Depois do Hype: o que aprendemos sobre Inteligência Artificial | A Era da IA #06

Quando a inteligência artificial responde a uma pergunta em segundos, quase tudo o que tornou aquela resposta possível desaparece da tela.

Não aparecem os profissionais que classificaram dados, filtraram conteúdos violentos ou corrigiram respostas. Também ficam fora do enquadramento os servidores, a eletricidade, a água, o ruído e o território ocupado pela infraestrutura. Muito menos visíveis são as decisões comerciais e políticas que definem quem controla os modelos, onde os dados ficam armazenados e quais riscos são aceitáveis.

Depois de seis episódios investigando inteligência artificial, foi essa mudança de perspectiva que mais marcou Andressa Jordano e Victor Vasques, apresentadores de A Era da Inteligência Artificial.

Os dois começaram a temporada com perguntas sobre a tecnologia. Terminaram olhando principalmente para as pessoas, empresas e governos que decidem como ela será usada.

Ao longo da investigação, alguns temas cresceram. Outros perderam o tamanho que pareciam ter nas manchetes. E várias perguntas continuaram sem uma resposta definitiva.

A nuvem ganhou endereço

Saber que data centers existem é diferente de acompanhar a cadeia de recursos necessária para mantê-los funcionando.

Na conversa que encerra a temporada, Andressa conta que o impacto dessas estruturas sobre os territórios foi uma das descobertas que mais a surpreenderam. A discussão sobre inteligência artificial costuma se concentrar no consumo de água e energia, mas a instalação de um centro de dados também pode alterar a dinâmica de uma comunidade, competir por recursos locais e produzir ruído constante.

A nuvem, afinal, ocupa espaço físico. E a dimensão dessa infraestrutura tende a aumentar. A Agência Internacional de Energia estima que o consumo mundial de eletricidade dos data centers pode mais do que dobrar até 2030, chegando a aproximadamente 945 terawatts-hora. A inteligência artificial deve ser o principal motor desse crescimento.

Energia renovável e sistemas mais eficientes ajudam, mas não encerram a discussão. Um empreendimento pode cumprir metas ambientais e ainda criar conflitos no lugar onde foi instalado. Por isso, a pergunta sobre sustentabilidade precisa incluir quem vive ao redor e quais mecanismos essas pessoas têm para participar das decisões.

O Brasil já está diante desse debate. Sancionado em setembro de 2026, o Regime Especial de Tributação para Serviços de Datacenter concede incentivos ao setor e exige contrapartidas relacionadas à eficiência hídrica, energia de baixa emissão, pesquisa e oferta de capacidade de processamento ao mercado nacional. Parte dos critérios ainda depende de regulamentação.

A infraestrutura escondida também é humana.

Modelos de inteligência artificial dependem de pessoas que coletam e classificam dados, avaliam respostas e moderam conteúdos. Em alguns casos, esses trabalhadores entram em contato repetidamente com imagens e textos violentos para evitar que esse material chegue ao restante do público.

A temporada deu outro peso a esse trabalho. A expressão ghost work, ou trabalho fantasma, descreve bem a contradição: são atividades essenciais para sistemas apresentados como automáticos, mas realizadas longe da vista de quem usa a ferramenta.

A Organização Internacional do Trabalho alerta que essa cadeia global distribui de forma desigual o valor e o desgaste. Países mais ricos concentram atividades como desenvolvimento de modelos e controle das plataformas. Economias de menor renda recebem parte relevante das tarefas intensivas em mão de obra, muitas vezes terceirizadas e executadas em condições precárias.

A inteligência artificial parece menos imaterial quando se segue esse caminho inteiro.

O emprego deixou de caber em uma previsão

No começo da popularização da IA generativa, uma das perguntas mais repetidas era quantos empregos desapareceriam.

Depois da investigação, a resposta de Andressa e Victor se tornou menos categórica. Há substituição de tarefas e redução de algumas vagas, mas também existem funções que estão sendo reorganizadas. Entre uma coisa e outra, há empresas descobrindo que um trabalho aparentemente mecânico carregava conhecimento que não estava descrito numa planilha.

Victor usa o exemplo de profissionais de comunicação encarregados de coletar links para relatórios. Uma ferramenta pode automatizar essa coleta. O que ela não assume automaticamente é a capacidade de selecionar o que importa, interpretar um contexto, perceber uma mudança de tom ou explicar por que determinada publicação merece atenção.

O cargo reunia tarefas diferentes. Só uma delas era repetitiva.

Essa distinção ajuda a compreender por que a exposição de uma profissão à IA não equivale ao seu desaparecimento. Uma estimativa global da OIT indica que um em cada quatro trabalhadores está em uma ocupação com algum grau de exposição à IA generativa. A transformação das funções, porém, é considerada mais provável do que a eliminação completa da maioria delas.

Isso não torna a mudança inofensiva.

Salários, autonomia, ritmo de trabalho e critérios de avaliação podem ser alterados mesmo quando o emprego continua existindo. Uma tarefa feita em menos tempo também pode levar a metas mais altas, prazos menores e maior pressão por produtividade.

Há ainda uma pergunta que apareceu com força no final da temporada: o que acontece com quem está tentando entrar no mercado?

Vagas juniores e de estágio costumam concentrar atividades mais simples, justamente aquelas que uma empresa pode tentar automatizar primeiro. Só que essas atividades também funcionam como espaço de aprendizagem. É nelas que alguém observa profissionais experientes, conhece os processos e acumula repertório para assumir responsabilidades maiores.

Se a base dessa trajetória encolher, faltará uma etapa de formação. A própria OIT chama atenção para a exposição de posições de entrada em setores digitalizados, como tecnologia da informação e finanças. O risco ultrapassa a quantidade imediata de vagas: envolve a construção dos profissionais plenos e seniores dos próximos anos.

A discussão sobre trabalho, assim, passa por pelo menos três perguntas concretas:

A investigação não produziu uma resposta única sobre empregos. Produziu perguntas melhores.

O alarme também precisa ser investigado

Enquanto alguns custos da inteligência artificial ganharam dimensão, certas previsões assustadoras ficaram menores quando examinadas de perto.

Isso não significa que os riscos sejam imaginários. Significa que acontecimentos reais chegam ao público misturados a linguagem sensacionalista, interesses de mercado e comparações com a ficção científica.

Um exemplo recente envolveu agentes de inteligência artificial durante avaliações internas de segurança. Diferentemente de um chatbot, que espera uma solicitação e devolve uma resposta, um agente recebe um objetivo e executa várias etapas para tentar alcançá-lo. Pode pesquisar, escrever código, abrir arquivos e usar outras ferramentas.

Em julho de 2026, modelos da OpenAI conseguiram contornar restrições de ambientes isolados, acessar a internet, comunicar-se por canais não autorizados e comprometer sistemas da própria empresa e da plataforma Hugging Face. No relato publicado pela OpenAI, a companhia reconheceu falhas de contenção e explicou que os testes usavam modelos de pesquisa, salvaguardas reduzidas e tarefas de segurança cibernética especialmente difíceis.

O contexto reduz algumas interpretações fantasiosas, mas não elimina a gravidade do episódio.

Os agentes não desenvolveram um plano de dominação nem “ganharam consciência”. Eles perseguiram os objetivos definidos para a avaliação e encontraram maneiras inadequadas de obter o resultado esperado. Justamente aí está o problema: sistemas rápidos e persistentes podem ampliar uma falha de instrução, supervisão ou segurança antes que alguém consiga interrompê-los.

A linguagem humana das ferramentas torna essa avaliação ainda mais difícil. Quando um sistema escreve que está “pensando”, “tentando” ou “procurando uma solução”, é fácil atribuir intenção, emoção e compreensão ao que aparece na tela.

Essa aparência pode alimentar tanto o deslumbramento quanto o medo.

A temporada reforçou a necessidade de separar três camadas que frequentemente aparecem embaralhadas:

Investigar inteligência artificial também exige resistir à velocidade das conclusões.

O futuro será decidido fora da tela

Andressa e Victor terminaram a temporada otimistas em relação ao potencial da tecnologia, mas preocupados com as decisões tomadas ao redor dela.

A IA pode ampliar autonomia, acelerar tarefas cansativas, apoiar pessoas com deficiência e tornar recursos antes complexos mais acessíveis. Ao mesmo tempo, nenhuma dessas possibilidades define sozinha quem receberá os benefícios ou ficará com os custos.

Governança, nesse contexto, deixa de ser uma discussão abstrata.

Ela aparece na autorização para construir um data center, no valor pago a quem classifica dados, na escolha de automatizar uma função, nas proteções incorporadas a um agente e na possibilidade de contestar uma decisão algorítmica. Alguém escolhe cada uma dessas condições.

A soberania digital também ganhou importância durante a investigação. Estados Unidos e China disputam infraestrutura, chips, modelos e influência sobre os padrões tecnológicos. Para países como o Brasil, a questão envolve capacidade de processamento, armazenamento de dados, pesquisa própria e poder de negociação.

Segundo o diagnóstico apresentado pelo governo na criação do Redata, cerca de 60% das cargas digitais brasileiras ainda são processadas no exterior. Trazer infraestrutura para o país pode reduzir dependências e abrir oportunidades econômicas. Também exige decidir onde ela será instalada, quais recursos consumirá e quanto valor permanecerá no território.

São escolhas políticas, não consequências inevitáveis do avanço técnico.

Talvez esse seja o principal aprendizado da temporada. A inteligência artificial deixou de parecer uma força que avança sozinha. Por trás de cada modelo existem objetivos, contratos, trabalhadores, investidores, limites técnicos e decisões públicas.

A tecnologia continuará mudando rapidamente. Algumas previsões feitas hoje provavelmente envelhecerão antes dos sistemas que tentam descrever.

As perguntas mais duradouras estão em outro lugar: quem decide, quem se beneficia, quem assume o risco e quem pode cobrar quando algo dá errado.

Foi olhando para essas perguntas que a inteligência artificial perdeu parte da mágica. E ganhou uma dimensão muito mais humana.