A Inteligência Artificial (IA) vai perceber: Explorar a relação entre cognição híbrida, confiança e incerteza em Interfaces Abertas de IA Generativa

Abstract

As interfaces dos sistemas comerciais de IA generativa de uso generalizado, como o ChatGPT, Claude ou Gemini, podem influenciar a forma como o esforço cognitivo é distribuído antes e durante a execução de tarefas. Este artigo propõe dois conceitos para descrever essa dinâmica: compensação de sistema, entendida como a capacidade do sistema para gerar respostas coerentes a partir de inputs subespecificados, e delegação da intenção, entendida como o comportamento do utilizador de fornecer prompts incompletas e confiar no sistema para inferir parâmetros em falta. Argumenta-se que a compensação de sistema pode enfraquecer sinais de calibração que, noutros contextos de interação, incentivariam uma formulação mais deliberada da intenção. Com base em quatro sessões exploratórias com 33 participantes, identificaram-se cinco padrões recorrentes: (1) subespecificação estruturada, (2) simplificação após o output do sistema, (3) passagem do refinamento do input para o ajustamento do output, (4) reenquadramento progressivo da tarefa e (5) discrepância entre produção e avaliação de prompts. Os resultados sugerem que, em contextos de aprendizagem, os utilizadores tendem a delegar no sistema parte da especificação inicial da tarefa, embora mantenham capacidade para reconhecer prompts mais bem formulados quando lhes são apresentados. Discute-se ainda o papel da fricção construtiva como possível estratégia de desenho de interface para apoiar uma interação humano-IA mais deliberada e calibrada.