Aprendizagem por descoberta com IA: quando a resposta deixa de ser o centro

A IA tornou as respostas mais acessíveis. Isso não torna os problemas mais compreendidos.

Uma pessoa pede à inteligência artificial que organize suas prioridades. Em segundos, recebe uma matriz, um cronograma e cinco recomendações. A resposta pode ser útil. Mas talvez não toque no que está produzindo o problema: decisões centralizadas, expectativas conflitantes, ausência de critérios ou dificuldade de delegar.

Outra pessoa começa com a mesma dificuldade, mas segue por um caminho diferente. Reconstrói episódios concretos, investiga o que acontece na rotina, escuta as pessoas envolvidas, examina interpretações alternativas e testa uma mudança pequena. Usa IA ao longo de todo o percurso, não para encerrar a questão, e sim para aumentar a qualidade da investigação.

A diferença não é simplesmente ter utilizado uma ferramenta melhor. É a natureza da experiência de aprendizagem.

Essa é a aposta do DESTRAVA: aprendizagem por descoberta com IA. O desafio do trabalho é o ponto de partida. A inteligência artificial amplia a investigação. As pessoas envolvidas no problema constroem, testam e revisam possíveis caminhos. O resultado esperado não se resume à entrega de uma solução: inclui a capacidade de enxergar o problema de outra maneira.

O DESTRAVA desenha as condições. A IA impulsiona a investigação. O participante constrói o caminho e aprende ao testá-lo.

O diagnóstico dos 8 Níveis de Maturidade em IA ajuda a calibrar esse processo. Não para rotular pessoas, mas para não oferecer a mesma experiência de desenvolvimento a quem está construindo confiança inicial e a quem já discute redesenho de processos, colaboração ou futuros possíveis.

1. Não é um curso de ferramentas (e isso não desvaloriza cursos de ferramentas)

Aprender a utilizar uma ferramenta pode ser necessário. Há situações em que conhecer funcionalidades, limites, comandos ou regras de segurança é precisamente o que falta. O problema aparece quando imaginamos que esse conhecimento, sozinho, produzirá toda mudança desejada.

Considere três demandas que podem chegar à área de Treinamento e Desenvolvimento:

• “Nossas lideranças precisam saber fazer melhores prompts.”
• “As equipes usam IA, mas continuam decidindo e trabalhando como antes.”
• “Precisamos reduzir a dependência dos gestores nas decisões cotidianas.”

Essas frases não descrevem o mesmo desafio. A primeira pode pedir formação técnica. As outras exigem investigar práticas, incentivos, autonomia, colaboração e critérios de decisão. Um curso de comandos não substitui essa investigação.

Na posição do DESTRAVA, o desenvolvimento começa a ganhar outra profundidade quando o conteúdo deixa de ser o destino final e passa a ser uma das ferramentas para examinar um desafio real.

Isso altera a pergunta de desenho:

Em vez de “Que conteúdo precisamos ensinar?”, começamos com “Que desafio precisamos compreender melhor, e que experiências podem ajudar as pessoas a agir de outra maneira?”.

O conteúdo não desaparece. Ele chega quando faz sentido: como referência, contraponto, explicação ou instrumento para testar uma hipótese.

2. O desafio vem de quem conhece a realidade; a solução não vem pronta

A proposta não é pedir a uma turma que “use IA para inovar” e aguardar uma boa ideia. Isso costuma devolver apresentações convincentes, sem contato suficiente com o trabalho que se pretende transformar.

O ponto de partida é um desafio situado, trazido pela organização, por T&D, pelas lideranças ou pelos próprios participantes. Ele deve ser significativo para quem o vive e aberto o suficiente para admitir investigação.

Um bom desafio pode começar com uma inquietação, não com uma causa definida:

• “Por que nossas reuniões consomem tanto tempo sem produzir decisões?”
• “O que está por trás da dificuldade de compartilhar conhecimento entre unidades?”
• “Por que os gestores continuam centralizando decisões que poderiam ser tomadas pelos times?”
• “O que dificulta transformar usos individuais de IA em uma prática compartilhada?”

A equipe de T&D não precisa entregar o problema explicado, nem a solução desenhada. Sua responsabilidade é estabelecer a questão que merece ser explorada, seus limites, as condições de participação e algumas referências que possam ajudar a investigação.

Existe uma diferença entre proteger a qualidade da descoberta e conduzir a turma a uma conclusão previamente escolhida. Na primeira situação, o desenho ajuda a fazer perguntas melhores. Na segunda, a aprendizagem vira uma encenação de autonomia.

O que deve estar combinado antes da experiência

Em uma aplicação real, convém explicitar:

1. Desafio: que situação merece investigação e quem é afetado por ela.
2. Autonomia: quais decisões os participantes podem de fato testar ou recomendar.
3. Limites: informações confidenciais, restrições legais, recursos e riscos de intervenção.
4. Fontes: onde buscar registros e com quem conversar para não depender apenas de percepções.
5. Evidências: que sinais poderão mostrar se houve avanço no desafio e na capacidade de agir.

Esses são critérios de preparação propostos para a jornada, não uma lista de etapas históricas já comprovadas do produto.

3. A IA como motor da descoberta e como risco de encerrá-la cedo demais

A IA pode ampliar a investigação de maneiras relevantes. Ela ajuda a formular perguntas, organizar relatos, resumir registros autorizados, apresentar conceitos, encontrar hipóteses rivais, comparar alternativas e desenhar experimentos. O fato de oferecer essas possibilidades não significa que suas respostas sejam automaticamente corretas.

Há um risco específico: uma explicação bem escrita pode parecer uma explicação suficiente.

Se alguém relata que “a equipe não tem autonomia”, um assistente pode responder com uma lista de cinco causas prováveis e um plano de delegação. Mas a expressão falta autonomia ainda pode esconder problemas muito distintos: alçadas pouco claras, consequências negativas por erros anteriores, incentivos, habilidades, confiança ou decisões que realmente dependem de outras áreas.

Nesse ponto, a IA pode fortalecer a investigação ou antecipar uma conclusão. A diferença está no modo como a experiência foi desenhada.

Como regra metodológica proposta: antes de transformar uma explicação da IA em conclusão, confronte-a com acontecimentos, registros, pessoas afetadas e interpretações alternativas.

Algumas perguntas úteis:

• Que episódio concreto sustenta esta explicação?
• Que hipótese concorrente também explicaria o mesmo episódio?
• Que informação importante ainda não temos?
• Quem discorda desta leitura, e por quê?
• O que mudaria nossa conclusão?
• Que teste pequeno poderia reduzir a incerteza?

Não basta pedir à IA para “ser crítica”. A investigação precisa criar pontos em que uma resposta convincente ainda não é aceita como resposta final.

4. Seis movimentos para descobrir antes de resolver

O DESTRAVA organiza a experiência do participante em seis movimentos de descoberta guiada. Eles não são uma receita inflexível nem uma sequência oficial da IDEO. São uma adaptação autoral que parte da realidade, amplia perspectivas e retorna à ação.

Não é necessário que as seis atividades ocorram em uma única aula ou sempre com a mesma duração. Pode ser preciso voltar da reformulação à investigação, ou do teste à ampliação das lentes. O que importa é preservar a diferença entre compreender, escolher e comprovar algo no mundo.

Primeiro movimento: trazer a situação

Uma declaração inicial é frequentemente uma interpretação comprimida: “as pessoas não colaboram”, “não tenho tempo”, “ninguém quer mudar”. O primeiro trabalho é desacelerar esse diagnóstico automático. O que de fato aconteceu? Em qual situação? Com quais consequências?

A IA pode ajudar a transformar uma queixa abstrata em perguntas observáveis. Não deve inventar episódios, motivações ocultas ou a intenção de terceiros.

Segundo movimento: investigar a realidade

Antes de pedir soluções, os participantes reúnem elementos de realidade. Isso pode incluir registros de rotina, decisões, entrevistas consentidas e observações de processo.

A IA apoia a organização e a análise de informações que possam ser compartilhadas com segurança, mas não substitui a voz das pessoas envolvidas. Sempre que houver dados pessoais ou empresariais, devem ser respeitadas as regras de acesso, privacidade e uso dos assistentes adotados.

Terceiro movimento: ampliar as lentes

Aqui entram conceitos e metodologias. Uma leitura sobre delegação, prioridades, aprendizagem ou redesenho de processos pode revelar algo que a turma não percebia. Mas não se trata de entregar uma apostila para encaixar o desafio em uma teoria.

Cada lente precisa mostrar sua utilidade e seu limite: o que ela ilumina, onde ajuda e onde deixa de explicar o caso.

Quarto movimento: reformular o problema

Uma investigação ganha profundidade quando a pergunta muda. “Não tenho tempo para liderar” talvez dê lugar a “quais decisões estão desnecessariamente centralizadas em mim?”. Essa reformulação é apenas uma hipótese e ainda precisa ser verificada.

A IA pode confrontá-la com alternativas e expor consequências não percebidas. A decisão sobre qual hipótese merece teste pertence às pessoas que conhecem o contexto.

Quinto movimento: construir e testar

A resposta não é um slide final. Os participantes desenham um experimento proporcional à sua autonomia e aos riscos envolvidos: pequeno o suficiente para ser viável, significativo o suficiente para produzir informação.

É nessa passagem que a investigação deixa de ser apenas intelectualmente interessante e entra na realidade do trabalho.

Sexto movimento: extrair o aprendizado

O teste pode funcionar, funcionar parcialmente ou falhar. Em qualquer hipótese, é preciso comparar o que se esperava com o que aconteceu. O que a experiência revelou? Qual premissa caiu? Que comportamento precisou mudar? Que questão surgiu agora?

Aprender não é apenas acumular respostas corretas. É construir condições para revisar a própria compreensão e decidir o que testar depois.

5. Um exemplo completo: “Não tenho tempo para liderar”

O exemplo a seguir é ilustrativo e não descreve uma aplicação documentada do DESTRAVA.

Uma gestora diz que não tem tempo para desenvolver sua equipe. O caminho mais rápido seria solicitar à IA uma agenda de reuniões individuais e um guia de produtividade. Pode ser útil, mas talvez não toque na razão pela qual ela abandona esses compromissos.

1. Trazer a situação. Em vez de discutir “gestão do tempo” em abstrato, ela identifica três conversas canceladas para atender urgências operacionais. A IA ajuda a organizar o relato, sem concluir que a gestora administra mal sua agenda.

2. Investigar a realidade. Ela observa quais urgências chegam, de onde vêm e quem poderia resolvê-las. Conversa com pessoas do time e procura padrões. A IA ajuda a elaborar perguntas, mas não presume ter ouvido ninguém.

3. Ampliar as lentes. A turma examina prioridades, autonomia, delegação e papéis decisórios. A IA compara interpretações: faltam critérios? existe medo de errar? há dependência real da gestora? Os conceitos servem para examinar o caso, não para decorar uma apresentação.

4. Reformular o problema. Surge uma hipótese: “Estou concentrando decisões que o time poderia assumir se existissem critérios e limites claros.” Outra hipótese permanece em aberto: talvez existam regras organizacionais que realmente obriguem a escalada. Ambas precisam ser examinadas.

5. Construir e testar. Durante um período combinado, a equipe experimenta critérios explícitos para resolver um conjunto restrito de decisões sem escalar tudo. Define-se o que não pode ser delegado, como registrar exceções e quais sinais serão observados.

6. Extrair o aprendizado. A gestora e a equipe comparam decisões, interrupções, erros e percepções. Se a hipótese não se confirmar, revisam o problema. Se houver melhora, perguntam o que tornou a nova prática possível e como sustentá-la.

O desenvolvimento, nessa interpretação, não está apenas em recuperar minutos na agenda. Está em modificar a forma de formular o problema, relacionar-se com a equipe e tomar decisões. Isso precisa ser observado, não pressuposto porque o experimento pareceu interessante.

6. As lentes teóricas não são o currículo oculto

Quando uma organização contrata desenvolvimento, é tentador listar previamente tudo que será ensinado: liderança situacional, priorização, delegação, comunicação, colaboração, estratégia. Na aprendizagem por descoberta, essas referências têm outro papel.

Elas funcionam como lentes de investigação, não como respostas que o grupo deve reproduzir. Uma lente pode entrar durante a preparação do desafio ou ser mobilizada quando a realidade revelar uma pergunta relevante.

A disciplina continua a mesma:

1. O que essa abordagem nos permite perceber?
2. Em que condições ela ajuda?
3. Onde ela não explica o que estamos observando?

O facilitador precisa também admitir uma possibilidade: a lente inicialmente escolhida pode não ser a melhor. E a IA, por mais articulada que pareça, pode apresentar uma aplicação de teoria sem compreender suficientemente a situação.

A conexão com campos externos é explícita, mas não transforma o DESTRAVA numa reprodução deles. A aprendizagem experiencial de David Kolb foi um estímulo original à reflexão do autor sobre aprendizagem; action learning e design centrado nas pessoas são diálogos e convergências posteriores. Esses campos ajudam a contextualizar a investigação de experiências reais e a aprendizagem pela ação, mas não validam os seis movimentos como protocolo científico nem os oito níveis como estágios comprovados.

Conheça os fundamentos e as referências.

7. O papel dos oito níveis: calibrar a experiência, não determinar o destino

Se a mesma atividade é oferecida a todas as pessoas, a experiência pode ser irrelevante para algumas e desafiadora demais para outras. O DESTRAVA propõe usar a leitura dos 8 Níveis de Maturidade em IA para ajustar o tipo de investigação, sempre à luz do desafio real, do contexto e da autonomia de quem participa.

Como hipótese de desenho pedagógico, essa calibragem faz sentido dentro da interpretação dos oito níveis, mas ainda não equivale a um protocolo de eficácia demonstrada. Não se deve pressupor que todos os integrantes de um grupo se encontrem no mesmo nível, nem que um nível mais alto seja necessário para realizar um trabalho valioso.

O diagnóstico tem a função de abrir perguntas: como a pessoa descreve sua relação atual com a IA, que possibilidades enxerga e quais experiências podem ampliar esse repertório. Ele é um instrumento de percepção, não uma medição psicométrica validada nem um juízo sobre o valor profissional de alguém.

Entenda os oito níveis · Aprofunde a tese.

8. Quem sustenta a descoberta?

Aprendizagem por descoberta não significa abandono pedagógico. Dar protagonismo aos participantes aumenta a necessidade de um bom desenho.

Não é papel do facilitador saber previamente “a resposta certa” para cada grupo. É papel dele preservar a qualidade da investigação, reconhecer riscos, oferecer repertório e ajudar a turma a não se satisfazer com a primeira resposta convincente.

Isso também significa reconhecer que há problemas que não podem ser resolvidos apenas pelos participantes: falta de alçada, decisões de direção, conflitos contratuais e limitações de infraestrutura exigem participação de quem detém responsabilidade efetiva. Não se deve responsabilizar uma turma por mudar aquilo que não está sob sua governabilidade.

9. Dois resultados: o desafio e a capacidade de agir

Uma jornada pode terminar com uma apresentação brilhante e quase nenhuma mudança observável. Por isso, a proposta editorial do DESTRAVA distingue duas perguntas de avaliação.

Resultado no desafio

O que avançou no problema real?

Talvez um fluxo tenha sido simplificado, uma decisão distribuída, uma rotina revista ou uma hipótese rejeitada com base em evidências. O objetivo e os indicadores devem ser definidos em função do caso, antes de proclamar sucesso.

Resultado no desenvolvimento

O que mudou na capacidade de compreender e agir?

Os participantes fizeram perguntas que não faziam? Examinaram uma hipótese em vez de aceitá-la? Ouviram pessoas que estavam fora do próprio campo de visão? Mudaram uma decisão ou prática após observar resultados?

Esses sinais podem ser documentados com registros de antes e depois, relatos fundamentados, observação de comportamentos e evidências dos testes. Não são, por si, uma prova de aumento de nível de maturidade nem de impacto causal atribuível exclusivamente à IA.

O diagnóstico pode ser utilizado no início e ao final da jornada como uma das fontes de leitura da percepção dos participantes, desde que se considerem as características do instrumento, sua versão e os limites de comparação. A evidência de aprendizagem não deve depender apenas de um número.

Uma resposta final não basta. É preciso saber o que foi questionado, o que foi testado e o que foi aprendido.

10. Limites e responsabilidade: quando a IA não deveria conduzir

O DESTRAVA não propõe utilizar IA em todas as etapas de qualquer problema. Alguns assuntos demandam confidencialidade, especialista habilitado, decisão humana ou controles que um assistente generalista não oferece.

Na prática, convém preservar pelo menos cinco cuidados:

• Privacidade e confidencialidade. Não inserir dados pessoais de participantes, clientes ou colaboradores em assistentes de terceiros sem autorização e condições adequadas de tratamento. Anonimizar exemplos quando necessário, sem prometer impossibilidade absoluta de reidentificação.
• Verificabilidade. Conferir dados, fontes, citações e premissas antes de convertê-los em base de decisão.
• Autoria e responsabilidade. A decisão sobre o experimento, seus riscos e suas consequências pertence aos responsáveis humanos.
• Direitos dos participantes. Não transformar o diagnóstico em classificação compulsória para seleção, demissão, remuneração ou sanção de desempenho.
• Contexto. Reconhecer que nem todos têm acesso, segurança, autonomia ou oportunidade para experimentar novas práticas; essas condições também influenciam o desenvolvimento.

O próprio reconhecimento de limites é coerente com um princípio da tese: maturidade também é saber quando não utilizar IA.

11. O que essa proposta é e o que não é

A tese explica diferentes profundidades de relação com a IA. A aprendizagem por descoberta transforma essa interpretação em uma proposta de experiência. O DESTRAVA é a conexão entre as duas coisas.

12. Perguntas frequentes

O que é aprendizagem por descoberta com IA?

Na proposta do DESTRAVA, é uma experiência de desenvolvimento que começa com um desafio real, utiliza IA para ampliar investigação e contrapontos e coloca os participantes na construção e no teste de alternativas. O objetivo inclui aprender com a experiência, não apenas receber uma solução.

A IA substitui o professor, o facilitador ou a área de T&D?

Não na proposta descrita aqui. A facilitação continua responsável pelo desenho pedagógico, pela qualidade das perguntas e pelas condições da experiência. A IA oferece apoio à investigação; participantes e responsáveis continuam tomando decisões.

O que diferencia essa abordagem de um curso de prompts?

O curso ensina recursos e técnicas de uso. A aprendizagem por descoberta usa essas capacidades, quando necessárias, para investigar um problema, confrontar hipóteses e experimentar mudanças. São formatos que podem se complementar.

Qual é a relação entre essa metodologia e os oito níveis?

Os oito níveis oferecem uma interpretação sobre a profundidade da relação com a IA. O DESTRAVA propõe usar essa leitura para calibrar desafios, perguntas e experiências, sem tratar o nível como atributo permanente nem como verdade psicométrica.

Os seis movimentos são o método oficial de David Kolb ou da IDEO?

Não. São uma adaptação autoral do DESTRAVA. A aprendizagem experiencial de Kolb foi um estímulo intelectual anterior; práticas de design centrado nas pessoas e action learning são diálogos posteriores. Esses referenciais não criaram nem validaram os seis movimentos.

Como saber se o desenvolvimento aconteceu?

É preciso observar tanto o que avançou no desafio quanto o que mudou na capacidade de formular perguntas, investigar, testar e agir. O diagnóstico pode contribuir como leitura de percepção, mas não substitui evidências da prática.

O DESTRAVA serve apenas para quem já sabe usar IA?

A proposta prevê diferentes pontos de entrada. Para iniciantes, pode começar pela utilidade concreta; para grupos com maior familiaridade, pode enfatizar revisão de premissas, redesenho do trabalho e colaboração. A adequação depende do caso e do contexto.

13. Continue a investigação

• Conhecimento: a tese e seus desdobramentos
• A tese dos 8 Níveis de Maturidade em IA
• A origem dos oito níveis
• Fundamentos e convergências teóricas
• Os oito níveis oficiais
• Evidências públicas e limitações
• Experiência diagnóstica DESTRAVA

Referências e distinção entre influência e convergência

As referências abaixo ajudam a contextualizar a proposta editorial. Nenhuma delas é apresentada como validação científica dos seis movimentos ou dos oito níveis.

1. Kolb, David A. (1984). Experiential Learning: Experience as the Source of Learning and Development. Prentice-Hall. Estímulo intelectual de origem declarado pelo autor do DESTRAVA. Os quatro modos de aprendizagem são experiência concreta, observação reflexiva, conceituação abstrata e experimentação ativa. Referência institucional: Toronto Metropolitan University.
2. Revans, Reginald. Princípios de action learning: aprendizagem em grupos por meio de desafios reais, ação e reflexão sobre resultados. Convergência metodológica posterior. Action Learning Institute.
3. IDEO. Design Thinking at IDEO. Investigação de experiências reais, síntese, alternativas, prototipagem e teste em processo iterativo. Convergência metodológica posterior. Documentação da IDEO. A própria IDEO esclarece que não existe um único roteiro inflexível de design thinking: FAQ institucional.

Os textos anteriores da base de Conhecimento apresentam outros diálogos relevantes com mudança, aprendizagem e estratégia em Fundamentos. Aqui foram priorizados apenas os referenciais pertinentes ao desenho da experiência de descoberta.