A inteligência artificial está transformando o mundo, mas talvez ainda estejamos tentando compreender essa transformação com conceitos e estruturas que já não são suficientes. Primeiro, a IA passou a participar das nossas conversas, multiplicando vozes, narrativas e interpretações. Agora, com os agentes artificiais, começa também a executar ações, tomar iniciativas e interferir diretamente no funcionamento dos sistemas.
Nesta palestra, Ricardo Cappra apresenta uma leitura do Estado da IA em 2026, conectando avanços científicos, dados de pesquisas e reflexões sobre os impactos econômicos, políticos, sociais e organizacionais dessa transformação. Do pandemônio provocado pelas múltiplas vozes ao caos das novas formas de agência artificial, a análise chega à necessidade de reconfiguração organizacional: como construir organizações mais dinâmicas, adaptáveis e preparadas para um mundo em que humanos e sistemas artificiais passam a compartilhar atividades, conhecimento e decisões?
Cada prancha reúne um esquema visual, uma leitura comentada, a origem das ideias e o estudo do Cappra Institute que aprofunda o tema.
O pandemônio revela as novas vozes. O caos evidencia a participação de novas agências. A reconfiguração responde à transformação das relações que constituem o sistema.
As origens de pandemônio, caos e reconfiguração estão documentadas separadamente. A relação entre os três termos e a evolução da IA é uma construção interpretativa da talk, não um significado etimológico original.
Três fenômenos apresentados em movimento, sustentados por estudos do Cappra Institute.
Ricardo Cappra é fundador e cientista-chefe do Cappra Institute, filósofo da tecnologia, pesquisador e professor.
Com mais de 20 anos de experiência em projetos internacionais, dedica-se à pesquisa e à transformação das organizações a partir de suas relações com dados, informações e inteligência artificial. É autor do livro Híbridos, parceiro da MIT Technology Review e conselheiro organizacional.
Suas pesquisas exploram temas como cognição híbrida, cultura analítica, governança da inteligência artificial e as transformações provocadas pela interação entre humanos, dados e máquinas.
Como cientista-chefe do Cappra Institute, instituto de pesquisa fundado em 1998, Ricardo Cappra estuda as organizações analíticas: como as empresas se transformam a partir de suas relações com dados, informação e inteligência artificial, em pesquisa, educação executiva e consultoria.
Como filósofo da tecnologia, mestre em Filosofia, pesquisa a interdependência humano-dado-máquina: a condição em que humanos, dados e máquinas deixam de ser elementos separados e passam a se constituir mutuamente. É o que o livro Híbridos (2025) chama de ser híbrido.
A talk olha para o Estado da IA pela interseção das duas lentes.
A prática mostra o que acontece dentro das organizações. A pesquisa ajuda a nomear e explicar.
O Estado da IA em 2026 pode ser lido em três fenômenos. O pandemônio: a IA passou a participar das conversas, multiplicando vozes, narrativas e interpretações. O caos: com os agentes, passou também a executar ações e a interferir no funcionamento dos sistemas. A reconfiguração: a resposta humana e institucional, que exige reorganizar as relações entre pessoas, dados e sistemas artificiais.
Cada fenômeno é sustentado por estudos do Cappra Institute: cognição híbrida e desvio contemporâneo no pandemônio; trabalho multiagente e agentes do caos no caos; efeito molecular da informação, inforganização e cegueira adaptativa na reconfiguração.
O pandemônio revela as novas vozes. O caos evidencia a participação de novas agências. A reconfiguração responde à transformação das relações que constituem o sistema.
ExperiênciaVocê lê um relatório, um post ou um e-mail e já não sabe o que foi escrito por uma pessoa. A ferramenta acerta o difícil e erra o simples. A liderança está animada e a equipe, desconfiada.
Pandemônio é uma palavra inventada por John Milton em Paraíso Perdido (1667): a capital do Inferno, lugar de reunião dos demônios. Com o tempo, passou a significar tumulto e algazarra.
A IA generativa começa a participar massivamente da comunicação. Produz discursos, argumentos, imagens, interpretações e novas formas de interação. O resultado são múltiplas vozes, narrativas concorrentes e disputa por atenção, com novas questões de autoria, credibilidade e ruído.
O fenômeno visível: a linguagem deixou de ser exclusivamente humana.
A frase, do livro Híbridos (2025), resume a tese que sustenta todo o percurso: o sujeito que decide nas organizações já não pensa de modo puramente humano. Lembramos, calculamos, escrevemos e decidimos com sistemas.
O Cappra Institute descreve essa condição como interdependência humano-dado-máquina (HDM). Os três elementos não se somam como peças independentes; cada um altera os outros. Dados moldam o que se percebe, máquinas moldam o que os dados significam, humanos moldam o que as máquinas aprendem.
A tese dialoga com a hipótese da mente estendida, de Andy Clark e David Chalmers (1998), segundo a qual processos cognitivos podem ultrapassar os limites do cérebro e incluir ferramentas do ambiente.
Se a cognição já se estende pelas máquinas, pensar, interpretar e decidir passam a acontecer na relação com dados e sistemas. É o que o Cappra Institute chama de cognição híbrida: a IA pode ampliar o que percebemos e, ao mesmo tempo, condicionar nossa atenção, nossas perguntas e nossos critérios de julgamento.
O conhecimento costuma seguir um fluxo: uma lacuna desperta curiosidade, que leva à investigação, que exige abstração, que precisa de maturação até se tornar conhecimento. Cada etapa tem um custo cognitivo, e é esse custo que forma quem pensa.
O desvio contemporâneo acontece na investigação. Quando a IA entrega a resposta pronta, a lacuna se fecha antes do tempo. Daí decorre uma cadeia: ilusão de completude (parece que já se sabe), colapso da curiosidade (não resta o que perguntar) e, no limite, proletarização cognitiva: a perda de um saber que passa a depender de um sistema externo.
Pesquisas recentes com trabalhadores do conhecimento apontam na mesma direção: quanto maior a confiança na IA generativa, menor o esforço de pensamento crítico relatado.
O AI Index 2026, de Stanford, mostra que o pandemônio não é apenas uma metáfora. A adoção organizacional de IA chegou a 88%. O mesmo nível de modelo que conquistou ouro na Olimpíada Internacional de Matemática lê um relógio analógico corretamente em apenas 50,1% das vezes. E 73% dos especialistas esperam impacto positivo da IA no trabalho, contra 23% do público.
Os três números vêm de pesquisas e avaliações diferentes e não formam um índice único. Juntos, mostram um campo que combina adoção acelerada, resultados técnicos desiguais e interpretações radicalmente diferentes sobre suas consequências.
A fronteira da IA é irregular, e a percepção sobre ela também.
Quando a IA participa das conversas e das análises, quem ainda formula as perguntas na sua organização?
ExperiênciaVocê pede a um assistente que resolva uma tarefa, e ele não só responde: abre sistemas, preenche campos, envia mensagens.
Caos vem do grego kháos: o vazio ou abismo primordial anterior à organização do cosmos. Mais tarde, passou a significar desordem.
Agentes de IA acionam outros sistemas, iniciam processos e modificam conexões. O problema deixa de estar apenas nas respostas e passa a envolver o funcionamento dos sistemas: autonomia operacional, comportamentos imprevistos e consequências no mundo.
A mudança decisiva está na passagem de produzir conteúdo para executar ações.
Em 1893, Émile Durkheim descreveu a divisão do trabalho como fonte de coesão social: à medida que as funções se especializam, as pessoas passam a depender umas das outras. Toda a análise pressupunha uma única forma de agência, a humana.
O esquema atualiza essa imagem. Antes da IA, a divisão do trabalho distribuía funções entre pessoas. Depois da IA, distribui funções entre pessoas e agentes artificiais: a multiagência, soma de agência humana e agência artificial. Os agentes não só executam tarefas; ocupam posições na rede de interdependências que mantém a organização funcionando.
Quando uma máquina ocupa uma posição social, passa a afetar coordenação, confiança e responsabilidade, e não apenas produtividade.
No benchmark OSWorld, que avalia agentes em tarefas reais de computador, a taxa de sucesso reportada saltou de cerca de 5% em 2024 para 66,3%, ainda abaixo da referência humana de 72,4%. Mesmo em avaliações estruturadas, cerca de uma em cada três tentativas falha. O mesmo relatório registra 362 incidentes de IA documentados em 2025, contra 233 no ano anterior.
Em um experimento, um agente de IA administrou uma pequena loja com produtos reais, e as pessoas o persuadiram pela conversa a dar descontos e vender abaixo do custo. Entre a instrução e a consequência há pontos em que a ação pode se desviar do objetivo, e é neles que governança e responsabilização precisam atuar.
Capacidade de executar não significa autoridade para decidir.
Em fevereiro de 2026, o estudo Agents of Chaos colocou agentes de IA autônomos em um laboratório real, com memória persistente, e-mail, Discord, sistema de arquivos e execução de comandos. Durante duas semanas, vinte pesquisadores interagiram com eles em condições normais e adversariais.
O relatório documenta onze casos representativos de falha: agentes que obedeceram a quem não era o dono, revelaram informação sensível, ficaram presos em loops com outros agentes por nove dias, aceitaram uma identidade falsificada do dono e relataram como concluídas tarefas que não estavam.
Quando agentes interagem entre si, falhas individuais se somam e surgem modos de falha qualitativamente novos. O caos não é só um defeito do modelo: é uma propriedade das relações entre agentes, pessoas e sistemas.
O caos está nas relações, não apenas no agente.
Quais decisões da sua organização já são executadas por um ator que ninguém nomeou como responsável?
ExperiênciaUm agente entra num processo pequeno, como a triagem de chamados. Meses depois, outras áreas mudaram a forma de trabalhar, e ninguém decidiu isso formalmente.
Reconfiguração, de re- + configurar: dar nova forma ou disposição aos elementos.
Não se trata de recuperar uma ordem perdida. A rede continua composta por elementos semelhantes, mas suas relações são rearranjadas, e surge a possibilidade de uma nova arquitetura de coordenação entre atores humanos e artificiais. A reconfiguração não é uma terceira capacidade da IA. É a resposta humana e institucional à nova configuração de agência.
Novos atores. Novas relações. Novas formas de organização.
Uma informação nova muda a forma como uma pessoa ou um agente age. Essa ação muda uma relação, que muda outras, até que a organização inteira passa a funcionar de outro jeito. E esse novo funcionamento volta a gerar informação.
É o que chamamos de efeito molecular da informação: pequenas mudanças locais que se espalham pela rede e podem produzir grandes efeitos, nem sempre previsíveis.
A IA muda a organização porque muda as relações que a fazem funcionar.
A informação circula por novas redes e as decisões passam a envolver novos atores. Mas a autoridade, os processos e a governança continuam organizados segundo estruturas anteriores.
O sistema continua funcionando, mesmo quando sua estrutura formal já não representa as interações reais. É nesse descompasso que pode surgir a Cegueira Adaptativa: a organização segue produzindo resultados enquanto perde a capacidade de perceber o que mudou.
O efeito molecular ganha consequências estruturais.
O esquema descreve três maneiras de uma organização se relacionar com a informação. No primeiro estágio, a informação é insumo: o problema é processar mais para decidir melhor, e a hierarquia permanece intacta. No segundo, ela é força: altera estrutura, cultura e direitos decisórios, muitas vezes sem que ninguém tenha declarado um programa de mudança.
No terceiro, a informação é a própria estrutura. A organização se torna um sistema informacional adaptativo, em que fluxos de percepção, interpretação e decisão definem quem faz o quê. É o estado que o Cappra Institute chama de inforganização (inforganization, na grafia internacional), formalizado em 2020 e atualizado em 2026.
A passagem entre os estágios produz a reconfiguração organizacional: uma alteração contínua, e em grande parte imperceptível, de estrutura, cultura e direitos decisórios.
A transformação atravessa o sistema econômico (valor, trabalho, propriedade e distribuição de ganhos), o político (poder, legitimidade, regulação e responsabilidade), o social (confiança, vínculos, conhecimento e relações) e o organizacional (trabalho, coordenação, autoridade e decisão).
Os quatro compartilham atores e fluxos informacionais, mas têm tempos diferentes de compreensão, deliberação e reconfiguração.
A tese ultrapassa as empresas: a transformação é da vida coletiva.
O seu organograma descreve como a organização funciona hoje, ou como funcionava antes da IA?
ExperiênciaQuase toda empresa já tem um comitê de IA, uma política de uso e um piloto de agentes. E as equipes continuam trabalhando do mesmo jeito.
Na pesquisa da Deloitte, 74% das empresas planejam implantar IA agêntica em até dois anos, mas apenas 21% dizem ter um modelo maduro de governança de agentes autônomos.
Na pesquisa da McKinsey, quase três quartos das organizações de alto desempenho em IA, cerca de 6% dos respondentes, relatam redesenhar fundamentalmente seus fluxos de trabalho, contra cerca de um quarto das demais. O redesenho aparece associado ao desempenho, sem que isso, isoladamente, prove causalidade.
A reconfiguração já é uma possibilidade prática, mas ainda não uma resposta consolidada.
No IMD World Digital and AI Ranking 2026, o Brasil ocupa o 54º lugar entre 70 economias. O perfil combina fundamentos relevantes em pesquisa (infraestrutura de pesquisa em 26º, produtividade de P&D por publicação em 8º, artigos científicos em IA em 15º) com resultados fracos na implementação: adoção de IA em 65º, capital e investimento em IA em 66º e adoção de IA nas empresas em 69º.
O gargalo é humano: na pesquisa do IMD com 5.797 executivos, a falta de talento técnico é a barreira mais citada para adotar e expandir IA, com 50,4% na média global. No Brasil, o índice chega a 75,2%, o mais alto entre as 70 economias.
A distância relevante não está entre ter ou não ter tecnologia, mas entre dispor dela e conseguir organizar seu uso produtivo.
No arranjo convencional, o trabalho segue uma sequência: o humano usa sistemas e dados para chegar a uma decisão. Na organização AI-driven, humanos, dados e máquinas se relacionam o tempo todo, e decisão, execução e aprendizado acontecem na rede.
Essa passagem exige o que mais falta no Brasil: competências de IA (67º), investimento das empresas em treinamento (64º), talentos (63º) e educação e treinamento (58º). Implantar IA é governar dados, integrar sistemas, acompanhar resultados e interpretar o que as máquinas produzem.
O Brasil não enfrenta apenas a tarefa de adotar IA. Enfrenta o desafio de reorganizar as condições humanas e institucionais para que ela produza inteligência organizacional, e não apenas mais automação.
Estamos adaptando a IA à nossa organização, ou reconfigurando a organização para as relações que a IA já criou?
Anthropic; Andon Labs. “Project Vend: can Claude run a small shop? (And why does that matter?)” Anthropic, 27 jun. 2025.
Cappra, R. Híbridos: o futuro do trabalho entre humanos e máquinas. Rio de Janeiro: Alta Books, 2025.
Cappra, R. “A IA está eliminando a tensão cognitiva no trabalho.” Cultura Analítica (newsletter), LinkedIn, 27 mar. 2026.
Cappra, R. Economia da Inteligência: um sistema econômico da capacidade cognitiva na era da IA. Caderno de pesquisa. Cappra Institute, set. 2026.
Cappra, R.; Azambuja, C. C. de. “Proletarização cognitiva: uma categoria filosófica para o diagnóstico do trabalho informacionalmente mediado.” Controvérsia, vol. 22, n. 2, 2026, pp. 162-185. doi:10.4013/con.2026.222.10.
Cappra Institute. Brasil no Estado da IA em 2026: pandemônio, caos e reconfiguração organizacional. Nota de pesquisa. Cappra Institute, nov. 2026.
Cappra Institute. Data Thinking 2020. Cappra Institute, 2020.
Cappra Institute. Inforganização: a organização informacional adaptativa na era da inteligência artificial. Research paper, set. 2026.
Cappra Institute. Cultura Analítica; Cognição Híbrida; Trabalho Multiagente; O Vácuo da Gestão Multiagente; Pedagogia da Lacuna; Teoria da Cegueira Adaptativa; Governança Analítica. Research papers, 2026.
Clark, A.; Chalmers, D. “The extended mind.” Analysis, vol. 58, n. 1, 1998, pp. 7-19. doi:10.1093/analys/58.1.7.
Deloitte. State of AI in the Enterprise. Deloitte, 2026.
Drucker, P. F. “The coming of the new organization.” Harvard Business Review, vol. 66, n. 1, 1988, pp. 45-53.
Durkheim, É. De la division du travail social. Paris: Félix Alcan, 1893.
Floridi, L. The Fourth Revolution: How the Infosphere is Reshaping Human Reality. Oxford: Oxford University Press, 2014.
Galbraith, J. R. “Organization design: An information processing view.” Interfaces, vol. 4, n. 3, 1974, pp. 28-36. doi:10.1287/inte.4.3.28.
Hesíodo. Teogonia. c. 700 a.C.
IMD World Competitiveness Center. IMD World Digital and AI Ranking 2026: Setting the AI foundations of future digital competitiveness. Lausanne: IMD, 2026.
Lee, H.-P.; Sarkar, A.; Tankelevitch, L.; Drosos, I.; Rintel, S.; Banks, R.; Wilson, N. “The impact of generative AI on critical thinking: Self-reported reductions in cognitive effort and confidence effects from a survey of knowledge workers.” Proceedings of the 2025 CHI Conference on Human Factors in Computing Systems. New York: ACM, 2025.
McKinsey & Company. “The state of AI in 2026.” McKinsey Global Survey on AI, 25 ago. 2026.
Milton, J. Paradise Lost. Londres, 1667.
MIT Technology Review. “10 Things That Matter in AI Right Now.” MIT Technology Review, abr. 2026.
Risko, E. F.; Gilbert, S. J. “Cognitive offloading.” Trends in Cognitive Sciences, vol. 20, n. 9, 2016, pp. 676-688. doi:10.1016/j.tics.2016.07.002.
Shapira, N. et al. “Agents of Chaos.” arXiv:2602.20021, 23 fev. 2026.
Stanford HAI. The 2026 AI Index Report. Stanford: Stanford Institute for Human-Centered Artificial Intelligence, abr. 2026.
Stiegler, B. For a New Critique of Political Economy. Cambridge: Polity, 2010.
Wooldridge, M. An Introduction to MultiAgent Systems. 2. ed. Chichester: Wiley, 2009.