O avanço exponencial da tecnologia da informação e a proliferação do big data reposicionaram as ferramentas algorítmicas de meros coadjuvantes operacionais a instâncias de autoridade preditiva. Tradicionalmente restritos a tarefas altamente estruturadas, os algoritmos passaram a dominar domínios complexos de tomada de decisão, demonstrando desempenho superior em jogos de tabuleiro estratégicos, pesquisas de informação em larga escala e na gestão de portfólios financeiros. Esse fenômeno consolidou o que a literatura científica denomina “apreciação algorítmica” (algorithmic appreciation), uma tendência psicossocial em que indivíduos demonstram maior confiança e dependência de pareceres gerados por sistemas automatizados em detrimento de julgamentos puramente humanos. Na dinâmica social contemporânea, esse comportamento coexiste com a forte influência das redes interpessoais, avaliações coletivas online e círculos sociais, configurando uma permanente disputa de forças sobre o processo decisório dos agentes.
Buscando mapear as variáveis que ditam a escolha humana entre o suporte tecnológico e o direcionamento social, um estudo empírico baseado em três experimentos online pré-registrados investigou como o nível de dificuldade de uma tarefa intelectual — dotada de uma resposta exata e objetiva — altera as preferências de aconselhamento dos indivíduos. Os resultados demonstraram de forma inequívoca que a dependência humana em relação aos conselhos algorítmicos aumenta proporcionalmente à medida que a complexidade e a dificuldade da tarefa se intensificam. Esse efeito de atração cognitiva pela automação permaneceu estatisticamente robusto mesmo após os modelos serem controlados por variáveis independentes críticas, tais como a qualidade real do conselho fornecido, o nível de proficiência numérica (numeracy) dos participantes, a precisão diagnóstica individual dos sujeitos e as condições de exposição às fontes (se os indivíduos recebiam apenas uma modalidade de conselho ou ambas simultaneamente).
Esse comportamento decisório expõe nuances psicológicas importantes acerca da racionalidade dos agentes e do peso atribuído às falhas das máquinas. De um lado, a preferência por algoritmos para a resolução de problemas estritamente analíticos mostra-se vantajosa, uma vez que metanálises históricas comprovam que mesmo modelos estatísticos simplificados superam as predições humanas em cerca de 10% de precisão média. Por outro lado, o experimento revelou uma severa penalidade imposta ao erro tecnológico: os participantes tenderam a rejeitar e desconsiderar de forma significativamente mais severa conselhos incorretos quando estes eram rotulados como de origem algorítmica, comparando-os a recomendações igualmente imprecisas atribuídas a uma multidão de pares humanos. Essa assimetria punitiva demonstra que, embora o ser humano transfira a carga cognitiva de dilemas difíceis para as soluções computacionais, a tolerância ao erro artificial permanece restrita, modulando de forma complexa a consolidação da cooperação humano-computador nas fronteiras da sociedade digital.
Referência Completa (Padrão ABNT): BOGERT, Eric; SCHECTER, Aaron; WATSON, Richard T. Humans rely more on algorithms than social influence as a task becomes more difficult. Scientific Reports, v. 11, art. 8028, p. 1-9, abr. 2021. Disponível em: https://doi.org/10.1038/s41598-021-87480-9. Acesso em: 20 jun. 2026.
