Arquitetura cyborg é a regra que usamos para decidir, em cada processo, o que fica com pessoas e o que fica com a IA. Pessoas definem direção, valores e limites, e respondem pelo resultado. A IA executa, escala e sinaliza o que viu. Escrito assim, parece óbvio. Na prática, boa parte dos projetos de IA que dão errado erra exatamente nessa divisão: ou delega o que não devia, ou não delega nada e chama isso de cautela.
De onde vem a palavra, e de onde vem a ideia
A palavra "cyborg" foi cunhada em 1960 por Manfred Clynes e Nathan Kline, num artigo sobre voo espacial publicado na revista Astronautics. Eles propunham sistemas homem-máquina autorregulados, em que a tecnologia cuidaria das funções automáticas para deixar o astronauta livre para explorar, criar e pensar (Clynes e Kline, 1960). No mesmo ano, J. C. R. Licklider publicou "Man-Computer Symbiosis", em que descrevia pessoas definindo objetivos, formulando hipóteses e avaliando resultados, enquanto computadores faziam o trabalho rotineiro que prepara o caminho para a decisão (Licklider, 1960).
Mais de seis décadas depois, a divisão proposta por Licklider continua sendo o melhor ponto de partida que conhecemos.
A nossa versão vem de experiência de campo. Rudinei Gehm, fundador da Cortex IQ, trabalha com TI desde 2009: começou em infraestrutura e automação industrial, passou por consultoria e desenvolvimento para o setor financeiro, gerenciou projetos e liderou um Growth Pod entre 2017 e 2021. A observação que atravessa esses contextos é simples. Quando uma tecnologia gerou valor de verdade, ela estendeu o que as pessoas conseguiam fazer. Quando tentou substituir o julgamento sem que ninguém redesenhasse o processo em volta, gerou retrabalho.
O que a pesquisa diz sobre trabalhar com IA
O estudo mais útil sobre o tema foi conduzido por pesquisadores de Harvard, MIT, Wharton e outras escolas com 758 consultores do Boston Consulting Group. Em tarefas dentro da capacidade do modelo, quem usou GPT-4 completou 12,2% mais tarefas, 25,1% mais rápido, com qualidade avaliada cerca de 40% superior. Numa tarefa escolhida justamente por estar fora dessa capacidade, o resultado se inverteu: quem usou IA acertou menos do que quem trabalhou sem ela (Dell'Acqua et al., 2023). Segundo Ethan Mollick, um dos autores, os consultores sem IA acertaram essa tarefa 84% das vezes; com IA, entre 60% e 70% (Mollick, 2023).
Os autores chamaram isso de fronteira tecnológica irregular. A IA é excelente em algumas tarefas e surpreendentemente fraca em outras que parecem igualmente difíceis, e a linha entre as duas não é visível a olho nu. O mesmo estudo descreveu dois jeitos de trabalhar que deram certo. Os "centauros" dividiam o trabalho com uma linha clara entre o que era da pessoa e o que era da máquina. Os "cyborgs" integravam a IA em todo o fluxo, alternando o tempo todo entre uma e outra.
Usamos o nome num sentido um pouco diferente do estudo. Para nós, cyborg não é um estilo individual de trabalho, é uma decisão de arquitetura: em que pontos do processo a pessoa entra, com que autoridade e com que informação. A conclusão prática, porém, é a mesma: alguém precisa saber onde está a fronteira, e esse alguém não pode ser o próprio modelo.
As três camadas
Organizamos a divisão em três camadas.
Na camada estratégica ficam as perguntas de para onde ir, o que priorizar e o que deixar de fazer. Pessoas no centro, porque estratégia carrega responsabilidade e prestação de contas. A IA pode trazer análise e cenários; a decisão tem dono.
Na camada tática ficam as perguntas de como fazer. É onde a colaboração é mais intensa: pessoas trazem contexto e critério, a IA traz velocidade de análise, consistência e comparação entre alternativas.
Na camada operacional ficam execução, repetição, monitoramento e ajuste. Aqui a IA pode e deve assumir a maior parte do trabalho, dentro de limites definidos na camada de cima e com caminho claro para devolver exceções a uma pessoa.
Como decidir quem fica no centro
A pergunta que fazemos antes de cada decisão sobre IA é: quem deveria estar no centro desta decisão, e por quê? Para responder, usamos quatro critérios.
- Reversibilidade: se uma decisão errada pode ser desfeita em minutos e sem custo, a IA pode decidir sozinha. Se não pode, uma pessoa aprova.
- Impacto sobre pessoas: decisões que afetam crédito, emprego, saúde ou preço para um indivíduo pedem revisão humana. No Brasil, o artigo 20 da LGPD já garante ao titular o direito de pedir revisão de decisões tomadas unicamente por tratamento automatizado.
- Verificabilidade: se dá para conferir o resultado de forma barata, por amostragem ou teste automático, a autonomia pode ser maior.
- Volume: quanto maior o volume, mais sentido faz a IA executar e a pessoa supervisionar por amostra, em vez de revisar item por item.
Um exemplo ilustrativo de como os critérios funcionam juntos: um agente de atendimento de um e-commerce que recebe pedidos de reembolso. Reembolso de valor baixo, com o produto já devolvido e registrado no sistema, é reversível, verificável e de alto volume; o agente pode aprovar sozinho, e a equipe confere uma amostra por semana. Reembolso acima de um valor definido pelo financeiro, ou de um cliente com histórico de disputas, sobe para uma pessoa com o caso já resumido. Pedido que envolve uma reclamação sobre dano à saúde nunca é decidido pelo agente, qualquer que seja o valor. O mesmo processo tem três pontos de entrada humana diferentes, e cada um foi escolhido por um motivo que dá para explicar a um cliente ou a um auditor.
Como aplicamos isso na própria Cortex IQ
Não pregamos o que não praticamos, e algumas das nossas práticas podem ser verificadas no próprio site.
Usamos agentes de código, como o Claude Code, e construtores como o Lovable no desenvolvimento, inclusive deste site. A ferramenta escreve, testa e aponta problemas; uma pessoa revisa, decide o que entra e publica. Quando o agente não consegue verificar algo, a regra é ele dizer isso por escrito, e uma pessoa conferir.
Depoimentos de clientes nos nossos cases só aparecem publicamente depois da aprovação do próprio cliente. O código tem uma marcação de rascunho que impede a publicação até essa aprovação existir. A IA pode ajudar a redigir; quem autoriza é o cliente.
Na página de confiança, listamos só práticas que já estão em produção e não afirmamos certificações que não temos. É uma decisão de posicionamento que nenhuma ferramenta tomaria por nós.
Nas provas de conceito da PoC Factory, o entregável final é um Decision Package com uma recomendação explícita (escalar, ajustar ou descartar) para uma pessoa do lado do cliente decidir. A IA ajuda a gerar evidência. A decisão tem nome e sobrenome.
A voz dessa filosofia
Demos voz a essa ideia. A RÜNARA é a persona institucional da Cortex IQ. Não é assistente virtual nem mascote: é a forma como a empresa diz em voz alta o que pensa sobre inteligência, dados e pessoas. Ela existe para lembrar que a tecnologia serve a uma decisão humana, e não o contrário.
Por onde começar
Se quiser aplicar essa lógica na sua empresa, comece pequeno. Escolha um processo em que a IA já é usada, ou está prestes a ser, e escreva numa única página: quem decide, o que a IA faz sozinha, qual é o limite e para onde vai a exceção. Se não conseguir escrever essa página, é ali que está o risco.
A nossa metodologia começa exatamente por esse diagnóstico: sistemas, dados e processos como estão hoje, e onde cada decisão deveria ficar.