Talento humano vs. inteligência artificial: o futuro do research é colocado à prova
As decisões estão cada vez mais baseadas em dados, e a IA garante respostas em segundos. Neste contexto, decidimos colocar a tecnologia à prova para que ela pesquisasse a si mesma. Duas equipas — uma especializado em IA, liderada por Xavier Colomer, e outra em pesquisa aplicada, liderado por Sara Alvarellos — colaboraram em paralelo para entender como vai ser o futuro da pesquisa em organizações complexas como a nossa. Esta experiência explora o uso de ferramentas de IA para pesquisa, como o DeepSearch IA, no contexto da pesquisa aumentada.
A experiência: IA vs. metodologia humana
A equipa de IA desenvolveu uma ferramenta chamada DeepSearch, que combina tecnologias open source como LangChain, LLMs do Azure OpenAI, SerpAPI, Pydantic, BeautifulSoup e Plotly, com um backend em Python. O objetivo era simular um processo de pesquisa automatizado: detetar tendências emergentes a partir de notícias recentes, agrupar palavras-chave, construir mapas visuais e antecipar casos de uso — tudo sem intervenção humana.
Paralelamente, a equipa de research aplicou uma metodologia baseada em num conjunto de fontes de informação selecionadas e categorizadas segundo critérios estratégicos internos, com foco em rastreabilidade, clareza contextual e valor para a tomada de decisão.
O que encontrou a IA?
O DeepSearch, na sua versão 0, funcionou como uma espécie de “Google inteligente”:
- Recebia uma consulta aberta (ex.: “Futuro do CISO”);
- Rastreava notícias recentes indexadas no Google;
- Extraía palavras-chave e casos de uso com LLMs;
- Agrupava os elementos em tendências por análise semântica;
- Visualizava os resultados em radares interativos por tempo e tema.
Todo este processo levava menos de três minutos e permitia gerar uma visão automatizada inicial de sinais emergentes.
O que fez a equipa de research?
A equipa liderada por Sara Alvarellos seguiu uma abordagem mais analítica e deliberada, em que cada tendência é definida com base numa lógica estruturada e validação contextual detalhada. Os casos de uso são enriquecidos com descrições completas, nomes específicos, objetivos e estimativas temporais.
Embora o processo exija mais tempo e curadoria, a sua profundidade e coerência tornam-no valioso em projetos estratégicos. As capacidades humanas são essenciais neste caminho — é aqui que as máquinas ainda têm limitações.
Além disso, a equipa foi fundamental para avaliar a utilidade real do DeepSearch. Identificou-se que o seu valor não está em substituir a abordagem tradicional, mas em complementá-la como ferramenta de prototipagem rápida, exploração de buzzwords e construção ágil de visualizações.
O que dizem os líderes globais?
A nossa experiência está alinhada com o que organizações de referência estão a começar a explorar:
- OpenAI, com o projeto Deep Research, propõe o uso de agentes especializados que colaboram, refletem e ajustam os seus caminhos em ciclos iterativos.
- Hugging Face oferece uma abordagem aberta chamada Open Deep Research, onde ferramentas e modelos se combinam para responder perguntas complexas com uma arquitetura modular.
- Sakana.ai propõe um novo papel: o AI Scientist, capaz de formular hipóteses, executar simulações e gerar conhecimento de forma autónoma.
Estas iniciativas apontam para o mesmo caminho: novos modelos de pesquisa híbrida, com a IA como colaboradora cognitiva.
A era da pesquisa aumentada
A IA pode substituir o investigador? Depende do que entendemos por “pesquisar”. Se for recolher informações, identificar padrões e construir mapas visuais de sinais emergentes, a resposta é sim. A IA já faz isso — e cada vez melhor.
Mas se falamos de construir significado, alinhar descobertas com objetivos estratégicos e formular hipóteses relevantes em contextos complexos, ainda não. A IA precisa de direção e critério — características profundamente humanas.
Na nossa experiência, o mais poderoso não foi o contraste, mas a convergência. Ao combinar a lógica estruturada da equipa de research com a exploração e visualização automatizada da equipe de IA, aceleramos hipóteses, geramos visuais iterativos e enriquecemos as conversas sobre o futuro.
O próximo passo já não é inteligência, mas melhores dados de entrada. Em vez de rastrear a web aberta, propomos construir corpus curados, definidos tematicamente e ligados com os desafios reais de negócio.
O “investigador do futuro” não será um analista nem uma máquina, mas um ecossistema híbrido de pessoas, dados e agentes inteligentes que co-criam, verificam e priorizam conhecimento útil.
O exercício deixou-nos uma ideia clara: o futuro não será humano nem artificial — será aumentado.
Um convite aos líderes
Este artigo não pretende oferecer respostas definitivas, mas semear novas perguntas:
- Como redesenhamos as nossas capacidades de pesquisa na era da inteligência aumentada
- Que capacidades precisamos de desenvolver nas nossas equipas?
- Que papel queremos assumir como líderes nesta transição?
Num mundo onde os dados são infinitos, o que importa é dar-lhes sentido.
Quer saber como aplicar inteligência artificial na sua equipa de pesquisa e trocar ideias sobre o futuro do research?
Entre em contato para descobrir como o DeepSearch IA pode transformar o seu processo de análise de dados — ou conecte-se diretamente comigo: Victor Leon Marambio | LinkedIn