documentada. Leitura interpretativa, com base nas fontes citadas.

08

Os custos invisíveis para a organização

Para a gestão, a proletarização cognitiva aparece primeiro como eficiência. Os custos chegam depois, e quase nunca na mesma linha do orçamento.

01Erosão de competências. Ganhos de produtividade podem esconder perda de capacidade. O sinal aparece quando o sistema falha, muda ou é retirado (Bainbridge, 1983; Bastani et al., 2025). Para iniciantes, o risco é maior, porque a etapa em que se aprende a julgar costuma ser a mais fácil de automatizar (Beane, 2019).
02Responsabilidade sem controle. Sem desenho explícito, a responsabilidade desce até o ponto humano mais próximo da execução (Elish, 2019). Isso gera defensividade e, paradoxalmente, mais adesão ao sistema: seguir a recomendação passa a ser a forma mais segura de não ser culpado.
03Perda da capacidade de correção. Organizações aprendem quando alguém percebe que algo está errado e consegue dizer. Sem contestabilidade, os sinais de erro chegam tarde, como no caso Horizon, em que anos se passaram até que as falhas do sistema fossem reconhecidas.
04Exposição regulatória. O Regulamento Europeu de IA exige que sistemas de alto risco sejam supervisionados por pessoas capazes de reconhecer o viés de automação e de desconsiderar, anular ou reverter o resultado do sistema (art. 14), e dá a quem é afetado o direito a uma explicação sobre o papel da IA na decisão (art. 86) (União Europeia, 2024). No Brasil, a LGPD assegura a revisão de decisões tomadas unicamente com base em tratamento automatizado e o acesso a informações sobre seus critérios (Brasil, 2018, art. 20). Uma organização cujos profissionais não compreendem os critérios dos sistemas que usam terá dificuldade de cumprir essas exigências na prática.
05Custo cultural. Cultura Analítica é a capacidade de uma organização de transformar informação em decisão e ação com interpretação. Uma empresa pode ter muitos sistemas e baixa Cultura Analítica. A proletarização cognitiva é o caminho mais curto até lá: mais resultados, menos interpretação.

Seguir a recomendação passa a ser a forma mais segura de não ser culpado.

09

Diagnóstico: onde a organização está

A Figura 7 organiza o diagnóstico em dois eixos. O horizontal mede a intensidade da delegação, de pontual a sistemática. O vertical mede as condições do ambiente, de opaco e incontestável a inteligível e contestável. O cruzamento gera quatro situações.

Toque nos elementos da figura para ler a explicação.

Figura 7. Matriz de diagnóstico, com a posição interpretativa dos casos discutidos na seção 7. Elaboração: Cappra Institute, 2026.

■Suporte. Delegação pontual em ambiente inteligível. O sistema ajuda, a pessoa decide. É o caso do GPS.
■Coautoria. Delegação sistemática em ambiente inteligível e contestável. É onde a cognição híbrida produz valor sem perda de autoria (Cappra, 2026d).
■Risco latente. Delegação ainda pontual, mas em ambiente opaco. É comum nas fases iniciais de adoção, quando a ferramenta chega sem explicação nem canal de contestação. Com a escala, tende a migrar para a direita.
■Proletarização cognitiva. Delegação sistemática em ambiente opaco e incontestável. As pessoas executam critérios que não podem compreender nem questionar, e respondem pelos efeitos.

Para localizar uma equipe, um processo ou uma decisão na matriz, o Quadro 2 traduz as condições em perguntas para a gestão e em sinais de alerta.

Quadro 2. Perguntas de diagnóstico

Dimensão	Pergunta para a gestão	Sinal de alerta
Delegação sistemática	Em que proporção das decisões a recomendação do sistema é aceita sem alteração?	Taxa de aceitação próxima de 100% e estável ao longo do tempo.
Opacidade	Quem executa a decisão sabe dizer quais critérios a orientam?	A resposta padrão é “o sistema indicou”.
Assimetria de acesso	É possível reconstruir, para um caso específico, como o resultado foi produzido?	Só o fornecedor ou a equipe técnica consegue explicar um caso.
Vieses não auditáveis	Quando foi a última auditoria de resultados por grupo, região ou perfil?	Ninguém sabe se o sistema erra mais para alguns grupos.
Contestabilidade	Existe um caminho formal para discordar do sistema, e ele é usado?	Discordar exige justificativa. Concordar não exige nada.

Uma regra prática ajuda a ler o primeiro sinal. Uma taxa de aceitação perto de 100% pode indicar um sistema excelente ou um julgamento que deixou de ser exercido. Só as outras quatro perguntas permitem distinguir os dois casos.

10

Da delegação à coautoria

A resposta à proletarização cognitiva não é recusar a tecnologia. É redesenhar as condições de uso para que a decisão continue inteligível, o cálculo não elimine o juízo e a automação continue sendo objeto de deliberação humana. Três princípios, derivados do artigo científico, orientam as práticas: inteligibilidade, auditabilidade e contestabilidade das mediações técnicas do juízo.

Quadro 3. Sete práticas de gestão e seus critérios observáveis

Prática	O que fazer	Critério observável
1. Mapa de delegação	Inventariar as decisões em que sistemas pré-estruturam o juízo: onde entram, o que recomendam, quem decide e quem responde.	Cada decisão relevante tem registro de onde o sistema atua e de quem responde por ela.
2. Critérios legíveis	Exigir que os principais fatores de cada recomendação sejam explicáveis a quem executa, na linguagem do trabalho.	O profissional consegue explicar por que o sistema recomendou aquilo, sem recorrer à equipe técnica.
3. Direito de discordar	Tratar a divergência com o sistema como ato previsto, registrado e analisado, sem penalidade para quem discorda.	Existe taxa de contestação medida, e parte das contestações leva a ajustes no sistema.
4. Auditoria com quem executa	Auditar resultados por grupo, região e perfil, com participação de quem usa o sistema no dia a dia.	Há data, achados e correções da última auditoria.
5. Responsabilidade proporcional	Não atribuir ao operador a culpa por critérios que ele não controla. Separar erro de execução de erro de critério.	A política de incidentes distingue os dois tipos de erro e indica quem responde por cada um.
6. Atrito formativo	Manter rotinas de prática sem o sistema, sobretudo para iniciantes, e medir o desempenho com e sem apoio.	O desempenho sem o sistema é medido periodicamente e não cai de forma contínua.
7. Indicadores de juízo	Acompanhar a qualidade do julgamento, e não só a velocidade: revisões, contestações, erros evitados.	O painel da área inclui ao menos um indicador de qualidade do juízo.

Kars Alfrink e colegas propõem tratar a contestabilidade como requisito de projeto, presente desde o desenho do sistema, e não como recurso jurídico posterior (Alfrink et al., 2023). É um bom ponto de encontro entre tecnologia, RH e gestão. A prática 6 desenvolve o conceito de atrito formativo e o teste da retirada, apresentados no paper sobre Cognição Híbrida (Cappra, 2026d): nem toda ineficiência deve ser eliminada, porque parte dela é onde as pessoas aprendem.

Nem toda ineficiência deve ser eliminada. Parte dela é onde as pessoas aprendem a julgar.

11

Lugar no programa de pesquisa

A proletarização cognitiva integra o programa de pesquisa do Cappra Institute sobre a interdependência entre humanos, dados e máquinas. Ela ocupa um lugar específico nesse programa: é o modo de falha da cognição híbrida (Figura 8).

Toque nos elementos da figura para ler a explicação.

Figura 8. A proletarização cognitiva no programa de pesquisa do Cappra Institute. Elaboração: Cappra Institute, 2026.

■Cognição Híbrida. Descreve a condição em que o pensar se realiza numa arquitetura que inclui sistemas artificiais (Cappra, 2026d). A proletarização cognitiva é o que acontece quando essa arquitetura é assimétrica e não contestável. Coautoria e proletarização são dois destinos possíveis da mesma condição.
■Inforganização. Descreve a organização cuja estrutura se reconfigura continuamente pela circulação da informação (Cappra, 2026a). A proletarização cognitiva é uma forma de Reconfiguração Organizacional: redistribui direitos decisórios sem que nenhum programa de mudança tenha sido declarado.
■Governança Analítica. Estabelece princípios, estruturas e mecanismos que orientam como a organização transforma informação em decisão e ação (Cappra, 2026b). Inteligibilidade, auditabilidade e contestabilidade são exatamente o tipo de princípio que a Governança Analítica deve garantir.
■Vácuo da Gestão Multiagente. Nomeia o espaço ocupado por agentes de IA que atravessam TI, RH e Negócios sem gestão integral (Cappra, 2026c). Quando ninguém gere os agentes por inteiro, ninguém garante as condições do juízo de quem trabalha com eles.
■Cultura Analítica. Orienta como a organização produz, interpreta e legitima informação. É a principal defesa cultural contra a proletarização cognitiva, porque valoriza a interpretação e não apenas o resultado.

12

Proposições

As proposições abaixo resumem o argumento em forma testável. Servem como hipóteses para pesquisa e como pontos de partida para diagnósticos organizacionais.

P1
O critério como ativo
Em trabalho mediado por sistemas, o que se concentra não é a ferramenta, mas o controle sobre os critérios de decisão.
P2
Condições, não delegação
A proletarização cognitiva depende das condições da delegação, e não da delegação em si. A mesma tecnologia produz suporte ou proletarização conforme o desenho.
P3
O efeito retirada
Ganhos de produtividade obtidos sem salvaguardas podem ocultar perda de competência, que se torna visível quando o sistema falha, muda ou é retirado.
P4
A culpa desce
Sem desenho explícito de responsabilidade, as falhas de sistemas tendem a ser atribuídas ao humano mais próximo da execução.
P5
Contestação como alerta antecipado
Organizações com canais efetivos de contestação detectam falhas de sistemas mais cedo do que as que tratam a divergência como desvio.
P6
Mudança sem projeto
A proletarização cognitiva é uma forma de Reconfiguração Organizacional: redistribui direitos decisórios sem programa de mudança declarado.
P7
Inteligência nas margens
Quando o circuito oficial não admite contestação, a agência reflexiva migra para práticas informais. Essa migração é um sinal observável do fenômeno.

13

Agenda de pesquisa e limites

Agenda

A1
Medir
Desenvolver e validar uma escala de proletarização cognitiva por função, combinando as cinco dimensões do Quadro 2.
A2
Acompanhar no tempo
Estudos longitudinais sobre competências com e sem apoio de IA, em funções de entrada e em funções especializadas.
A3
Desenhar a contestação
Testar interfaces e processos que tornam a divergência com o sistema simples, registrada e útil para o aprendizado.
A4
Comparar setores
Mapear o fenômeno em crédito, saúde, jurídico, RH e setor público, onde as consequências das decisões são mais altas.
A5
Ligar à regulação
Investigar como as exigências de supervisão humana, explicação e revisão se traduzem, ou não, em autoria efetiva do juízo.

Limites deste texto

■É um texto conceitual. Propõe uma categoria de diagnóstico e um instrumento de leitura, mas não mede nem classifica organizações.
■As evidências são indiretas. Os estudos citados documentam mecanismos associados ao fenômeno, não testam o conceito. Alguns se baseiam em dados autodeclarados ou em experimentos de escopo delimitado.
■Os casos são ilustrativos. Foram lidos a partir de fontes públicas. A leitura pelas quatro condições é interpretativa.
■A matriz simplifica. Na realidade, as condições variam em grau e podem coexistir de formas diferentes dentro da mesma organização.

14

Considerações finais

A proletarização cognitiva não é um destino inevitável do trabalho na era da IA, nem uma denúncia genérica da tecnologia. É um diagnóstico situado de uma transformação que ocorre quando sistemas automatizados passam a estruturar o próprio gesto de julgar.

Para quem gere organizações, o conceito oferece uma mudança de pergunta. A questão decisiva não é se humanos ou máquinas pensam melhor. É como julgamento, responsabilidade e autoria são distribuídos num sistema em que humanos, dados e máquinas decidem juntos. Autonomia, nesse contexto, não é independência da tecnologia. É a capacidade de compreender as mediações que moldam o próprio pensar e de manter, diante delas, um gesto de deliberação consciente.

Nomear o fenômeno é o primeiro passo para governá-lo. O que não tem nome é tratado como eficiência. O que tem nome pode ser medido, discutido e redesenhado.

A eficiência pode ser delegada. A autoria do juízo precisa ser desenhada.

REF

Referências

Alfrink, Kars; Keller, Ianus; Kortuem, Gerd; Doorn, Neelke. “Contestable AI by Design: Towards a Framework.” Minds and Machines, vol. 33, n. 4, 2023, pp. 613-639.
Amnesty International. Xenophobic Machines: Discrimination through Unregulated Use of Algorithms in the Dutch Childcare Benefits Scandal. EUR 35/4686/2021. Londres, 2021.
Bainbridge, Lisanne. “Ironies of Automation.” Automatica, vol. 19, n. 6, 1983, pp. 775-779.
Bastani, Hamsa et al. “Generative AI without Guardrails Can Harm Learning: Evidence from High School Mathematics.” Proceedings of the National Academy of Sciences, vol. 122, n. 26, 2025, e2422633122.
Bates and Others v Post Office Ltd (No 6: Horizon Issues) [2019] EWHC 3408 (QB). High Court of Justice, Queen's Bench Division, 16 dez. 2019.
Beane, Matthew. “Shadow Learning: Building Robotic Surgical Skill When Approved Means Fail.” Administrative Science Quarterly, vol. 64, n. 1, 2019, pp. 87-123.
Bonini, Tiziano; Treré, Emiliano. Algorithms of Resistance: The Everyday Fight against Platform Power. Cambridge, MA: MIT Press, 2024.
Brasil. Lei nº 13.709, de 14 de agosto de 2018. Lei Geral de Proteção de Dados Pessoais (LGPD), art. 20, com redação dada pela Lei nº 13.853/2019.
Braverman, Harry. Trabalho e capital monopolista: a degradação do trabalho no século XX. Rio de Janeiro: Zahar, 1981.
Brynjolfsson, Erik; Li, Danielle; Raymond, Lindsey. “Generative AI at Work.” The Quarterly Journal of Economics, vol. 140, n. 2, 2025, pp. 889-942.
Cappra, Ricardo. Híbridos: o futuro do trabalho entre humanos e máquinas. Rio de Janeiro: Actual, 2025.
Cappra, Ricardo. Inforganização: a organização informacional adaptativa na era da inteligência artificial. Research paper, versão conceitual 2.1. Cappra Institute, 2026a.
Cappra, Ricardo. Governança Analítica: governar a forma como a organização lida com informação. Research paper, versão conceitual 1.0. Cappra Institute, 2026b.
Cappra, Ricardo. O Vácuo da Gestão Multiagente: RH+A, a gestão de recursos humanos e artificiais na interseção entre TI, RH e Negócios. Research paper, versão conceitual 2.0. Cappra Institute, 2026c.
Cappra, Ricardo. Cognição Híbrida: o que muda na gestão quando dividimos o pensar com as máquinas. Research paper, versão conceitual 2.0. Cappra Institute, 2026d.
Cappra, Ricardo. “Proletarização cognitiva na era da IA.” MIT Technology Review Brasil, 6 jan. 2026e.
Cappra, Ricardo; Azambuja, Celso Candido de. “Proletarização cognitiva: uma categoria filosófica para o diagnóstico do trabalho informacionalmente mediado.” Controvérsia, São Leopoldo, vol. 22, n. 2, 2026, pp. 162-185. DOI: 10.4013/con.2026.222.10.
Clark, Andy. Supersizing the Mind: Embodiment, Action, and Cognitive Extension. Oxford: Oxford University Press, 2008.
Clark, Andy. “Extending Minds with Generative AI.” Nature Communications, vol. 16, 2025, art. 4627.
Danaher, John. Automation and Utopia: Human Flourishing in a World without Work. Cambridge, MA: Harvard University Press, 2019.
Dastin, Jeffrey. “Amazon Scraps Secret AI Recruiting Tool that Showed Bias against Women.” Reuters, 10 out. 2018.
Dell'Acqua, Fabrizio et al. “Navigating the Jagged Technological Frontier: Field Experimental Evidence of the Effects of AI on Knowledge Worker Productivity and Quality.” Harvard Business School Working Paper 24-013, 2023.
Elish, Madeleine Clare. “Moral Crumple Zones: Cautionary Tales in Human-Robot Interaction.” Engaging Science, Technology, and Society, vol. 5, 2019, pp. 40-60.
Floridi, Luciano. The Ethics of Information. Oxford: Oxford University Press, 2013.
Fricker, Miranda. Epistemic Injustice: Power and the Ethics of Knowing. Oxford: Oxford University Press, 2007.
Gillespie, Nicole; Lockey, Steven; Ward, Tabi; Macdade, Alexandria; Hassed, Gerard. Trust, Attitudes and Use of Artificial Intelligence: A Global Study 2025. Melbourne: The University of Melbourne; KPMG, 2025.
Goddard, Kate; Roudsari, Abdul; Wyatt, Jeremy C. “Automation Bias: A Systematic Review of Frequency, Effect Mediators, and Mitigators.” Journal of the American Medical Informatics Association, vol. 19, n. 1, 2012, pp. 121-127.
Heersmink, Richard. “Dimensions of Integration in Embedded and Extended Cognitive Systems.” Phenomenology and the Cognitive Sciences, vol. 14, n. 3, 2015, pp. 577-598.
Kellogg, Katherine C.; Valentine, Melissa A.; Christin, Angèle. “Algorithms at Work: The New Contested Terrain of Control.” Academy of Management Annals, vol. 14, n. 1, 2020, pp. 366-410.
Lee, Hao-Ping (Hank) et al. “The Impact of Generative AI on Critical Thinking: Self-Reported Reductions in Cognitive Effort and Confidence Effects From a Survey of Knowledge Workers.” In: Proceedings of the 2025 CHI Conference on Human Factors in Computing Systems. ACM, 2025, art. 1121.
Marx, Karl. O capital: crítica da economia política. Livro 1. São Paulo: Boitempo, 2013.
Mata v. Avianca, Inc., 678 F. Supp. 3d 443 (S.D.N.Y. 2023).
Parasuraman, Raja; Manzey, Dietrich H. “Complacency and Bias in Human Use of Automation: An Attentional Integration.” Human Factors, vol. 52, n. 3, 2010, pp. 381-410.
Polanyi, Michael. The Tacit Dimension. Garden City: Doubleday, 1966.
Risko, Evan F.; Gilbert, Sam J. “Cognitive Offloading.” Trends in Cognitive Sciences, vol. 20, n. 9, 2016, pp. 676-688.
Rosbach, Emely; Ganz, Jonathan; Ammeling, Jonas; Riener, Andreas; Aubreville, Marc. “Automation Bias in AI-Assisted Medical Decision-Making under Time Pressure in Computational Pathology.” arXiv:2411.00998, 2024.
Schulzke, Marcus. “Autonomous Weapons and Distributed Responsibility.” Philosophy & Technology, vol. 26, n. 2, 2013, pp. 203-219.
Stiegler, Bernard. Automatic Society. Volume 1: The Future of Work. Cambridge: Polity Press, 2016.
Taylor, Frederick Winslow. The Principles of Scientific Management. New York: Harper & Brothers, 1911.
União Europeia. Regulamento (UE) 2024/1689 do Parlamento Europeu e do Conselho, de 13 de junho de 2024 (Regulamento da Inteligência Artificial), arts. 14 e 86. Jornal Oficial da União Europeia, 12 jul. 2024.
Vallor, Shannon. Technology and the Virtues: A Philosophical Guide to a Future Worth Wanting. Oxford: Oxford University Press, 2016.

COMO CITAR
CAPPRA, Ricardo. Proletarização Cognitiva: quando a organização terceiriza o julgamento. Research paper, versão conceitual 2.0. Cappra Institute, 2026.

Sobre o autor. Ricardo Cappra é cientista de dados e filósofo da tecnologia, fundador e cientista-chefe do Cappra Institute. Mestrando em Filosofia na Unisinos, pesquisa a interdependência entre humanos, dados e máquinas. É autor de Rastreável (2021) e Híbridos (2025), professor e colaborador da MIT Technology Review Brasil.

O que o conceito não é

Efeito epistêmico: a autoridade de julgar muda de lugar

Efeito moral: a culpa desce

Efeito formativo: a organização deixa de formar julgadores

Post Office Horizon

Benefícios para creche

Triagem de currículos na Amazon

Mata v. Avianca

Entregadores por aplicativo

IA que forma em vez de substituir

Agenda

Limites deste texto

Baixe o estudo