Por que a maioria das empresas usa inteligência artificial do mesmo jeito que decorava fórmulas na escola — e o que Richard Feynman tem a ver com isso.
Em 1965, um físico magro, irreverente e visivelmente desconfortável com formalidades subiu ao palco em Estocolmo para receber o Nobel de Física. Quando perguntaram qual era seu método — o segredo por trás das soluções que ninguém mais conseguia encontrar — ele respondeu com um sorriso meio torto:
“Eu anoto o problema. Penso muito. E anoto a resposta.”
A plateia riu. Acharam que era piada. Não era. Era a declaração mais honesta que Richard Feynman já fez em público — e o resumo de um sistema de pensamento tão poderoso que o mundo educacional gastou décadas tentando domesticá-lo.
O garoto que se recusava a decorar
Para entender o que Feynman fazia de diferente, é preciso voltar aos anos 30, em Far Rockaway, Nova York. Um garoto sentado no fundo da sala, cabelo bagunçado, olhando para o quadro como se a fórmula que o professor acabara de escrever fosse um insulto pessoal.
Enquanto todos copiavam, ele ficava parado. Não por preguiça — por recusa. Ele não queria saber que a fórmula funcionava. Queria saber por que funcionava. E mais: queria ver se conseguia chegar nela sozinho, partindo do zero, sem que ninguém dissesse nada.
Isso irritava os professores. O garoto não seguia os passos do livro. Inventava os próprios. E aí acontecia algo estranho: ele chegava na resposta certa, muitas vezes por um caminho que ninguém tinha visto antes. Às vezes mais curto. Às vezes mais longo. Mas sempre dele.
O sistema educacional não sabia o que fazer com isso. E, na verdade, ainda não sabe.
O papagaio brasileiro
Anos depois, já adulto e já famoso, Feynman foi convidado para lecionar no Brasil. Passou um tempo na Universidade do Brasil, no Rio de Janeiro — a atual UFRJ. O que ele encontrou aqui o perturbou profundamente.
Os alunos brasileiros eram incrivelmente bons em recitar definições. Perguntava o que era o princípio de Brewster? Resposta perfeita, decorada, sem gaguejar. Mas se ele mostrava a luz do sol refletindo numa poça d’água e perguntava “o que está acontecendo aqui?”, o silêncio era absoluto.
Ninguém sabia responder. Porque ninguém tinha entendido. Todos tinham memorizado.
Feynman chamou isso de educação de papagaio. Você treina o papagaio a reproduzir sons perfeitos. Ele diz “princípio de Brewster” com clareza impecável. Mas não faz a menor ideia do que aquilo significa.
E antes que alguém pense que o problema era exclusivamente brasileiro: não era. Feynman viu a mesma dinâmica em universidades americanas, europeias, em todo lugar. O modelo educacional do século XX inteiro foi construído sobre a repetição: fórmula → exemplo → exercício → prova. Repete. Repete. Repete.
Feynman olhava para esse sistema e dizia, sem meias palavras: vocês estão criando uma geração inteira de pessoas que sabem recitar respostas, mas não sabem pensar.
Os 12 problemas favoritos
Mas Feynman não ficou só na crítica. Ele tinha um método. Concreto, praticável e assustadoramente eficiente.
Ele carregava na cabeça, o tempo inteiro, uma lista de aproximadamente 12 problemas. Não eram problemas quaisquer — eram os mais difíceis que ele conhecia. Problemas que ele ainda não sabia resolver. Problemas que, em muitos casos, ninguém no mundo sabia resolver.
Ele chamava esses de “os meus problemas favoritos” e mantinha a lista ativa na mente como programas rodando em segundo plano num computador.
O raciocínio era elegantemente simples: toda vez que ele aprendia algo novo — uma técnica matemática, uma ideia de outra área da ciência, uma analogia que ouviu numa conversa casual — ele testava essa ferramenta nova contra todos os 12 problemas.
E de vez em quando, uma encaixava.
Quando isso acontecia, as pessoas de fora chamavam de genialidade. Mas não era. Era preparação encontrando oportunidade. Era uma mente funcionando como uma máquina de conexões, enquanto todo mundo resolvia problemas de forma linear — lê o enunciado, aplica a fórmula, chega na resposta.
Feynman não resolvia problemas. Ele colecionava problemas e deixava o cérebro trabalhar neles em paralelo, o tempo inteiro, esperando o momento em que uma peça nova se encaixasse.
Primeiros princípios: o motor real
Os 12 problemas eram o sistema. Mas o motor por trás do sistema era algo mais profundo: o raciocínio por primeiros princípios.
Diante de qualquer problema, Feynman voltava ao começo absoluto. Não aceitava nenhuma premissa que não pudesse verificar de forma independente. Desmontava cada conceito até chegar nas verdades mais básicas, mais fundamentais. E reconstruía tudo do zero, peça por peça, até ter certeza de que cada parte fazia sentido.
Imagine uma casa. A maioria das pessoas conserta uma casa trocando peças por outras parecidas — uma maçaneta aqui, uma torneira ali, uma pintura nova. Feynman derrubava a casa inteira, olhava o terreno e decidia se aquela casa deveria estar ali em primeiro lugar. Depois construía outra — diferente, melhor — baseada no que ele sabia ser verdade, não no que alguém disse que era verdade.
Décadas depois, Elon Musk diria em entrevistas que o segredo da SpaceX e da Tesla era “raciocinar por primeiros princípios”. Todo mundo achou que era uma ideia nova. Não era. Era Feynman, nos anos 40, 50, 60.
Enquanto o mundo aprendia por analogia — “isso funciona porque é parecido com aquilo que já funcionou” — Feynman perguntava: “Mas por que aquilo funcionou?”
A frase que reconstrói civilizações
Feynman propôs certa vez um experimento mental: se todos os livros do mundo desaparecessem e sobrasse uma única frase para a próxima civilização reconstruir todo o conhecimento, qual seria?
A resposta dele: “Todas as coisas são feitas de átomos — pequenas partículas que se movem em movimento perpétuo, se atraindo a curta distância e se repelindo quando forçadas a ficar muito próximas.”
Uma frase. E a partir dela, segundo Feynman, uma civilização inteligente poderia reconstruir toda a física, toda a química, toda a biologia. Porque essa frase contém o princípio mais fundamental — e se você entende o princípio mais fundamental, pode derivar todo o resto.
É o coração do pensamento por primeiros princípios: você não precisa memorizar 10.000 fatos. Precisa entender profundamente 10 conceitos. E os 10.000 fatos se tornam consequências inevitáveis.
O sistema educacional faz o contrário. Te faz memorizar 10.000 fatos e torce para você entender alguma coisa no caminho.
E o que isso tem a ver com inteligência artificial?
Tudo. Absolutamente tudo.
Observe como a maioria das empresas usa inteligência artificial hoje. É o modo papagaio em escala corporativa:
- Prompt → resposta → colar no relatório
- “Resume esse documento” → copiar e colar
- “Escreva um e-mail profissional” → enviar sem ler direito
Pergunta. Resposta. Próxima pergunta. Ninguém desmonta. Ninguém questiona. Ninguém pensa. É a mesma dinâmica que Feynman viu nas salas de aula brasileiras nos anos 50, só que agora com uma interface bonita e respostas mais rápidas.
A ferramenta mudou. O papagaio continua o mesmo.
Agora imagina o contrário. Imagina usar IA do jeito que Feynman pensava:
Como parceiro dos 12 problemas. Você mantém seus problemas difíceis ativos — os gargalos do negócio, as decisões que não fecham, as oportunidades que não consegue avaliar — e usa IA para testar ferramentas, frameworks e perspectivas novas contra cada um deles. Não para obter respostas prontas, mas para acelerar o processo de encaixe.
Como instrumento de primeiros princípios. Ao invés de pedir “me dê a resposta”, você usa IA para desmontar premissas. “Quais são os pressupostos por trás dessa estratégia?” “O que precisa ser verdade para isso funcionar?” “Se eu começasse do zero, construiria do mesmo jeito?” A IA não substitui o pensamento — ela amplia a velocidade com que você desmonta e reconstrói.
Como teste anti-papagaio. A técnica Feynman diz: se você não consegue explicar algo com suas próprias palavras para uma criança de 12 anos, você não entendeu. IA pode ser o parceiro que te faz essa pergunta de volta: “Explica pra mim o que você quer dizer com isso. De forma simples.” Se a resposta que você recebe da IA não faz sentido para você, o problema não é a IA — é que o prompt era papagaio. Entrada rasa, saída rasa.
A IA amplifica o que você coloca nela
Existe uma verdade incômoda que pouca gente quer ouvir: IA não nivela por cima. Ela amplifica. Se você coloca repetição, ela devolve repetição — mais polida, mais rápida, mais fluente, mas ainda repetição. Se você coloca pensamento real, ela devolve pensamento elevado.
A IA é, na essência, a melhor ferramenta que Feynman nunca teve. Um parceiro que te ajuda a pensar mais rápido, testar hipóteses em segundos, explorar caminhos que levariam semanas. Mas para isso funcionar, você precisa trazer o problema. Precisa trazer o pensamento. Precisa trazer a honestidade de dizer “eu não entendi isso de verdade — me ajuda a desmontar.”
Empresas que usam IA para repetir vão ganhar eficiência marginal. Vão produzir mais relatórios, mais e-mails, mais slides. Mais do mesmo, mais rápido.
Empresas que usam IA para pensar vão encontrar soluções que as outras nem sabem que existem. Vão ver encaixes que ninguém viu. Vão resolver em semanas o que levaria meses — não porque a IA resolveu, mas porque a IA acelerou o pensamento de quem já estava fazendo as perguntas certas.
A diferença entre os dois casos é a mesma diferença entre o aluno que decorava a fórmula e Feynman. Os dois chegam na resposta. Só um entende o que está fazendo.
“Eu só tenho mais prática em não me enganar”
Nos últimos anos de vida, quando já tinha o Nobel e o status de lenda, perguntaram a Feynman o que o fazia diferente dos outros físicos. A resposta dele:
“Eu não sou mais inteligente que eles. Eu só tenho mais prática em não me enganar.”
Todo o método — os 12 problemas, os primeiros princípios, a explicação para criança, a recusa a memorizar — se resume a uma única disciplina: honestidade intelectual radical. A coragem de olhar para si mesmo e dizer “eu não entendi isso de verdade, eu preciso voltar ao começo.”
A maioria das pessoas não faz isso. Não porque não consegue — porque dói. Porque admitir que não sabe é desconfortável. Porque o sistema ensinou que saber rápido é melhor que saber profundo.
IA bem usada é exatamente isso: prática em não se enganar, em escala. Uma ferramenta que te força a articular o que você realmente sabe, a separar o que entende do que apenas repete, e a fechar os buracos com compreensão real.
A pergunta que fica
Feynman provou que saber profundo é o único saber que vale alguma coisa. Que as fórmulas decoradas, os passos repetidos, as definições recitadas, são barulho — a ilusão de conhecimento.
O que removeram dos livros didáticos não foi uma equação. Foi a ideia de que entender é mais importante do que responder certo. Que o processo de pensar é mais valioso do que o resultado final.
Agora temos nas mãos a ferramenta mais poderosa que a humanidade já criou para pensar — e a maioria está usando para repetir.
A pergunta que Feynman faria é: você vai continuar sendo o papagaio — agora com IA — ou vai começar a pensar de verdade?
Na Moov2, construímos o Sinapse IA com essa filosofia. Não é uma ferramenta que substitui quem pensa. É uma ferramenta que torna quem pensa mais perigoso. Se isso faz sentido pra você, vale uma conversa.
Transforme sua empresa com IA e dados
A Moov2 é especialista em implementar inteligência artificial, automação e transformação digital com foco em ROI. Clientes como BNDES, Gerdau e Porto Seguro confiam em nós.
