Um teste cognitivo clássico está revelando uma fraqueza fundamental em modelos avançados de inteligência artificial. Inspirado no teste de Stroop, que mede o controle cognitivo humano ao confrontar palavras e cores conflitantes, pesquisadores aplicaram tarefas semelhantes a grandes modelos de linguagem como GPT-4o e Claude 3.5 Sonnet. Enquanto humanos mantêm alta precisão mesmo em listas longas, a performance da IA despencou drasticamente conforme o número de itens aumentava. Em listas de 40 palavras, a acurácia caiu para apenas 15%. A dificuldade se acentua quando as listas misturam palavras congruentes e incongruentes — situações que exigem controle mental adaptativo. Os modelos tendem a ler a palavra automaticamente, em vez de identificar a cor da tinta, mostrando que ainda operam de forma estruturalmente diferente dos cérebros humanos. Isso levanta questões sobre o uso de IA em contextos que exigem foco sustentado e processamento complexo ao longo do tempo.