Você já mandou um documento pra revisão e recebeu de volta uma lista de sugestões que simplesmente não faziam sentido? Talvez você não tenha errado nada. Talvez você só tenha entrado numa guerra de contextos de IA.

Esse problema muitas vezes não é percebido com facilidade, mas está acontecendo, silenciosamente, dentro de empresas que adotaram IA generativa no dia a dia sem combinar como usar. E o efeito prático é claro, em vez de acelerar entregas, a IA está criando uma rodada extra de atrito que não existia antes.

O que é a guerra dos contextos

O mecanismo é simples de descrever e difícil de perceber enquanto está acontecendo.

Você constrói um documento com ajuda de IA. Revisa, ajusta, estrutura o conteúdo com base num contexto que só você tem: os requisitos da tarefa, o histórico da conversa, as decisões que já foram tomadas antes de chegar naquele texto.

Esse documento vai para outra pessoa revisar. Só que, em vez de avaliar o conteúdo contra os requisitos reais, essa pessoa manda o documento pra própria IA dela. Uma IA que não tem nenhum dos requisitos, nenhuma das decisões, nenhum do histórico que você tinha. Só o texto final, sem o raciocínio por trás dele.

A IA dela devolve sugestões. Algumas até fazem sentido. Mas boa parte nasce de uma leitura sem contexto, e não porque a ferramenta é ruim: ela está respondendo exatamente com a informação que recebeu, que é parcial.

Essas sugestões voltam pra você. E, pra avaliar se fazem sentido, você joga de volta na sua IA.

Resultado: duas IAs “debatendo” através de duas pessoas, cada uma ancorada num contexto diferente e parcial. Ninguém decidiu nada de fato. O documento que podia ter sido validado direto, na primeira rodada, entra numa espiral de idas e voltas que existe só porque ninguém declarou o contexto pro outro lado.

Por que isso acontece: contexto é individual e a IA não é determinística

Tem duas causas por trás disso, e as duas se somam.

A primeira é estrutural. Hoje, contexto de IA dentro de grande parte das empresas é individual, não corporativo. Cada colaborador tem seu projeto, seus documentos carregados, seu jeito de configurar a ferramenta. Não existe “a IA da empresa”. Existem N instâncias, cada uma enxergando o mundo através de uma lente diferente. Um documento avaliado em dois contextos diferentes não é a mesma avaliação, mesmo que o documento seja idêntico.

A segunda é técnica. Modelos de IA generativa não são determinísticos. Pergunte a mesma coisa dez vezes e você recebe dez respostas diferentes, não necessariamente com conclusões opostas, mas com caminhos, ênfases e formulações diferentes. Isso significa que a divergência não é só “contexto A contra contexto B”. É “contexto A agora” contra “o mesmo contexto A daqui a uma hora”, que já pode divergir sozinho.

Duas camadas de variabilidade acumuladas, contexto individual e não-determinismo, tornam replicar uma “mesma análise” estruturalmente difícil, mesmo quando as duas pessoas envolvidas estão de boa fé.

O paradoxo da produtividade

Aqui está o ponto mais incômodo do problema: a IA foi adotada pra acelerar entrega. Na prática do exemplo acima, ela faz o oposto.

Um documento que poderia ter sido validado corretamente na primeira rodada, com contexto adequado e critério claro, passa a rodar duas vezes por duas IAs diferentes antes de chegar num consenso. Isso é atraso mensurável, não ineficiência abstrata. E o custo fica escondido, porque cada rodada individual parece rápida (“é só mandar pra IA”), só que a soma das rodadas é mais lenta do que a validação direta teria sido.

Tem ainda um efeito colateral de responsabilidade: “a IA sugeriu” vira desculpa que dilui quem realmente decidiu o quê. Rastrear a origem de uma decisão fica mais difícil quando parte da conversa aconteceu entre duas ferramentas, e não entre duas pessoas.

Por que isso é raro em desenvolvimento (e comum no resto da empresa)

Vale reparar num contraste que ajuda a entender o caminho de solução.

Em desenvolvimento de software, esse problema aparece menos. Time de dev normalmente trabalha com contexto compartilhado: padrões de código, instruções de repositório, arquivos de contexto que valem pra qualquer IA usada dentro daquele projeto. Todo desenvolvedor parte da mesma base, então a IA de um e a IA de outro tendem a convergir.

No resto da empresa, no uso diário de produtividade (documentos, e-mails, propostas, análises), esse controle quase nunca existe. Cada pessoa usa a ferramenta do seu jeito, com seu projeto, sua configuração. Dev já resolveu esse problema com contexto de time. O resto da empresa ainda está operando com contexto individual.

Caminhos possíveis de mitigação

Isso não é motivo pra parar de usar IA. É motivo pra tratar o uso com a mesma seriedade que qualquer outra ferramenta corporativa que afeta decisão.

Alguns caminhos que fazem sentido:

  • Treinamento e guidelines de uso. Definir, por escrito, quando a IA deve ser usada pra gerar conteúdo e quando deve ser usada pra validar. São papéis diferentes, e misturar os dois sem critério é o que gera a guerra de contextos.
  • Política formal de utilização. Não como restrição burocrática, mas como forma de dar previsibilidade: qual é a forma correta de usar a ferramenta em cada etapa do trabalho.
  • Levar a lógica do dev pra produtividade geral. Em vez de cada pessoa usar um projeto pessoal pra revisar o mesmo tipo de documento, a empresa pode declarar contexto compartilhado para tarefas recorrentes: uma base de conhecimento fixa, um agente com os requisitos do time, uma biblioteca de referência central.
  • Handoff de contexto explícito. Quem manda um documento pra revisão devia mandar junto o contexto ou os requisitos usados na construção, não só o arquivo final. Isso reduz a chance de a IA de quem recebe reinterpretar do zero algo que já tinha sido decidido.
  • Separar geração de validação crítica. Rascunho e geração de conteúdo podem passar por IA sem problema. Validação de requisito importante devia continuar sendo checklist humano contra critério definido, não “joga na IA e vê o que ela acha”.

O fio que conecta com o problema maior

A guerra dos contextos não é falha de ferramenta. É sintoma de adoção de IA sem dono de contexto definido, o mesmo problema de fundo que eu já discuti no artigo sobre liberdade de uso sem limite. A diferença é que ali o risco aparecia em segurança e compliance. Aqui, o risco aparece direto na produtividade, que era exatamente o argumento usado pra justificar a adoção da ferramenta.

Empresa que trata IA generativa como ferramenta pessoal, sem regra nenhuma de uso compartilhado, não está evitando burocracia. Está trocando um atrito visível por um atrito invisível, mais lento e mais difícil de diagnosticar.