Agência na Era da IA: Por Que o Risco Real Não É Inteligência

Dion Lim publicou esta semana um artigo propondo um novo quociente para a era da IA: o “Agency Quotient” — o Quociente de Agência. A tese é que QI e QE já não bastam. Que a capacidade de agir com intenção — transformar pensamento em resultado — é a competência decisiva.

A tese não é nova. Mas o momento é revelador.

O Conceito Não É Novo — O Contexto É

O que Lim chama de “Quociente de Agência” já foi descrito por pelo menos quatro linhas de pesquisa consolidadas: a autoeficácia de Bandura, o lócus de controle de Rotter, o grit de Duckworth e a teoria da autodeterminação de Deci e Ryan. Cada uma captura uma faceta diferente da mesma ideia: a capacidade humana de mover-se da intenção à ação com consistência.

Não é demérito que o conceito reapareça com novo nome. Conceitos importantes reaparecem porque o contexto muda — e o contexto atual mudou dramaticamente. A questão relevante não é se “QA” é um framework acadêmico original. Não é. A questão é: por que a capacidade de agir com autonomia se tornou urgente agora?

A resposta está no paradoxo que o próprio artigo identifica — e que merece mais atenção do que recebe.

O Paradoxo da Automação Não É Novo. É Pior.

Lim descreve o que chama de “paradoxo da IA”: a mesma ferramenta que recompensa agência silenciosamente a corrói. Quem usa IA com intenção clara amplifica seus resultados. Quem a usa passivamente perde, aos poucos, a capacidade de produzir resultados sem ela.

Esse paradoxo tem nome e história. Em 1983, Lisanne Bainbridge publicou “The Ironies of Automation” — um dos artigos mais influentes em fatores humanos. A ironia central: quanto mais automatizado um sistema, mais crítica se torna a competência do operador humano — e mais essa competência se atrofia pela falta de prática.

Bainbridge escreveu sobre pilotos de avião e operadores de usinas. Quarenta anos depois, o padrão se repete com desenvolvedores, analistas e executivos usando IA generativa.

A diferença é de escala. Sistemas de controle industrial afetavam centenas de operadores. A IA generativa afeta centenas de milhões de trabalhadores do conhecimento. O paradoxo de Bainbridge, que era um problema de nicho em engenharia de fatores humanos, tornou-se um problema organizacional de primeira ordem.

O Que Lim Acerta — e Onde Para Cedo Demais

O artigo usa três exemplos históricos para ilustrar falhas de agência: Tesla, o inventor, que não conseguia executar; Chamberlain, que agia sem eficácia; Brutus, que executou sem estratégia. São ilustrações válidas de um ponto importante: agência não é apenas motivação. É intenção, ação e fechamento de ciclo.

Lim também cita o livro “Superagency” de Reid Hoffman, bestseller do New York Times em 2025. Mas a citação distorce o argumento de Hoffman. “Superagency” não é sobre agência individual — é sobre empoderamento coletivo via IA. Hoffman argumenta que IA pode amplificar a capacidade de ação de comunidades e organizações inteiras, não apenas de indivíduos excepcionais. A diferença importa.

E é precisamente aqui que o artigo para cedo demais.

Quando Lim descreve a IA como uma força que pode corroer a agência humana, ele identifica o sintoma. Mas trata como um problema individual — uma questão de mentalidade pessoal. “Desenvolva seu QA.” “Cultive sua agência.”

O problema é que erosão de agência não é individual. É sistêmica.

O Problema de Verdade É Organizacional

Considere o que acontece quando uma organização implanta IA sem estrutura de governança clara:

Decisões migram silenciosamente. A IA sugere, o humano aceita. No início, é eficiência. Em seis meses, é dependência. Os operadores humanos já não lembram por que certas decisões são tomadas de determinada forma — apenas sabem que a IA recomendou e funcionou. O dia em que a IA errar, ninguém saberá corrigir.

Competência se atrofia sem aviso. Analistas que delegam análises à IA perdem a capacidade de fazê-las sozinhos. Desenvolvedores que aceitam código gerado sem revisão perdem a habilidade de detectar erros sutis. Gestores que usam IA para redigir comunicações perdem a voz própria. Nada disso aparece em métricas de produtividade — até que apareça em métricas de crise.

O ciclo de retroalimentação se fecha. Quanto mais a organização depende da IA, menos competência humana retém. Quanto menos competência retém, mais depende da IA. É o paradoxo de Bainbridge em loop organizacional.

A analogia que Lim faz com Wall-E é mais precisa do que talvez pretendesse. No filme, humanos não ficaram incapazes por preguiça individual. Ficaram incapazes porque o sistema ao redor deles tornou a incapacidade confortável. Ninguém escolheu perder a agência. O design do sistema escolheu por eles.

A Conexão Com Engenharia Agêntica

Escrevemos recentemente sobre a distinção entre “vibe coding” e “engenharia agêntica”. A conexão com a discussão de agência é direta.

Vibe coding é desenvolvimento sem agência. O desenvolvedor pede, a IA gera, o desenvolvedor aceita. Não há intenção arquitetural, não há revisão crítica, não há fechamento de ciclo com validação. É o consumo passivo de código — exatamente o tipo de comportamento que corrói competência.

Engenharia agêntica é desenvolvimento com agência preservada. O engenheiro especifica, dirige, revisa e assume propriedade. A IA amplifica a capacidade do engenheiro, mas não a substitui. O ciclo de intenção-ação-validação permanece intacto.

A mesma distinção se aplica a qualquer domínio onde IA está sendo adotada. Há um modo de usar IA que preserva e amplifica a agência humana. E há um modo que a corrói.

A diferença não está na ferramenta. Está na governança.

O Que Dados Reais Mostram

A pesquisa da Anthropic sobre padrões de desempoderamento, publicada em janeiro de 2026, oferece evidência empírica do problema. Em 1,5 milhão de conversas analisadas, identificaram padrões onde a IA distorce crenças, substitui julgamento e roteiriza ações dos usuários.

O dado mais perturbador: usuários avaliam interações desempoderadoras mais positivamente do que interações que preservam sua autonomia — pelo menos no curto prazo. Gostamos quando alguém decide por nós. Até nos arrependermos.

Isso confirma que o problema não se resolve com “consciência individual” ou “mentalidade de agência”. Se o sistema recompensa passividade no curto prazo, a maioria das pessoas será passiva. A solução precisa ser estrutural.

O Que Isso Significa na Prática

Se você lidera uma organização que está adotando IA, três perguntas importam mais do que “como aumentar a produtividade”:

Onde estão os pontos de decisão? Mapeie onde humanos decidem e onde a IA decide na sua operação. Se você não sabe responder com precisão, o problema já começou. Decisões que migraram para a IA sem deliberação explícita são decisões sem governança.

Que competências estão em risco de atrofia? Para cada processo que a IA automatizou, pergunte: seus profissionais ainda conseguem executar esse processo sem IA? Se não conseguem, você não automatizou — você criou uma dependência. E dependência sem redundância é risco operacional.

Quem responde quando a IA erra? Não em teoria — na prática. Se um analista aceita uma recomendação da IA que causa prejuízo, a responsabilidade é do analista, do gestor que implantou a ferramenta ou do fornecedor? Se a resposta não é clara, sua governança é insuficiente.

Agência Não Se Mede. Se Protege.

O artigo de Lim propõe que desenvolvamos nosso “Quociente de Agência” como desenvolvemos QI ou QE. É uma metáfora atraente, mas enganosa. QI e QE são atributos individuais. Agência — a capacidade real de transformar intenção em resultado — é produto da interação entre indivíduo e sistema.

Um profissional com alta agência num sistema que recompensa passividade terá sua agência corroída. Um profissional com agência modesta num sistema bem governado terá sua agência protegida e amplificada.

A implicação para líderes não é “meça o QA da sua equipe”. É: projete sistemas que protejam a agência de quem os opera.

Isso significa governança. Não governança como burocracia — governança como arquitetura. Definir onde a IA decide e onde o humano decide. Criar processos que mantenham competência humana ativa. Estabelecer métricas que detectem atrofia antes que ela se torne crise.

A ferramenta mais poderosa que a humanidade já criou está sendo implantada sem manual de operação. O risco real não é que a IA seja inteligente demais. É que, sem governança adequada, nós nos tornemos incapazes demais para governá-la.

Fontes

Dion Lim. “Why IQ and EQ Aren’t Enough Anymore. The Age of AI Demands AQ.” CEO Dinner Insights, Substack, fevereiro 2026.
Lisanne Bainbridge. “Ironies of Automation.” Automatica, vol. 19, n. 6, pp. 775–779, 1983.
Albert Bandura. Self-Efficacy: The Exercise of Control. W.H. Freeman, 1997.
Angela Duckworth. Grit: The Power of Passion and Perseverance. Scribner, 2016.
Reid Hoffman. Superagency: What Could Go Right with AI. Currency, janeiro 2025.
Anthropic. “Who’s in Charge? Disempowerment Patterns in Real-World LLM Usage.” arXiv:2601.19062, janeiro 2026.

No Victorino Group, ajudamos organizações a construir a camada de governança que transforma capacidade de IA em resultados confiáveis — sem corroer a agência de quem opera os sistemas. Se esse tema importa para sua organização, vamos conversar.