Ferramentas algorítmicas, de buscadores a modelos de linguagem como o ChatGPT, são vendidas sob a promessa de democratizar o acesso ao conhecimento e, por consequência, catalisar a criatividade. Contudo, uma nova pesquisa sugere um risco oculto e contraintuitivo: esses mesmos sistemas podem estar secretamente estreitando o potencial inovador das organizações ao suprimir o valor da expertise.

O problema não está na tecnologia em si, mas em sua arquitetura invisível. Segundo um estudo publicado no MIT Sloan Management Review, a maioria dos algoritmos é desenhada para a "exploração" de conhecimento existente — ou seja, para entregar os resultados mais populares e relevantes com máxima eficiência. Essa lógica, embora útil para tarefas rotineiras, pode inadvertidamente prender equipes em bolhas de pensamento homogêneo, minando a busca por soluções verdadeiramente disruptivas.

A Bolha da Ideação

Os pesquisadores batizaram esse fenômeno de "bolhas de ideação" (ideation bubbles). Similar às bolhas de filtro que personalizam o feed de notícias em redes sociais, esses algoritmos criam um ambiente onde o familiar é constantemente reforçado. Ao priorizar a eficiência, eles direcionam os usuários para informações convencionais, que ecoam seus modelos mentais e históricos de busca, em vez de desafiá-los com o desconhecido.

O efeito é pernicioso em escala. Quando múltiplos profissionais, trabalhando de forma independente em um mesmo desafio estratégico, utilizam as mesmas ferramentas otimizadas para eficiência, eles são sutilmente guiados para o mesmo conjunto de informações. O resultado é uma convergência involuntária de ideias. Para quem está dentro da bolha, a percepção é de autonomia e diversidade de pensamento. Na prática, a infraestrutura algorítmica compartilhada conduz todos para o mesmo espaço de soluções, um perigo real para qualquer companhia que dependa de pensamento original para competir.

O Especialista Aumentado

Para testar a tese, os autores do estudo desenvolveram um algoritmo alternativo, apelidado de XYZ. Construído sobre o Google Search, ele foi projetado para "exploração", priorizando resultados de clusters semânticos distintos em vez das respostas mais populares. Em um experimento de campo com 245 participantes, de novatos a especialistas em sustentabilidade, os resultados foram notáveis. Usando a busca padrão do Google, os especialistas não demonstraram vantagem estatística sobre os novatos na geração de ideias criativas. Contudo, ao usar o algoritmo XYZ, os especialistas superaram significativamente os novatos, com ideias avaliadas como 11% mais criativas em média.

A explicação reside no que os autores chamam de "inovação recombinante": a capacidade de sintetizar elementos diversos de informação em combinações inéditas. Algoritmos de eficiência servem informações que já se alinham ao conhecimento do usuário. Já os de exploração expõem o indivíduo a campos adjacentes ou distantes. Um novato carece do repertório para conectar esses pontos díspares. Um especialista, por outro lado, possui a base de conhecimento necessária para identificar quais ideias incomuns são relevantes e como integrá-las em uma solução viável. A ferramenta, portanto, não substitui o especialista; ela o aumenta.

As implicações para a gestão da inovação são diretas. O tipo de algoritmo não deve ser um padrão, mas uma escolha de design. Para desafios que exigem eficiência, as ferramentas atuais são adequadas. Para a fase de ideação, onde o pensamento divergente é crucial, as empresas precisam de sistemas que promovam a exploração. A era da IA não diminui a importância da expertise; ela a transforma. O prêmio se desloca do acesso à informação para a capacidade de síntese. A questão para líderes não é se os especialistas ainda são necessários, mas se suas ferramentas estão projetadas para permitir que eles façam o que apenas eles podem fazer.

Com reportagem de Brazil Valley

Source · MIT Sloan Management Review