Um estudo da revista Nature Communications, publicado em novembro de 2025, comparou a atividade do cérebro humano com modelos de IA. Os pesquisadores encontraram correspondências na forma como ambos processam a linguagem. Para quem lidera, o resultado levanta uma pergunta prática: se a máquina também prevê, o que continua sendo papel da liderança? Neste artigo, você vai entender o que o estudo mostrou de fato e quais limites os próprios autores apontam. Também vai ver o que dados da McKinsey revelam sobre a relação entre IA e liderança estratégica nas empresas.
01 — Cenário atual
IA e liderança estratégica: o que muda quando a máquina também prevê?
A cada nova geração de modelos de linguagem, a mesma pergunta volta às reuniões de diretoria. Até onde a inteligência artificial pode ir dentro das empresas? No debate sobre IA e liderança estratégica, um estudo da revista Nature Communications, publicado em novembro de 2025, trouxe um elemento novo. Desta vez, a contribuição veio da neurociência.
A pesquisa encontrou correspondências entre o modo como o cérebro humano processa a linguagem e o funcionamento dos grandes modelos de linguagem. Para alguns, é sinal de que as máquinas estão chegando perto de pensar como nós. Para outros, é apenas uma curiosidade de laboratório.
Nenhuma das duas leituras ajuda o gestor que precisa decidir onde aplicar IA no próximo ciclo de planejamento. Por isso, a pergunta que guia este artigo é mais prática. Se cérebro e IA têm pontos em comum no processamento da linguagem, o que continua sendo papel da liderança?
02 — A Pesquisa
O que o estudo da Nature Communications mostrou de fato
O artigo tem Ariel Goldstein como primeiro autor e Uri Hasson, do Instituto de Neurociência da Universidade de Princeton, como autor sênior. Segundo a publicação na Nature Communications, os pesquisadores registraram a atividade cerebral de nove pacientes com epilepsia. Eles já usavam eletrodos implantados por razões clínicas e ouviram um podcast de 30 minutos durante o experimento.
Para captar os sinais, a equipe usou eletrocorticografia (ECoG), técnica de alta resolução temporal. Em seguida, os modelos GPT-2 XL e Llama 2 processaram o mesmo áudio. Os pesquisadores então usaram as representações numéricas de cada camada desses modelos para prever a resposta neural ao longo do tempo.
O resultado principal foi o seguinte: camadas mais profundas dos modelos corresponderam a atividades cerebrais mais tardias. O efeito apareceu sobretudo na área de Broca e em outras regiões ligadas à linguagem. Em termos simples, o modelo transforma a informação camada por camada. O cérebro percorre uma sequência parecida em frações de segundo.
O estudo também dá continuidade a pesquisas anteriores sobre princípios compartilhados. Os autores lembram que a previsão da próxima palavra é um dos fundamentos dos modelos de linguagem. Além disso, trabalhos anteriores já haviam identificado no cérebro previsões espontâneas da palavra seguinte, antes de ela ser ouvida. É esse o mecanismo preditivo que costuma aparecer quando se compara cérebro e IA.
Há ainda um dado relevante para quem acompanha a área. Os autores compararam os modelos com abordagens linguísticas clássicas, baseadas em representações simbólicas. Nessa comparação, as representações dos modelos de linguagem se ajustaram melhor à dinâmica cerebral observada.
03 — Limites
Por que processar parecido não significa pensar igual
Antes de tirar conclusões, é preciso delimitar o alcance do estudo. Ele compara o processamento da linguagem durante a escuta de uma história. Não avalia tomada de decisão, julgamento ético nem gestão, e não faz afirmações sobre o futuro do trabalho. Qualquer conclusão sobre liderança é interpretação, não achado da pesquisa.
Os próprios autores apontam diferenças importantes. A primeira está na arquitetura. Os modelos baseados em transformers nasceram para processar muitas palavras em paralelo. O cérebro, por outro lado, realiza essa tarefa em grande parte de forma serial, palavra por palavra.
A segunda está no aprendizado. Segundo o artigo, pessoas não aprendem a língua lendo textos, e sim pela interação multimodal com o ambiente social. Além disso, o volume de texto usado no treino desses modelos equivale a centenas, ou até milhares, de anos de escuta humana.
Por fim, há limites de desempenho. Os autores citam evidências recentes de que os modelos ainda falham com estruturas de frase complexas. Eles também têm dificuldade para reproduzir certos efeitos do processamento humano.
É aqui que a discussão encontra o mundo corporativo. Na leitura da Liax, a diferença no aprendizado é a que mais pesa na gestão. Afinal, decisões estratégicas dependem de contexto vivido, de relações e de valores construídos ao longo de uma trajetória. Essa é uma posição editorial, não uma conclusão da neurociência.
04 — Na Prática
Onde a IA gera valor nas empresas e onde a liderança decide
Se a ciência não decreta o fim da liderança, os dados de mercado mostram onde a IA está entregando valor. Segundo a pesquisa The state of AI in 2026, da McKinsey, 80% dos respondentes afirmam que a IA melhorou sua produtividade individual. O levantamento ouviu 1.719 participantes de 97 países. Além disso, metade dos respondentes diz que a tecnologia ajuda a tomar decisões melhores.
O ganho individual, porém, ainda não se converteu em resultado financeiro amplo. A parcela que atribui algum impacto no EBIT ao uso de IA ficou em 37%, praticamente igual à do ano anterior. Já as empresas de alto desempenho em IA continuam representando cerca de 6% dos respondentes.
O que separa esse grupo é, em boa parte, uma questão de gestão. Quase três quartos das empresas de alto desempenho redesenharam fluxos de trabalho de forma profunda por causa da IA. Entre as demais, a proporção é de um quarto. Essas empresas também têm o dobro de probabilidade de relatar compromisso da alta liderança com as iniciativas de IA. O mesmo vale para a existência de processos definidos para medir o impacto.
A mesma pesquisa relativiza a ideia de substituição em massa. Entre as organizações que usam IA, 14% dos respondentes relatam que a tecnologia contribuiu para reduzir o quadro de funcionários no último ano. Esse número é menos da metade dos 32% que, no levantamento anterior, esperavam cortes.
Em resumo, os números sobre IA e liderança estratégica apontam na mesma direção do debate científico.. A tecnologia amplia a capacidade das pessoas, mas o valor para o negócio depende de escolhas que continuam humanas. Onde investir, que processo redesenhar e como medir o retorno são decisões de liderança.
05 — Como Aplicar
Automação de processos com IA a serviço da liderança estratégica
Na Liax, o ponto de partida é que a tecnologia deve ampliar a capacidade humana, não substituí-la. Na prática, essa visão se traduz em três frentes de trabalho.
A primeira é liberar tempo para o que exige julgamento. A automação pode assumir processos administrativos e tarefas repetitivas de alto volume. Assim, as equipes conseguem dedicar mais energia à inovação e ao crescimento do negócio.
A segunda é transformar dados em inteligência. A IA identifica padrões em grandes volumes de informação. No entanto, cabe à liderança definir o propósito do negócio e decidir em cenários de incerteza, nos quais o histórico de dados não basta.
A terceira é a governança com contexto. Segundo a McKinsey, as empresas de alto desempenho em IA também atuam mais para mitigar riscos. Entre eles estão a exploração de vulnerabilidades técnicas e ações não autorizadas ou não intencionais. Na prática, definir limites, responsáveis e critérios de revisão é tarefa de liderança, não de algoritmo.
06 — Próximos Passos
Sua empresa usa IA para escalar estratégia ou replicar o passado?
Na visão da Liax, o diferencial competitivo não está apenas em ter acesso à melhor tecnologia. Ele está em usá-la para escalar a criatividade e a visão estratégica das pessoas. Nesse sentido, automatizar o operacional é mais do que uma escolha técnica: é uma forma de preservar a inteligência criativa dos líderes.
Antes de ampliar o uso de IA, vale fazer uma pergunta honesta. Os projetos em andamento estão redesenhando a forma de trabalhar ou apenas acelerando processos antigos? Se a resposta pender para a segunda opção, o problema dificilmente está na ferramenta.
A Liax apoia médias e grandes empresas nesse caminho, combinando automação inteligente de processos, TI corporativa e soluções com IA. O objetivo é que a tecnologia assuma o operacional e a liderança fique com o que é dela: decidir para onde o negócio vai.
