REGISTRO DOI: 10.70773/revistatopicos/787963724
RESUMO
O presente ensaio discute os possíveis efeitos da disseminação de ferramentas de inteligência artificial generativa durante os anos formativos da graduação, com especial atenção à formação de estudantes de Administração. Parte-se da observação de mudanças recentes nas atividades acadêmicas, caracterizadas, de um lado, pela maior qualidade formal e aparente sofisticação das produções escritas e, de outro, por dificuldades observadas na defesa oral e na demonstração do domínio conceitual dos trabalhos realizados. Fundamentado na teoria das coortes geracionais, no conceito de cognitive offloading e na teoria da carga cognitiva, o ensaio propõe, como construção analítica, a denominação Geração Z “IA” para o estrato de jovens que ingressou no ensino superior a partir de 2023, em um contexto no qual ferramentas generativas já se encontravam presentes na rotina acadêmica. Argumenta-se que a terceirização sistemática de etapas cognitivas pode produzir efeitos distintos conforme o repertório previamente acumulado: enquanto estudantes com bases conceituais consolidadas podem utilizar a tecnologia como acelerador de sua produção, aqueles ainda em formação podem reduzir a prática de operações necessárias à construção da autonomia intelectual. O argumento é posteriormente relacionado ao debate sobre o gestor “orquestrador” e às exigências futuras do trabalho. Por fim, discutem-se implicações pedagógicas, defendendo-se formas de ensino e avaliação que preservem espaços para formulação própria, tentativa, erro, argumentação e defesa das escolhas realizadas.
Palavras-chave: Inteligência Artificial Generativa; Geração Z; Coortes Geracionais; Descarregamento Cognitivo; Autonomia Intelectual.
ABSTRACT
This essay discusses the potential effects of the widespread use of generative artificial intelligence during the formative years of undergraduate education, with particular attention to Business Administration students. It draws on observations of recent changes in academic activities, characterized, on the one hand, by greater formal quality and apparent sophistication in written assignments and, on the other, by difficulties in oral defense and in demonstrating conceptual mastery of the work produced. Grounded in generational cohort theory, the concept of cognitive offloading, and cognitive load theory, the essay proposes the analytical construct of “Gen Z ‘AI’” to refer to the subgroup of young people who entered higher education from 2023 onward, in a context in which generative AI tools were already present in academic routines. It argues that the systematic outsourcing of cognitive tasks may produce different effects depending on students’ previously accumulated knowledge: while students with established conceptual foundations may use the technology as an accelerator of their work, those still developing such foundations may reduce their practice of cognitive operations necessary for intellectual autonomy. The argument is subsequently related to the debate over the “orchestrator” manager and the future demands of professional work. Finally, the essay discusses pedagogical implications and argues for teaching and assessment practices that preserve opportunities for independent formulation, trial and error, argumentation, and defense of students’ own choices.
Keywords: Generative Artificial Intelligence; Generation Z; Generational Cohorts; Cognitive Offloading; Intellectual Autonomy.
1. HÁ ALGO DE ESTRANHO NO REINO ACADÊMICO
A breve alusão a uma célebre frase proferida por um dos personagens de Shakespeare em Hamlet2, com o intuito de anunciar um mau presságio, um aviso de que algo grave estava acontecendo na base da sociedade, serve aqui ao mesmo propósito. Nos dias atuais vem se desdobrando um fenômeno relevante, cujos possíveis efeitos a longo prazo são preocupantes e cujas primeiras manifestações já começaram a chamar bastante a atenção.
Os finais de semestre na UFRJ (Universidade Federal do Rio de Janeiro) não são mais como costumavam ser. Nas diferentes turmas e cursos por onde passei ao longo dos últimos sete anos, as semanas que antecediam as entregas dos trabalhos finais eram caracterizadas por um clima de tensão nas salas de aula e corredores da universidade. Alunos com muitas dúvidas. Ansiosos muitos dias antes das datas limites para conclusão dos trabalhos. Querendo mostrar o que já haviam feito e solicitando confirmações sobre estarem no caminho correto. Os semblantes de preocupação eram regra. Todavia, nos períodos mais recentes tenho reparado uma mudança significativa neste cenário. Discentes mais relaxados, despreocupados. Dúvidas escassas, em geral apenas sobre as orientações para realização do trabalho, sobre os comandos para a tarefa. Expressões leves tais quais as de início dos semestres. A tensão com avaliações das disciplinas só parece ganhar pauta nos espaços da universidade entre os estudantes quando o assunto envolve provas. Não é possível ignorar essa e outras mudanças.
Nos trabalhos que costumo aplicar nas disciplinas de Marketing e de Gestão de Serviços mudou a qualidade média das entregas. Mudou radicalmente. Relatórios bem escritos, raros erros de redação sejam de digitação sejam de gramática, concordância ou afins. A maioria é impecável neste sentido. A extensão dos trabalhos também aumentou. O limite máximo de páginas é quase sempre atingido. Análises em boa parte pertinentes, gráficos e tabelas bem apresentados. E uma curiosidade: apresentações orais mais fracas do que antes. Oradores mais dependentes do conteúdo lido nos slides projetados. E uma dificuldade aparentemente bem maior em defender ou justificar pontos apresentados no próprio trabalho. A arguição aos integrantes dos grupos tornou-se reveladora. Em boa parte dos casos existe um gap inegável entre a melhora do conteúdo escrito entregue (incluindo slides usados nas apresentações) e a piora na capacidade de demonstrar conhecimento adquirido no processo de confecção do trabalho, bem como na própria disciplina.
E o que gerou essa mudança? Há uma coincidência destacável entre o fenômeno relatado e a disseminação de uso das Inteligências Artificiais Generativas entre os estudantes. A suspeita de que uma tenha levado ao outro, bem como os riscos e desafios pertinentes a esse cenário, motivaram o presente ensaio3. Com isso, aqui apresentam-se reflexões sobretudo focadas em uma geração de jovens estudantes que ingressou no ensino superior a partir de 2023, realizando sua travessia universitária sob a presença desde o início e contínua de plataformas de inteligência artificial generativa na rotina acadêmica.
Sem o viés exclusivo de uma crítica, o objetivo deste artigo é provocar reflexões a partir da observação de um fenômeno ainda em curso, mas cujos efeitos, em parte, podem ser estimados com base em um corpo teórico robusto já confirmado ao longo do tempo, tal qual a teoria de coortes geracionais (Mannheim, 1952; Ryder, 1965; Strauss; Howe, 1991).
A partir disso, também sugere-se que, enquanto ferramenta, o uso sistemático dessas tecnologias generativas durante os anos formativos da graduação pode tanto acelerar a produção de um público que já possui um repertório teórico, como pode também fragilizar o desenvolvimento do raciocínio crítico e da autonomia intelectual de quem ainda está (ou deveria estar) construindo suas bases conceituais.
2. COMO ESTE FENÔMENO PODE COMPROMETER O FUTURO?
Por um lado há questões envolvidas que demonstram prejuízo à formação dos futuros profissionais, em termos de conhecimento que levarão consigo para o mercado depois de expostos a um modelo de aprendizado apoiado no uso inadequado das novas ferramentas generativas de conteúdo. Ao recorrer a uma tecnologia para resolver exercícios analíticos rapidamente, o estudante tende a pular etapas de construção do pensamento, organização de ideias e desafios da escrita. Processos que possuem papel fundamental na fixação e compreensão do material proposto para estudo.
Para além desse risco social de profissionais menos preparados, é preciso falar da possível formação de valores e comportamentos problemáticos em toda uma geração. Entendendo que tais pessoas poderão perpetuar certas posturas e hábitos pelo resto de suas vidas (Carneiro; Souza; Saldanha, 2023).
Para entender melhor esta tese cabe definir uma geração sociologicamente como um grupo de indivíduos que partilha de uma mesma localização no tempo histórico, no qual vivenciaram eventos marcantes durante sua fase de socialização inicial (Mannheim, 1952). Em estudos sobre comportamento e consumo, esses coortes geracionais revelam ter conjuntos de visões de mundo e hábitos em comum, moldados por experiências frente a eventos relevantes que viveram em seus anos formativos (Carneiro, 2019); dentre os quais incluem-se as tecnologias emergentes, muitas vezes disruptivas, como no caso aqui abordado.
Sob essa ótica, ressalta-se que uma geração que aprende a resolver problemas, produzir textos e buscar respostas sob mediação constante de sistemas generativos pode desenvolver uma relação diferente com o esforço intelectual, a autoria, a incerteza e o próprio exercício do julgamento. Em escala social mais ampla, isso levanta uma questão que vai além da preparação para o mercado: que tipo de cultura pode se formar quando uma parcela significativa de seus futuros integrantes atravessa os anos formativos habituada a terceirizar parte das funções cognitivas?
Tal preocupação não é inédita, nem isolada. Estudos realizados antes mesmo da disseminação da IA generativa já registravam sinais de declínio em determinadas medidas cognitivas em algumas populações. Pesquisas com coortes norueguesas identificaram uma reversão do crescimento histórico dos escores de inteligência, associada principalmente a fatores ambientais (Bratsberg; Rogeberg, 2018), enquanto dados de jovens adultos dinamarqueses também revelaram declínio em diferentes testes cognitivos entre coortes sucessivas (Teasdale; Owen, 2008). As causas desses movimentos, entretanto, permanecem objeto de debate.
Agora, com a presença de sistemas capazes de assumir parcelas cada vez maiores de tarefas intelectuais, acrescenta-se uma variável nova e poderosa a essa discussão. A reflexão que se impõe, portanto, é se a terceirização sistemática de operações cognitivas durante os anos formativos pode reduzir a prática dessas mesmas operações e, consequentemente, afetar as capacidades futuras não apenas dos profissionais, mas também dos cidadãos em geral.
3. GERAÇÃO Z ‘IA’
A Geração Z constitui uma coorte cuja socialização ocorreu em um ambiente marcado pela crescente presença de tecnologias digitais, smartphones e redes sociais, especialmente entre seus integrantes mais jovens (Twenge, 2023). Mapeamentos comportamentais sobre essa geração apontam um perfil orientado ao pragmatismo, à busca por autenticidade e a uma preferência por soluções imediatas na resolução de problemas (Francis; Hoefel, 2018). Este conjunto de características parece impulsionar um uso nocivo da IA Generativa, no qual abre-se facilmente mão de trabalhar processos cognitivos em troca da agilidade conseguida ao repassar problemas à ferramenta e reproduzir adiante as respostas por ela fornecida.
Embora tais traços comportamentais possam ser vistos em toda a amplitude etária da Geração Z é possível que os efeitos provocados por esse processo de interação com a IA sejam distintos intra-grupo, mostrando-se mais relevantes, quiçá determinantes, para a parcela mais jovem da geração. De tal sorte que o presente trabalho propõe tratar de maneira distinta, como proposição analítica aqui denominada Geração Z ‘IA’, o estrato dos nascidos após 2005, por serem aqueles que em geral já ingressaram, ou ingressarão, na universidade em um cenário ditado pela IA Generativa.
O racional e suas respectivas premissas são: (i) o ingresso na faculdade costuma ocorrer aos 18 anos de idade; (ii) foi apenas ao longo de 2023 que a inteligência artificial generativa — disponibilizada ao público por meio do ChatGPT em novembro de 2022 (OpenAI, 2022) — começou a se disseminar mais rapidamente entre usuários individuais, instituições educacionais e organizações, passando a integrar práticas de estudo e trabalho; (iii) jovens que ingressaram na universidade em 2023 aos 18 anos nasceram em 2005 e, a partir destes, os estudantes mais jovens também passaram a vivenciar sua formação universitária em um contexto no qual essa tecnologia já estava mais presente no cotidiano acadêmico.
A escolha de 2023 como marco não pretende afirmar que foi naquele ano que a utilização acadêmica da inteligência artificial generativa se tornou massiva, tampouco estabelecer uma fronteira tecnológica rígida. Trata-se de uma aproximação temporal adotada neste ensaio a partir de indícios de que, já naquele ano, essas ferramentas haviam alcançado presença relevante entre estudantes universitários. Pesquisa realizada pela Chegg em 15 países, incluindo o Brasil, encontrou 40% dos estudantes de graduação pesquisados afirmando já ter utilizado inteligência artificial generativa em seus estudos universitários (Chegg, 2023). O dado não permite inferir que essa fosse a realidade da maioria dos estudantes brasileiros, mas indica que, poucos meses após a disponibilização pública do ChatGPT, seu uso acadêmico já alcançava parcela expressiva dos estudantes pesquisados em diferentes contextos nacionais.
Evidências internacionais posteriores ajudam a corroborar essa escolha temporal. Estudo realizado com estudantes de instituições de ensino superior de 109 países e territórios, entre o final de 2023 e o início de 2024, encontrou o ChatGPT já incorporado a diferentes práticas acadêmicas (Ravšelj et al., 2025). Na University of Maryland, o ano acadêmico de 2023–2024 foi caracterizado como o primeiro ano completo em que ferramentas de inteligência artificial generativa estiveram amplamente disponíveis para toda a comunidade do campus (Masters et al., 2024). Esses dados não permitem determinar quando ocorreu uma eventual utilização majoritária entre estudantes, especialmente no contexto brasileiro, e é possível que a disseminação tenha avançado de forma ainda mais acentuada em 2024 ou posteriormente. Sugerem, contudo, que 2023 já correspondia a um período de transição, no qual a inteligência artificial generativa começava a deixar de ser apenas uma tecnologia emergente e passava a integrar, em escala relevante, o ambiente educacional. Por essa razão, o ano é adotado aqui como marco analítico aproximado, para identificar os estudantes que iniciaram sua experiência universitária em um contexto no qual essas ferramentas já estavam disponíveis e começavam a se incorporar ao cotidiano acadêmico.
A reflexão/provocação que aqui se faz dá conta da possibilidade de o advento da inteligência artificial generativa gerar efeitos diferentes em jovens que já vivenciaram parte da formação acadêmica superior nos moldes tradicionais de leitura e escrita, do que pode gerar em ingressantes do ensino superior a partir de 2023, para os quais a mediação do estudo por estes modelos de linguagem já se coloca como infraestrutura primária de síntese desde o início da vida universitária.
A questão, portanto, não está apenas na intensidade do uso da tecnologia, mas no momento da formação em que ela passa a interferir na execução das tarefas cognitivas.
Tal decisão de cindir a Geração Z encontra respaldo na literatura sobre coortes geracionais na qual a divisão interna de uma geração já caracterizada mostrou-se relevante devido a identificação de condições distintas em sua formação que levaram a valores e comportamentos também diferentes quando comparados dois grupos intracoorte. Tal qual ocorreu com os Baby Boomers divididos em dois subcoortes distintos — Early Boomers forjados no idealismo do pós-guerra e Late Boomers marcados pelas crises econômicas dos anos 1970 (Schuman; Scott, 1989; Meredith; Schewe, 1994).
4. A MECÂNICA DA ACOMODAÇÃO COGNITIVA
“Para compreender o impacto dessa tecnologia no aprendizado, é necessário distinguir seu modo de funcionamento daquele das ferramentas analíticas tradicionais. Enquanto sistemas de IA podem ser desenvolvidos especificamente para tarefas como classificação, previsão ou identificação de padrões, a inteligência artificial generativa utiliza modelos capazes de produzir textos e outros conteúdos a partir de instruções do usuário. No caso dos grandes modelos de linguagem (LLMs), essa produção envolve o processamento de extensos volumes de dados linguísticos e a previsão de sequências de tokens, permitindo gerar respostas articuladas e contextualmente adequadas (Shanahan, 2024; Mollick, 2024).
Descarregar tarefas mentais em dispositivos externos é um recurso cotidiano e funcional em diversas atividades (Risko; Gilbert, 2016). A questão ganha relevância quando o descarregamento ocorre no momento em que o estudante precisa exercitar a retenção e a associação de conceitos fundamentais.
É importante, contudo, não confundir o descarregamento cognitivo com o problema decorrente de seu uso em situações nas quais a própria atividade delegada faz parte daquilo que o estudante ainda precisa aprender. Recorrer a instrumentos externos para facilitar tarefas não é algo novo. Uma calculadora pode ser usada para acelerar uma operação, assim como um mapa pode ajudar alguém a encontrar um caminho ou uma agenda pode lembrar compromissos. Nesses casos, a ferramenta funciona como apoio e permite que a pessoa concentre sua atenção em outras tarefas. A situação é diferente quando aquilo que se delega à ferramenta corresponde justamente a uma habilidade que ainda está em processo de formação. Na educação, esse ponto é particularmente importante. A IA generativa pode ir além de auxiliar uma tarefa já iniciada: pode sugerir hipóteses, organizar argumentos, resumir textos e entregar uma resposta praticamente pronta. Se isso acontece antes que o estudante tenha desenvolvido essas capacidades, a facilidade proporcionada pela ferramenta pode significar também menos oportunidades para exercitá-las.
À luz da teoria da carga cognitiva (Sweller, 1988), a aprendizagem depende da construção e da automatização de esquemas de conhecimento. Quando a delegação de uma tarefa elimina justamente o processamento necessário à construção desses esquemas, a facilidade proporcionada pela ferramenta pode ocorrer às custas da aprendizagem. Essa dinâmica encontra respaldo empírico no experimento conduzido por Bastani et al. (2025): embora o acesso ao GPT-4 tenha elevado significativamente o desempenho dos estudantes durante a resolução assistida de problemas, aqueles que utilizaram a versão sem salvaguardas tiveram desempenho 17% inferior ao grupo de controle quando posteriormente avaliados sem acesso à ferramenta. Os autores interpretam o resultado como evidência de que o uso irrestrito da IA pode melhorar o desempenho imediato ao mesmo tempo em que prejudica a aquisição das habilidades necessárias para resolver os problemas autonomamente.
Essa dependência envolve também uma dimensão emocional. Enfrentar uma folha em branco para resolver um problema de gestão traz incerteza e exige tolerância ao desconforto de não saber imediatamente como começar. Estudos sobre jovens e ambientes digitais têm registrado mudanças relevantes nos padrões de ansiedade, bem-estar e comportamento das gerações mais recentes (Haidt, 2024; Twenge, 2023). Nesse contexto, a expressão ‘geração ansiosa’ ganhou visibilidade no debate contemporâneo, inclusive a partir da obra de Haidt (2024). Nesses momentos, acionar o prompt pode funcionar como uma espécie de “ansiolítico cognitivo”: a resposta rápida atenua o desconforto da página em branco, mas reduz o tempo de reflexão silenciosa necessário para a formulação de hipóteses próprias.
5. O GESTOR ORQUESTRADOR
Philip Kotler, uma das principais referências mundiais em administração e marketing, propõe, em “Marketing 7.0: A Guide for Thinking Marketers in the Age of AI”, um novo papel para as lideranças na era da inteligência artificial (Kotler; Kartajaya; Setiawan, 2026). Ele e seus coautores enfatizam que o executivo contemporâneo deve atuar crescentemente como um “orquestrador” de sistemas tecnológicos, definindo diretrizes estratégicas enquanto os algoritmos executam tarefas mais operacionais. No ambiente acadêmico, essa perspectiva permite supor que o estudante de Administração poderia concentrar-se precocemente em decisões de alto nível, delegando à máquina etapas mais elementares de execução.
A orquestração eficaz, contudo, pressupõe conhecimento de domínio previamente acumulado. Para avaliar criticamente o diagnóstico gerado por uma ferramenta de inteligência artificial, o gestor precisa ser capaz de identificar premissas falhas, omissões ou análises superficiais.
Estudos sobre a introdução de IA em rotinas de suporte corporativo encontraram ganhos de produtividade e aprendizado heterogêneos segundo o nível de experiência prévia dos trabalhadores (Brynjolfsson; Li; Raymond, 2023; Dell’Acqua et al., 2026). No primeiro caso, por exemplo, o acesso a um assistente baseado em IA aumentou a produtividade dos trabalhadores, com efeitos particularmente expressivos entre profissionais menos experientes, enquanto os ganhos foram menores entre os mais experientes. Esse resultado, embora produzido em um contexto distinto do educacional, ajuda a pensar, por analogia, a relação entre repertório prévio e uso de ferramentas generativas.
Essa questão também aparece em uma pesquisa realizada no contexto corporativo brasileiro. Em trabalho de conclusão de curso de graduação em Administração que tive oportunidade de orientar na FACC/UFRJ, Perez (2026) identificou uma importante distinção entre autonomia operacional e autonomia intelectual: enquanto a ferramenta amplia a capacidade do profissional júnior de executar tarefas e gerar entregas rapidamente, ela pode fragilizar sua autonomia intelectual quando utilizada de forma acrítica. O achado sugere uma diferença importante: profissionais com base técnica consolidada podem utilizar a IA como acelerador analítico, enquanto aqueles em estágio formativo correm o risco de produzir relatórios com aparente sofisticação formal, mas com menor sustentação conceitual própria quando precisam defender suas escolhas.
6. CAMINHOS PARA A PRÁTICA PEDAGÓGICA
Proibir o uso de ferramentas digitais no ensino superior parece uma medida pouco eficaz. A inteligência artificial generativa já está integrada à rotina universitária e ao mercado de trabalho. Mais do que impedir seu uso, o desafio parece estar em repensar os métodos de ensino e as formas de avaliação no ensino superior.
Trabalhos escritos extraclasse e relatórios padronizados podem constituir evidências menos seguras do aprendizado individual quando sua elaboração é amplamente mediada por ferramentas generativas. Para estimular a autonomia intelectual, ganham relevância atividades que permitam observar o estudante em situações nas quais precise mobilizar seus próprios conhecimentos, como debates em sala, resolução de casos, exercícios realizados sob supervisão docente e arguições orais.
Talvez uma das tarefas mais importantes da universidade, nesse cenário, seja continuar oferecendo ao estudante situações em que ele precise formular uma resposta antes de receber uma sugestão de solução já pronta. O rascunho, a dúvida e a tentativa não são apenas etapas incômodas do trabalho intelectual: são parte do próprio processo pelo qual o conhecimento se consolida e o julgamento se desenvolve. Se a inteligência artificial pode assumir parcelas cada vez maiores da execução, preservar espaços para que o estudante pense, erre, reformule e defenda suas próprias escolhas pode ser uma das condições para que a tecnologia amplie (em vez de substituir) sua formação intelectual.
REFERÊNCIAS BIBLIOGRÁFICAS
BASTANI, Hamsa et al. Generative AI without guardrails can harm learning: evidence from high school mathematics. Proceedings of the National Academy of Sciences, v. 122, n. 26, e2422633122, 2025. DOI: 10.1073/pnas.2422633122.
BESTCOLLEGES. Half of college students say using AI on schoolwork is cheating or plagiarism. [S. l.]: BestColleges, 17 mar. 2023. Disponível em: https://www.bestcolleges.com/research/college-students-ai-tools-survey/. Acesso em: 20 jul. 2026.
BRATSBERG, Bernt; ROGEBERG, Ole. Flynn effect and its reversal are both environmentally caused. Proceedings of the National Academy of Sciences, v. 115, n. 26, p. 6674-6678, 2018. DOI: 10.1073/pnas.1718793115.
BRYNJOLFSSON, Erik; LI, Danielle; RAYMOND, Lindsey R. Generative AI at work. Cambridge: National Bureau of Economic Research, 2023. (NBER Working Paper Series, n. 31161). DOI: https://doi.org/10.3386/w31161.
CARNEIRO, Mário Rubens de Oliveira; SOUZA, Agnaldo; SALDANHA, F. Comportamento e consumo digital entre coortes geracionais. Revista Brasileira de Marketing, v. 22, n. 3, p. 412-435, 2023. Disponível em: https://revistabrasileirademarketing.org. Acesso em: 15 fev. 2026.
CARNEIRO, Mario Rubens de Oliveira. Gerações e Comportamento de Consumo: O efeito de coorte na preferência pelo produto cultural ídolos da teledramaturgia brasileira. Lisboa: NAUS - Revista Lusófona de Estudos Culturais e Comunicacionais, v.2 n.1, p. 79-98, 2019. DOI: https://doi.org/10.29073/naus.v2i1.176.
CHEGG. Chegg.org Global Student Survey 2023. [S. l.]: Chegg.org, 2023. Disponível em: https://www.chegg.org/global-student-survey-2023. Acesso em: 16 jul. 2026.
COTTON, Debby R. E.; COTTON, Peter A.; SHIPWAY, J. Reuben. Chatting and cheating: ensuring academic integrity in the era of ChatGPT. Innovations in Education and Teaching International, v. 61, n. 2, p. 228-239, 2024. DOI: https://doi.org/10.1080/14703297.2023.2190148.
DELL'ACQUA, Fabrizio et al. Navigating the jagged technological frontier: field experimental evidence of the effects of AI on knowledge worker productivity and quality. Organization Science, 2026. DOI: https://doi.org/10.1287/orsc.2025.21838.
FRANCIS, Tracy; HOEFEL, Fernanda. ‘True Gen’: Generation Z and its implications for companies. McKinsey & Company, v. 12, p. 1-10, 2018.
HAIDT, Jonathan. A geração ansiosa: como a infância hiperconectada está causando uma epidemia de transtornos mentais. Tradução de Lígia Azevedo. Rio de Janeiro: Companhia das Letras, 2024.
KASNECI, Enkelejda et al. ChatGPT for good? On opportunities and challenges of large language models for education. Computers and Education: Artificial Intelligence, v. 4, art. 100130, p. 1-15, 2023. DOI: https://doi.org/10.1016/j.caeai.2023.100130.
KOTLER, Philip; KARTAJAYA, Hermawan; SETIAWAN, Iwan. Marketing 7.0: A Guide for Thinking Marketers in the Age of AI. Hoboken: John Wiley & Sons, 2026.
LODGE, Jason M.; LOBLE, Leslie. Artificial intelligence, cognitive offloading and implications for education. Sydney: University of Technology Sydney, 2026. DOI: https://doi.org/10.71741/4pyxmbnjaq.31302475.
MANNHEIM, Karl. The problem of generations. In: MANNHEIM, Karl. Essays on the sociology of knowledge. London: Routledge & Kegan Paul, 1952. p. 276-322.
MASTERS, Megan C.; ENGELBERG, Jonathan; LANCASTER, Alia; WOJTON, Jess. Campus-Wide Generative AI Survey: Executive Report. College Park: University of Maryland, Division of Information Technology, jul. 2024.
MEREDITH, Geoffrey E.; SCHEWE, Charles D. The power of cohorts. American Demographics, v. 16, n. 12, p. 22-31, 1994.
MOLLICK, Ethan. Co-intelligence: living and working with AI. New York: Portfolio/Penguin, 2024.
OPENAI. Introducing ChatGPT. San Francisco: OpenAI, 30 nov. 2022. Disponível em: https://openai.com/index/chatgpt/. Acesso em: 15 jan. 2026.
PEREZ, Bernardo. Impactos do uso de inteligência artificial nas aptidões práticas e cognitivas de profissionais: A percepção de gestores. Orientador: Mário Rubens de Oliveira Carneiro. 2026. Trabalho de Conclusão de Curso (Bacharelado em Administração) – Faculdade de Administração e Ciências Contábeis, Universidade Federal do Rio de Janeiro, Rio de Janeiro, 2026.
PEW RESEARCH CENTER. Teens, social media and technology 2023. Washington, DC: Pew Research Center, 11 dec. 2023. Disponível em: https://www.pewresearch.org/internet/2023/12/11/teens-social-media-and-technology-2023/. Acesso em: 10 fev. 2026.
PEW RESEARCH CENTER. Where Millennials end and Generation Z begins. Washington, DC: Pew Research Center, 17 jan. 2019. Disponível em: https://www.pewresearch.org/short-reads/2019/01/17/where-millennials-end-and-generation-z-begins/. Acesso em: 18 jul. 2026.
RISKO, Evan F.; GILBERT, Sam J. Cognitive offloading. Trends in Cognitive Sciences, v. 20, n. 9, p. 676-688, 2016. DOI: https://doi.org/10.1016/j.tics.2016.07.002.
RYDER, Norman B. The cohort as a concept in the study of social change. American Sociological Review, v. 30, n. 6, p. 843-861, 1965. DOI: 10.2307/2090964.
SCHUMAN, Howard; SCOTT, Jacqueline. Generations and collective memories. American Sociological Review, v. 54, n. 3, p. 359-381, 1989. DOI: https://doi.org/10.2307/2095611.
SHANAHAN, Murray. Talking about large language models. Communications of the ACM, v. 67, n. 2, p. 68-79, 2024. DOI: https://doi.org/10.1145/3624724.
STRAUSS, William; HOWE, Neil. Generations: the history of America's future, 1584 to 2069. New York: William Morrow, 1991.
SWELLER, John. Cognitive load during problem solving: effects on learning. Cognitive Science, v. 12, n. 2, p. 257-285, 1988. DOI: https://doi.org/10.1207/s15516709cog1202_4.
TEASDALE, Thomas W.; OWEN, David R. Secular declines in cognitive test scores: a reversal of the Flynn Effect. Intelligence, v. 36, n. 2, p. 121-126, 2008. DOI: 10.1016/j.intell.2007.01.007.
TWENGE, Jean M. Generations: the real differences between Gen Z, Millennials, Gen X, Boomers, and Silents—and what they mean for America’s future. New York: Atria Books, 2023.
1 Docente da Faculdade de Administração e Ciências Contábeis da Universidade Federal do Rio de Janeiro (FACC/UFRJ), também lecionou na Escola de Comunicação Social (ECO/UFRJ) e na habilitação de Publicidade e Propaganda doo Instituto de Artes e Comunicação Social da Universidade Federal Fluminense (IACS/UFF). E-mail: [clique para visualizar o e-mail]acesse o artigo original para visualizar o e-mail
2 Referência à tragédia Hamlet, de William Shakespeare, ambientada na corte da Dinamarca e marcada, desde o início, por sinais de corrupção e desordem no reino. A célebre frase “Something is rotten in the state of Denmark” — “Há algo de podre no reino da Dinamarca” — sintetiza essa atmosfera de deterioração.
3 Importa ressaltar que a observação aqui relatada não permite formalmente, por si só, estabelecer uma relação causal entre a disseminação da IA generativa e as mudanças percebidas, todavia serve perfeitamente como ponto de partida para a formulação da hipótese e das reflexões desenvolvidas neste ensaio.