No dia 6 de maio de 2026 participei da palestra “IA Generativa, Autoria e Integridade Acadêmica”, realizada no auditório do Instituto de Matemática e Estatística da UFBA, dentro do ciclo de debates promovido pelo grupo Onda Digital Pesquisa e Extensão com mediação de profa. Débora Abdalla.

A proposta do encontro foi discutir como as IAs generativas estão transformando práticas de escrita, pesquisa, avaliação e circulação do conhecimento nas universidades, para além das leituras simplificadoras que reduzem o debate a “produtividade” ou “fraude acadêmica”.

A conversa também trouxe reflexões sobre como essas tecnologias estão alterando nossa relação com a linguagem, a memória, a leitura e a produção de conhecimento.

Adaptação da palestra realizada no ciclo “Computação e Ética na Sociedade Contemporânea”, promovido pelo Onda Digital Pesquisa e Extensão/UFBA, em 6 de maio de 2026, no auditório do IME/UFBA.

No dia 6 de maio de 2026, participei do ciclo de palestras Computação e Ética na Sociedade Contemporânea, promovido pelo Onda Digital Pesquisa e Extensão/UFBA, com a palestra “IA generativa, autoria e crise da integridade acadêmica”.

A atividade havia sido pensada inicialmente como uma conversa com a participação de Igor Sobral. Infelizmente, Igor não pôde comparecer por conta de um pequeno acidente. A conversa, então, assumiu outro formato: uma exposição mais aberta, atravessada por perguntas, comentários e inquietações dos estudantes e pesquisadores presentes.

Essa mudança acabou sendo muito produtiva. Em vez de uma apresentação linear, o encontro se tornou uma espécie de reflexão compartilhada sobre um tema que atravessa hoje a vida universitária: o que a inteligência artificial generativa está fazendo com nossas formas de escrever, pesquisar, avaliar, ensinar, aprender e produzir conhecimento?

A IA como sintoma de uma crise mais ampla

Comecei a conversa perguntando quem ali não usava inteligência artificial. Em outros momentos, essa pergunta ainda produzia algumas respostas negativas. Uma ou duas pessoas levantavam a mão. Mas, naquela noite, praticamente ninguém podia dizer que não usava IA.

E isso já é um ponto importante: muitas vezes usamos inteligência artificial sem perceber. Ela está nas recomendações de filmes e músicas, nos aplicativos de navegação, nas plataformas de busca, nos filtros de imagem, nos corretores automáticos, nas sugestões de escrita, nas redes sociais. O que mudou mais recentemente foi a popularização de um tipo específico de IA: a IA generativa, especialmente a partir da abertura do ChatGPT ao público, no fim de 2022.

Essa popularização produziu um deslocamento. A inteligência artificial deixou de ser um tema abstrato, restrito a laboratórios, especialistas e ficções científicas, e passou a fazer parte da experiência cotidiana de estudantes, professores, pesquisadores, jornalistas, escritores, programadores e profissionais de várias áreas.

No caso da universidade, esse impacto foi imediato. De repente, professores começaram a se perguntar como identificar textos produzidos com ajuda de IA. Estudantes passaram a usar modelos generativos para resumir textos, tirar dúvidas, escrever trabalhos, programar, traduzir, organizar ideias ou simplesmente encontrar um caminho quando estavam bloqueados. As instituições, por sua vez, passaram a discutir normas, regras, limites, possibilidades e riscos.

Mas a minha hipótese é que a IA não criou sozinha a crise da integridade acadêmica. Ela intensificou uma crise que já estava em curso.

Quando falamos em integridade acadêmica, não estamos falando apenas de uso indevido de IA. Estamos falando de plágio, autoplágio, fabricação de dados, manipulação de resultados, fragmentação artificial de pesquisas, autoria indevida, compra e venda de autoria, periódicos predatórios, manipulação de citações, currículos inflados, conflitos de interesse não declarados, falta de transparência metodológica, assédio, abuso de poder, nepotismo acadêmico, discriminação e descumprimento de normas éticas de pesquisa.

Ou seja: a crise da integridade acadêmica é muito mais ampla do que o uso de ferramentas generativas. A IA aparece como um novo elemento dentro de um ecossistema já tensionado.

Por isso, me parece insuficiente reduzir o debate à pergunta: “o aluno usou ou não usou ChatGPT?”. Essa pergunta pode ser necessária em alguns contextos, mas ela não dá conta do problema mais profundo. A questão mais importante talvez seja outra: por que tantos trabalhos acadêmicos se tornaram tarefas burocráticas, sem sentido real para quem escreve e, muitas vezes, também para quem avalia?

Quando a escrita acadêmica vira apenas uma exigência formal para obter nota, certificado, título ou currículo, a tentação de automatizar o processo aumenta. A IA apenas explicita essa fragilidade. Ela nos obriga a perguntar de novo: para que escrevemos? Para quem escrevemos? O que significa aprender? O que significa pesquisar? O que esperamos de uma avaliação?

Da fraude à mediação: repensar a escrita acadêmica

Uma parte importante do debate atual gira em torno da ideia de fraude. É claro que existem usos fraudulentos de IA. Quando alguém entrega como seu um texto que não leu, não compreendeu, não revisou e não assume, há um problema ético. Mas parar nesse ponto é pouco.

A IA generativa também pode ser usada como instrumento de leitura, interlocução, revisão, tradução, organização, pesquisa, comparação, crítica e criação. Ela pode funcionar como uma espécie de parceiro de pensamento — desde que seu uso seja orientado por objetivos, critérios, transparência e responsabilidade.

Tenho preferido pensar menos em “uso” e mais em convivência com modelos de IA. A palavra “uso” sugere uma ferramenta passiva, neutra, simplesmente manipulada por um sujeito humano. Mas os modelos generativos não se comportam como um martelo, uma bicicleta ou um liquidificador. Eles respondem, sugerem, desviam, completam, reorganizam, interpretam, erram, inventam, surpreendem.

Isso não significa que tenham consciência, intenção ou subjetividade nos termos humanos. Mas significa que há uma agência técnica em jogo. Há uma interação. O resultado não é totalmente previsível. A saída depende do contexto, do histórico, das instruções, dos arquivos, da memória do sistema, do modelo utilizado e da forma como a conversa é conduzida.

Por isso, mais do que “engenharia de prompt”, tenho insistido na ideia de engenharia de contexto. O prompt isolado importa, mas ele não é tudo. O que realmente transforma a qualidade da interação é o contexto construído: quais textos foram carregados, quais instruções foram dadas, quais critérios foram definidos, qual é o objetivo da conversa, que tipo de revisão será feita depois, que memória foi acumulada ao longo do processo.

Nesse sentido, a coescrita com IA não é simplesmente pedir para a máquina escrever. É construir um ambiente de trabalho no qual leitura, escrita, revisão, pesquisa e interpretação passam a ser mediadas por um sistema técnico que precisa ser constantemente calibrado.

Meu percurso com a IA generativa

Minha aproximação com esses modelos começou pela experimentação. Venho da filosofia, da comunicação, da educação digital e dos estudos de cibercultura. Durante mais de vinte anos, a inteligência artificial aparecia para mim como tema teórico, hipótese filosófica, objeto de ficção científica ou promessa tecnológica. Mas não era algo com que eu pudesse conversar cotidianamente.

Quando o acesso ao ChatGPT foi aberto, comecei a experimentar. No início, com o modelo 3.5, havia muitas limitações: ele não acessava a internet, tinha um recorte temporal restrito, cometia erros frequentes e apresentava respostas muitas vezes genéricas. Ainda assim, havia ali algo novo.

Meu primeiro impulso foi explorar o campo da ficção. Retomei leituras de Isaac Asimov, autor que marcou minha adolescência e que pensou, muito antes da popularização dessas tecnologias, as relações entre robôs, regras, comportamento, ética e imaginação técnica. Comecei a propor roteiros, personagens, situações e diálogos. Fui testando os limites da interação e reunindo parte dessas experiências em um projeto chamado Conversando com Botões.

O nome fazia um jogo com a expressão antiga “conversar com meus botões”, usada para indicar alguém falando sozinho. Com os bots, essa expressão ganhava outro sentido: já não se tratava apenas de falar sozinho, mas de conversar com sistemas capazes de responder, continuar, sugerir, recombinar e provocar.

A partir daí, comecei a incorporar a IA aos meus textos, especialmente nas colunas que escrevo. No começo, fazia isso timidamente. Usava para pesquisa, revisão, sugestões pontuais. Depois comecei a explicitar ao leitor os trechos em que havia participação do modelo. Em alguns textos, eu marcava os fragmentos produzidos ou sugeridos pela IA. Mas esse procedimento logo se mostrou artificial.

Com o tempo, a interação se tornou mais integrada. Eu escrevia, o modelo comentava, eu revisava, pedia contrapontos, reorganizava, reescrevia, acrescentava, cortava. Já não era possível separar com clareza “o que era meu” e “o que era da IA”, porque o texto final resultava de um processo de ida e volta.

Por isso, passei a indicar de modo mais geral quando havia coescrita com IA. Essa experiência gerou muitas perguntas. O que é autoria nesse contexto? O que significa dizer que um texto é meu? Como ser transparente sem reduzir a escrita a uma soma de pedaços humanos e maquínicos? Como evitar tanto a mistificação da IA quanto sua demonização?

Essas perguntas me levaram a criar cursos sobre coescrita com IA. A princípio, imaginei que seriam cursos voltados para literatura e escrita criativa. Mas rapidamente apareceram pessoas do direito, da medicina, da pedagogia, da comunicação, da educação e da pesquisa acadêmica. Ficou claro que não estávamos falando apenas de literatura, mas da escrita em sentido amplo.

Hoje, tenho trabalhado especialmente com a relação entre coescrita, pesquisa acadêmica e construção de contexto.

A IA não economiza simplesmente tempo

Um dos mitos mais fortes sobre a IA generativa é o da economia de tempo. A promessa aparece em toda parte: fazer mais, mais rápido, com menos esforço. Mas minha experiência não confirma isso de modo simples.

A IA pode acelerar algumas etapas. Ela pode ajudar a fazer uma triagem inicial de bibliografia, resumir textos, comparar argumentos, organizar ideias, revisar uma estrutura, sugerir caminhos, localizar contradições. Mas isso não elimina o trabalho intelectual. Ao contrário, muitas vezes aumenta.

Quando um modelo produz rapidamente dez páginas de síntese, o problema passa a ser outro: é preciso ler, conferir, revisar, interpretar, cortar, aprofundar, verificar fontes, ajustar o tom, recolocar o argumento em seu contexto. A quantidade de material disponível aumenta. A responsabilidade também.

Por isso, a IA não me deu simplesmente mais tempo. Ela mudou minha relação com o tempo. Em alguns momentos, acelera. Em outros, sobrecarrega. Em vez de escrever uma versão inicial mais lenta, passo a lidar com múltiplas versões, hipóteses, caminhos e variações. O trabalho se desloca da produção inicial para a curadoria, a revisão, a validação e a recomposição.

Isso é muito importante para a universidade. O uso responsável de IA não elimina leitura cuidadosa. Um resumo pode ajudar a decidir se determinado texto merece atenção, mas não substitui a leitura do texto. Uma explicação gerada por IA pode abrir um caminho, mas não substitui o confronto com o autor, com a obra, com os dados, com a bibliografia e com o problema de pesquisa.

A IA pode ser uma boa porta de entrada, mas é uma péssima morada quando substitui a experiência de pensar.

Você educa o modelo, e o modelo educa você

Outro ponto central é que os modelos não respondem da mesma forma para todos. A resposta depende do contexto da interação. Uma conta personalizada, com histórico, memória, arquivos e instruções próprias, tende a responder de forma diferente de uma conta vazia.

No meu caso, o modelo foi aprendendo que pesquiso filosofia, cultura digital, educação digital, IA, saúde digital, teoria da mídia e determinados autores. Quando peço um resumo, uma análise ou uma comparação, muitas vezes ele já tenta relacionar o texto ao meu repertório de pesquisa. Isso pode ser muito produtivo, mas também cria riscos.

O primeiro risco é o fechamento. O modelo pode começar a me devolver sempre aquilo que parece dialogar com meus interesses, deixando escapar o que está fora do meu horizonte. O segundo risco é a dependência. Quanto mais personalizada se torna a interação, mais difícil fica migrar para outro modelo ou trabalhar fora daquele ambiente. O terceiro risco é a naturalização: começo a tratar como evidente uma mediação que é técnica, comercial, opaca e situada.

Ainda assim, há algo poderoso nesse processo. Tenho dito que você educa o modelo, e o modelo educa você. A cada interação, ajustamos a forma de perguntar, de organizar o contexto, de revisar respostas, de reconhecer erros, de pedir precisão. Ao mesmo tempo, o modelo influencia nossa forma de pensar, escrever e pesquisar.

Essa relação precisa ser observada com cuidado. Não se trata apenas de aprender “comandos”. Trata-se de compreender como uma nova mediação cognitiva altera nossa atenção, nossa memória, nossa linguagem e nossos critérios de validação.

Do fichário à IA: mudanças nas mediações da pesquisa

Para explicar esse deslocamento aos estudantes, retomei um pouco da minha própria trajetória de pesquisa.

Comecei minha formação em uma época em que pesquisar significava ir à biblioteca, consultar fichários, depender da catalogação feita por bibliotecários, localizar livros nas estantes, fazer fichamentos em cartões, copiar citações à mão, devolver livros e organizar arquivos pessoais de leitura. Depois veio a digitalização, os computadores, os arquivos de texto, os PDFs, os mecanismos de busca, as bases de dados, os repositórios acadêmicos.

Cada uma dessas mudanças alterou a forma de pesquisar. A internet, em seu início, produziu uma sensação utópica: parecia que teríamos acesso a toda a informação do mundo. Hoje, com a IA, a sensação dominante é muito diferente. Em vez de utopia, há medo: medo de perda de empregos, de destruição da escrita, de colapso cognitivo, de manipulação, de vigilância, de armas autônomas, de desinformação, de dependência tecnológica.

É claro que muitos desses receios são legítimos. Mas também precisamos perguntar por que a universidade, que deveria ser um espaço privilegiado de experimentação crítica, tem respondido de forma tão lenta, defensiva e, muitas vezes, burocrática.

Precisamos de mais espaços de conversa. Não apenas normas punitivas, mas laboratórios pedagógicos, experiências orientadas, metodologias transparentes, protocolos de uso, reflexão ética e formação crítica.

A avaliação acadêmica precisa ser repensada

A pergunta que muitos professores fazem é: “como vou saber se o aluno usou IA?”. A pergunta é compreensível, mas talvez não seja suficiente.

Se uma atividade pode ser resolvida integralmente por um modelo generativo, sem que o estudante precise compreender o problema, talvez a atividade precise ser repensada. Isso não significa abandonar a escrita. Pelo contrário: significa recuperar a escrita como processo, não apenas como produto.

Avaliar apenas o texto final se torna cada vez mais frágil. Talvez seja necessário acompanhar rascunhos, escolhas, justificativas, versões, comentários, referências, decisões metodológicas e processos de revisão. Talvez seja necessário valorizar mais a apresentação oral, a defesa do percurso, a explicitação das fontes, a comparação entre versões, a capacidade de explicar por que determinado caminho foi escolhido.

A IA generativa nos obriga a deslocar a avaliação do resultado para o processo.

Isso pode ser uma oportunidade. Em vez de apenas caçar fraude, podemos perguntar como reconstruir uma relação mais significativa entre professores, estudantes, escrita e conhecimento.

Autoria como responsabilidade

A IA também nos obriga a repensar a autoria.

A noção moderna de autoria está fortemente ligada à ideia de sujeito individual, originalidade, propriedade intelectual e expressão pessoal. Mas a escrita sempre foi atravessada por mediações: língua, tradição, escola, livros, orientadores, revisores, editores, softwares, bibliotecas, conversas, citações, traduções, instrumentos técnicos.

A IA torna essa mediação mais visível e mais inquietante.

A pergunta “quem escreveu?” talvez precise ser complementada por outras: quem orientou o processo? Quem selecionou as fontes? Quem definiu o problema? Quem revisou? Quem assumiu a responsabilidade? Quem pode defender o argumento? Quem responde pelos erros?

Nesse sentido, autoria não é apenas origem. É também responsabilidade.

Um texto coescrito com IA pode ser autoral se houver direção, intenção, revisão, apropriação crítica e responsabilidade pelo resultado. Por outro lado, um texto “sem IA” pode ser pouco autoral se for apenas reprodução burocrática de fórmulas, citações e expectativas institucionais.

O problema não é apenas a presença ou ausência da máquina. O problema é a qualidade da relação com a linguagem, com o pensamento e com o compromisso intelectual.

IA, epistemologia e colonialidade

Durante a palestra, procurei também ampliar a discussão para além da fraude e da produtividade. A universidade brasileira herdou modelos de conhecimento profundamente marcados por tradições europeias. Isso não significa rejeitar a ciência ou a tradição acadêmica, mas reconhecer que há outras formas de produzir, transmitir e validar conhecimento.

Tradições orais, saberes indígenas, saberes afro-diaspóricos, práticas comunitárias, cosmologias não ocidentais e experiências locais frequentemente foram colocadas em posição inferior diante de uma ideia universalista de ciência.

A IA generativa entra nesse cenário de modo ambíguo. Por um lado, os grandes modelos tendem a reproduzir assimetrias existentes nos dados, nas línguas, nas infraestruturas e nos centros de poder. Por outro, a própria crise aberta pela IA pode nos ajudar a perguntar que tipo de conhecimento valorizamos e quais epistemologias permanecem invisibilizadas.

Se a IA nos obriga a repensar autoria, avaliação, escrita e pesquisa, talvez também nos ajude a repensar a própria arquitetura colonial da universidade.

Ferramenta, agência e convivência

Uma questão importante é evitar tanto a ingenuidade quanto o pânico.

Não acho adequado dizer que a IA é apenas uma ferramenta neutra. Mas também não acho produtivo atribuir a ela uma espécie de vontade autônoma ou poder mágico. Ela é uma mediação técnica poderosa, construída por seres humanos, empresas, universidades, infraestruturas, bancos de dados, interesses econômicos, políticas públicas e disputas geopolíticas.

Hoje, grande parte dessa tecnologia está concentrada nas mãos de grandes empresas. Mas ela não nasceu simplesmente nas Big Techs. É resultado de décadas de pesquisa acadêmica, debates em cibernética, ciência da computação, linguística, estatística, filosofia, matemática, neurociência, teoria da informação e muitas outras áreas.

O problema é que uma tecnologia produzida coletivamente ao longo de décadas está hoje sendo organizada por ecossistemas comerciais muito concentrados. Isso cria dependência, assimetria e opacidade.

Ao mesmo tempo, há movimentos em direção a modelos menores, especializados, locais e personalizados. Em vez de imaginar apenas grandes IAs generalistas, capazes de responder sobre qualquer assunto, podemos pensar em IAs voltadas a domínios específicos, com corpus delimitado, menor custo energético, maior transparência e uso institucional mais controlado.

Esse talvez seja um caminho importante para a universidade: não apenas consumir modelos generalistas, mas desenvolver competências para criar, avaliar, adaptar e governar suas próprias mediações técnicas.

Regulação, censura e limites dos modelos

Uma das perguntas do público tratou das diferenças entre modelos mais ou menos regulamentados. Esse é um ponto fundamental.

Modelos diferentes carregam restrições diferentes. Alguns evitam temas politicamente sensíveis em determinados contextos nacionais. Outros impõem limites mais fortes em temas ligados a sexualidade, violência, menores de idade, segurança, código malicioso, automação ou informações perigosas. Essas restrições não são neutras. Elas expressam valores, leis, interesses comerciais, pressões políticas e estratégias de gestão de risco.

O exemplo de modelos chineses, como o DeepSeek, mostra como certas perguntas ligadas à política chinesa podem ser desviadas ou bloqueadas. Nos modelos ocidentais, as restrições aparecem com mais força em áreas como segurança, conteúdo sexual, proteção de menores, produção de código potencialmente perigoso e instruções que possam facilitar danos.

Na área de computação, isso abre uma discussão delicada. Modelos capazes de encontrar vulnerabilidades em sistemas podem ser usados tanto para defesa quanto para ataque. Essa ambiguidade não é nova. Ela já estava presente na cultura hacker.

Durante muito tempo, o hacker foi pensado não apenas como criminoso, mas como alguém capaz de identificar falhas, expor vulnerabilidades e impedir a confiança cega em sistemas técnicos. Depois, o termo foi sendo associado quase exclusivamente ao crime digital.

Com a IA, essa tensão retorna em outro patamar. O que antes exigia conhecimento técnico avançado pode se tornar mais acessível por meio de linguagem natural. Isso é democratização ou caos? Depende das condições de uso, da governança, da formação ética e da capacidade coletiva de lidar com sistemas vulneráveis.

O importante é reconhecer que não existe sistema técnico sem brechas. A questão é o que fazemos com essa consciência.

Outras inteligências, outros mundos

Em outro momento da conversa, surgiu uma questão sobre inteligências não humanas: pássaros, árvores, terra, baleias, golfinhos, polvos, Pachamama, Gaia. A pergunta era se a IA, combinada com outras tecnologias, poderia nos ajudar a atravessar a fronteira entre a inteligência humana e outras formas de inteligência.

Essa pergunta nos leva para o campo da imaginação filosófica, mas também para pesquisas muito concretas.

Há animais que constroem estruturas complexas, como colmeias, ninhos e cupinzeiros. Há primatas que usam ferramentas. Há estudos sobre comunicação de baleias e golfinhos. Há pesquisas tentando usar IA para identificar padrões em vocalizações animais. Há tradições indígenas e ameríndias que nunca separaram de modo rígido humanidade, animalidade, espiritualidade, território e inteligência.

Autores como Eduardo Viveiros de Castro ajudam a pensar o perspectivismo ameríndio e o multinaturalismo, deslocando a ideia ocidental de uma única natureza observada por diferentes culturas. Bruno Latour, por sua vez, questiona a separação moderna entre natureza e sociedade, sujeito e objeto, ciência e política.

A IA pode entrar nesse debate como mais uma mediação. Não porque vá magicamente traduzir a Terra, os animais ou as plantas, mas porque pode nos ajudar a perceber padrões, relações, sinais e interdependências que escapam à percepção humana imediata.

Telescópios, satélites, sensores ambientais, modelos climáticos e sistemas de análise de dados já alteraram nossa compreensão do planeta. Eles mostram variações de temperatura, circulação das águas, desmatamento, secas, chuvas, degelo, queimadas, emissões, transformações atmosféricas. A IA pode ampliar essa capacidade de leitura, desde que não seja colocada a serviço da mesma lógica extrativista que nos trouxe à crise ambiental.

Aqui, a questão é mais profunda: precisamos suspender a ideia de que existe um humano puro, separado da técnica e da natureza. Como lembra Ailton Krenak em muitas de suas reflexões, não estamos fora da natureza. Nunca saímos dela. A ideia de um “fora” — para onde mandamos o lixo, os resíduos, os impactos — é parte do problema.

A técnica não precisa ser pensada apenas como dominação da natureza. Ela pode também ser pensada como mediação para recompor relações, escutar sinais, reconhecer dependências e imaginar outras formas de coexistência.

Oráculos, IA e descentralização do sujeito

Essa discussão também me fez lembrar de práticas como o I Ching, os búzios, o tarô e outras formas de consulta oracular. Independentemente da interpretação espiritual que cada pessoa dê a essas práticas, há nelas uma dimensão cognitiva interessante.

Quando alguém formula uma pergunta e recebe uma resposta simbólica, precisa interpretá-la. A resposta não é simplesmente uma informação pronta. Ela desloca o sujeito, obriga a pensar por outra via, produz uma mediação entre a pergunta e a reflexão.

Em certo sentido, algumas interações com IA também funcionam como espelhos cognitivos. Pessoas conversam com modelos sobre dúvidas, medos, decisões, angústias, bloqueios criativos, problemas de estudo, conflitos pessoais. Isso pode ser útil, mas também exige cuidado. A IA pode ampliar a reflexão, mas também reforçar ilusões, dependências e circuitos fechados.

O ponto filosófico é que o sujeito moderno, autônomo, transparente para si mesmo, senhor absoluto de sua razão, já vinha sendo abalado há muito tempo. Marx deslocou o sujeito individual ao enfatizar classes e condições materiais. Freud mostrou a força do inconsciente. As ciências sociais, a antropologia, os estudos feministas, os estudos decoloniais e a teoria da técnica seguiram mostrando que ninguém pensa sozinho.

A IA é mais um golpe nessa imagem do sujeito isolado. Ela nos obriga a reconhecer que pensar sempre foi uma atividade mediada.

A pergunta pelo sentido

Uma das intervenções mais importantes do encontro veio de uma participante que relatou sua experiência usando IA para escrever melhor em francês. Para ela, a tecnologia havia produzido uma sensação de liberdade: ao resolver parte da barreira linguística, permitia que ela se concentrasse melhor no que queria dizer.

Esse exemplo é muito bom, porque mostra que a IA não é apenas ameaça. Para muitas pessoas, ela pode abrir caminhos de expressão, tradução, acessibilidade e participação.

Mas a mesma participante formulou uma pergunta decisiva: para que tudo isso? Para que tantas respostas, tanta agilidade, tanta novidade, se estamos perdendo o sentido?

Essa talvez seja a pergunta mais importante.

A IA pode produzir textos, imagens, códigos, resumos, planos, explicações e respostas. Mas ela não resolve por si só a crise de sentido. Ao contrário, pode intensificá-la. Se não sabemos por que escrevemos, por que pesquisamos, por que ensinamos, por que estamos na universidade, a IA apenas acelera o vazio.

Por isso, a discussão sobre IA não pode ser apenas técnica. Também precisa ser ética, política, existencial e pedagógica.

O que queremos fazer com essas tecnologias? Que formas de vida elas favorecem? Que relações de trabalho elas intensificam? Que experiências de aprendizagem elas empobrecem ou ampliam? Que dependências produzem? Que possibilidades abrem? Que mundo ajudam a construir?

Yuk Hui, cosmotécnica e o presente da tecnologia

Para pensar essas questões, tenho recorrido muito ao filósofo Yuk Hui, especialmente às suas ideias de cosmotécnica e tecnodiversidade.

Yuk Hui nos ajuda a escapar de uma narrativa muito comum no Ocidente: a ideia de que a tecnologia nos levará inevitavelmente ao paraíso ou ao desastre. Muitas discussões sobre IA seguem esse roteiro quase escatológico. Ou a IA resolverá todos os problemas humanos, ou destruirá a humanidade. Ou redenção, ou apocalipse.

Esse enquadramento dificulta olhar para o presente.

Mais importante do que perguntar apenas “o que a IA será no futuro?” é perguntar: o que ela está fazendo agora? Como está entrando na escola, na universidade, no trabalho, na ciência, na escrita, na saúde, na política, na vida doméstica? Como está alterando o modo como estudantes estudam, professores avaliam, pesquisadores escrevem, empresas organizam trabalho, governos tomam decisões?

Olhar para o agora exige calma. E a cultura tecnológica contemporânea tem pouca calma. Somos bombardeados por anúncios, promessas, medos, rankings, lançamentos, versões, previsões e disputas empresariais. A cada semana surge um novo modelo, uma nova ferramenta, uma nova ameaça, uma nova solução milagrosa.

Pensar a IA criticamente exige desacelerar um pouco. Perguntar não apenas o que ela pode fazer, mas o que ela está fazendo conosco.

IA na ciência e solução técnica dos problemas

Também é importante lembrar que nem toda discussão sobre IA se reduz aos modelos de conversa. Há usos avançados na ciência, na biologia, na medicina, na física, na climatologia e em várias áreas aplicadas.

Projetos como os da DeepMind, por exemplo, mostram como sistemas de IA podem contribuir para problemas científicos complexos, como modelagem de proteínas e descoberta de padrões em jogos, estruturas e ambientes. O caso do AlphaGo e do AlphaZero é interessante porque mostra modelos capazes de desenvolver estratégias não previstas por jogadores humanos, a partir de processos próprios de aprendizagem.

Isso desafia a ideia simplista de que a IA apenas repete o que já existe. Depende do tipo de sistema, do ambiente de treinamento, dos critérios de avaliação e do problema em questão.

Mas há também um risco: o solucionismo técnico. A ideia de que todos os problemas humanos podem ser resolvidos por mais dados, mais cálculo, mais processamento e melhores modelos. Essa visão tende a desconsiderar dimensões políticas, afetivas, sociais, culturais e históricas da convivência humana.

A IA pode ajudar a resolver problemas técnicos importantes. Mas a crise da universidade, da democracia, do clima, do trabalho e do sentido não será resolvida apenas por modelos mais poderosos.

Para além do medo e da euforia

Ao final da conversa, fiquei com a impressão de que precisamos construir um caminho entre dois extremos.

De um lado, a euforia ingênua, que trata a IA como solução mágica para tudo. De outro, o medo paralisante, que vê apenas ameaça, perda e decadência.

A universidade precisa de outra postura: crítica, experimental, transparente e responsável.

Isso significa reconhecer riscos reais: plágio, dependência, vigilância, concentração de poder, precarização do trabalho, homogeneização da escrita, reprodução de vieses, desinformação, consumo energético, opacidade dos modelos. Mas também significa reconhecer possibilidades: acessibilidade, tradução, apoio à leitura, organização de pesquisa, simulação de argumentos, revisão de textos, exploração criativa, análise de dados, personalização pedagógica e ampliação de repertórios.

A questão não é simplesmente aceitar ou recusar a IA. A questão é disputar seus usos, seus sentidos, suas infraestruturas e suas formas de governança.

O que a IA nos obriga a perguntar

A IA generativa não deve ser tratada apenas como problema disciplinar. Ela é uma oportunidade incômoda para repensar a universidade.

Ela nos obriga a perguntar:

• O que significa aprender quando respostas podem ser geradas automaticamente?
• O que significa escrever quando a escrita pode ser mediada por modelos de linguagem?
• O que significa autoria quando o texto resulta de interações entre humanos, máquinas, arquivos, memórias e contextos?
• O que significa avaliar quando o produto final já não revela claramente o processo?
• O que significa pesquisar quando a triagem, o resumo e a comparação de fontes podem ser parcialmente automatizados?
• O que significa integridade acadêmica quando a crise ética da universidade é muito mais ampla do que o uso de IA?
• O que significa formar estudantes para um mundo em que essas mediações serão cada vez mais presentes?

Essas perguntas não têm respostas simples. Mas talvez seja justamente por isso que precisamos discuti-las coletivamente.

A IA não elimina a necessidade da universidade. Ao contrário, torna a universidade ainda mais necessária — desde que ela não se limite a defender formas antigas de avaliação, escrita e autoridade. Precisamos de uma universidade capaz de formar pessoas para pensar com, contra e apesar das máquinas.

Uma universidade que não trate estudantes como suspeitos permanentes, nem tecnologias como fetiches inevitáveis. Uma universidade capaz de reconstruir o sentido da escrita, da pesquisa, da autoria e da convivência intelectual.

Nota técnica

Este texto foi elaborado a partir da gravação e da transcrição da palestra realizada em 6 de maio de 2026, no ciclo Computação e Ética na Sociedade Contemporânea, promovido pelo Onda Digital Pesquisa e Extensão/UFBA. A transcrição foi reorganizada, editada e expandida com apoio de IA generativa, preservando os principais argumentos da fala, mas adaptando a oralidade para o formato de texto ensaístico. O resultado não é uma transcrição literal, e sim uma versão revista, ampliada e estruturada para publicação no site Oficina de Linguagens Digitais.