Percepção de quem usa IA no dia a dia — e o que a pesquisa (ainda incompleta) consegue sustentar.
Uso IA quase todo dia. E tenho uma sensação recorrente: muita gente — inclusive boa parte da geração Z, digitalmente fluente — não está tirando o melhor desses modelos. Os prompts saem curtos, sem contexto, sem critério. Parecem busca no Google. A resposta vem mediana, a pessoa reclama que “a IA é burra”, e o ciclo se repete.
Outra impressão: quem lê e escreve menos parece sofrer mais nesse jogo. E, com o uso intenso de IA, vejo também um risco real de terceirizar o esforço de pensar, ler com atenção e elaborar texto.
Isso são percepções minhas. Não são verdades absolutas. Abaixo, o que encontrei de fonte séria — e onde a evidência ainda é frágil. Sem fake news: onde a ciência não fecha, eu digo.
1. Prompt fraco não é “defeito da IA”
Há um achado bem direto: a qualidade do prompt prediz a qualidade da saída do modelo. Em estudo publicado em Computers and Education: Artificial Intelligence (Knoth, Tolzin, Janson & Leimeister, 2024), comportamentos de prompt engineering de melhor qualidade estiveram associados a respostas melhores do LLM em tarefas guiadas. Ou seja: tratar o chat como caixinha mágica, sem estrutura, tende a devolver exatamente o que o prompt merece.
Outro ponto importante: fluência digital ≠ literacia em IA. Uma análise qualitativa com 125 prompts de estudantes da Geração Z (Universidade Estadual de Malang) tipificou três perfis: usuários básicos (~42%, prompts ambíguos), estruturados (~32%) e estratégicos (~26%). Conclusão dos autores: ser “nativo digital” não garante saber dialogar de forma lógica e contextual com um modelo generativo.
Em outro contexto, jovens em acampamentos STEM usando Microsoft Copilot produziram prompts curtos (média perto de 10 palavras), muitas vezes no formato de pergunta de busca, com erros ortográficos frequentes (estudo apresentado na conferência IDC / Interaction Design and Children). De novo: o padrão parece “consulta rápida”, não briefing.
Como eu traduzo isso sem exagerar: não dá para dizer que “a Gen Z não sabe fazer prompt”. Dá para dizer que muitos usuários — jovens inclusive — usam IA sem treino formal, e a pesquisa mostra polarização entre uso superficial e domínio estratégico. Sociedade e escola ainda estão aprendendo a ensinar isso.
2. “Quem lê menos” faz prompt pior?
Aqui eu preciso ser honesto: não achei um estudo causal limpo do tipo “horas de leitura → nota do prompt”. Forçar essa frase como fato seria irresponsável.
O que dá para afirmar com mais cuidado:
- Prompt literacy é descrita na literatura como skill de linguagem: especificar objetivo, dar contexto, iterar e avaliar o resultado — não só “digitar um pedido”.
- Letramento e escrita já predizem, em geral, qualidade de texto. Um bom prompt pede exatamente isso: clareza, vocabulário, estrutura e critério.
- No Brasil, o Inaf 2024 mostrou um cenário apertado de letramento funcional (cerca de 29% em nível de analfabetismo funcional e cerca de 10% no nível proficiente). Isso é contexto social, não prova de que “quem lê menos falha com ChatGPT”. Mas ajuda a entender por que pedir contexto rico e revisão crítica pode ser mais difícil para muita gente.
Frase que eu defendo: quem tem menos hábito de ler, escrever e revisar tende a ter mais dificuldade de entregar à IA o contexto e o critério que um bom resultado exige. A pesquisa sobre letramento em IA aponta nessa direção; o elo causal definitivo ainda está em aberto.
3. A IA está nos deixando “preguiçosos”?
A palavra “preguiça” é pegajosa demais para um post responsável. O termo que a pesquisa usa com mais precisão é outro: offloading cognitivo — e, em alguns trabalhos, preguiça metacognitiva.
Em experimento publicado no British Journal of Educational Technology (Fan e colegas, 2024 — “Beware of metacognitive laziness”), estudantes que escreveram com apoio de GenAI dedicaram menos esforço a avaliar o próprio texto e a checar o enunciado; houve tendência a colar trechos gerados pelo modelo. O risco apontado não é “usar IA”, é desligar a parte do processo em que a gente sintetiza, analisa e explica.
A Microsoft Research, no CHI 2025, ouviu 319 knowledge workers e analisou 936 exemplos reais de uso de GenAI. Achados centrais (autorrelatados, não “prova de laboratório de decadência cerebral”):
- maior confiança na capacidade da IA na tarefa → menos esforço de pensamento crítico;
- maior confiança nas próprias habilidades → mais engajamento crítico;
- o pensamento crítico muda de formato: menos “resolver do zero”, mais verificar informação, integrar a resposta e “cuidar” da tarefa.
Há também estudos correlacionais (por exemplo Gerlich, 2025, em Societies) ligando uso frequente de ferramentas de IA a menores escores de pensamento crítico, com mediação por offloading — e com jovens mostrando mais dependência. Correlação não é causa. Pode haver outros fatores (idade, escolaridade, estilo de estudo). Ainda assim, o sinal é consistente o bastante para levar a sério.
Uma nuance importante: nem todo offloading é igual. Trabalhos recentes distinguem offloading dependente (delegar o núcleo do pensamento) de offloading autônomo (usar a IA como andaime e manter agência). Frequência de uso importa menos do que o modo.
Como eu fecho isso: a IA não “torna todo mundo preguiçoso”. O risco documentado é terceirizar síntese, avaliação e elaboração — especialmente quando a confiança no modelo sobe e o problema parece “já resolvido” na primeira resposta.
O que fazer na prática (sem moralismo)
- Trate o prompt como briefing. Objetivo, contexto, restrições, formato, critérios de qualidade. Se você não consegue explicar a tarefa em prosa clara, a IA também não vai “adivinhar”.
- Pense um pouco antes de pedir. Um rascunho mental (ou três bullets seus) antes do chat reduz o offloading dependente.
- Leia a saída como editor, não como fã. Verificar, cortar, reescrever. O estudo da Microsoft descreve exatamente esse deslocamento: o valor humano migra para verificação e integração.
- Use a IA para ampliar esforço, não para substituí-lo. Pedir contra-argumentos, furos, fontes a checar — em vez de “escreve o texto pronto e eu só publico”.
- Treine prompt como skill. A literatura educacional já mostra ganhos com exemplos trabalhados e prática deliberada; não é talento místico.
Conclusão
Minha percepção de partida — prompts fracos, pouco contexto, e o risco de a IA afrouxar o esforço de pensar/ler/escrever — encontra eco parcial na pesquisa. O elo mais sólido é: qualidade de prompt ↔ qualidade de resultado; e o risco de offloading / preguiça metacognitiva quando a gente confia demais no modelo.
O elo mais frágil, hoje, é afirmar categoricamente que “quem lê menos” ou “a Gen Z inteira” está condenada a prompts ruins. Isso vira estereótipo fácil. O que a evidência sustenta é um gap de literacia (em linguagem e em IA), treinável — e um chamado para não confundir resposta rápida com pensamento feito.
E você: quando abre o chat, está pedindo um briefing… ou jogando uma frase no vazio e torcendo?
Fontes (para checar, não para “acreditar em mim”):
- Knoth, N., Tolzin, A., Janson, A. & Leimeister, J. M. (2024). AI Literacy and its Implications for Prompt Engineering Strategies. Computers and Education: Artificial Intelligence. doi:10.1016/j.caeai.2024.100225
- Tipologia Gen Z / prompts orgânicos — State University of Malang (análise de 125 prompts; tipologias Basic / Structured / Strategic).
- Youth prompting em Copilot — ACM IDC (acampamentos 4-H STEM).
- Fan et al. (2024). Beware of metacognitive laziness… British Journal of Educational Technology. (síntese em Hechinger Report / Proof Points).
- Lee, H.-P. et al. (2025). The Impact of Generative AI on Critical Thinking… CHI ’25 / Microsoft Research. microsoft.com/research
- Gerlich, M. (2025). AI Tools in Society: Impacts on Cognitive Offloading and the Future of Critical Thinking. Societies. mdpi.com (correlacional — ler com cuidado).
- Inaf 2024 (letramento no Brasil) — para o contexto de leitura/escrita, não como prova causal de prompt.
— DraddX
Comentários