A IA mais rápida não é a mais inteligente
Há um padrão que se repete nos projetos de inteligência artificial empresarial e que raramente aparece nos dashboards de acompanhamento: os usuários começam a revisar duas vezes o que antes aceitavam sem hesitar. Não porque o sistema tenha falhado. Mas porque o sistema avançou antes que eles conseguissem acompanhá-lo.
A EY deu nome a esse padrão em um artigo publicado na Fortune no final de junho de 2026. Ela o chamou de "tempo gap": o ponto em que a velocidade da máquina supera a capacidade de compreensão humana. Patricia Camden, líder de experiência do cliente no EY Studio+, e John Dubois, líder de estratégia de IA nas Américas, documentaram esse fenômeno a partir de seu trabalho com clientes empresariais em diferentes setores. O diagnóstico deles é direto: a maioria das organizações acredita que seu maior problema com a IA é a adoção. Não é. É o ritmo.
O que torna esse argumento interessante não é o fato de ser novo em termos técnicos. É que dois executivos de uma das maiores firmas de consultoria do mundo estão dizendo isso, em um veículo de negócios de alto impacto, usando uma gramática que já não soa como eufemismo: o problema não está no algoritmo, está no design da experiência humana em torno desse algoritmo. E isso tem implicações que vão muito além da experiência do usuário.
Quando o sistema funciona bem e ainda assim algo dá errado
Os três casos que Camden e Dubois citam para ilustrar o tempo gap são precisos no que revelam. Um viajante com um voo cancelado é reatribuído automaticamente a outro voo antes de conseguir comparar as opções disponíveis. Um cliente conclui uma solicitação financeira tão rapidamente que aceita condições materiais sem tê-las processado. Um paciente em um formulário médico vê seus dados sensíveis preenchidos automaticamente antes de entender como eles serão utilizados.
Nos três casos, o sistema funcionou exatamente como foi projetado. Não houve erros técnicos. Não houve falhas de segurança. E ainda assim, a experiência produziu hesitação, desconfiança e, em alguns ambientes, a reintrodução silenciosa de revisão manual em processos que haviam sido automatizados precisamente para eliminá-la.
Esse último ponto merece atenção. Quando as equipes começam a verificar outputs que antes aceitavam, elas não estão sendo irracionais. Estão respondendo a um sinal de design: o sistema se moveu mais rápido do que sua capacidade de compreensão, e isso gerou uma dívida de confiança que agora precisam saldar manualmente. O custo não aparece nos indicadores de velocidade do processo. Ele aparece no tempo invisível que os operadores dedicam a revalidar o que a IA já fez.
A EY chama isso de "revisão manual que volta a se infiltrar no processo". Do ponto de vista da arquitetura organizacional, trata-se de algo mais específico: é o sintoma de um sistema que foi otimizado para eficiência sem ser calibrado para confiança. E essa distinção não é semântica. Ela tem consequências diretas nos custos operacionais e na capacidade real de escalar.
O argumento subjacente ao diagnóstico da EY é que a maioria das organizações ainda trata a adoção de IA como uma iniciativa de eficiência. A conversa corporativa continua sendo sobre automação, redução de fricção e velocidade. O que fica de fora dessa conversa é que acelerar os fluxos de trabalho também altera as demandas cognitivas das pessoas que os atravessam. E quando essas demandas não são bem projetadas, a eficiência prometida se transforma em uma ilusão operacional: o processo é formalmente mais rápido, mas as pessoas estão correndo atrás dele sem entender o que estão aprovando.
O ponto cego que ninguém nomeou na sala de design
É aqui que a análise da EY toca em algo que vai além da experiência do usuário e entra no território da arquitetura de poder. O tempo gap não é apenas um problema de design de interface. É, antes de tudo, um problema de quem estava presente quando as decisões de design foram tomadas.
Os três exemplos que a EY documenta — o viajante reatribuído, o cliente financeiro que aceita sem ler, o paciente com dados preenchidos automaticamente — compartilham uma estrutura comum: um sistema que foi projetado a partir da perspectiva de quem o opera, e não da perspectiva de quem o experimenta. A eficiência da reatribuição automática é perfeitamente lógica do ponto de vista da companhia aérea ou da agência. A velocidade da solicitação financeira é uma conquista sob a ótica do banco. O preenchimento automático de dados médicos parece uma melhoria de usabilidade para a equipe técnica.
O que faltou nessas salas de design não foi intenção maliciosa. Foi inteligência periférica: a perspectiva de quem está na extremidade receptora do sistema e cuja experiência não é a otimização do processo, mas a manutenção de sua própria capacidade de agência.
Esse é um padrão estrutural na forma como os sistemas de IA empresariais são construídos. As equipes de design e produto tendem a ser compostas por pessoas que compartilham um conjunto de pressupostos sobre como funciona a tomada de decisões, o que constitui uma boa experiência e quanto tempo uma pessoa razoavelmente leva para processar informações. Quando essas equipes são homogêneas em sua relação com a tecnologia, em sua tolerância à velocidade, em seu acesso prévio a informações financeiras ou médicas complexas, elas produzem sistemas calibrados para pessoas como elas.
O tempo gap é, entre outras coisas, o custo dessa homogeneidade. Não em termos morais, mas em termos de qualidade do design. Um sistema que gera hesitação sistemática em seus usuários é um sistema que foi projetado sem incorporar as perspectivas de quem mais precisa de compreensão antes de agir. E isso é um problema de arquitetura de inteligência coletiva, não de ética declarativa.
A EY não enquadra sua análise nesses termos. Sua abordagem é mais operacional: as organizações devem alinhar o ritmo da máquina ao ritmo humano. Essa é uma prescrição sensata. Mas a pergunta anterior é mais incômoda e mais relevante para as empresas que estão projetando esses sistemas agora: de qual sala de design surgiu o pressuposto de que mais rápido é sempre melhor, e quem estava nessa sala?
A fricção como sinal de design, não como obstáculo
Durante mais de uma década, a filosofia dominante no design digital foi a eliminação da fricção. Menos cliques, menos etapas, menos tempo entre a intenção e a ação. Essa filosofia produziu resultados mensuráveis: taxas de conversão mais altas, maior retenção, processos mais rápidos. Ela também produziu, silenciosamente, sistemas em que a velocidade passou a servir mais a quem opera o sistema do que a quem o utiliza.
A EY propõe uma virada conceitual precisa: a fricção intencional como ferramenta de design. Não atrasos arbitrários, mas pausas deliberadas nos momentos em que um usuário precisa de compreensão antes de agir. Uma confirmação antes de executar uma decisão financeira. Uma explicação breve sobre como um dado sensível será utilizado. Um segundo de visibilidade sobre por que o sistema fez o que fez.
O que há de notável nesse argumento é que ele não está pedindo que os sistemas sejam mais lentos em termos absolutos. Está pedindo que sejam seletivamente mais lentos nos momentos de maior consequência para o usuário. Isso exige que o sistema saiba distinguir entre um momento de baixa e alta carga cognitiva, entre uma ação rotineira e uma decisão com implicações materiais. Essa capacidade de distinção não emerge do algoritmo. Ela emerge do design, e o design emerge de quem entende o que faz uma decisão ser material para alguém que não tem o mesmo contexto da equipe que construiu o sistema.
Em setores como serviços financeiros, saúde ou seguros, esse argumento tem uma dimensão regulatória que a EY menciona lateralmente, mas que merece mais peso. As regulamentações de proteção ao consumidor, de consentimento informado e de divulgação justa são construídas sobre o pressuposto de que as pessoas compreendem o que estão aceitando. Um sistema de IA que move o usuário mais rápido do que sua capacidade de compreensão não apenas produz uma experiência deficiente. Produz uma vulnerabilidade jurídica e regulatória que as organizações estão acumulando silenciosamente em cada fluxo que otimizaram para velocidade sem considerar a compreensão.
A EY adverte que, se as organizações não nomearem esse problema por conta própria, quem o fará será um regulador ou um cliente. Essa é uma previsão razoável, dado o ritmo em que os marcos regulatórios sobre IA estão avançando na Europa e, com defasagem, em outras regiões. A questão não é se haverá escrutínio externo sobre como os sistemas de IA lidam com a agência e a compreensão do usuário. A questão é quanto dano acumulado haverá antes que esse escrutínio chegue.
A próxima fase de adoção não se ganha com velocidade
O argumento da EY tem um núcleo estratégico que vale extrair com precisão: a próxima fase de vantagem competitiva em IA não estará em quem automatiza mais rápido, mas em quem calibra melhor o ritmo com que seus sistemas se relacionam com as pessoas que os utilizam.
Isso não é uma concessão à lentidão. É um diagnóstico sobre onde a dívida técnica e organizacional está se acumulando nos projetos de IA empresarial. As organizações que apresentam altas taxas de override, revisão manual não planejada e hesitação sistemática dos usuários não estão falhando em adoção. Estão falhando em design. E essa falha tem um custo direto sobre o retorno dos programas de IA, que prometiam eliminar o trabalho manual e estão, em alguns casos, gerando-o novamente pela porta dos fundos.
A solução que a EY propõe — alinhar o ritmo da máquina ao ritmo humano — exige uma capacidade que não se constrói apenas com algoritmos melhores. Requer que as organizações incorporem, em suas equipes de design de sistemas de IA, perspectivas de pessoas que representam o espectro completo de experiências de usuário: aqueles com menor familiaridade tecnológica, aqueles que enfrentam maior assimetria de informação em contextos financeiros ou médicos, aqueles que têm mais a perder em cada interação.
Isso não é filantropia de design. É a condição estrutural para que um sistema de IA seja suficientemente inteligente para saber quando deve ir devagar. E um sistema que não sabe quando ir devagar não é um sistema inteligente. É um sistema rápido. A diferença entre os dois é exatamente a lacuna à qual a EY acabou de dar um nome — e que a maioria das organizações ainda não tem em seu painel de métricas.
