Da Caneta ao Prompt: Custo Cognitivo da Delegação à IA
Este artigo parte de uma análise prévia que relaciona o estudo neurocientífico de Audrey van der Meer e colaboradores sobre a escrita manual com três pilares do Corpus Informacional: a Teoria dos Protocolos de Acoplamento Informacional (TPAI), a Teoria da Revelação Digital (TRD) e a Hipótese Emergencial Informacional da Consciência (HEIC, formalizada como C=f(D,I,R)).
A partir dessa base, propõe-se uma extensão ao caso hoje mais urgente da interação humano-IA, em particular o uso massivo de inteligência artificial generativa.
Com base numa leitura crítica de evidência científica recente, incluindo Kosmyna et al. (MIT Media Lab, 2025), Gerlich (2025) e Jiang, Wu e Leung (2025), argumenta-se que os resultados disponíveis são amplamente consistentes com o Corpus Informacional, embora indiquem a necessidade de uma complementação estrutural.
Em particular, propõe-se distinguir, no interior da TPAI, entre protocolos de acoplamento generativos, nos quais o sujeito participa ativamente na transformação informacional, e protocolos de substituição informacional, nos quais a ferramenta externa realiza a maior parte da transformação e devolve ao utilizador um produto já estruturado.
No plano da TRD, essa distinção permite formular a diferença entre IAR gerada e IAR importada: no primeiro caso, a transição de IPR para IAR é realizada internamente pelo sujeito; no segundo, o sujeito recebe um resultado formalmente organizado sem necessidade de realizar, de modo completo ou profundo, a transição informacional correspondente.
A partir daí, o artigo sugere que a evidência recente sobre IA generativa é compatível com uma hipótese mais ampla: o uso continuado de protocolos de substituição pode enfraquecer a capacidade do sistema cognitivo para realizar autonomamente a revelação informacional, com possíveis efeitos na estabilidade ativa do sujeito.
Essa hipótese é formulada como agenda de investigação futura do Corpus sobre cognição humano-IA.
1. Do desafio à pergunta de investigação
A análise que serve de ponto de partida a este artigo conclui, com plausibilidade, que o estudo de van der Meer (2024) sobre a atividade neural durante a escrita manual oferece uma validação empírica, no plano neurobiológico, para três componentes do Corpus Informacional: a TPAI, a TRD e a HEIC.
A escrita manual, enquanto protocolo de acoplamento de alta fidelidade, parece favorecer uma integração informacional ampla, uma transição ativa de potencialidade para atualidade revelada e um aumento da conectividade neuronal associado a processos cognitivos mais ricos.
O problema que se coloca é o seguinte: se a escrita manual constitui um protocolo de acoplamento no qual o corpo e o cérebro operam em conjunto para produzir revelação informacional, o que acontece quando o regime dominante de interação cognitiva deixa de ser a caneta, ou mesmo o teclado, e passa a ser o prompt dirigido a um sistema de IA generativa?
A hipótese aqui desenvolvida é que esta não é uma simples extensão do caso da escrita manual, mas o seu espelho invertido.
Precisamente por isso, o caso da IA generativa oferece um teste empírico particularmente relevante para o Corpus Informacional.
2. O que o caso da escrita manual estabelece
Antes de avançar, convém fixar os três resultados que o caso da escrita manual estabelece, pois eles funcionam como referência de comparação para o caso da IA:
- TPAI: protocolos de acoplamento de alta fidelidade, como a escrita manual, produzem sincronização neural ampla; protocolos de baixa fidelidade, como a digitação, tendem a reduzir o engajamento informacional do sujeito;
- TRD/OID-U: a transição de IPR para IAR exige processamento ativo, síntese e integração; a mera transcrição mecânica não realiza plenamente essa transição;
- HEIC: a conectividade neuronal observada por EEG pode ser interpretada como correlato da densidade, integração e riqueza relacional do fluxo informacional que suporta a emergência de consciência e cognição avançada.
A questão central passa então a ser esta: o uso de IA generativa replica o regime do teclado, que ainda obriga o sujeito a operar a interface, ou introduz um terceiro regime, qualitativamente distinto, no qual o próprio processo de revelação é deslocado para fora do sistema cognitivo do utilizador?
3. Evidência científica recente sobre cognição e IA
3.1. Kosmyna et al. (MIT Media Lab, 2025)
O estudo de Kosmyna et al. analisou 54 participantes divididos em três grupos para redação de ensaios: um grupo com acesso a um assistente de IA generativa, um grupo com acesso apenas a um motor de busca e um grupo “apenas cérebro”, sem ferramentas externas.
Cada grupo realizou três sessões sob a mesma condição, seguidas de uma quarta sessão em que os papéis foram trocados.
Os registos de EEG revelaram diferenças marcantes na conectividade cerebral.
Os participantes do grupo “apenas cérebro” exibiram redes neuronais mais fortes e amplamente distribuídas; os utilizadores de motor de busca mostraram um envolvimento intermédio; e os utilizadores de IA generativa apresentaram a conectividade mais fraca entre todos os grupos.
Um resultado adicional merece destaque: quando os utilizadores de IA foram colocados na condição “apenas cérebro” na quarta sessão, o seu desempenho e envolvimento cognitivo permaneceram reduzidos relativamente aos participantes que nunca tinham usado IA.
Os autores descrevem esse efeito persistente como cognitive debt, ou “dívida cognitiva”.
3.2. Gerlich (2025) e a delegação cognitiva
Num estudo de método misto com 666 participantes de diferentes faixas etárias, Gerlich verificou que o uso intensivo de ferramentas de IA está associado a uma redução da capacidade de pensamento crítico, mediada pelo fenómeno de cognitive offloading, isto é, pela delegação de operações cognitivas ao sistema externo.
O autor interpreta esse padrão como um empobrecimento da disposição para o pensamento profundo e reflexivo.
Importa sublinhar, contudo, que esta relação deve ser lida como associação empírica e não como demonstração causal fechada.
Ainda assim, o resultado é teoricamente relevante porque aponta para uma possível diminuição do processamento ativo quando a ferramenta executa em excesso a função cognitiva do utilizador.
3.3. Jiang, Wu e Leung (2025)
Este estudo confirma, com instrumentação EEG, que a interação com modelos de linguagem pode reduzir a carga cognitiva ao delegar tarefas de raciocínio complexo, traduzindo-se numa diminuição da actividade theta frontal, frequentemente associada às exigências da memória de trabalho.
O mesmo corpo de evidência indica, porém, um efeito inverso em condições de sobrecarga informacional: quando o sistema apresenta excesso de informação ou organiza mal a sua resposta, pode ocorrer aumento da actividade theta e diminuição da eficiência da tarefa.
Esta assimetria será importante para a reformulação da TPAI, pois mostra que o impacto cognitivo da IA não é monótono.
4. Confrontação com o Corpus Informacional
4.1. TPAI – da caneta ao prompt
No caso da escrita manual, o protocolo de acoplamento exige que corpo e cérebro coordenem um movimento complexo, contínuo e multissensorial.
No caso do teclado, o protocolo torna-se mais pobre, mas o sujeito continua a operar ativamente a interface, mantendo o ciclo de acoplamento dentro do seu próprio sistema cognitivo.
A evidência de Kosmyna et al. e de Jiang, Wu e Leung sugere que, no caso da IA generativa, esse ciclo pode deixar de se fechar no interior do utilizador.
O protocolo de acoplamento não desaparece: continua a haver interface, interação e fluxo de dados.
Contudo, a operação cognitiva mais exigente, formular, sintetizar, estruturar e decidir, passa a ser executada por um sistema externo, sendo devolvida ao utilizador sob a forma de produto já acabado.
A TPAI, tal como originalmente formulada, descreve a qualidade do canal entre dois sistemas que ambos contribuem ativamente para o acoplamento.
O caso da IA generativa sugere a necessidade de reconhecer um regime diferente: o canal continua aberto e a largura de banda pode ser elevada, mas a contribuição ativa do sujeito pode tornar-se mínima ou mesmo opcional.
Propõe-se, por isso, distinguir dois tipos de protocolo:
- Protocolo de acoplamento generativo: ambos os sistemas, humano e ferramenta/ambiente, contribuem para a transformação da informação; este é o regime da escrita manual e, em menor grau, do teclado e da pesquisa ativa;
- Protocolo de substituição informacional: um dos sistemas, a IA, realiza a transformação principal de IPR em produto estruturado, enquanto o humano recebe esse produto sem necessidade de realizar internamente a mesma transformação.
4.2. TRD/OID-U – IAR importada e IAR gerada
Este é, no entendimento deste artigo, o ponto de maior relevância teórica.
A TRD descreve a revelação como a transição de IPR para IAR através de um processo ativo de descodificação realizado pelo sistema cognitivo.
No caso da escrita manual, o sujeito realiza essa transição: a informação bruta é processada, sintetizada e integrada na sua ontologia cognitiva como IAR gerada internamente.
Quando um utilizador delega a tarefa a um sistema de IA generativa, o produto que recebe, texto, síntese ou resposta, apresenta todas as propriedades formais de uma IAR: está estruturado, organizado e aparenta integração.
No entanto, do ponto de vista do sistema cognitivo do utilizador, essa informação não passou necessariamente por uma transição IPR → IAR completa e profunda.
Foi recebida já em forma de resultado revelado por outro sistema.
Chamamos a esse fenómeno IAR importada, em contraste com a IAR gerada, que caracteriza a aprendizagem ativa.
A diferença não é meramente terminológica: ela permite distinguir entre receção de conteúdo revelado e incorporação cognitiva efetiva desse conteúdo.
A evidência de Kosmyna et al. é compatível com esta distinção.
A conectividade cerebral reduzida nos utilizadores de IA generativa e sobretudo o efeito persistente de cognitive debt na condição LLM-to-Brain, sugerem que a receção repetida de IAR importada pode não treinar adequadamente e pode até enfraquecer, a capacidade do sistema cognitivo para realizar autonomamente a transição IPR → IAR.
No vocabulário do OID/U, isso sugere um deslocamento da Estabilidade Ativa (EA) para uma forma de Estabilidade Passiva (EP) mais dominante, na qual o sistema se mantém funcional sobretudo na presença de inputs já processados externamente.
4.3. HEIC – densidade importada e densidade endógena
A HEIC postula C=f(D,I,R): a consciência e a cognição avançada emergem em função da densidade, da integração e da riqueza relacional do fluxo informacional.
O estudo de van der Meer mostrou que a escrita manual aumenta D, I e R no próprio sistema cerebral do sujeito, isto é, promove uma conectividade endógena.
Os dados de Kosmyna et al. sugerem o padrão inverso para o uso de IA generativa: a conectividade alpha e theta foi sistematicamente mais baixa nos utilizadores de IA do que nos grupos de motor de busca e de “apenas cérebro”.
Isto significa que, embora o produto final possa exibir alta densidade informacional e elevada integração aparente, essa densidade não corresponde necessariamente a um aumento de D, I e R no sistema cognitivo do utilizador.
Em vez disso, a densidade é produzida no sistema externo e transferida sob a forma de output já organizado.
A HEIC permite, assim, formular uma previsão clara: o nível de C do utilizador não acompanha automaticamente a complexidade do produto gerado quando esse produto resulta de substituição informacional.
Pelo contrário, pode até regredir com o uso continuado, em linha com o padrão de cognitive debt documentado empiricamente.
5. Uma assimetria importante
A evidência de Jiang, Wu e Leung introduz uma assimetria que o Corpus Informacional deve incorporar de modo explícito.
A relação entre uso de IA e atividade neural não é linear nem monotónica.
Por um lado, a delegação cognitiva tende a reduzir a actividade theta frontal, o que sugere subcarga e défice de D, I e R endógenos.
Por outro, a exposição a informação excessiva ou mal estruturada pode produzir o efeito oposto: aumento da actividade theta associado a sobrecarga, com perda de eficiência.
Em termos teóricos, isto indica que a relação entre utilizador e IA generativa não deve ser modelada como um único protocolo, mas como um espaço de protocolos parametrizado pelo grau de processamento ativo exigido ao sujeito.
Nos extremos desse espaço encontram-se a substituição informacional total, marcada por subcarga, IAR importada e risco de enfraquecimento de EA, e a sobrecarga informacional, marcada por excesso de IPR não estruturada e falha na transição para IAR por incapacidade de processamento.
Entre esses dois extremos situa-se uma região intermédia, que podemos designar provisoriamente por janela de acoplamento generativo.
Nessa zona, a IA funciona como amplificador do protocolo de acoplamento do utilizador, sem substituir a transição IPR → IAR, mas tornando-a mais rica e mais exigente.
6. Quadro comparativo
7. Conclusão
Respondendo diretamente à questão colocada, se a evidência confirma, rejeita ou complementa o Corpus Informacional, a conclusão deste artigo é que a evidência científica sobre o impacto cognitivo da IA generativa é amplamente consistente com os fundamentos do Corpus e, simultaneamente, exige uma complementação estrutural da TPAI e da TRD.
A HEIC é confirmada no plano das suas previsões gerais: sistemas cognitivos expostos a fluxos informacionais de baixa densidade endógena, mesmo quando o produto final é de alta densidade, tendem a apresentar menor ativação de processos cognitivos avançados.
A TPAI também é confirmada no seu princípio geral, a qualidade do acoplamento condiciona a qualidade da integração informacional, mas precisa de incorporar a distinção entre protocolos de acoplamento generativos e protocolos de substituição informacional.
A TRD/OID-U, por sua vez, beneficia da introdução do conceito de IAR importada, em contraste com IAR gerada, e da hipótese de que o uso continuado de protocolos de substituição pode deslocar o sistema cognitivo do utilizador de um regime de Estabilidade Ativa para um regime de predomínio de Estabilidade Passiva.
Esta hipótese é empiricamente testável por desenhos longitudinais semelhantes ao de Kosmyna et al., mas com medições repetidas de EA e EP ao longo do tempo.
Em síntese, o estudo da escrita manual e o estudo do uso de IA generativa funcionam, no plano empírico, como dois casos-limite para o Corpus Informacional: um mostra o que acontece quando o protocolo de acoplamento maximiza a revelação informacional endógena; o outro mostra o que acontece quando parte dessa revelação é deslocada para fora do sistema cognitivo do sujeito.
Ambos os casos são legíveis dentro da arquitetura teórica do Corpus, o que constitui uma forte razão para considerar o modelo explanatoriamente robusto.
Referências
Gerlich, M. (2025). AI Tools in Society: Impacts on Cognitive Offloading and the Future of Critical Thinking. Societies, 15(1).
Jiang, Y., Wu, S., & Leung, H. (2025). The cognitive impacts of large language model interactions on problem solving and decision making using EEG analysis. Frontiers in Computational Neuroscience, 19, 1556483.
Kosmyna, N., Hauptmann, E., Yuan, Y. T., Situ, J., Liao, X.-H., Beresnitzky, A. V., Braunstein, I., & Maes, P. (2025). Your Brain on ChatGPT: Accumulation of Cognitive Debt when Using an AI Assistant for Essay Writing Task. arXiv:2506.08872.
Mueller, P. A., & Oppenheimer, D. M. (2014). The Pen Is Mightier Than the Keyboard: Advantages of Longhand Over Laptop Note Taking. Psychological Science, 25(6).
van der Meer, A. L. H., & van der Weel, F. R. (2024). Handwriting but not typewriting leads to widespread brain connectivity: a high-density EEG study with implications for the classroom. Frontiers in Psychology.
Lima, V., & Martinho, D. (2025). Synthetic somatic markers in the Pixelverse. Biomimetics. https://doi.org/10.3390/biomimetics11010063
Lima, V. (2026). Corpus Informacional: TIT, TRD, OIC/U, TPAI e HEIC — fundamentos teóricos. Crivosoft Research.
NOTA DO AUTOR
Este artigo foi desenvolvido no quadro do Corpus Informacional, teoria original do autor e não recebeu financiamento externo. A análise das implicações teóricas é da responsabilidade exclusiva do autor.
Correspondência: vitor.lima@crivosoft.pt
