O Google pagou US$ 10 milhões pelos e-mails e mensagens internas da Spirit Airlines, uma companhia aérea falida. Mas por que uma empresa de tecnologia investiria tanto em conversas corporativas?

Neste episódio do Metanoia Lab, Andrea Iorio parte desse negócio para discutir uma transformação fundamental na economia da inteligência artificial: à medida que os dados públicos disponíveis para treinar modelos se tornam mais escassos, o mercado passa a buscar uma nova fonte de valor — o conhecimento privado que existe dentro das empresas.

Principais temas:

• O esgotamento dos dados públicos: pesquisas da Epoch AI e do Stanford HAI apontam para os limites do estoque de textos humanos de alta qualidade disponíveis na internet. Com um recurso cada vez mais escasso, cresce a busca por fontes alternativas de dados para treinar modelos de IA.

  
  

• O pré-sal da inteligência artificial: assim como a indústria do petróleo buscou reservas mais profundas e difíceis de explorar, as empresas de tecnologia estão procurando dados privados e proprietários. O caso da Spirit Airlines ilustra como a memória de uma organização pode se transformar em um ativo valioso mesmo após sua falência.

  
  

• Conhecimento tácito: o que as empresas sabem, mas não está nos manuais: a partir do pensamento de Michael Polanyi, Andrea explica que sabemos mais do que conseguimos expressar formalmente. Nas conversas internas estão registradas decisões, negociações, correções de rota e experiências que revelam como o trabalho realmente acontece.

  
  

• A formação de um mercado de dados para IA: projeções de crescimento dos gastos com esses dados, empresas como a Mercor e iniciativas de comercialização de ativos digitais de companhias em liquidação mostram que a compra e a produção de dados especializados estão se tornando um negócio próprio.

  
  

• De quem é a memória de uma empresa? O caso Spirit levanta questões sobre os direitos dos funcionários, o uso de conversas corporativas e a responsabilidade de quem vende, compra e processa esses registros. No Brasil, Andrea destaca a importância da governança de dados diante da expansão da inteligência artificial.

  
  

• O conhecimento como vantagem competitiva: se a próxima geração de agentes de IA precisa aprender como o trabalho é feito, as empresas devem começar a avaliar o valor estratégico dos dados que produzem. A questão não é apenas quanto vale essa informação, mas quem pode utilizá-la e como transformá-la em vantagem competitiva.

👤 Andrea Iorio
Instagram: https://www.instagram.com/aiorio_br
LinkedIn: https://www.linkedin.com/in/andreaiorio
Website: https://www.andreaiorio.com

Quanto mais fácil fica usar um produto ou serviço, mais fácil também pode ser substituí-lo. Neste episódio do Metanoia Lab, Andrea Iorio parte de uma experiência que viveu como diretor do Tinder na América Latina para explorar o paradoxo da conveniência: ao eliminar os obstáculos das relações com clientes, empresas de diferentes setores podem estar eliminando também os motivos que levam as pessoas a criar vínculos duradouros.

A partir de exemplos do setor bancário, da economia comportamental e do uso da inteligência artificial, Andrea mostra por que eficiência e facilidade já não são suficientes para diferenciar marcas. O verdadeiro desafio é construir relações que gerem pertencimento, confiança e significado — e que façam uma empresa ocupar um lugar na vida das pessoas, não apenas na carteira ou na tela do celular.

Principais temas:

• O paradoxo da conveniência: quanto mais simples e rápida se torna uma experiência, menos razões o cliente pode ter para permanecer fiel. O que antes diferenciava uma marca acaba se tornando apenas uma expectativa básica.

• O “mar de mesmice” no setor bancário: segundo o Banking Consumer Study 2025, da Accenture, a transformação digital melhorou a experiência bancária, mas também aproximou os concorrentes. Com aplicativos igualmente bem avaliados e clientes que mantêm contas em diferentes instituições, a eficiência deixou de ser uma vantagem exclusiva.

• O efeito IKEA e o valor do esforço: estudos de Michael Norton, Daniel Mochon e Dan Ariely mostram que tendemos a valorizar mais aquilo que ajudamos a construir. Quando o cliente participa, personaliza e contribui, a relação pode ganhar significado e gerar pertencimento. Por isso, é importante distinguir a fricção ruim — burocracia e obstáculos desnecessários — da fricção boa, que convida à participação.

• O que o desejo ensina sobre relacionamentos: a reflexão de Esther Perel ajuda a entender que disponibilidade constante não garante conexão. Assim como nas relações pessoais, marcas também precisam criar experiências que despertem envolvimento, em vez de apenas oferecer conveniência.

• IA, passividade e senso de propriedade: um estudo da Penn State com 269 profissionais indica que usar a IA passivamente, apenas aceitando o que ela produz, pode reduzir o senso de propriedade sobre o trabalho, a autoeficácia e o significado. Já o uso colaborativo, em que a pessoa lidera e a IA ajuda a aprimorar o resultado, preserva esses vínculos.

• Como deixar de ser apenas mais uma opção: se rapidez e conveniência já não diferenciam uma marca, o caminho é criar experiências memoráveis, convidar clientes e equipes a participar e devolver um rosto humano às relações. O objetivo não é apenas conquistar espaço na carteira das pessoas, mas ocupar um lugar significativo em suas vidas.

  
  

👤 Andrea Iorio
Instagram: https://www.instagram.com/aiorio_br
LinkedIn: https://www.linkedin.com/in/andreaiorio
Website: https://www.andreaiorio.com

Neste episódio do Metanoia Lab, Andrea Iorio parte de uma situação cotidiana — um banho demorado — para explicar por que algumas das decisões mais importantes do nosso tempo parecem impossíveis de mudar. A partir da teoria dos jogos, Andrea conecta a culpa individual diante de problemas como o consumo de água à corrida global pela inteligência artificial: mesmo quando todos reconhecem os riscos de continuar acelerando, ninguém quer ser o primeiro a frear.

O episódio mergulha no conceito de Moloch, a força que emerge quando indivíduos e organizações, agindo racionalmente de acordo com seus próprios incentivos, acabam produzindo coletivamente um resultado que ninguém deseja. Mas a reflexão dá uma virada: se as grandes empresas de IA estão presas nessa corrida, será que nós também estamos? E quais das corridas que estamos correndo foram realmente escolhidas por nós?

Principais temas:

O dilema do prisioneiro: como duas pessoas podem tomar decisões individualmente racionais e, ainda assim, chegar juntas ao pior resultado possível — e por que essa lógica ajuda a explicar tanto nossos comportamentos cotidianos quanto a corrida da IA;

A corrida pela inteligência artificial: por que líderes como Dario Amodei, Sam Altman, Demis Hassabis e Elon Musk podem concordar que a IA precisa desacelerar, mas continuam acelerando diante do risco de que seus concorrentes façam o mesmo;

O problema do árbitro: por que confiança e autorregulação podem não ser suficientes para interromper a corrida da IA — e como Estados Unidos e China também estão presos aos mesmos incentivos competitivos;

Moloch: o conceito de Scott Alexander inspirado no poema Howl, de Allen Ginsberg, para explicar uma força sem um verdadeiro vilão, na qual os incentivos individuais empurram todos em direção a um resultado que ninguém deseja;

A diferença entre as grandes empresas de IA e nós: enquanto laboratórios e governos podem estar presos em uma corrida da qual é difícil sair, muitas das corridas que travamos na vida pessoal e profissional não são inevitáveis — nós simplesmente decidimos continuar correndo;

A grande reflexão final: quantas das corridas que você está correndo hoje foram realmente escolhidas por você? Porque talvez a verdadeira metanoia não seja fazer o mundo inteiro desacelerar, mas perceber que muitos dos penhascos em direção aos quais estamos correndo nunca foram a nossa corrida.

👤 Andrea IorioInstagram: https://www.instagram.com/aiorio_brLinkedIn: https://www.linkedin.com/in/andreaiorioWebsite: https://www.andreaiorio.com

Neste episódio do Metanoia Lab, Andrea Iorio investiga um dos problemas mais silenciosos do uso de IA no trabalho: o workslop. São documentos, apresentações, e-mails e outros conteúdos gerados por IA que parecem profissionais, mas não têm a substância necessária para realmente resolver um problema. O resultado? O tempo que a IA promete economizar volta na forma de retrabalho — mas o custo mais importante pode estar em outro lugar: na confiança entre as pessoas.

Principais temas:

O que é workslop: o trabalho gerado por IA que “se disfarça de bom trabalho”, com aparência polida, mas sem pensamento, argumento ou substância;

O custo invisível da IA: como o retrabalho gerado por outputs de baixa qualidade pode consumir horas de trabalho e reduzir parte dos ganhos de produtividade prometidos pela tecnologia;

O imposto de confiança: por que o problema vai além da produtividade e começa a afetar a forma como colegas enxergam a capacidade, a criatividade e a confiabilidade uns dos outros;

Knowledge decay: como a terceirização contínua do pensamento para a IA pode criar um efeito cascata, fazendo com que organizações percam gradualmente a capacidade de distinguir aquilo que realmente sabem daquilo que apenas geraram;

Botsitting e botshitting: de um lado, o tempo gasto supervisionando e corrigindo o trabalho da IA; do outro, o risco de simplesmente encaminhar conteúdos que não foram checados ou que o próprio autor não conseguiria defender;

O retorno da autoria: por que, em um mundo de conteúdo genérico produzido em escala, especificidade, julgamento humano e fatos concretos se tornam sinais cada vez mais importantes de autenticidade;

Como evitar o workslop: a importância de estabelecer padrões para outputs de IA, manter um responsável humano pelo conteúdo, deixar claro o que significa um bom resultado e proteger aquilo que só uma pessoa poderia ter criado;

A grande reflexão final: quando você aperta “enviar” em um conteúdo produzido com IA, existe realmente um humano por trás dele? E há alguma coisa ali que só você poderia ter feito?

👤 Andrea Iorio
Instagram: https://www.instagram.com/aiorio_br
LinkedIn: https://www.linkedin.com/in/andreaiorio
Website: https://www.andreaiorio.com

Neste episódio do Metanoia Lab, Andrea Iorio parte de uma pergunta aparentemente simples — quem é dono das máquinas? — para chegar a uma provocação muito mais desconfortável: como evitar que as máquinas se tornem donas da gente? A partir do ensaio “The Future is for Everyone”, publicado por Mark Zuckerberg em agosto de 2026, Andrea explora a promessa de uma superinteligência pessoal, acessível e distribuída para todos, mas questiona quem realmente controla essa tecnologia e o que acontece quando começamos a terceirizar para a IA não apenas tarefas, mas decisões, criatividade e autonomia.

Principais temas:

A promessa de uma superinteligência para todos: os três pilares do argumento de Zuckerberg — empoderamento individual, IA como ferramenta de invenção e equilíbrio de poder — e a visão de agentes pessoais capazes de atuar como tutores, advogados, cientistas e assistentes;

A concentração de poder na corrida pela IA: o contraste entre a promessa de “IA para todos” e a concentração de capital e valor em poucas empresas de tecnologia;

O risco que fica fora da discussão: além de desemprego, cibercrime e perda de controle sobre sistemas avançados, o episódio aborda o equilíbrio de poder entre cada pessoa e seu próprio agente de IA;

“As coisas que você possui acabam possuindo você”: a partir de Chuck Palahniuk e do IKEA Effect, por que o esforço de construir algo influencia nossa sensação de posse — e o que pode acontecer quando a IA começa a fazer tudo por nós;

O desamparo aprendido e a terceirização da autonomia: como depender constantemente de sistemas que decidem e resolvem problemas por nós pode fazer com que deixemos de exercitar nossa própria capacidade de decisão;

Ser dono das máquinas no sentido econômico: a partir das ideias de Naval Ravikant, Andrea discute a IA como uma nova forma de alavancagem e a diferença entre usar IA para ser um trabalhador mais produtivo e utilizá-la para construir ativos que continuam sendo seus;

A grande reflexão final: em um mundo no qual agentes de IA poderão conhecer nossas preferências, antecipar nossas necessidades e tomar decisões por nós, a pergunta mais importante talvez não seja apenas o que a máquina pode fazer, mas se continuaremos sendo capazes de escolher, decidir e construir por conta própria.

👤 Andrea Iorio

Instagram: https://www.instagram.com/aiorio_br

LinkedIn: https://www.linkedin.com/in/andreaiorio

Website: https://www.andreaiorio.com

Neste episódio do Metanoia Lab, Andrea Iorio confessa um gesto que diz muito sobre a era da IA: ele cometeu um erro de propósito. Não porque o texto ficaria melhor, mas para provar que tinha sido escrito por um humano. Quando a máquina se torna boa demais em parecer perfeita, o erro começa a funcionar como credencial de autenticidade. Mas existe uma provocação ainda maior: e se, ao eliminar os erros, a IA também estiver eliminando uma das principais formas pelas quais aprendemos?

Principais temas:

O erro como prova de autenticidade: por que, em um mundo de textos cada vez mais perfeitos e produzidos por IA, uma vírgula errada ou uma frase imperfeita pode se transformar em um sinal de que existe uma pessoa do outro lado;

O estudo da Use.AI com mais de 12.600 pessoas — e por que o medo de ser acusado de usar IA já está levando profissionais a deliberadamente deixar seus textos menos perfeitos;

A inversão do valor do erro: como algo que durante décadas tentamos eliminar com corretores, revisores e ferramentas como o Grammarly pode ter se tornado uma das marcas mais difíceis de falsificar da autoria humana;

O “erro de previsão” estudado pelo neurocientista Wolfram Schultz: por que o cérebro aprende especialmente quando existe uma diferença entre aquilo que esperávamos e aquilo que realmente aconteceu;

O conceito de “fracasso produtivo”, de Manu Kapur: por que estudantes que precisam tentar, errar e encontrar soluções antes de receber a resposta correta podem desenvolver uma aprendizagem mais profunda e uma capacidade maior de aplicar o conhecimento em situações novas;

O risco do “never-skilling”: como a dependência precoce da IA pode impedir que profissionais, especialmente os mais jovens, desenvolvam habilidades básicas antes de terceirizá-las para a máquina;

Workslop: o novo problema do trabalho gerado por IA que parece bom, mas não tem substância — e como entregas ruins podem gerar retrabalho e corroer a percepção de criatividade, capacidade e confiança de quem as produz;

O limite entre erro inteligente e trabalho malfeito: por que defender o valor do erro não significa romantizar descuido, incompetência ou conteúdo ruim produzido por IA;

A grande reflexão final: o que significa viver em um mundo em que precisamos até mesmo “performar” imperfeição para provar que somos humanos — e se, ao otimizar tudo, não estamos também eliminando as condições que nos permitem aprender.

👤 Andrea Iorio

Instagram: https://www.instagram.com/aiorio_br

LinkedIn: https://www.linkedin.com/in/andreaiorio

Website: https://www.andreaiorio.com

Neste episódio do Metanoia Lab, Andrea Iorio parte de uma pergunta simples, mas cada vez mais importante na era da IA: o que acontece com a nossa capacidade de pensar quando começamos a terceirizar o esforço mental para as máquinas?

A partir da metáfora de três motoristas usando o Waze, Andrea mostra por que a IA não é um nivelador de inteligência, mas um espelho: ela tende a devolver resultados tão bons quanto a qualidade do pensamento, das perguntas e do contexto que colocamos nela. E, em um mundo onde a inteligência se tornou abundante, talvez a vantagem humana mais rara seja justamente a vontade de pensar.

Principais temas:

O mito da IA como niveladora de inteligência — e por que ela não transforma automaticamente iniciantes em especialistas;

Os dados da Anthropic que mostram a forte relação entre a complexidade das perguntas feitas à IA e a sofisticação das respostas recebidas;

A “necessidade de cognição” (need for cognition): por que algumas pessoas buscam naturalmente problemas difíceis e outras preferem evitar o esforço mental, e como essa diferença pode se tornar decisiva na era da IA;

Os três motoristas diante da IA: o Passageiro Produtivo, o Otimizador Relutante e o Maratonista Mental — três maneiras diferentes de usar a mesma tecnologia e três consequências muito diferentes para o aprendizado;

O risco da dependência cognitiva: estudos que associam o uso excessivo de IA a menor engajamento mental, perda de motivação e possível enfraquecimento de habilidades adquiridas pela prática;

O paradoxo do especialista: por que até profissionais experientes podem perder parte da própria performance quando passam a depender demais da IA;

A ideia de “industrialização do distanciamento”: como podemos ganhar fluência e produtividade sem necessariamente ganhar compreensão;

Da resposta pronta às boas perguntas: por que pedir pistas, começar pela própria análise, alternar tarefas com e sem IA e separar trabalho mecânico de trabalho criativo pode preservar o esforço cognitivo;

A grande virada: quando a inteligência se torna abundante e barata, aquilo que passa a ser escasso é a vontade de pensar;

A vantagem competitiva humana pode estar menos no quanto sabemos e mais na nossa disposição para enfrentar problemas difíceis, questionar respostas e continuar no comando.

👤 Andrea Iorio

Instagram: https://www.instagram.com/aiorio_br

LinkedIn: https://www.linkedin.com/in/andreaiorio

Website: https://www.andreaiorio.com

Neste episódio do Metanoia Lab, Andrea Iorio parte de uma previsão que parecia impossível de estar errada: em 2016, Geoffrey Hinton, o chamado “Padrinho da IA”, afirmou que deveríamos parar de formar radiologistas porque o deep learning faria o trabalho melhor do que eles. Dez anos depois, aconteceu exatamente o contrário: a radiologia continua crescendo, os salários estão em alta e milhares de vagas seguem abertas. Então, o que Hinton — e tantos CEOs hoje — entenderam errado sobre o impacto da IA nos empregos? A resposta está na diferença entre automatizar um trabalho e aumentar a capacidade de quem o realiza.

Principais temas:

A previsão de Geoffrey Hinton sobre os radiologistas — e por que ela falhou não por causa da tecnologia, mas por confundir uma tarefa com um emprego inteiro

O que os dados atuais realmente dizem sobre IA e desemprego: por que, apesar do discurso de “apocalipse do colarinho branco”, ainda há poucas evidências de uma destruição generalizada de empregos

O estudo de Stanford com dados de folha de pagamento de milhões de trabalhadores — e o alerta escondido nos jovens de 22 a 25 anos em profissões altamente expostas à IA

Automatizar vs. aumentar: por que os empregos em que a IA substitui tarefas com pouca participação humana estão mais vulneráveis, enquanto aqueles em que ela potencializa o profissional podem crescer

O caso dos radiologistas: como a IA pode assumir a leitura de imagens sem substituir o profissional que conversa com o paciente, interpreta casos ambíguos e exerce julgamento clínico

A ironia da Anthropic: a empresa que desenvolve alguns dos modelos de IA mais avançados do mundo contratando um Head of Copy & Content por até US$ 400 mil para exercer algo que seus próprios modelos conseguem fazer — porque bom gosto, julgamento e direção criativa continuam sendo humanos

Conhecimento codificado vs. conhecimento tácito: por que aquilo que pode ser transformado em regras, procedimentos e respostas é justamente o tipo de conhecimento que a IA aprende melhor

O paradoxo da próxima geração: se a IA automatiza as tarefas iniciais pelas quais profissionais juniores tradicionalmente aprendiam, quem vai formar os especialistas e líderes de amanhã?

👤 Andrea Iorio

Instagram: https://www.instagram.com/aiorio_br

LinkedIn: https://www.linkedin.com/in/andreaiorio

Website: https://www.andreaiorio.com