Este é o material de apoio da palestra Cultura Analítica: dados, decisão e governança no cooperativismo de transporte, de Ricardo Cappra, no Seminário Nacional das Cooperativas de Transporte, do Sistema OCB.
De cargas ou de passageiros, o transporte cooperativo atua em mercados que mudam rápido. A informação se multiplica, e decidir só pela experiência deixa de ser suficiente. A palestra mostra como dados e informação podem orientar a decisão estratégica, por que essa mudança é cultural antes de ser tecnológica e por que ela começa por quem está no comando.
O percurso tem cinco blocos: decisão, cognição, organização, governança e ação. Cada prancha traz um esquema e um texto explicativo, e algumas trazem uma pergunta para discutir com a diretoria. No fim, uma folha de trabalho ajuda a transformar a reflexão em ações práticas.
A base é o livro Híbridos (2025) e as pesquisas do Cappra Institute reunidas em analitica.org.
Cultura de dados não se instala com ferramentas. Começa na decisão de quem lidera, se sustenta na governança e se prova em ações práticas.
Cientista-chefe do Cappra Institute, instituto de pesquisa fundado em 1998, que atua em pesquisa, educação executiva e consultoria em transformação organizacional.
Conselheiro de administração formado e certificado pelo IBGC.
Pesquisador e filósofo da tecnologia, mestre em Filosofia, com pesquisa sobre a interdependência humano-dado-máquina, e pós-graduado em Educação e Tecnologias de Aprendizagem. Autor de Rastreável (2021) e Híbridos (2025), colaborador da MIT Technology Review Brasil e três vezes palestrante TEDx.
Professor de pós-graduação e MBAs no Brasil e no exterior, criou o primeiro MBA em Cultura Analítica autorizado pelo MEC.
A interseção é a Cultura Analítica: o campo que estuda a interdependência entre humanos, dados e máquinas, e que organiza a pesquisa, a educação e a consultoria do Instituto. A prática mostra o que acontece dentro das empresas; a pesquisa ajuda a nomear e explicar.
A Cultura Analítica é a ressignificação da relação das pessoas e das organizações com os dados e a informação. Ela não se resume a ferramentas, painéis ou times técnicos.
O esquema mostra onde esse fenômeno acontece. A cultura organizacional (valores, hábitos, poder) e a cultura de dados (métodos, ferramentas, evidência) se encontram numa zona estreita. A tecnologia acelera o processo; a mudança decisiva acontece na cultura.
É nessa camada que atua o Cappra Institute, com pesquisa, educação e consultoria. E é a partir dela que esta palestra olha para a decisão, a gestão e a governança das cooperativas.
A frase, do livro Híbridos (2025), resume a tese do percurso: já não pensamos e decidimos de modo puramente humano. Lembramos, calculamos, escrevemos e conversamos com apoio de 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): processos cognitivos podem incluir ferramentas do ambiente. Se a tecnologia já faz parte de como pensamos, a questão deixa de ser aceitá-la ou rejeitá-la. Passa a ser como conviver com ela.
O esquema lê as revoluções do trabalho pelas mudanças culturais que produziram. A industrial, a partir de cerca de 1760, trouxe centralização produtiva e substituição da força física. A digital, do transistor (1947) à web (por volta de 1990), trouxe digitalização, conectividade em rede e externalização do conhecimento.
A cognitiva se forma entre 2012, com o salto do aprendizado profundo no reconhecimento de imagens, e 2022, com a chegada da IA generativa ao grande público. Suas marcas: descentralização cognitiva, crise dos modelos econômicos e uma infraestrutura invisível que passa a mediar o trabalho.
A adoção já é ampla: segundo a pesquisa global da McKinsey de 2025, 88% das organizações usam IA em pelo menos uma função de negócio, mas a maioria ainda não escalou esse uso. A tecnologia chegou antes da mudança no jeito de trabalhar.
Durante duas décadas, ser data-driven foi a ambição de quem queria decidir melhor: medir, consolidar, visualizar e orientar a decisão por evidência. A curva mostra que esse estágio não foi o ponto de chegada. A partir dele, modelos e agentes passam a participar da decisão, e a organização entra em outro regime.
A área destacada é o território AI-driven. Muitas organizações já chegaram a ele em tecnologia, mas ainda não o ocuparam em estrutura, cultura e direitos decisórios.
Os cinco blocos a seguir percorrem essa ocupação a partir de quem lidera: decisão, cognição, organização, governança e ação.
A Harvard Business Review estima que o adulto médio toma entre 33 e 35 mil decisões por dia. A Psychology Today chega ao mesmo número e mostra o que ele significa no tempo: perto de 2 mil decisões por hora acordado, uma a cada dois segundos.
O número é uma estimativa amplamente aceita, e não uma contagem direta. A maioria dessas escolhas é quase automática. Mas ele expressa uma percepção difundida: a vida e o trabalho passaram a exigir escolhas em ritmo contínuo, quase todas mediadas por informação, notificações e sistemas.
No trabalho, a pergunta útil é outra: quantas dessas escolhas recebem atenção suficiente para serem decisões de fato.
O esquema cruza três linhas. A informação disponível cresce sem parar. A capacidade humana de consumo permanece praticamente estável. Por um tempo, a sociedade acompanhou o crescimento, até ultrapassar a faixa de capacidade. A partir daí a curva de consumo se dobra: não há como absorver o que está disponível.
Alfons Cornella deu nome a esse estado em 1996: infoxicação, a intoxicação por excesso de informação. Herbert Simon já havia formulado o princípio em 1971: a riqueza de informação produz pobreza de atenção.
A ordem de grandeza ajuda a dimensionar o problema. Em 2017, a IDC projetou que a esfera global de dados chegaria a 163 zettabytes em 2025. Um ano depois, revisou a projeção para 175 zettabytes. Mais informação não significa decisões melhores. Sem critério, ela só aumenta o ruído.
A matriz cruza dois eixos: o nível de conexão (desconectada, conectada, ininterrupta) e o nível de informação (desinformada, informada, hiperinformada). Cada combinação descreve um estado cognitivo de quem decide.
Nas bordas aparecem as patologias, como zumbificação informacional, espiral de ansiedade, saturação cognitiva e ilusão de segurança. A paralisia decisória, no encontro entre conexão ininterrupta e hiperinformação, é o estado para onde o ambiente atual empurra quem decide.
No centro está o pensamento analítico: conectado sem ser capturado, informado sem ser saturado. É um equilíbrio instável, que exige prática deliberada para ser mantido.
Uma definição operacional orienta o trabalho do Cappra Institute: informação é a combinação de dados com narrativas. Os dados dão base factual. As narrativas dão sentido, contexto e direção. Nenhum dos dois, sozinho, produz informação útil para decidir.
Quando a narrativa pesa mais que os dados, cresce o risco de distorção da realidade: a história convence, mas não se sustenta. Quando os dados pesam mais que a narrativa, cresce o risco de decisões fora de contexto: os números estão certos, mas ninguém sabe o que fazer com eles.
O equilíbrio entre os dois é o que torna possíveis decisões informadas. A máquina amplia o alcance dos dados, mas o sentido ainda depende de quem conhece o contexto.
O esquema dispõe a relação entre humanos e IA num espectro. De um lado, autonomia humana total; do outro, dependência total de IA. Entre os extremos: ferramentas de suporte, parceria cognitiva, automação seletiva, IA supervisionada, decisão tomada por IA e substituição de funções humanas.
As duas formas cruzadas mostram a troca: à medida que a participação da IA aumenta, a participação humana diminui. No cruzamento, entre automação seletiva e IA supervisionada, estão as escolhas mais delicadas.
O espectro muda a pergunta. Ele troca “a IA vai substituir?” por “em que nível cada decisão deve operar?”. A engenharia de automação trabalha assim há décadas, com níveis definidos para cada função. É uma escolha de desenho, e pode ser diferente para cada decisão.
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 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 risco não é usar a IA. É deixar de fazer o trabalho de pensar que a pergunta exigia.
O híbrido cognitivo combina capacidades humanas, como criatividade, intuição e julgamento ético, com a precisão e a velocidade das máquinas. A IA identifica padrões que o olhar humano não vê; o pensamento crítico os coloca em contexto e os transforma em decisão. Na medicina, a IA detecta anomalias em imagens, e o médico interpreta, diagnostica e trata.
É nesse encontro que ficam as competências do profissional híbrido: pensamento crítico para avaliar o que a máquina propõe, criatividade para formular o que ela não sabe perguntar e relacionamento para sustentar a confiança que nenhum sistema substitui.
O mesmo processo pode levar à dependência. Se a pessoa não mantém o controle, a memória e o pensar entregues à máquina viram proletarização cognitiva.
Para quem dirige, a IA encurta o caminho entre a pergunta e a resposta. Uma análise de mercado, um parecer ou um relatório ficam prontos em segundos. O ganho é real.
O risco está no trecho que some: ouvir o contexto e pensar a resposta. É ali que se forma o entendimento sobre o problema. Quem decide sem entender ganha velocidade e perde a capacidade de explicar, ajustar e sustentar a decisão diante do conselho e dos cooperados.
É a lacuna fechada antes do tempo, agora dentro da decisão. Daí a pergunta que fecha o bloco: você está no controle?
Em estudo do Cappra Institute com lideranças, 73% apontaram como maior dificuldade de implementação de IA a falta de cultura analítica e de conhecimento sobre dados. Em seguida vieram a contratação de pessoas qualificadas ou com mindset adequado (14%), processos ainda não estruturados para automação (7%), limitações da tecnologia (3%) e custo operacional elevado (3%).
A tecnologia aparece como barreira para apenas 3% das lideranças. O problema percebido está nas pessoas e na cultura.
É comum citar, a partir de publicações da McKinsey, que cerca de 70% das transformações falham por fatores humanos e culturais. O número pede cautela: uma revisão acadêmica não encontrou evidência empírica válida para essa taxa. A direção do argumento, porém, coincide com o que o estudo do Instituto observa.
O esquema mostra, em três tempos, o que a mudança faz com uma cultura. No primeiro, a cultura aparece como um campo de hábitos, delimitado por quatro forças: comportamento, ambiente, recursos e valores. Depois, a mudança atravessa esse campo.
A mudança abre um espaço no centro, ocupado por um novo sujeito decisor: o ser híbrido. Por fim, a cultura analítica envolve esse centro e reconfigura quatro dimensões da organização: pessoas, processos, políticas e tecnologias.
A cultura não é substituída. Os hábitos permanecem, mas passam a se organizar em torno de outro modo de decidir.
A transformação pode ser lida como uma sequência de ondas. A primeira, do pensamento analítico, levou a ciência de dados às áreas técnicas. A segunda, da cultura analítica, levou a orientação por dados às áreas de aplicação: a organização data-driven.
A terceira onda, em curso, é a da consciência do artificial. Ela leva a IA às áreas de automação e exige algo que as anteriores não exigiam: compreender o que significa dividir decisão, trabalho e responsabilidade com sistemas que agem.
As ondas se sobrepõem. Uma organização, ou uma pessoa, pode estar na terceira em tecnologia e na primeira em cultura.
A maturidade se lê na organização analítica: a que reconhece, em cada estágio, o lugar que dados e máquinas ocupam nas suas decisões.
O esquema percorre seis estágios e mostra o que fica entre os dados e a decisão em cada um: uma barreira (negação), uma pergunta (curiosidade), pilotos (experimentação), uma base confiável (segurança), o analytics (orientação por dados) e, por fim, uma camada de máquina, com modelos e agentes que fazem inferência, recomendação e execução.
O lado humano também muda. No estágio data-driven, a contribuição humana era intuição, experiência e hierarquia. No AI-driven, passa a ser intenção, julgamento e supervisão: definir o que se quer, avaliar o que a máquina propõe e responder pelo resultado. Nenhum dos três elementos decide sozinho.
Em que estágio estão hoje as decisões estratégicas da sua cooperativa?
O esquema mostra o circuito mais simples da decisão híbrida. O humano pilota: define o problema e a intenção. A máquina copilota: amplia a análise, sugere caminhos e devolve alternativas. Do diálogo entre os dois resulta a inteligência aumentada, que retorna ao humano como capacidade ampliada.
A ideia tem raízes antigas. Em 1960, J. C. R. Licklider descreveu a simbiose entre homem e computador. Em 1962, Douglas Engelbart propôs o aumento do intelecto humano como programa de pesquisa. O que muda agora é a escala: o copiloto virou interface cotidiana de trabalho.
Reconhecer a decisão híbrida é o primeiro passo para conduzi-la: saber, em cada decisão, onde termina a contribuição de um e começa a do outro. É assim que os dados passam a apoiar decisões e a antecipar necessidades, sem tirar da pessoa o julgamento.
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. 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.
A nova divisão do trabalho já tem casos em escala. Em março de 2026, no painel From Teams to Multiagent Ecosystems, no South Summit, em Porto Alegre, o CEO do iFood, Diego Barreto, relatou em conversa com o autor desta palestra que a empresa operava cerca de 9 mil agentes de IA e que 32% de todas as atividades já haviam sido redesenhadas em algum grau.
O dado importa menos pelo volume e mais pelo que revela: tarefas executadas em segundo plano por agentes, enquanto pessoas redefinem o próprio trabalho. A empresa descreveu a evolução como a passagem de assistentes, que aumentam a produtividade, para agentes que executam atividades de forma autônoma.
É nesse tipo de ambiente que surgem as perguntas seguintes: quem responde pelas ações dos agentes, e como organizar o trabalho que eles passam a dividir com as pessoas.
Um caso cotidiano da decisão híbrida, comum a muitas atividades. A pessoa executa o trabalho e aceita ou recusa o que chega. O sistema define o que chega, o ritmo e a prioridade, sugere como executar e onde concentrar o esforço. A avaliação costuma combinar regra automática e revisão humana.
As posições variam entre contextos, mas o ponto se repete: boa parte da gestão desse trabalho já é feita por um sistema. Quando isso não é percebido, a divisão entre pessoa e máquina acontece sem escolha.
A pergunta deixou de ser teórica. O experimento Moral Machine, do MIT, reuniu cerca de 40 milhões de decisões de pessoas em 233 países e territórios sobre dilemas de carros autônomos e mostrou que as preferências morais variam entre culturas. Desde março de 2025, carros sem motorista da Waymo transportam passageiros em Austin, nos Estados Unidos, pela plataforma da Uber.
Quando uma decisão passa por quem projeta o sistema, quem fornece os dados, quem configura, quem supervisiona e pelo agente que executa, a responsabilidade se dilui: é a lacuna de responsabilidade. Madeleine Clare Elish descreveu o efeito oposto, a zona de deformação moral: em sistemas automatizados, a culpa tende a recair sobre o humano mais próximo do erro, mesmo quando ele tinha pouco controle.
Por isso a responsabilidade precisa ser definida antes, e não depois do problema.
Em que decisão da sua cooperativa a responsabilidade ainda não está clara?
O esquema descreve três maneiras de uma organização se relacionar com a informação. Como insumo: processar mais para decidir melhor, com a hierarquia intacta. Como força: a informação altera estrutura, cultura e direitos decisórios, muitas vezes sem que ninguém tenha anunciado uma mudança. Como estrutura: os fluxos de percepção, interpretação e decisão passam a definir quem faz o quê.
O Cappra Institute chama esse terceiro estado de inforganização (inforganization, na grafia internacional), conceito formalizado em 2020 e atualizado em 2026.
A passagem entre os estágios produz a reconfiguração organizacional: uma mudança contínua e quase imperceptível de estrutura, cultura e direitos decisórios. Quando ninguém a enxerga, ela acontece sem projeto, e a organização passa a ser moldada pelo que não vê.
O esquema separa três dimensões que mudam em velocidades diferentes. A decisão, isto é, como se decide, foi modificada pelo efeito artificial. O comportamento, como as pessoas agem, mudou logo em seguida. O ecossistema decisório, feito de estruturas, papéis e responsabilidades, ainda não se adaptou.
A distância entre o que já mudou e o que ainda não mudou é o déficit de acomodação organizacional. A palavra acomodação foi escolhida de propósito: a tecnologia já foi adotada; o que falta é reorganizar a casa para recebê-la.
O déficit raramente aparece em indicadores de adoção. Ele se manifesta em decisões sem dono, em responsabilidades sobrepostas e em agentes que operam fora de qualquer estrutura de prestação de contas.
Programas, ferramentas e capacitações já estão ao alcance das cooperativas. Ainda assim, muitas iniciativas de dados param no meio do caminho. O motivo raramente é técnico: a mudança não foi assumida por quem decide.
O esquema mostra três camadas. O dirigente dá visão, intenção e exemplo: define quais decisões importam e passa a pedir evidência para tomá-las. A governança transforma essa intenção em critérios, rituais e responsáveis. As equipes sustentam o processo com dados, método e capacidade técnica.
O querer desce do comando e a evidência sobe das equipes. Quando só a evidência sobe, os dados ficam em relatórios que ninguém usa. Quando só o querer desce, a intenção não encontra capacidade para se realizar.
Que pergunta você passará a fazer, como dirigente, antes de cada decisão estratégica?
No centro do ciclo está a Governança Analítica. Ela vai além dos dados: cobre a informação e toda a ação que nasce dela, seja executada por pessoas ou por agentes de IA.
O ciclo tem quatro movimentos. Observar tensões e sinais em dados, pessoas e agentes. Orientar com critérios, limites e responsáveis. Ajustar processos, fluxos e agentes. Aprender, registrando o que mudou para recomeçar o ciclo.
Não é um projeto com fim. É um mecanismo contínuo, que acompanha a organização enquanto ela muda. Para quem dirige, governar começa por saber quais critérios orientam as decisões estratégicas da cooperativa, e quem responde por elas.
Que decisão estratégica da cooperativa ainda não tem um critério explícito?
O esquema cruza cinco dimensões em que a cooperativa pode estar desalinhada com o mercado em que atua: cultura, maturidade analítica, visão sistêmica, análise crítica e estratégica de mercados e modelo de governança.
A linha tracejada representa o que mercados em transformação passam a exigir. A área destacada, onde a cooperativa está hoje. As posições são ilustrativas: o transporte cooperativo é heterogêneo, e cada cooperativa, de cargas ou de passageiros, terá o seu próprio desenho.
A distância entre as duas formas é a agenda da diretoria. Ela raramente está na tecnologia. Está na forma de decidir, de enxergar o sistema e de distribuir responsabilidades. A folha de trabalho, ao fim deste material, permite marcar esse desenho.
Em qual das cinco dimensões a distância é maior na sua cooperativa?
Cultura analítica se constrói com prática repetida, e não com um grande projeto. O esquema propõe um primeiro ciclo de 90 dias, organizado pelos movimentos da Governança Analítica.
Nos primeiros 30 dias, observar: escolher três decisões estratégicas da cooperativa, mapear os dados que já existem para apoiá-las e as lacunas, e identificar quem decide hoje. Até o dia 60, orientar: definir critérios e responsáveis e instituir um ritual de decisão, com poucos indicadores, nas reuniões da diretoria.
Até o dia 90, ajustar e aprender: capacitar as equipes que produzem a informação, revisar o ritual e registrar o que mudou. O ciclo então recomeça com novas decisões. A folha de trabalho, ao fim deste material, ajuda a dar o primeiro passo.
Os cinco blocos descrevem um único movimento. A decisão passou a depender de informação em volume e velocidade inéditos. O pensar passou a ser dividido com modelos de inteligência não humanos. A organização precisa amadurecer sua cultura e redistribuir o trabalho entre pessoas e agentes. A governança organiza quem decide e com que critério. A ação transforma a reflexão em rotina. A tecnologia avança mais rápido do que a organização consegue se reorganizar.
A Cultura Analítica é o que permite atravessar essa distância. Ela não se instala com ferramentas. Se constrói nas decisões, nos comportamentos e na estrutura, e a reconfiguração organizacional é a capacidade contínua de redesenhar papéis e responsabilidades à medida que humanos e máquinas passam a decidir juntos.
Para o dirigente, isso tem um sentido prático: escolher as decisões que importam, pedir evidência para tomá-las e criar as condições para que as equipes a produzam. Para a cooperativa, significa redesenhar a forma de decidir, e não apenas adotar novas ferramentas.
Ricardo Cappra · Alta Books
O futuro do trabalho entre humanos e máquinas. Interdependência, cognição híbrida, interfaces cognitivas e o sujeito híbrido.
Ler amostra ↗MIT Technology Review Brasil
O impacto da IA na arquitetura organizacional: intenção, julgamento e supervisão como contribuição humana. Base das pranchas A.1 e 3.4.
MIT Technology Review Brasil
Por que a estrutura fica para trás da capacidade agêntica. Base das pranchas 4.2 e 5.3.
Ler artigo ↗Centro de estudos da cultura analítica
Research papers sobre cultura analítica, maturidade, inforganização, decisão e governança analítica.
Ver estudos ↗| Estudo | Formato | Pergunta central | Pranchas |
|---|---|---|---|
| Híbridos | Livro, 2025 | Como a interação humano-máquina redefine a divisão do trabalho? | 0.0, A.1, 2.2, 3.2, 3.4 |
| Research paper, 2026 | Como dados, modelos e IA passam a mediar a relação entre realidade e decisão? | 0.0, 0.1, A.3, 1.4, 3.1, 3.2, 3.3, 4.3, 5.1, 5.2, 5.3 | |
| Research paper, 2026 | Em que estado cognitivo decide quem está entre conexão e informação? | 1.1, 1.2, 1.3, 1.4 | |
| Estudo (IMAbr) | Como está a maturidade analítica das organizações brasileiras? | 3.1, 5.1 | |
| Guia, 2024 | Como promover a maturidade analítica na era da IA? | 5.1 | |
| Research paper, 2026 | O que muda na gestão quando dividimos o pensar com as máquinas? | 0.0, A.1, 1.5, 2.2, 2.3, 3.2, 3.4, 3.5 | |
| Research paper, out. 2026 | Como preservar a lacuna como espaço de formação na era da IA? | 2.1, 2.3 | |
| Artigo, Controvérsia, 2026 | Como a mediação informacional pode esvaziar o saber de quem trabalha? | 2.1, 2.2 | |
| Research paper, 2026 | Como a organização perde a capacidade de perceber que deixou de aprender? | 2.1 | |
| Research paper, set. 2026 | Como a informação se torna estrutura organizacional? | 3.4, 4.1, 4.2, 5.3 | |
| Research paper, 2026 | Como governar a produção e o uso da informação na decisão? | 1.5, 3.8, 3.9, 4.3, 4.4, 5.2 | |
| Research paper, 2026 | Quem lidera os agentes de IA? | 3.7 | |
| Research paper, 2026 | Como organizar o trabalho quando pessoas e agentes operam no mesmo fluxo? | A.2, 3.6, 3.7, 3.8 | |
| Estudo, 2026 | O que falha quando a IA passa a agir dentro do trabalho? | 3.7, 3.9 | |
| Estudo qualitativo (FOA2030) | Como a velocidade de adoção de IA se cruza com a maturidade de decisão? | A.3, 3.4 | |
| Da decisão humana à decisão híbrida | Artigo, MIT Technology Review Brasil, jun. 2026 | O que muda na arquitetura organizacional quando a decisão passa a ser híbrida? | 3.4 |
| O déficit de acomodação organizacional ↗ | Artigo, MIT Technology Review Brasil, set. 2026 | Por que a estrutura fica para trás da capacidade agêntica? | 4.2, 5.3 |
Awad, E.; Dsouza, S.; Kim, R.; Schulz, J.; Henrich, J.; Shariff, A.; Bonnefon, J.-F.; Rahwan, I. “The Moral Machine experiment.” Nature, vol. 563, 2018, pp. 59-64. doi:10.1038/s41586-018-0637-6.
Baggio, A.; Digentiki, E.; Varma, R. “Organizations do not change. People change!” McKinsey & Company, People & Organization Blog, 7 out. 2019.
Cappra Institute. Cultura Analítica; Cognição Híbrida; Pedagogia da Lacuna; Teoria da Cegueira Adaptativa; Governança Analítica; Instabilidade Decisória; Trabalho Multiagente. Research papers, 2026.
Cappra Institute. Inforganização: a organização informacional adaptativa na era da inteligência artificial. Research paper, set. 2026.
Cappra, R. Híbridos: o futuro do trabalho entre humanos e máquinas. Rio de Janeiro: Alta Books, 2025.
Cappra, R. Rastreável: redes, vírus, dados e tecnologias para proteger e vigiar a sociedade. São Paulo: Actual, 2021.
Cappra, R. “A IA está eliminando a tensão cognitiva no trabalho.” Cultura Analítica (newsletter), LinkedIn, 27 mar. 2026c.
Cappra, R. “Da decisão humana à decisão híbrida: o impacto da IA na arquitetura organizacional.” MIT Technology Review Brasil, 30 jun. 2026a.
Cappra, R. “O déficit de acomodação organizacional.” MIT Technology Review Brasil, 1 set. 2026b.
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.
Castells, M. The Rise of the Network Society. Oxford: Blackwell, 1996.
Clark, A.; Chalmers, D. “The extended mind.” Analysis, vol. 58, n. 1, 1998, pp. 7-19. doi:10.1093/analys/58.1.7.
Davenport, T. H.; Harris, J. G. Competing on Analytics: The New Science of Winning. Boston: Harvard Business School Press, 2007.
Dell'Acqua, F.; McFowland, E.; Mollick, E. R.; et al. “Navigating the jagged technological frontier: Field experimental evidence of the effects of AI on knowledge worker productivity and quality.” Harvard Business School Working Paper, n. 24-013, 2023.
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.
Dykes, B. Effective Data Storytelling: How to Drive Change with Data, Narrative, and Visuals. Hoboken: Wiley, 2019.
Elish, M. C. “Moral crumple zones: Cautionary tales in human-robot interaction.” Engaging Science, Technology, and Society, vol. 5, 2019, pp. 40-60. doi:10.17351/ests2019.260.
Engelbart, D. C. Augmenting Human Intellect: A Conceptual Framework. Summary Report AFOSR-3223. Menlo Park: Stanford Research Institute, 1962.
Eppler, M. J.; Mengis, J. “The concept of information overload: A review of literature from organization science, accounting, marketing, MIS, and related disciplines.” The Information Society, vol. 20, n. 5, 2004, pp. 325-344. doi:10.1080/01972240490507974.
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.
Hughes, M. “Do 70 per cent of all organizational change initiatives really fail?” Journal of Change Management, vol. 11, n. 4, 2011, pp. 451-464. doi:10.1080/14697017.2011.630506.
Krizhevsky, A.; Sutskever, I.; Hinton, G. E. “ImageNet classification with deep convolutional neural networks.” Advances in Neural Information Processing Systems, vol. 25, 2012, pp. 1097-1105.
Krockow, E. M. “How many decisions do we make each day?” Psychology Today, 27 set. 2018.
Lauterjung, B. “iFood já tem 9 mil agentes de IA e redesenhou 32% das atividades.” TI Inside, 25 mar. 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.
Licklider, J. C. R. “Man-computer symbiosis.” IRE Transactions on Human Factors in Electronics, vol. HFE-1, 1960, pp. 4-11.
Liedtke, M. “Uber and Waymo launch driverless ride service in Austin.” Fortune / Associated Press, 4 mar. 2025.
Matthias, A. “The responsibility gap: Ascribing responsibility for the actions of learning automata.” Ethics and Information Technology, vol. 6, n. 3, 2004, pp. 175-183. doi:10.1007/s10676-004-3422-1.
McKinsey & Company. The State of AI in 2025: Agents, Innovation, and Transformation. McKinsey Global Survey on AI, 5 nov. 2025.
O'Reilly, C. A. “Individuals and information overload in organizations: Is more necessarily better?” Academy of Management Journal, vol. 23, n. 4, 1980, pp. 684-696.
OpenAI. “Introducing ChatGPT.” OpenAI, 30 nov. 2022.
Parasuraman, R.; Sheridan, T. B.; Wickens, C. D. “A model for types and levels of human interaction with automation.” IEEE Transactions on Systems, Man, and Cybernetics, Part A, vol. 30, n. 3, 2000, pp. 286-297. doi:10.1109/3468.844354.
Reill, A. “A simple way to make better decisions.” Harvard Business Review, 5 dez. 2023.
Reinsel, D.; Gantz, J.; Rydning, J. Data Age 2025: The Evolution of Data to Life-Critical. IDC White Paper, patrocinado pela Seagate, abr. 2017.
Reinsel, D.; Gantz, J.; Rydning, J. The Digitization of the World: From Edge to Core. IDC White Paper, patrocinado pela Seagate, nov. 2018.
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.
Schein, E. H. Organizational Culture and Leadership. 4. ed. San Francisco: Jossey-Bass, 2010.
Simon, H. A. “Designing organizations for an information-rich world.” In: Greenberger, M. (ed.). Computers, Communications, and the Public Interest. Baltimore: Johns Hopkins Press, 1971, pp. 37-72.
Stiegler, B. For a New Critique of Political Economy. Cambridge: Polity, 2010.
Weick, K. E. Sensemaking in Organizations. Thousand Oaks: Sage, 1995.
Wooldridge, M. An Introduction to MultiAgent Systems. 2. ed. Chichester: Wiley, 2009.