A Inteligência que Sobrou
Durante décadas, a escola nos vendeu uma ideia muito simples: inteligente é quem resolve problemas difíceis rápido. Equações, código, lógica formal, raciocínio dedutivo. O currículo inteiro foi construído ao redor dessa premissa. E por muito tempo fez sentido — porque resolver problemas difíceis era, de fato, difícil.
No podcast A Bit Personal, com Jodi Shelton, Jensen Huang — CEO da Nvidia, hoje a empresa mais valiosa do mundo — foi provocado com uma pergunta aparentemente simples: “Quem é a pessoa mais inteligente que você já conheceu?” Ele não respondeu com um nome. Respondeu com uma redefinição. A capacidade técnica de resolver problemas tornou-se commodity, disse ele. A IA já faz isso. E faz bem. E vai fazer melhor.
Se isso é verdade — e há evidências crescentes de que é — então a pergunta que realmente importa não é o que a IA faz. É o que sobrou para nós.
O Paradoxo de Kasparov
Em 1997, quando o Deep Blue derrotou Garry Kasparov no xadrez, o mundo leu aquilo como o fim de algo. A máquina havia vencido o gênio humano no campo onde o gênio humano era mais orgulhoso: o cálculo estratégico em um ambiente de regras claras.
Mas Kasparov não parou de pensar. Ele chegou a uma conclusão que pouquíssimas pessoas notaram: o que a máquina não tinha era narrativa. Deep Blue calculava dezenas de milhões de posições por segundo. Não entendia por que o xadrez importa. Não sentia a pressão psicológica do adversário. Não leu nas entrelinhas de um movimento hesitante que o oponente estava abalado.
Décadas depois, Jensen Huang está dizendo essencialmente a mesma coisa em outro vocabulário: a máquina assumiu o cálculo; o que sobrou é o que sempre foi humano demais para ser calculado.
O problema é que nós passamos os últimos cem anos ensinando o cálculo e ignorando o resto.
O Que Damasio Sabia
O neurocientista António Damásio passou anos estudando pacientes com lesões no córtex pré-frontal ventromedial — uma região associada ao processamento emocional. Esses pacientes tinham inteligência cognitiva intacta. Raciocínio lógico preservado. Memória funcional. Em testes tradicionais de QI, performavam normalmente.
Mas não conseguiam tomar boas decisões.
Sem a integração entre emoção e razão, eles ficavam paralisados diante de escolhas simples ou tomavam decisões sistematicamente ruins em contextos complexos. Damásio chamou isso de a “hipótese do marcador somático”: as emoções não atrapalham a decisão inteligente — elas são parte estrutural da decisão inteligente.
Huang está, involuntariamente, citando Damásio quando define inteligência como a capacidade de sentar “na interseção entre ser tecnicamente competente e profundamente humano e empático.” Não como complemento decorativo. Como componente cognitivo.
A IA que domina o cálculo não tem marcadores somáticos. Não sente o peso de uma decisão. Não carrega a memória de ter errado antes e pago o preço humano por isso.
O Conhecimento que Não Cabe em Dados
O filósofo Michael Polanyi cunhou uma frase que ficou famosa justamente por ser difícil de contestar: “We can know more than we can tell.” Sabemos mais do que conseguimos articular. Um médico experiente percebe que algo está errado com um paciente antes de ler qualquer exame. Um negociador sente que o acordo vai cair antes de qualquer sinal explícito. Um líder antecipa uma crise interna antes que ela apareça nos números.
Esse tipo de conhecimento — tácito, incorporado, construído por anos de exposição a contextos variados — não é transferível para um prompt. Não é retrievável num banco de vetores. Ele existe na interseção entre o que a pessoa sabe, o que ela sentiu, e o que ela aprendeu a perceber.
Huang está descrevendo exatamente isso quando fala em “inferir o que não foi dito” e antecipar “o que está ao virar da esquina”. Não é misticismo. É o que Gary Klein chamou de recognition-primed decision making — o processo pelo qual especialistas em domínios complexos reconhecem padrões que sistemas puramente analíticos não enxergam, porque esses padrões só existem quando você combina múltiplos tipos de sinal ao mesmo tempo: dado, experiência, emoção, contexto.
É, em essência, pensamento nexialista.
A Inteligência Redefinida
O que Jensen Huang está propondo — mesmo sem usar esse nome — é uma redefinição radical do que significa ser inteligente em um mundo onde a cognição computacional é onipresente.
Não é a inteligência do especialista profundo que sabe tudo sobre um assunto estreito. Não é a inteligência do generalista superficial que transita por muitas áreas sem profundidade em nenhuma.
É a inteligência de quem conecta. Quem tem domínio técnico suficiente para não ter medo da complexidade, mas empatia suficiente para entender o que está em jogo para as pessoas envolvidas. Quem analisa dados e também lê a sala. Quem antecipa porque aprendeu a reconhecer padrões em múltiplos domínios simultaneamente — tecnologia, comportamento, cultura, timing.
Essa é a inteligência que a IA amplifica, mas não substitui. Porque ela não nasce do processamento. Nasce da experiência integrada.
O Problema das Escolas (e das Empresas)
Há uma ironia cruel nessa história: justamente no momento em que o mundo começa a valorizar esse tipo de inteligência, a maioria das instituições — escolas, universidades, processos seletivos, sistemas de avaliação de performance — ainda está medindo o tipo antigo.
Continuamos contratando pelo currículo técnico e demitindo pelo comportamento humano. Continuamos promovendo pelo desempenho individual e perdendo líderes por falta de visão sistêmica. Continuamos formando especialistas e depois nos surpreendendo quando eles não conseguem conversar entre si.
A IA não criou esse problema. Ela apenas tornou urgente o que já era necessário.
Quando
Jensen Huang
diz que a inteligência verdadeira está na intersecção entre técnica, empatia e intuição, ele está dizendo que o nexo é o diferencial. Não o nó isolado do especialista. A conexão entre nós.
A pergunta que fica — e que talvez valha mais do que qualquer resposta — é esta:
Você foi treinado para resolver problemas que a IA já resolve, ou para perceber aquilo que ela ainda não consegue ver?





