Human-Centric AI: tudo sobre a Inteligência Artificial centrada no humano

Para falar em Human-Centric AI, precisamos lembrar que 2024, a promessa de substituir pessoas por aplicações de Inteligência Artificial parecia muito promissora. Contudo, não demorou muito para que iniciativas nessa direção começassem a bater em problemas que as planilhas não antecipam.

O McDonald’s encerrou seu teste de atendimento automatizado em drive-thrus depois de erros de pedidos e ruídos na experiência do cliente. Já a Air Canada foi responsabilizada depois que seu chatbot forneceu informação incorreta sobre política de reembolso, mostrando que uma resposta automatizada também pode virar risco jurídico e reputacional.

Esses são apenas duas marcas globais que descobriram a mesma fronteira: quando a IA atua sem contexto, supervisão e critério humano, a eficiência prometida pode gerar retrabalho, desconfiança e perda de controle.

Eles mostram que Human-Centric AI vai além de uma escolha ética. É também uma vantagem competitiva. Afinal, colocar as pessoas no centro do desenho, do uso e da validação da Inteligência Artificial, traz resultados muito mais consistentes e sustentáveis.

Você merece entender isso em detalhes.

Então vamos lá! Leia com atenção os seguintes tópicos:

• O que é Human-Centric AI e por que o mercado levou tempo para entender a diferença

• Por que a combinação de inteligências humana e artificial é o caminho

• O movimento global por Human-Centric AI – de Stanford a Bruxelas

• Os pilares da Inteligência Aumentada

• Human-Centric AI na prática

• Inteligência Aumentada – como aplicamos Human-Centric AI há 22 anos

• Como avaliar se a sua estratégia de IA é genuinamente Human-Centric

• FAQ – Perguntas frequentes sobre Human-Centric AI

O que é Human-Centric AI e por que o mercado levou tempo para entender a diferença

Human-centric AI é uma abordagem de desenvolvimento e uso da Inteligência Artificial que coloca capacidades humanas, contexto de decisão, supervisão, autonomia e responsabilidade no desenho dos sistemas. Em vez de tratar a IA como substituta direta do julgamento das pessoas, usa-se modelos, dados e automação para ampliar a qualidade, a velocidade e a consistência das decisões.

A definição parece simples, porém, ela contraria uma parte relevante da narrativa que dominou o mercado nos últimos anos.

Na primeira onda de adoção da IA generativa, muitas empresas trataram eficiência como sinônimo de remoção de profissionais dos processos.

A promessa parecia boa: menos etapas, menos trabalhadores, menos custo. Contudo, fluxos empresariais raramente funcionam como sequências puramente mecânicas.

Há contexto, ambiguidade, negociação, exceção, risco reputacional e decisão política. Além do conhecimento tácito – aquele que não aparece em planilhas, mas sustenta a qualidade de uma operação.

Nesse cenário, a Human-Centric AI foi ganhando forma.

O conceito também é referido como Human-Centered AI ou HCAI, outra sigla usada para Inteligência Artificial Centrada no Humano. Em todos os casos, a lógica central é que a IA precisa trabalhar com pessoas, e não contra elas.

De HCI a HCAI: a origem da discussão

Essa discussão, que culminou na nova visão, não surgiu com os grandes modelos de linguagem. Ela tem raízes na evolução da interação humano-computador, ou HCI. Basicamente, o campo que ganhou corpo nos anos 1980 a partir da preocupação com o modo como as pessoas usam, entendem e controlam sistemas computacionais.

Em 1982, nasceu a conferência CHI, então denominada Conference on Human Factors in Computing Systems. Foi um marco importante para a consolidação da interação humano-computador como campo de estudo, como destaca a ACM SIGCHI.

Naquele momento, o problema estava concentrado na interface. Em síntese, os especialistas se perguntavam: como tornar sistemas digitais compreensíveis, úteis e operáveis por pessoas reais?

Com o avanço da IA, a questão ficou mais estratégica. Isso significa que o desafio deixou de ser apenas usar um sistema – passou a ser “decidir com um sistema”. O que representou uma mudança capaz de alterar o peso do desenho tecnológico.

Em softwares tradicionais, uma interface ruim reduz produtividade. Em sistemas de IA, uma arquitetura ruim pode afetar mais aspectos. Tais como decisões comerciais, análises de risco, prioridades operacionais, reputação de marca e relação com clientes.

Neste movimento, Ben Shneiderman, uma das referências globais em HCI, propôs em 2020 um framework de Human-Centered Artificial Intelligence. Uma proposta que, posteriormente, se mostrou uma ideia decisiva.

Para ele, tecnologias bem desenhadas podem combinar altos níveis de controle humano com altos níveis de automação computacional. Ou seja, a partir dessa proposição, começou a haver uma separação da abordagem madura da visão simplista de automação.

Nessa nova forma de pensar, superou-se a pergunta “quanto do processo a máquina consegue assumir?". O que entrou no radar foi o questionamento “qual arquitetura permite que humanos decidam melhor com apoio da IA?”.

Passou-se a entender, então, que a automação não precisava eliminar o controle. Ela podia retirar fricções, organizar dados, identificar padrões, antecipar cenários e sugerir caminhos. Isso tudo partindo do princípio de que a responsabilidade pela decisão deve permanecer conectada a critérios humanos. Sobretudo em contextos de alto impacto.

Afinal, por que o mercado demorou a entender a diferença

A Stanford HAI ajudou a consolidar essa nova visão.

Em 2019, foi fundado o Stanford Institute for Human-Centered AI. Ele nasceu tendo como missão avançar pesquisa, educação, política e prática em IA para melhorar a condição humana.

No lançamento do instituto, a Universidade de Stanford também fez uma afirmação contundente. Declarou que a IA pode e deve ser colaborativa, aumentadora e capaz de ampliar a produtividade humana. E, por extensão, a qualidade do trabalho e da vida.

Essa formulação explica, em partes, por que o mercado levou tempo para entender a diferença.

Grande parte das organizações entrou na corrida da IA por pressão competitiva. Neste movimento, a pergunta inicial foi operacional: onde cortar esforço? Depois, evoluiu para um tema mais sofisticado: onde a combinação entre inteligência humana e artificial gera vantagem?

Perceba que o primeiro questionamento produz automações isoladas. Já o segundo produz inteligência aumentada.

É uma distinção importante, pois uma empresa não compete apenas pela capacidade de automatizar tarefas. Ela disputa a qualidade das decisões que toma em menos tempo, com menos ruído e mais contexto.

Em vendas, isso significa priorizar contas com maior potencial real. Em comunicação, interpretar sinais de reputação antes que eles virem crise. Em expansão, cruzar dados territoriais, comportamento de consumo e presença competitiva com critério estratégico.

Por isso, Human-Centric AI é um conceito que não deve ser entendido como freio à automação. Na verdade, é uma forma mais precisa de:

• automatizar o que deve ser automatizado;
• preservar o que exige julgamento;
• e criar uma camada superior de decisão.

Pode-se dizer que o mercado demorou a perceber isso porque confundiu escala com autonomia total. Houve demora no entendimento de que escala sem supervisão amplia erros. Também a visão de que autonomia sem contexto acelera decisões frágeis foi sendo sedimentada vagarosamente.

Talvez pela própria euforia dos pretensos ganhos que o hype inicial em torno da Inteligência Artificial, os atores mercadológicos tenham custado a chegar a esse entendimento.

E muitas organizações precisaram sentir na pele os danos da não percepção de que IA sem participação humana perde justamente o elemento que transforma informação em estratégia – a interpretação.

Por que a combinação de inteligências humana e artificial é o modelo que vence

A Human-Centric AI se tornou relevante porque expõe uma falha recorrente na adoção de tecnologia: confundir automação com avanço estratégico.

Automatizar tarefas até ajuda a reduzir custos e acelerar rotinas. Porém, quando a automação passa a ocupar o lugar do critério humano em decisões sensíveis, os ganhos iniciais podem se transformar em perda de qualidade, confiança e controle.

É por isso que a pergunta mais importante não é quanto trabalho a IA consegue assumir. Na verdade, deve-se questionar onde a combinação entre inteligência humana e artificial gera melhor resultado para o negócio.

Casos recentes mostram o limite da automação total

Klarna

A Klarna virou um dos exemplos mais citados dessa tensão.

Em 2024, a companhia afirmou que seu chatbot de IA fazia o trabalho equivalente ao de 700 representantes de atendimento. Um ano depois, voltou a recrutar pessoas para funções de suporte e começou a defender que clientes sempre tivessem a opção de falar com um humano.

O caso não elimina o valor da IA no atendimento. Pelo contrário: mostra que velocidade e escala têm limites quando o cliente precisa de empatia, negociação, exceção ou confiança. Nesses momentos, a máquina pode preparar o caminho, mas o humano sustenta a relação.

Duolingo

Tem também o caso do Duolingo que entrou nesse debate ao anunciar uma estratégia AI-first em 2025.

Em abril de 2025, a empresa informou que reduziria gradualmente o uso de prestadores para tarefas que a IA pudesse executar. E, o que foi mais polêmico: novas contratações dependeriam da impossibilidade de automatizar mais trabalho.

A decisão ganhou forte repercussão por tocar em um ponto sensível: educação, linguagem e cultura dependem de nuances. Quando a própria comunicação corporativa admite aceitar pequenos impactos de qualidade para avançar mais rápido, a discussão deixa de ser tecnológica. Ela ganha contornos estratégicos.

Ainda em maio de 2025, o fundador do Duolingo, Luis Von Ahn, sentindo a crise instalada com a decisão, publicou um memorando no LinkedIn dizendo que não via a IA como substituta dos funcionários. E que a empresa continuava contratando no mesmo ritmo.

Em abril de 2026, veio o recuo mais objetivo. Em entrevista, Von Ahn disse que o Duolingo abandonou a ideia de avaliar o desempenho dos funcionários pelo uso de IA. Segundo ele, funcionários começaram a questionar se a empresa queria uso de IA apenas por obrigação, e “a companhia passou a enfatizar resultado do trabalho, não adoção forçada da ferramenta”.

O retorno vem quando a IA muda o fluxo de trabalho

A realidade dos negócios também se mostrou menos favorável ao ímpeto de tornar tudo executado por Inteligência Artificial. E ela tem sido mapeada em diversos estudos de mercado.

A McKinsey aponta que 88% das organizações já usam IA em ao menos uma função de negócio. Ainda assim, só 39% relatam impacto no EBIT em nível empresarial.

Esses dados mostram uma distância clara entre uso e resultado.

A mesma pesquisa indica que empresas de alta performance em IA são quase três vezes mais propensas a redesenhar fluxos de trabalho individuais. Também são mais maduras em processos de validação humana dos resultados dos modelos.

Ou seja, o que foi sendo percebido é que o valor não nasce da ferramenta isolada. Nasce da forma como pessoas, processos e tecnologia passam a operar juntos.

Essa é a diferença entre adotar IA e criar capacidade organizacional com IA.

Um negócio pode instalar ferramentas generativas em vários departamentos e continuar com baixa produtividade estrutural. Também pode redesenhar decisões, papéis, dados, indicadores e validações.

O segundo caminho exige mais método, porém, entrega mais consistência.

A NTT DATA cita estimativas de que 70% a 85% das iniciativas de IA não alcançam os resultados esperados. E a causa raramente está só no modelo. Em geral, ela aparece na integração fraca com processos reais, na falta de governança e na baixa adesão das pessoas que deveriam usar a tecnologia.

Essa é a falha da automação centrada na máquina. Ela parte da capacidade técnica e depois tenta encaixar o humano no que sobrou.

Human-Centric AI, entretanto, inverte essa lógica. Parte da decisão, do contexto e do resultado esperado; depois define onde a IA deve acelerar, sugerir, organizar, prever ou executar.

O movimento global por Human-Centric AI – de Stanford a Bruxelas

Human-Centric AI é um movimento que já aparece nas instituições que definem o futuro da Inteligência Artificial. Ou seja, deixou de ser uma discussão restrita a pesquisadores e especialistas. Entrou também na agenda de reguladores, fóruns econômicos e governos.

Ao menos três forças ajudam a explicar a busca global por Human-Centric AI: academia, regulação e mercado.

Stanford ajudou a consolidar o campo

Conforme já apontamos, um dos marcos dessa discussão está em Stanford, mais precisamente no Stanford Institute for Human-Centered AI. Ali, defende-se que a IA deve ser colaborativa, potencializadora de produtividade e qualidade de vida.

Esse ponto importa porque coloca a Human-Centric AI em patamar que não pode ser resumido a “resistência à tecnologia”. Ela é uma forma mais madura de desenhar sistemas que funcionam em ambientes reais.

O AI Index Report reforça esse papel ao acompanhar, todos os anos, a evolução técnica, econômica e social da Inteligência Artificial. Em sua edição de 2026, o relatório destacou a distância crescente entre o que a IA já consegue fazer e a capacidade das instituições de governar, medir e compreender essa tecnologia.

Em termos simples, esse é o cerne do debate: a IA avança rápido demais para ser tratada apenas como ferramenta. Ela exige métodos, critérios de uso e participação humana nas decisões que afeta.

→ Leia também:

• Governança de IA: o que é e como fazer.

Bruxelas transformou o conceito em regra

Enquanto Stanford organiza parte da base acadêmica, a União Europeia levou o tema para o campo da regulação com o AI Act – o primeiro marco regulatório abrangente de IA no mundo.

A Comissão Europeia afirma que a lei busca promover uma IA Human-Centric and Trustworthy, com proteção à saúde, à segurança e aos direitos fundamentais.

A aplicação ocorre por etapas:

1. As proibições para práticas de risco inaceitável passaram a valer em fevereiro de 2025.
2. A aplicação plena está prevista para 2 de agosto de 2026, com exceções para alguns sistemas.

A régua também é financeira.

Violações ligadas a práticas proibidas podem gerar multas de até 35 milhões de euros ou 7% do faturamento anual global – o que for maior.

Na prática, Bruxelas enviou um forte sinal ao mercado: a IA centrada no humano passou a ser condição de conformidade.

O mercado já não compra a tese da substituição total

O terceiro movimento vem do mercado de trabalho.

Segundo o Fórum Econômico Mundial, 39% das competências centrais dos trabalhadores devem mudar até 2030. Basicamente, vem por aí uma transformação de funções, não o desaparecimento linear do trabalho humano.

O estudo também analisou mais de 2.800 habilidades e não encontrou nenhuma com capacidade muito alta de substituição pela IA generativa. Ou seja, o impacto tende a ocorrer no nível das tarefas, dos fluxos e das competências. Não na simples troca de pessoas por máquinas.

Essa realidade muda a conversa executiva.

Não se pensa mais em termos de quais cargos a IA elimina primeiro. A questão mais útil passa a ser quais competências humanas ganham mais valor quando combinadas com modelos, dados e automação.

O que isso significa para empresas no Brasil

No Brasil, a IA já entrou na agenda estratégica, mas a maturidade ainda é desigual.

A Bain & Company aponta que 67% das organizações brasileiras consideraram a IA uma das cinco maiores prioridades estratégicas em 2025. Ao mesmo tempo, uma pesquisa da Abiacom indica que 72% das empresas ainda estão em estágios iniciais de adoção.

Há, portanto, uma janela clara.

A boa notícia é que as empresas nacionais podem evitar uma adoção baseada em pressa, ferramentas isoladas e automações sem critério. Também podem partir de uma lógica mais consistente: IA como estrutura para ampliar decisões humanas, reduzir ruídos e acelerar crescimento com responsabilidade.

Isso é Human-Centric AI funcionando para organizações que querem usar IA sem abrir mão daquilo que sustenta decisões melhores: contexto, critério e participação humana.

Os pilares da Inteligência Aumentada – a leitura da Cortex sobre Human-Centric AI

Como você viu até aqui, Human-Centric AI não é um princípio abstrato, mas sim uma prática que orienta decisões concretas de negócio. Nesse sentido, ela tem muita proximidade com o conceito de Inteligência Aumentada defendido pela Cortex.

A diferença é que a Inteligência Aumentada traduz essa visão para a operação. Ela combina dados, modelos, automação e especialistas humanos para melhorar decisões em contextos reais. Na prática, aproxima tecnologia e estratégia em uma arquitetura voltada ao crescimento.

Tal visão parte da de que a IA entrega escala, precisão e velocidade. Já a inteligência humana direciona contexto, interpretação e aplicação prática. Ou seja, a combinação entre inteligência humana e artificial é a base para decisões mais relevantes e orientadas a resultado.

Essa abordagem, inclusive, tem respaldo no já citado framework de Ben Shneiderman.

Relembremos: para ele, tecnologias bem desenhadas podem combinar altos níveis de controle humano com altos níveis de automação computacional. Ou seja, não há oposição inevitável entre supervisão humana e automação avançada.

A partir disso, quatro pilares ajudam a explicar como a Inteligência Aumentada materializa a Human-Centric AI.

1. Ampliação da capacidade humana

O primeiro pilar é a ampliação da capacidade humana.

Na visão da Cortex, a Inteligência Artificial não ocupa o lugar das pessoas. Ela aumenta a capacidade de análise, reduz o intervalo entre informação e decisão e ajuda as empresas a atuarem de forma mais proativa.

Isso ocorre por meio de modelos capazes de identificar padrões, prever comportamentos de mercado e conectar sinais em um ecossistema de dados unificado.

É, portanto, uma lógica que muda a função da tecnologia nos espaços empresariais. Ou seja, a IA não é uma camada isolada de automação. Ela vem para apoiar decisões sobre mercado, clientes, território, reputação, canais e oportunidades.

Nesta visão, automatizar é transferir uma tarefa para a máquina. Ampliar, por outro lado, significa dar aos profissionais mais repertório, contexto e velocidade para decidir melhor.

Esse ponto também aparece em estudos globais sobre trabalho.

A PwC, por exemplo, aponta que os salários crescem duas vezes mais rápido em setores mais expostos à Inteligência Artificial. Inclusive em funções com alto potencial de automação.

2. Supervisão com critério

A supervisão com critério é o segundo pilar.

A Human-Centric AI não depende de confiança cega na máquina. Ela exige que as pessoas entendam o que a IA recomenda, avaliem a qualidade dos dados e saibam quando aceitar, ajustar ou rejeitar uma sugestão.

Isso é decisivo em decisões empresariais.

Um modelo pode indicar oportunidades comerciais, mapear risco de imagem ou apontar regiões com maior potencial de expansão. Porém, a decisão final precisa considerar contexto, metas, concorrência, timing e impacto.

Na Inteligência Aumentada defendida pela Cortex, o humano não atua como validador simbólico. Ele participa do processo com responsabilidade real, reduzindo o risco de decisões opacas, automatizadas por conveniência e desconectadas da estratégia.

3. Aprendizado contínuo com dados e usuários

Os ciclos de aprendizado marcam o terceiro pilar.

Os agentes de IA da Cortex são exemplos disso. Eles são especialistas digitais que processam dados em escala, orientam ações e aprendem continuamente com resultados e feedbacks dos usuários.

Essa formulação é importante porque diferencia a IA aplicada da automação estática.

Em uma empresa, dados mudam, clientes mudam. Territórios, canais, concorrentes e sinais de mercado também mudam. Por isso, a IA precisa evoluir junto com a operação.

Esse ciclo depende da interação entre modelo e especialista humano. Em síntese, a IA recomenda, o usuário valida, corrige, ajusta e retroalimenta o sistema. Com o tempo, esse processo melhora a qualidade das recomendações e aumenta a confiança na tecnologia.

É por isso que a Cortex defende a Inteligência Aumentada como não resumida a dashboards ou algoritmos. Na visão da companhia, essa colaboração humano-máquina é criadora de relações mais ativa – entre pessoas, agentes de IA e dados de negócio.

→ Leia também:

• IA Agêntica: definição, funcionamento e aplicações práticas.

4. Ética incorporada ao desenho do sistema

O quarto pilar é a ética incorporada ao desenho do sistema.

Aqui, ética não significa discurso genérico. Significa definir limites, responsabilidades e critérios antes que a IA influencie decisões relevantes.

Na prática, isso envolve escolher quais dados alimentam os modelos, quais decisões exigem validação humana, quais riscos devem ser monitorados e quais usos precisam ser bloqueados. Ademais, tem a ver com a clareza sobre quem responde pelo impacto da recomendação.

Estamos falando de um pilar que conecta Human-Centric AI, governança e Inteligência Aumentada. Nele, a tecnologia ganha potência, mas permanece orientada por finalidade, contexto e responsabilidade.

O Fórum Econômico Mundial ajuda a dimensionar essa mudança ao diferenciar automação e ampliação do trabalho humano.

No Future of Jobs Report 2025, o debate sobre o futuro das tarefas considera tanto atividades executadas por máquinas quanto atividades feitas em colaboração entre humanos e tecnologia.

Essa distinção resume bem a tese: o futuro competitivo da Inteligência Artificial depende mais de desenhar sistemas em que humanos e máquinas operem com papéis claros. Isso é totalmente o contrário de retirar pessoas da equação.

É a partir desse entendimento que a Cortex vê a Inteligência Aumentada como a forma prática da Human-Centric AI: Inteligência Artificial para ampliar análise, acelerar decisões e transformar dados em ação, sem abrir mão do critério humano que dá sentido à estratégia.

→ Leia também:

• Tudo sobre IA para Vendas B2B.
• Agentes de IA na Comunicação: transformando a interação e os resultados.

Human-Centric AI na prática – onde ela gera resultado em contextos de negócio

Os pilares da Inteligência Aumentada te ajudaram a entender a lógica. Agora, é hora de ver o valor da Human-Centric AI, que aparece quando ela entra nos fluxos reais de negócio.

Veja, a seguir, o detalhamento de algumas aplicações.

Vendas e Go-to-Market

Em Vendas B2B, Human-Centric AI se materializa quando a tecnologia ajuda o time comercial a vender com mais contexto.

Nesta visão, a IA pode analisar padrões de conversão, priorizar contas com maior propensão de compra, mapear decisores e transformar sinais de mercado em dossiês acionáveis. Porém, quem define abordagem, narrativa e negociação continua sendo o profissional de vendas.

As companhias que contam com Cortex Growth têm isso em seu dia a dia. É o caso da Strattner, que, em um ano, saltou de quase 0% para 70% na qualificação de leads.]

A plataforma Cortex Growth é dotada de Inteligência Artificial para apoiar prospecção outbound, qualificação inbound e estratégias allbound.

No recurso Flow, por exemplo, a inteligência gera um dossiê estratégico para prospecção, com visão da empresa, racional de aderência ao ICP, contatos, decisores e recomendações de próximos passos.

→ Saiba mais:

• Como a Cortex aplica IA em estratégias de GTM.

Expansão, território e execução comercial

Em expansão e inteligência geográfica, Human-Centric AI reduz decisões baseadas apenas em histórico ou percepção local.

Basicamente, a IA cruza dados de território, perfil sociodemográfico, presença de concorrentes, potencial de consumo e desempenho da rede. Com isso, ajuda a simular cenários, identificar padrões de unidades bem-sucedidas e justificar novas operações com dados consistentes.

Esse tipo de aplicação é possível com Cortex Geofusion, a solução líder de inteligência geográfica na América Latina. Ela apoia estratégia de expansão, gestão da rede, geomarketing, análise de concorrência e inteligência de mercado.

A Melissa, marca do Grupo Grendene, por exemplo, tem nos agentes de IA da Cortex apoio para decisões de crescimento. Com eles, recebe apontamento de municípios potenciais, locais com baixo desempenho e concentração da concorrência. A companhia também conta com o Preditor de Vendas para simular o potencial de novos pontos para o plano de 40 lojas por ano da marca.

No mercado de bens de consumo, a mesma lógica aproxima estratégia e execução. O que é fornecido por Cortex Reach, a plataforma de inteligência comercial e Go-to-Market projetada para aumentar a eficiência das vendas através de Inteligência Artificial (IA) preditiva. Ela quantifica o Potencial de Mercado Inexplorado e entrega recomendações de oportunidades no WhatsApp do vendedor, em nível de PDV e SKU.

Decisão, análise de dados e reputação

Human-Centric AI também gera resultado quando transforma excesso de dados em decisão mais clara.

Na saúde, um case de sucesso relevante é o da Hackensack Meridian Health, que usa agentes de IA com Google Cloud para apoiar a sumarização clínica, reduzir carga administrativa e liberar profissionais para uma experiência mais pessoal com pacientes.

Em comunicação e relações públicas, com gestores e profissionais da área entendendo que não basta monitorar menções, a colaboração com sistemas e agentes de IA vem ganhando força. Sobretudo para diferenciar ruído de risco, entender sentimento, comparar concorrentes e orientar resposta.

Nessas frentes, companhias como o Grupo Moura vêm superando desafios ao adotar a plataforma Cortex Brand.

Essa solução, voltada para a gestão de comunicação corporativa e reputação de marca, conecta agentes de IA, especialistas e dados para mensurar exposição, reputação, desempenho de ações, crises, canais proprietários e benchmarking setorial.

Atendimento, produtividade e liderança

Até 2027, 50% das organizações que esperavam reduzir significativamente suas equipes de atendimento e suporte por causa da IA vão abandonar esses planos.

O motivo? Dificuldades de criar operações sem agentes humanos e preservar experiência em interações mais complexas, segundo a Gartner.

Esse movimento tem sido respaldado por grandes líderes de opinião com influência no meio empresarial.

Gastón Carrión, da Accenture, ao falar sobre uma possível ameaça às lideranças, disse que, para cada dólar investido em tecnologia, empresas deveriam investir três em pessoas para ajudá-las na transição para o futuro.

Na prática, Human-Centric AI funciona melhor quando a empresa redesenha processos, capacita pessoas e usa IA para aumentar a qualidade da ação humana. É assim que a colaboração humano-máquina promove o crescimento sustentável.

→ Leia também:

• Inteligência Artificial para Marketing: guia completo.

Inteligência Aumentada – como a Cortex aplica Human-Centric AI há 22 anos, antes de virar pauta global

Muito antes da Human-Centric AI ser pauta global, a Cortex já aplicava essa lógica.

Essa trajetória começa com uma premissa que atravessa toda a atuação da companhia: dados só geram valor quando ajudam as pessoas a decidir melhor. Por isso, a visão de que a Inteligência Aumentada nasce como arquitetura de decisão, combinando tecnologia, dados, modelos de IA e especialistas humanos.

1. Uma base construída antes da IA generativa

Muito antes do avanço recente dos grandes modelos de linguagem, a Cortex já estruturava inteligência aplicada a mercados complexos. Isso em uma base que envolve captura e estruturação de dados, algoritmos próprios, georreferenciamento, modelos de Machine Learning e suporte especializado para transformar dados diversos em informação acionável.

Em 2020, essa caminhada ganhou um marco relevante: a Cortex concluiu uma rodada de R$ 170 milhões, consolidando o maior investimento em Big Data e IA da América Latina.

O aporte reforça uma direção de pioneirismo no qual a IA é aplicada a problemas reais de negócio, com foco em decisão, crescimento e execução.

2. Times híbridos como método de trabalho

A concepção de Inteligência Aumentada da Cortex parte da combinação entre humanos e agentes de IA. Nela, os agentes funcionam como especialistas digitais, capazes de processar dados em escala, entender contexto de negócio, orientar ações e aprender com resultados e feedbacks dos usuários.

Assim, os profissionais que contam com soluções e serviços Cortex ganham mais velocidade para analisar cenários, priorizar ações e ajustar decisões em tempo real.

É uma diferença relevante: um sistema automatizado executa tarefas; um time híbrido amplia capacidade de análise, reduz dependência de processos manuais e transforma dados em decisão prática.

3. Made for humans, powered by AI como tese

Made for humans, powered by AI, o lema da Cortex, funciona como síntese dessa visão.

A expressão traduz uma escolha de produto e de método: a IA entrega escala, precisão e velocidade; as pessoas mantêm contexto, intenção e responsabilidade.

Isso aparece nas plataformas fornecidas pela companhia, que unem dados, Inteligência Artificial e especialistas para apoiar decisões de empresas dos mais variados segmentos. Tudo para liberar gestores e equipes de análises manuais lentas; delegar decisões estratégicas a modelos com supervisão qualificada.

4. Inteligência Aumentada aplicada ao crescimento

A aplicação dessa tese aparece nas diferentes frentes nas quais os sistemas e os serviços Cortex atuam. Resumidamente:

• Cortex Growth a IA transforma dados em insights acionáveis para operações B2B.
• Cortex Geofusion combina dados e IA para orientar a expansão com mais eficiência.
• Cortex Brand organiza mais de 70 indicadores para fortalecer reputação.
• Cortex Reach apoia vendas com precisão na escolha de pontos físicos e portfólio.

Como avaliar se a sua estratégia de IA é genuinamente Human-Centric

Agora, como saber se a estratégia de IA da sua empresa realmente coloca o humano no centro?

Esse diagnóstico é importante porque muitas organizações já usam ferramentas inteligentes, mas ainda não têm clareza sobre governança, responsabilidades e critérios de decisão.

No Brasil, 59,1% das empresas ainda não possuem políticas formais ou diretrizes claras para uso de IA, de acordo com levantamento da Abiacom.

Portanto, a avaliação deve começar pela forma como a empresa define problemas, redesenha fluxos e estabelece papéis entre pessoas, dados e modelos.

Cinco perguntas antes de adotar qualquer solução de IA

1. Qual decisão a IA deve melhorar?

→ Se a resposta for vaga, a iniciativa já começa frágil. Uma estratégia Human-Centric precisa partir de decisões específicas, como priorizar contas, qualificar oportunidades, mapear riscos, orientar expansão ou antecipar movimentos de mercado.

2. Quem continua responsável pela decisão final?

→ IA pode sugerir, classificar, comparar e recomendar. Porém, decisões com impacto comercial, reputacional ou estratégico precisam ter responsáveis claros. Sem isso, a empresa cria uma zona cinzenta entre recomendação automática e responsabilidade humana.

3. Quais dados sustentam a recomendação?

→ Não basta saber que o modelo chegou a uma resposta. É preciso entender quais informações foram usadas, quais critérios foram considerados e quais lacunas podem afetar o resultado.

4. Como o usuário corrige a IA?

→ Toda estratégia madura precisa prever feedback. Quando a equipe não consegue ajustar, contestar ou retroalimentar o sistema, a IA passa a operar como uma caixa fechada.

5. Quais indicadores vão provar valor?

→ Eficiência isolada não basta. A empresa deve medir impacto em receita, produtividade, qualidade da decisão, redução de risco, velocidade de resposta ou precisão comercial.

Sinais de alerta de uma estratégia automation-first disfarçada de Human-Centric

O primeiro sinal de alerta aparece quando a empresa fala mais em redução de pessoas do que em melhoria da decisão. Nesse caso, a IA entra como corte de custo, não como inteligência aplicada.

Outro sinal é adotar tecnologia antes de redesenhar o fluxo.

A McKinsey mostra que organizações de alta performance em IA são quase três vezes mais propensas a redesenhar fluxos individuais de trabalho. Além disso, definem melhor quando os resultados dos modelos exigem validação humana.

Também há risco quando a empresa mede apenas o uso da ferramenta.

Número de usuários ativos, prompts ou relatórios gerados não prova maturidade. Muitas vezes, pode haver uso intenso com baixo impacto real.

O mesmo vale para sistemas que recomendam ações sem explicar critérios.

Se o usuário não entende a lógica da recomendação, ele perde capacidade de julgamento. E, quando isso acontece, a IA deixa de apoiar a decisão; passa a conduzi-la sem transparência suficiente.

Critérios de maturidade em Inteligência Aumentada

Uma estratégia iniciante costuma ter ferramentas dispersas, uso individualizado e pouca governança. Há experimentação, mas os resultados dependem mais da iniciativa de cada usuário do que de um método comum.

No estágio intermediário, a empresa já define casos de uso prioritários, responsáveis, indicadores e critérios mínimos de validação. Nele, a IA começa a entrar nos fluxos de negócio, mas ainda depende de ajustes para ganhar escala.

Em uma estratégia avançada, a Inteligência Aumentada passa a fazer parte da operação. Os times sabem onde a IA acelera, onde o humano valida e onde especialistas precisam intervir. Em síntese, dados, modelos, processos e pessoas trabalham no mesmo desenho decisório.

Esse é o ponto que diferencia uso de IA de estratégia de IA.

Uma empresa genuinamente Human-Centric não pergunta apenas se a tecnologia funciona. Ela pergunta se a tecnologia melhora a decisão, preserva responsabilidade, aprende com os usuários e gera crescimento com mais contexto.

→ Leia também:

• Chain of Thought: como a IA raciocina e o que ainda depende do humano.

FAQ – Perguntas frequentes sobre Human-Centric AI

Sobre a Cortex

A Cortex é a empresa líder em Inteligência Aumentada aplicada a Go-to-Market. Temos a mais completa plataforma de inteligência de GTM, que une dados, inteligência artificial e os maiores especialistas do mercado.

Da Indústria ao Varejo, do B2B ao B2C. Conheça nossas soluções. Ou, se tiver urgência, não perca tempo: agende uma conversa com a equipe de especialistas Cortex!