Produzir ficou barato. Entender continua caro.

1. O que não mudou: a cabeça de quem recebe

Em 1956, George Miller estimou em sete, com dois a mais ou a menos, o número de itens que uma pessoa mantém em mente ao mesmo tempo.¹ Em 2001, Nelson Cowan revisou as evidências e baixou a conta para cerca de quatro blocos, entre três e cinco.² O número exato importa menos que a ordem de grandeza. Você lê este parágrafo com a mesma memória de trabalho de quem lia jornal em 1956.

Sobre esse limite, John Sweller construiu em 1988 a Teoria da Carga Cognitiva. Quando informação, decisões e estímulos simultâneos passam do que a memória de trabalho comporta, a pessoa compreende pior, aprende menos e decide mal.³ A teoria separa três cargas.⁴

• Intrínseca: a dificuldade da própria tarefa. Calcular um imposto é difícil em qualquer tela.
• Extrínseca: o esforço gasto com a forma. Menu confuso, texto prolixo, decisão que ninguém precisava tomar.
• Relevante: o esforço que vira compreensão. Das três, é a única que deixa a pessoa melhor do que entrou.

Dois resultados completam o quadro. William Hick mostrou em 1952 que o tempo para decidir cresce com o número de opções.⁵ Herbert Simon escreveu em 1971 que riqueza de informação cria pobreza de atenção.⁶

A atenção também foi medida. Gloria Mark cronometrou por quanto tempo uma pessoa fica numa mesma tela antes de trocar. Eram dois minutos e meio em 2004 e 75 segundos em 2012. Nas medições mais recentes, 47 segundos.⁷

2. O que mudou: produzir ficou quase de graça

Por muito tempo, escrever um relatório, desenhar uma tela ou programar uma função custou horas de alguém. Esse custo servia de filtro: só saía do papel o que parecia valer o esforço. A IA generativa tirou o filtro.

No código, a mudança ganhou nome. Em fevereiro de 2025, Andrej Karpathy chamou de vibe coding o hábito de descrever o que se quer e aceitar o código que a IA devolve. O dicionário Collins fez do termo a palavra do ano de 2025.⁸ Naquele ano, 84% dos desenvolvedores ouvidos pelo Stack Overflow usavam ou pretendiam usar IA no trabalho.⁹

Com o texto aconteceu o mesmo. Uma análise de amostras da web estima que, desde o fim de 2024, cerca de metade dos artigos novos é escrita por IA: 49,9% no primeiro trimestre de 2026.¹⁰ Outra, com 900 mil páginas criadas em abril de 2025, achou conteúdo gerado por IA em 74,2% delas.¹¹ As duas dependem de detectores automáticos, que erram, e valem como ordem de grandeza.

O dia de trabalho de quem recebe já chega cheio.¹²

O volume total de dados criados no mundo dá a escala. Eram 2 zettabytes em 2010. A estimativa para 2025 é de 181.¹³

O vocabulário registrou a mudança. Oxford elegeu brain rot a expressão de 2024, depois de o uso crescer 230% em um ano.¹⁴ Merriam-Webster escolheu slop, o conteúdo digital de baixa qualidade produzido em massa por IA, como a palavra de 2025.¹⁵

3. A conta mudou de lado

O esforço que saiu de quem produz reapareceu em quem recebe. Ler, conferir, decidir e lembrar custam o mesmo de antes, e agora há mais para ler, conferir, decidir e lembrar. Os estudos medem essa transferência em cinco lugares.

No trabalho escrito

Pesquisadores do BetterUp Labs e do Stanford Social Media Lab deram nome ao fenômeno: workslop, o conteúdo gerado por IA que parece trabalho pronto e não ajuda a tarefa a andar.¹⁶ Numa pesquisa com profissionais de escritório nos Estados Unidos, 40% disseram ter recebido algo assim no mês anterior.

No código

No código, a mudança aparece no que se escreve. A GitClear analisa centenas de milhões de linhas alteradas e acompanha dois sinais.¹⁷

Na pesquisa de 2025 do Stack Overflow, 66% dos desenvolvedores apontaram como maior frustração as respostas de IA quase certas, e 45% disseram gastar mais tempo depurando código gerado por IA.⁹ A pesquisa DORA, do Google, estimou em 2024 que cada 25% a mais de adoção de IA vinha com 7,2% a menos de estabilidade nas entregas.¹⁸ A edição de 2025 descreve a IA como amplificador: reforça times bem organizados e agrava os problemas dos que já sofriam.¹⁹

A revisão virou o gargalo. Num relatório de 2026 com telemetria de 22 mil desenvolvedores, o tempo mediano de um pull request em revisão ficou mais de cinco vezes maior nas fases de maior adoção de IA.²⁰

Nas respostas de IA

Assistentes de IA escrevem muito, e mais texto não quer dizer mais resposta. Um estudo com 14 modelos chamou de compensação por verbosidade o hábito de responder com mais palavras quando o modelo tem menos certeza. Um dos modelos mais usados fez isso em 50,4% dos casos, e num dos conjuntos de teste as respostas prolixas tiveram desempenho 27,6% inferior ao das concisas.²¹

Num teste de usabilidade de 2026, o Nielsen Norman Group observou pessoas usando chatbots de oito sites. As respostas mais longas não foram as melhores, e os participantes saíram sobrecarregados.²²

Na cabeça de quem supervisiona

Usar várias ferramentas de IA também cansa. Uma pesquisa do BCG com 1.488 profissionais nos Estados Unidos, publicada em 2026, descreve a fadiga mental de quem usa ou supervisiona IA além da própria capacidade cognitiva. Os autores a chamaram de brain fry, e 14% dos entrevistados relataram o quadro.²³

Uma equipe de Berkeley acompanhou por oito meses uma empresa de tecnologia de cerca de 200 pessoas e viu a IA intensificar o trabalho: escopo maior, mais horas e engenheiros gastando mais tempo com a revisão do que os colegas produziram com IA.²⁴

Há sinais sobre o pensamento, ainda frágeis. Um levantamento com 319 profissionais associou maior confiança na IA a menos pensamento crítico.²⁵ Um experimento do MIT Media Lab com 54 pessoas, ainda sem revisão por pares, registrou menor conectividade cerebral em quem escreveu com ajuda de IA e batizou o efeito de dívida cognitiva.²⁶

Na informação pública

O Reuters Institute pergunta todos os anos, a quase 100 mil pessoas em dezenas de países, se elas evitam as notícias. Em 2017, 29% diziam evitar às vezes ou com frequência. Em 2026, 42%.²⁷ Na edição de 2024, 39% se diziam esgotados pela quantidade de notícias, contra 28% em 2019.²⁸

4. O Axioma da Simplicidade Emergente

Os estudos descrevem o mesmo mecanismo em lugares diferentes. Proponho tratá-lo como princípio de projeto, com nome, enunciado e consequências que qualquer equipe consiga conferir.

Passado o limiar, o retorno à simplicidade segue um de dois caminhos.

Chamo essa simplicidade de emergente porque ninguém a decreta. Ela aparece na soma de comportamentos individuais: o recurso que ninguém abre, o relatório lido só no primeiro parágrafo, o pedido de resumo. Na ciência da complexidade, a expressão simplicidade emergente tem outro uso, o de partes complexas que produzem um comportamento coletivo simples.²⁹ O sentido aqui é o de uma pressão por simplificação que surge quando a capacidade de quem usa se esgota.

O limiar tem forma conhecida. A literatura sobre sobrecarga de informação descreve uma curva em U invertido: mais informação melhora a decisão até certo ponto e, a partir dele, piora.³⁰ O axioma trata do trecho depois do pico.

Seis corolários

Do axioma saem seis consequências, em três pares.

A vantagem cognitiva tem apoio antigo: no modelo de aceitação de tecnologia de Fred Davis, a facilidade de uso percebida é um dos determinantes da adoção.³¹

O que o axioma prevê

Um princípio útil arrisca previsões. Estas quatro podem ser conferidas em qualquer produto ou equipe.

1. Em produtos que crescem por acúmulo, o total de funcionalidades sobe e a parcela usada cai.
2. Onde a IA barateia a produção, o gargalo passa para a etapa seguinte: revisão, leitura, decisão.
3. Entre ofertas de capacidade parecida, a adoção favorece a que pede menos esforço mental.
4. Sobrecarga que dura gera fuga: a pessoa evita, pede resumo ou delega a leitura.

Onde o axioma pode falhar

É um axioma no sentido de ponto de partida para projetar. Ninguém o demonstrou como lei. Quatro ressalvas acompanham o uso.

• Nem toda complexidade sai. Parte dela pertence à tarefa. Donald Norman defende que o inimigo é a confusão, e que complexidade bem organizada serve às pessoas.³²
• O limiar varia. Especialistas agrupam informação em blocos maiores e toleram mais. O limiar que conta é o de quem usa, e raramente coincide com o de quem construiu.
• Simplificar demais também custa. Esconder risco, pré-requisito ou impacto para parecer simples troca sobrecarga por erro.
• A evidência é desigual. Parte dos números vem de pesquisas autodeclaradas e de fornecedores. E o efeito do excesso de opções sobre a escolha, medido em 50 experimentos, teve média próxima de zero numa meta-análise.³³

5. Complexidade não é sinal de maturidade

Em software de negócio, é comum ler volume como maturidade: mais módulos, mais campos, mais regras, mais integrações. O axioma lê de outro jeito. Complexidade não é sinal de maturidade. É custo cognitivo acumulado: cada recurso, configuração, regra e exceção consome atenção e memória de trabalho de quem usa.

A Pendo, que mede uso de software, analisou em 2019 os produtos de centenas de clientes e concluiu que 80% das funcionalidades de um produto médio são raramente ou nunca usadas.³⁴

O excesso sobrevive por um motivo que também foi medido. Em 2005, Thompson, Hamilton e Rust mostraram que, antes de usar, as pessoas dão mais peso à quantidade de recursos. Depois de usar, o peso passa para a facilidade. Elas escolhem o produto mais completo e ficam menos satisfeitas com ele. Os autores chamaram o efeito de fadiga de funcionalidades.³⁵

O acúmulo vai além de um produto. Segundo o Gartner, o profissional de escritório usava 11 aplicativos em 2022, contra 6 em 2019, e 47% tinham dificuldade para achar a informação de que precisavam.³⁶ Um estudo publicado na Harvard Business Review registrou cerca de 1.200 alternâncias entre aplicativos e sites por dia, quase quatro horas por semana gastas só em se reorientar.³⁷

Por que continuamos somando

Três forças empurram na direção do acúmulo.

• Somar é o impulso. Em oito experimentos publicados na Nature, pessoas diante de um problema procuraram o que acrescentar e deixaram passar a solução por subtração. Num deles, só 41% tiraram peças de uma estrutura quando tirar era a saída mais barata. Com um lembrete de que subtrair era permitido, 61%.³⁸ No software, Lehman formulou a tendência como lei: a complexidade de um programa em evolução cresce, a menos que alguém trabalhe para reduzi-la.³⁹
• Quem constrói não sente o peso. Num experimento clássico, pessoas batucavam uma música conhecida e previam que o ouvinte acertaria metade das vezes. Os ouvintes acertaram 2,5%.⁴⁰ É a maldição do conhecimento: quem domina o assunto não consegue mais imaginar como é não dominar.⁴¹ Para quem projetou o sistema, os nomes parecem óbvios e os caminhos, evidentes.
• Com IA, somar não custa nada. O campo extra, a tela extra e o parágrafo extra saem em segundos. O filtro do esforço deixou de existir no lado de quem produz.

O resultado já tem nome na engenharia de software: dívida de compreensão, o código produzido mais rápido do que o time consegue entender.⁴² A lógica vale para qualquer sistema. Complexidade que ninguém organizou é dívida, e quem paga os juros é o usuário, com atenção.

6. Caminhos: simplificar de propósito

Se a simplificação acontece de qualquer jeito, o trabalho é fazê-la antes do usuário.

Três regras de desempate resolvem a maior parte das discussões de projeto.

• Mais flexibilidade ou mais clarezavenceClareza
• Mais opções ou mais orientaçãovenceOrientação
• Complexidade interna ou experiência de quem usavenceO usuário não paga a conta da arquitetura

Sete princípios de projeto

Resposta em camadas

O mesmo vale para um texto, um relatório ou a resposta de um assistente de IA. Responda em camadas, e a pessoa para de ler quando já tem o que precisa.

Por onde começar, conforme o seu papel

Na operação: CRM, WhatsApp e IA no atendimento

Na operação comercial e de atendimento, o axioma aparece em quatro lugares.

• No CRM. Cada campo obrigatório é uma decisão por registro, multiplicada por todos os registros do mês. Campo que ninguém consulta para decidir sai da tela principal. Funil com etapas demais vira lista parada.
• No atendimento com IA pelo WhatsApp. O cliente lê no celular, entre outras conversas. Resposta curta primeiro, uma pergunta por mensagem, detalhe quando ele pedir.
• Nos painéis. Um painel com quarenta indicadores informa menos que um com cinco que alguém usa para decidir na segunda-feira.
• Nos aplicativos internos criados com IA. Gerar a tela leva uma tarde. Entender, manter e ensinar o sistema leva o resto da vida dele. O artigo sobre vibe coding na empresa trata desse custo.

Cinco testes rápidos

1. Primeira açãoMostre a tela a alguém que nunca viu o sistema e pergunte o que a pessoa faria primeiro. Se a resposta demora, a tela pede decisão demais na entrada.
2. Frase-resumoDepois de uma demonstração curta, peça que a pessoa diga em uma frase o que o sistema faz. Se ela não consegue, a proposta de valor se perdeu na complexidade.
3. Uso em silêncioObserve alguém executar uma tarefa sem nenhuma explicação sua. Cada ponto de travamento é carga extrínseca.
4. Contagem de decisõesConte quantas decisões a primeira tela ou o primeiro fluxo exigem. Quanto mais escolhas simultâneas, maior a chance de sobrecarga.
5. Tradução técnicaLeia os rótulos e pergunte se a pessoa entende o termo sem conhecer a arquitetura. Onde a resposta for não, há atrito.

Auditoria cognitiva de uma tela ou fluxo

Use a lista em cada módulo, tela ou fluxo. O grupo com menos itens atendidos mostra por onde começar.

7. Para onde isso vai

Cinco movimentos já aparecem nos dados e nas previsões.

1. A interface troca comando por intenção. Jakob Nielsen descreveu em 2023 o novo paradigma: a pessoa diz o resultado que quer, e o sistema cuida dos passos.⁴⁵ O Gartner prevê que, até 2028, um terço das experiências de uso passe dos aplicativos para interfaces de agentes.⁴⁶
2. A complexidade sai da tela e vai para a supervisão. Agente que executa sozinho ainda precisa de alguém que confira. O mesmo Gartner prevê o cancelamento de mais de 40% dos projetos de agentes até o fim de 2027.⁴⁷ Complexidade escondida atrás de um agente continua existindo e reaparece na hora de conferir.
3. Menos ferramentas. Em 2026, 41% das organizações ouvidas pela Futurum planejavam reduzir ou consolidar o número de aplicativos.⁴⁸
4. Curadoria vale mais que volume. Com metade dos artigos novos da web escrita por máquina e quatro em cada dez pessoas evitando notícias, quem seleciona, resume e assina embaixo ganha espaço.
5. Tecnologia calma volta à pauta. Em 1995, Weiser e Brown propuseram a tecnologia que informa sem exigir o centro da atenção.⁴⁹ Trinta anos depois, a proposta serve de critério para produtos com IA.

A capacidade de produzir vai continuar crescendo, e a de processar vai continuar onde está. Entre uma e outra fica o trabalho de quem projeta produtos, escreve, programa e lidera: decidir o que não mostrar e o que não construir.

Perguntas frequentes

O que é o Axioma da Simplicidade Emergente?

É um princípio de projeto proposto por Saulo Amui, da Bytebio, em 2026. Ele diz que, quando a complexidade de um sistema passa do que a memória de trabalho de quem usa consegue processar, surge uma pressão de volta à simplicidade. Ou quem constrói simplifica de propósito, ou quem usa simplifica sozinho, ignorando recursos, usando o sistema pela metade ou indo embora.

Por que a IA generativa aumenta a carga cognitiva?

Porque ela barateou a produção, e não a leitura. Texto, código e telas saem em segundos, e cada peça ainda precisa ser lida, conferida e entendida por alguém. Pesquisas de 2025 e 2026 medem esse custo em quem recebe conteúdo malfeito, em quem revisa código e em quem supervisiona várias ferramentas de IA.

Complexidade é sinal de maturidade de um produto?

Não. Pelo axioma, complexidade é custo cognitivo acumulado. Em 2019, a Pendo estimou que 80% das funcionalidades de um software médio são raramente ou nunca usadas. Maturidade aparece quando o produto entrega mais sem exigir mais esforço de quem usa.

Como simplificar um sistema sem perder funções?

Revele a complexidade por camadas, recomende um caminho padrão, use a linguagem de quem usa e deixe prontos os valores seguros. Esconda o avançado até ele ser necessário. Para cada recurso novo, escolha um para esconder, juntar ou aposentar, e teste com alguém que nunca viu o sistema.

Ficha do ensaio

Publicação

Bytebio, 13 de novembro de 2026

Autoria

Saulo Amui

Tipo

Ensaio com revisão de estudos publicados. Não há coleta de dados própria.

Proposta

O axioma, as três premissas, os dois caminhos e os seis corolários são formulação do autor. As referências sustentam as premissas e ilustram os corolários; elas não demonstram o axioma.

Fontes

49 referências, de 1952 a 2026: artigos científicos, relatórios de institutos e pesquisas de empresas, estas sinalizadas na lista.

Figuras

Sete com dados publicados e cinco esquemas, identificados pelo selo de cada uma.

Como citar

AMUI, Saulo. Produzir ficou barato. Entender continua caro: o Axioma da Simplicidade Emergente. Bytebio, 13 nov. 2026. Disponível em: https://www.bytebio.com/insights/axioma-da-simplicidade-emergente.

Citação curta

Axioma da Simplicidade Emergente, proposto por Saulo Amui (Bytebio, 2026): quando a complexidade de um sistema passa do que a memória de trabalho de quem usa processa, surge uma pressão de volta à simplicidade.

Referências

1. Miller, G. A. (1956). The magical number seven, plus or minus two: Some limits on our capacity for processing information. Psychological Review, 63(2), 81–97. Abrir a fonte
2. Cowan, N. (2001). The magical number 4 in short-term memory: A reconsideration of mental storage capacity. Behavioral and Brain Sciences, 24(1), 87–114. Abrir a fonte
3. Sweller, J. (1988). Cognitive load during problem solving: Effects on learning. Cognitive Science, 12(2), 257–285. Abrir a fonte
4. Sweller, J., van Merriënboer, J. J. G., & Paas, F. G. W. C. (1998). Cognitive architecture and instructional design. Educational Psychology Review, 10(3), 251–296. Abrir a fonte
5. Hick, W. E. (1952). On the rate of gain of information. Quarterly Journal of Experimental Psychology, 4(1), 11–26. Abrir a fonte
6. Simon, H. A. (1971). Designing organizations for an information-rich world. Em M. Greenberger (org.), Computers, Communications, and the Public Interest. Johns Hopkins Press. Abrir a fonte
7. Mark, G. (2023). Attention Span. Hanover Square Press. Valores citados por Mark em: American Psychological Association, Speaking of Psychology, episódio 225. Abrir a fonte
8. Collins Dictionary (2025). Collins Word of the Year 2025: vibe coding. O termo foi cunhado por Andrej Karpathy em fevereiro de 2025. Abrir a fonte
9. Stack Overflow (2025). 2025 Developer Survey, seção de IA. Abrir a fonte Amostra de quem escolheu responder.
10. Graphite (2026). AI now writes as many online articles as humans do. Atualização do estudo de 2025. Abrir a fonte Depende de detectores de texto de IA, que erram. A autora é uma empresa de SEO.
11. Ahrefs (2025). What percentage of new content is AI-generated? Análise de 900 mil páginas criadas em abril de 2025. Abrir a fonte Depende de detector de texto de IA. A maior parte das páginas mistura texto humano e de IA.
12. Microsoft (2025). Breaking down the infinite workday. Work Trend Index, relatório especial. Abrir a fonte Telemetria e pesquisa da fornecedora das ferramentas medidas.
13. IDC. Global DataSphere. Série "Volume of data created, captured, copied, and consumed worldwide", compilada pela Statista. Abrir a fonte Valores lidos em fontes secundárias que reproduzem a série. Os anos mais recentes são estimativas e previsões.
14. Oxford University Press (2024). "Brain rot" named Oxford Word of the Year 2024. Abrir a fonte
15. Merriam-Webster (2025). Word of the Year 2025: slop. Abrir a fonte
16. Niederhoffer, K., Rosen Kellerman, G., Lee, A., Liebscher, A., Rapuano, K., & Hancock, J. T. (2025). AI-generated "workslop" is destroying productivity. Harvard Business Review. Números em: BetterUp, The hidden costs of workslop. Abrir a fonte Pesquisa online, autodeclarada, com profissionais de escritório nos Estados Unidos. A página informa 1.004 respondentes no texto e 1.150 no infográfico.
17. GitClear (2026). The Maintainability Gap: 2026 AI code quality research. Abrir a fonte A autora vende ferramenta de análise de código. Os dados mostram correlação, e não causa.
18. DORA, Google Cloud (2024). Accelerate State of DevOps Report 2024. Abrir a fonte Pesquisa autodeclarada com modelagem estatística.
19. DORA, Google Cloud (2025). State of AI-assisted Software Development 2025. Abrir a fonte
20. Faros AI (2026). AI Engineering Report 2026: The acceleration whiplash. Abrir a fonte A autora vende ferramenta de métricas de engenharia. Dados sem auditoria externa.
21. Zhang, Y., Das, S. S. S., & Zhang, R. (2024). Verbosity ≠ veracity: Demystify verbosity compensation behavior of large language models. arXiv:2411.07858. Abrir a fonte Pré-publicação.
22. Rosala, M., et al. (2026). Less chat, more answer. Nielsen Norman Group. Abrir a fonte Estudo qualitativo, com nove participantes.
23. Bedard, J., Kropp, M., et al. (2026). When using AI leads to "brain fry". Harvard Business Review. Abrir a fonte Pesquisa autodeclarada de uma consultoria. O percentual foi lido em fonte secundária.
24. Ranganathan, A., & Ye, X. M. (2026). AI doesn't reduce work, it intensifies it. Harvard Business Review. Abrir a fonte Pesquisa em andamento, numa única empresa.
25. Lee, H.-P., Sarkar, A., Tankelevitch, L., Drosos, I., Rintel, S., Banks, R., & Wilson, N. (2025). The impact of generative AI on critical thinking. CHI 2025. Abrir a fonte Autodeclarado. Mostra associação, e não causa.
26. Kosmyna, N., et al. (2025). Your brain on ChatGPT: Accumulation of cognitive debt when using an AI assistant for essay writing task. arXiv:2506.08872. MIT Media Lab. Abrir a fonte Pré-publicação sem revisão por pares, com amostra pequena e uma só tarefa.
27. Newman, N., et al. (2026). Reuters Institute Digital News Report 2026. Reuters Institute for the Study of Journalism, Universidade de Oxford. Abrir a fonte
28. Newman, N., et al. (2024). Reuters Institute Digital News Report 2024. Reuters Institute for the Study of Journalism, Universidade de Oxford. Abrir a fonte
29. Bar-Yam, Y. (1997). Dynamics of Complex Systems. Addison-Wesley.
30. Eppler, M. J., & Mengis, J. (2004). The concept of information overload: A review of literature from organization science, accounting, marketing, MIS, and related disciplines. The Information Society, 20(5), 325–344. Abrir a fonte
31. Davis, F. D. (1989). Perceived usefulness, perceived ease of use, and user acceptance of information technology. MIS Quarterly, 13(3), 319–340. Abrir a fonte
32. Norman, D. A. (2010). Living with Complexity. MIT Press. Abrir a fonte
33. Scheibehenne, B., Greifeneder, R., & Todd, P. M. (2010). Can there ever be too many options? A meta-analytic review of choice overload. Journal of Consumer Research, 37(3), 409–425. Abrir a fonte
34. Pendo (2019). The 2019 Feature Adoption Report. Abrir a fonte A autora vende ferramenta de análise de produto e conta só as funcionalidades que os clientes marcaram.
35. Thompson, D. V., Hamilton, R. W., & Rust, R. T. (2005). Feature fatigue: When product capabilities become too much of a good thing. Journal of Marketing Research, 42(4), 431–442. Abrir a fonte
36. Gartner (2023). Gartner survey reveals 47% of digital workers struggle to find the information needed to effectively perform their jobs. Pesquisa com 4.861 profissionais. Abrir a fonte
37. Murty, R. N., Dadlani, S., & Das, R. B. (2022). How much time and energy do we waste toggling between applications? Harvard Business Review. Abrir a fonte Amostra de 137 pessoas em três empresas.
38. Adams, G. S., Converse, B. A., Hales, A. H., & Klotz, L. E. (2021). People systematically overlook subtractive changes. Nature, 592(7853), 258–261. Abrir a fonte
39. Lehman, M. M. (1980). Programs, life cycles, and laws of software evolution. Proceedings of the IEEE, 68(9), 1060–1076. Abrir a fonte
40. Heath, C., & Heath, D. (2006). The curse of knowledge. Harvard Business Review. Relata o experimento de Elizabeth Newton (Stanford, 1990). Abrir a fonte A tese original não foi publicada. O relato dos números é dos autores do artigo.
41. Camerer, C., Loewenstein, G., & Weber, M. (1989). The curse of knowledge in economic settings: An experimental analysis. Journal of Political Economy, 97(5), 1232–1254. Abrir a fonte
42. Gorman, J. (2025). Comprehension debt: The ticking time bomb of LLM-generated code. Codemanship. Abrir a fonte
43. Nielsen, J. (1994, atualizado). 10 usability heuristics for user interface design. Nielsen Norman Group. Heurística 6: reconhecimento em vez de memorização. Abrir a fonte
44. Nielsen, J. (2006). Progressive disclosure. Nielsen Norman Group. Abrir a fonte
45. Nielsen, J. (2023). AI: First new UI paradigm in 60 years. Nielsen Norman Group. Abrir a fonte
46. Gartner (2025). Gartner predicts 40% of enterprise apps will feature task-specific AI agents by 2026, up from less than 5% in 2025. Abrir a fonte Previsão, e não medição.
47. Gartner (2025). Gartner predicts over 40% of agentic AI projects will be canceled by end of 2027. Abrir a fonte Previsão, e não medição.
48. Futurum Group (2026). 41% of firms plan app consolidation; best-of-breed procurement falls to 20.7%. Abrir a fonte
49. Weiser, M., & Brown, J. S. (1995). Designing calm technology. Xerox PARC. Abrir a fonte