Resumo estendido da apresentação, elaborado a partir da transcrição e complementado com contextualizações conceituais e históricas.
Introdução: talvez estejamos atravessando uma mudança de ecologia cognitiva
O ponto de partida desta reflexão é uma inquietação: e se estivermos vivendo não apenas uma mudança tecnológica, mas uma transformação mais profunda nas formas pelas quais organizamos a percepção, a memória, o pensamento e a produção de conhecimento?
É nesse sentido que proponho pensar a inteligência artificial a partir da ideia de ecologia cognitiva. Não se trata simplesmente de observar uma nova ferramenta que começa a ser incorporada às atividades cotidianas. Trata-se de perceber um ambiente em transformação, no qual diferentes tecnologias cognitivas — oralidade, escrita, eletricidade, digitalização e, agora, inteligência artificial — convivem, se misturam e se reorganizam.
Na apresentação, a própria forma da fala já funcionava como exemplo. Ao contrário da escrita, que tende a organizar os argumentos sequencialmente, a oralidade permite desvios, associações, retornos e lembranças que surgem durante o percurso. A exposição partiu justamente dessa característica não linear para levantar uma provocação sobre nossa relação histórica com a escrita.
Durante séculos, sobretudo no horizonte cultural ocidental, sociedades cuja memória não estava organizada prioritariamente pela escrita foram frequentemente classificadas como atrasadas ou inferiores. Hoje, os debates decoloniais e pós-coloniais vêm questionando profundamente essa hierarquia, recuperando a riqueza epistemológica de culturas indígenas, africanas e de diferentes tradições orais.
Existe, porém, uma tensão curiosa. No mesmo momento em que começamos a reconhecer que pensamento complexo, memória e produção de conhecimento não dependem exclusivamente da escrita, cresce a preocupação de que as novas gerações, ao utilizarem inteligência artificial, áudio, vídeo e outras formas multimodais de comunicação, estejam deixando de escrever — e, consequentemente, deixando de pensar.
É justamente essa associação automática entre escrita e pensamento que precisa ser examinada.
Ecologias cognitivas não se substituem: elas se sobrepõem
A ideia de ecologia cognitiva utilizada na apresentação procura observar o conjunto de elementos que participa da organização do conhecimento em determinado contexto histórico. Uma sociedade pode se estruturar predominantemente pela oralidade; outra pode ter na escrita um dispositivo central de memória; posteriormente surgem a imprensa, o rádio, o telefone, a televisão, os computadores, as redes digitais.
Essas transformações não acontecem por substituição simples. A escrita não eliminou a oralidade. A eletricidade não eliminou o texto. O digital não eliminou nenhuma dessas formas anteriores. Ao contrário, cada nova ecologia incorpora, reorganiza e ressignifica as anteriores.
A inteligência artificial aparece agora dentro dessa história como uma nova camada, marcada especialmente pela multimodalidade. Texto, imagem, voz, vídeo, código e ação computacional passam a fazer parte de um mesmo ambiente de interação. Na formulação apresentada, oralidade, escrita, eletrificação e digitalização formam ecologias que se acumulam e se contaminam mutuamente.
Como contextualização conceitual, a expressão “ecologia cognitiva” ganhou importância nos estudos da cultura digital sobretudo com Pierre Lévy, para quem a inteligência não pode ser compreendida exclusivamente como fenômeno individual: ela emerge de coletivos que incluem pessoas, instituições, linguagens e tecnologias. A cognição, nessa perspectiva, já é uma atividade distribuída entre diferentes atores e dispositivos. Wikipédia
A inteligência artificial amplia radicalmente essa distribuição.
Quando conversar com o computador passa a ser suficiente
Um dos exemplos apresentados foi um vídeo demonstrando agentes de IA operando um computador a partir de comandos falados. Em vez de utilizar diferentes programas manualmente, uma pessoa podia pedir, pela voz, que o sistema produzisse um texto, criasse uma imagem, abrisse um aplicativo, desenvolvesse um jogo ou executasse outras ações.
A mudança parece pequena quando descrita apenas como uma nova interface. Mas suas consequências podem ser muito maiores.
Durante décadas, nossa relação com os computadores dependeu do aprendizado de interfaces específicas: teclado, mouse, menus, ícones, comandos, aplicativos. Mesmo os smartphones continuam baseados predominantemente numa lógica visual e tátil. Com a IA generativa e os agentes computacionais, a linguagem comum começa a funcionar como interface de operação da máquina.
Isso recoloca a oralidade no centro.
A pergunta provocativa feita durante a apresentação foi: daqui a cinco ou dez anos, quanto ainda estaremos escrevendo diretamente para operar sistemas digitais?
Já existem pequenos sinais dessa transformação no cotidiano. Em aplicativos de mensagens, por exemplo, é cada vez mais comum substituir uma mensagem longa por um áudio. O destinatário, por sua vez, pode não ouvir esse áudio: pode pedir ao próprio sistema que o transcreva ou resuma.
Nesse circuito, alguém fala, uma máquina transforma a fala em texto, outra máquina reorganiza o texto e a informação pode finalmente ser consumida novamente na forma escrita, falada ou resumida.
A oralidade digital, portanto, não significa simplesmente um retorno à oralidade anterior à escrita. É uma oralidade tecnicamente mediada, atravessada por sistemas de reconhecimento de voz, modelos de linguagem, memória computacional, transcrição e síntese.
É uma nova configuração cognitiva.
A inteligência artificial não começa nas Big Techs
Outro ponto da apresentação foi a necessidade de distinguir a história da inteligência artificial de sua atual concentração empresarial.
É legítimo e necessário discutir poder econômico, exploração de dados, interesses comerciais, concentração de infraestrutura e dependência tecnológica. Mas reduzir a IA às empresas que atualmente dominam sua exploração comercial obscurece uma história muito mais extensa.
A inteligência artificial contemporânea resulta de décadas de pesquisa envolvendo cibernética, ciência da computação, linguística, matemática, neurociência, psicologia cognitiva, estatística e muitas outras áreas. Suas raízes atravessam a cibernética dos anos 1940, os primeiros computadores, as redes neurais, diferentes ciclos da pesquisa em IA e o desenvolvimento posterior do machine learning.
Hoje, parte importante dessa infraestrutura está concentrada porque treinar grandes modelos exige enorme capacidade computacional, grandes conjuntos de dados e centros de processamento caros. Mas essa não é necessariamente uma situação permanente.
Já existe um movimento significativo na direção contrária: modelos menores, modelos de pesos abertos, quantização e técnicas de adaptação eficiente permitem executar e especializar sistemas em computadores relativamente acessíveis. É importante distinguir aqui treinar grandes modelos desde o início, operação ainda extremamente cara, de executar ou adaptar modelos já existentes localmente, algo progressivamente mais acessível. Documentações atuais do ecossistema Hugging Face, por exemplo, mostram como quantização e técnicas como PEFT reduzem substancialmente a memória e o poder computacional necessários. Hugging Face
Essa tendência abre outra dimensão do debate: soberania tecnológica.
A pergunta deixa de ser apenas “como utilizar os serviços das grandes empresas?” e passa também a ser “que modelos podemos hospedar, modificar, compartilhar e adaptar às necessidades de universidades, comunidades, serviços públicos e grupos locais?”.
Na fala, essa questão aparece associada à necessidade de experimentar as tecnologias, e não apenas observá-las externamente. A experiência prática com coescrita, projetos e agentes é apresentada como condição para compreender suas possibilidades e seus limites.
Experimentar antes de concluir
Esse ponto é metodologicamente importante.
Estamos diante de tecnologias cujas possibilidades ainda não estão estabilizadas. Por isso, existe o risco de analisá-las apenas a partir de categorias formadas em experiências anteriores.
Um modelo de linguagem não é simplesmente um editor de texto mais sofisticado. Um agente não é apenas um chatbot. Uma interface conversacional não é simplesmente um motor de busca no qual escrevemos frases maiores.
Quando uma nova tecnologia aparece, inicialmente tentamos compreendê-la utilizando os hábitos desenvolvidos para a tecnologia anterior.
Isso pode ser observado em gestos aparentemente banais. Alguém diante de uma revista impressa tenta ampliar a imagem com os dedos, reproduzindo o gesto aprendido nas telas. Ou alguém entra no ChatGPT e formula sua primeira interação exatamente como faria em uma caixa de busca do Google.
A nova tecnologia é inicialmente interpretada pelas gramáticas da tecnologia anterior.
Pouco a pouco, entretanto, surgem usos próprios.
É nesse sentido que experimentar também é uma forma de investigação. Trabalhar com IA, testar seus limites, construir processos de coescrita, organizar contextos, trabalhar com bases documentais e experimentar agentes permite observar fenômenos que seriam difíceis de compreender apenas teoricamente.
O ambiente que não conseguimos perceber
A noção de ecologia cognitiva ajuda justamente porque desloca nossa atenção do objeto isolado para o ambiente.
Estamos normalmente imersos em ambientes cognitivos sem percebê-los. A escrita parece natural para quem cresceu numa cultura letrada. A perspectiva visual parece natural porque aprendemos a organizar o espaço dessa maneira. Interfaces digitais tornam-se tão habituais que deixam de ser percebidas como interfaces.
Marshall McLuhan utilizou repetidamente a metáfora do peixe que não percebe a água em que vive: para perceber um ambiente, seria necessário algum tipo de contraste capaz de retirá-lo momentaneamente de sua invisibilidade.
Na apresentação, uma imagem utilizada para representar esse movimento foi a famosa gravura de Flammarion, publicada em 1888 em L’Atmosphère: Météorologie Populaire. Nela, um viajante atravessa simbolicamente o firmamento e olha para além do mundo que até então delimitava sua experiência. Embora muitas vezes tenha sido reproduzida como se fosse uma ilustração medieval, sua primeira aparição documentada é no livro de Camille Flammarion.
A força da imagem está justamente nesse gesto: atravessar o limite do ambiente para conseguir enxergá-lo.
As mudanças de ecologia cognitiva produzem momentos semelhantes. Quando passamos de um meio para outro, durante algum tempo conseguimos perceber o meio anterior e o novo com maior nitidez.
A arte como antiambiente
É nesse contexto que aparece outra contribuição de McLuhan: a ideia da arte como antiambiente.
Um ambiente profundamente naturalizado tende a tornar-se invisível. A arte, ao romper expectativas e produzir estranhamento, pode tornar perceptíveis as regras que normalmente não enxergamos. Para McLuhan, essa capacidade de revelar dimensões ocultas do ambiente constitui uma função cognitiva fundamental da arte.
O exemplo lembrado na apresentação foi Marcel Duchamp. Quando um urinol industrial aparece num espaço expositivo como Fountain, em 1917, o desconforto produzido pela obra não decorre apenas do objeto. Ele força o observador a perguntar: o que faz alguma coisa ser arte? O objeto? O artista? O museu? A instituição? O contexto?
O readymade torna visível uma estrutura que normalmente permanecia escondida. The Museum of Modern Art
Talvez precisemos produzir experiências semelhantes diante da inteligência artificial: situações que nos permitam enxergar o ambiente cognitivo no qual já estamos entrando.
Ver a Terra de fora
Outro exemplo utilizado foi a fotografia da Terra vista do espaço.
A possibilidade de enxergar o planeta inteiro a partir de fora produziu uma transformação perceptiva importante. Aquilo que durante milênios havia sido experimentado localmente — território, cidade, país, continente — podia finalmente ser percebido visualmente como uma unidade planetária.
A fala associa essa experiência ao surgimento de uma sensibilidade ecológica: não porque as relações ambientais não existissem anteriormente, evidentemente, mas porque uma determinada mediação técnica permitiu perceber simultaneamente aquilo que até então só podia ser experimentado parcialmente.
O exemplo brasileiro mais bonito talvez seja a canção “Terra”, de Caetano Veloso. Preso durante a ditadura militar, Caetano recebeu de Dedé uma revista Manchete contendo imagens da Terra feitas do espaço. Anos depois, essa experiência daria origem ao início da canção. O próprio Caetano relatou que a visão daquelas fotografias enquanto estava dentro de uma cela o marcou profundamente.
Há algo filosoficamente poderoso nessa situação: ver o planeta inteiro justamente a partir de um espaço de confinamento extremo.
A distância produz uma nova proximidade.
Talvez toda ecologia dependa, em algum grau, desse movimento: afastar-se suficientemente para conseguir perceber as relações que constituem o ambiente do qual fazemos parte.
Do organismo-máquina ao organismo-relação
A discussão ecológica leva também a outra crítica: a tendência moderna de compreender organismos como máquinas compostas por peças independentes.
Essa metáfora foi extraordinariamente produtiva para a ciência e para a medicina. Permitiu isolar funções, especializar conhecimentos e intervir tecnicamente em partes específicas do corpo.
Mas ela também possui limites.
Quando levada ao extremo, produz uma fragmentação na qual o corpo deixa de ser compreendido como uma rede de relações e passa a ser tratado como uma coleção de partes independentes.
A crítica apresentada não pretende negar a especialização nem substituí-la por alguma concepção vagamente “holística”. Pelo contrário: trata-se de recuperar a ideia de integração, evitando confundi-la com os usos comerciais e místicos que o termo “holístico” adquiriu em determinados contextos.
A ecologia oferece uma alternativa interessante justamente porque não significa “tudo é uma coisa só”. Significa compreender que os elementos existem por meio de relações.
Esse deslocamento — da coisa para a relação — será fundamental quando chegarmos às inteligências artificiais.
Da ferramenta ao agente
Durante muito tempo, pensamos os softwares como instrumentos desenhados para realizar funções determinadas. Um editor edita textos. Uma planilha realiza operações. Um navegador apresenta páginas.
A inteligência artificial contemporânea embaralha essa divisão.
Modelos generativos podem executar tarefas que não estavam definidas individualmente em sua programação original. Quando conectados a ferramentas e transformados em agentes, podem circular por diferentes ambientes computacionais, tomar pequenas decisões operacionais e reorganizar etapas para alcançar determinado objetivo.
Isso não significa que a máquina tenha se tornado autônoma no sentido forte do termo. Significa que a relação entre usuário, software e tarefa se tornou menos previsível e mais aberta.
Por isso, o que podemos fazer com esses sistemas não está inteiramente dado de antemão.
Essa abertura é fonte simultaneamente de entusiasmo e preocupação. As mesmas capacidades que ampliam pesquisa, educação, criação e acessibilidade podem ser utilizadas para fraude, ataques informáticos, manipulação ou aplicações perigosas.
Daí a importância dos debates sobre segurança e governança.
Mas o reconhecimento dos riscos não elimina a questão fundamental: estamos diante de sistemas cuja função social ainda está sendo produzida enquanto os utilizamos.
Uma pedagogia do contexto
É nessa experiência cotidiana com os modelos que surge uma das ideias centrais da apresentação: aquilo que venho chamando de pedagogia do contexto.
Quando uma relação com uma IA se prolonga no tempo, não estamos mais apenas escrevendo comandos isolados.
Acumulam-se textos, referências, documentos, instruções, conversas anteriores, formas de organização e preferências. O sistema passa a responder dentro de um contexto cada vez mais elaborado e, simultaneamente, o usuário aprende como trabalhar com aquele sistema.
Há, portanto, uma aprendizagem recíproca — com uma ressalva técnica importante. Dizer que “a IA aprende sobre mim” não significa necessariamente que o modelo esteja sendo retreinado a cada conversa. Esse efeito pode resultar do contexto disponível ao sistema, de memórias, instruções, documentos recuperados ou outros mecanismos de personalização.
Do ponto de vista da experiência, entretanto, acontece algo relevante: quanto maior o contexto compartilhado, menos cada interação precisa começar do zero.
Na apresentação, isso aparece como uma espécie de simbiose. O pesquisador ensina ao sistema quais autores utiliza, quais problemas investiga, como organiza seus materiais; ao mesmo tempo, aprende quais são as capacidades, limites e formas de interação produtiva com a IA.
Isso ajuda a explicar por que a experiência com uma IA pode ser tão diferente entre duas pessoas.
Se alguém a utiliza apenas ocasionalmente para perguntas rápidas, terá uma determinada experiência. Se outra pessoa constrói durante meses um ambiente de pesquisa, incorpora documentos, trabalha conceitos, revisa textos e desenvolve projetos, emerge uma relação cognitiva diferente.
A profundidade da interação depende, em parte, da própria ecologia construída ao redor dela.
A imagem nunca foi o real
As imagens geradas por inteligência artificial introduzem ainda outro problema: como saber se uma imagem é “real”?
A pergunta é importante quando estamos discutindo evidência documental, jornalismo, fraude ou desinformação. Mas filosoficamente ela pode esconder uma confusão mais antiga: uma imagem nunca foi a própria realidade.
Fotografias, pinturas, vídeos e imagens sintéticas são representações produzidas por diferentes processos técnicos.
A reflexão feita durante a apresentação remete diretamente, ainda que sem nomeá-lo explicitamente, à conhecida provocação de René Magritte em La trahison des images, de 1929: a pintura de um cachimbo acompanhada da frase “Ceci n’est pas une pipe” — “Isto não é um cachimbo”. The Museum of Modern Art
A imagem de um cachimbo não pode ser fumada.
Com a IA generativa, somos obrigados a reencontrar uma questão que talvez tivéssemos esquecido durante a era da fotografia: qual é a relação entre representação, referente e realidade?
A IA não inventou esse problema. Ela tornou o problema novamente visível.
Achille Mbembe: pensar a comunidade terrestre
Na parte final da apresentação, a discussão se desloca das tecnologias para outras tradições de pensamento capazes de nos ajudar a interpretá-las.
Um dos autores mobilizados é Achille Mbembe, especialmente em A comunidade terrestre. A obra propõe pensar a Terra como uma trama de relações que inclui humanos, animais, vegetais, microrganismos, matérias, dispositivos técnicos e diferentes formas de existência.
A edição brasileira foi publicada pela n-1 em 2025. Na formulação de Mbembe, pensar a Terra implica reconhecer uma cadeia simbiótica da qual participam formas animadas e inanimadas e também dispositivos tecnológicos.
Essa perspectiva ajuda a questionar a ideia moderna de um sujeito isolado que observa um mundo externo constituído por objetos.
Na apresentação, essa crítica é relacionada a uma história mais longa do pensamento ocidental. Sócrates, figura fundadora da filosofia grega, não deixou livros escritos: sua filosofia acontecia no encontro, na pergunta, na argumentação e no diálogo. Platão preserva essa experiência pela escrita, mas, ao fazê-lo, participa também de uma transformação cognitiva fundamental: aquilo que acontecia corporalmente passa a circular independentemente da presença física dos interlocutores.
Não se trata de condenar a escrita — sem ela, sequer conheceríamos Sócrates dessa maneira —, mas de perceber o que cada tecnologia torna possível e aquilo que simultaneamente desloca.
A exteriorização da memória favorece determinados conceitos de autoria, indivíduo, objeto, prova e conhecimento.
A inteligência artificial talvez esteja introduzindo uma nova perturbação nesse arranjo.
Nêgo Bispo: saber orgânico e saber sintético
O segundo interlocutor fundamental dessa parte final é Antônio Bispo dos Santos, o Nêgo Bispo.
A transcrição automática deformou seu nome, mas a identificação torna-se inequívoca quando aparecem, logo depois, as categorias de saber orgânico e saber sintético.
Nêgo Bispo propõe uma crítica contracolonial à maneira pela qual a tradição eurocristã organiza conhecimento, propriedade, desenvolvimento e natureza. Em sua formulação, o saber orgânico está ligado ao ser, à experiência e à vida; o saber sintético se organiza prioritariamente em torno do ter, da separação e da transformação daquilo que é vivo em recurso.
Essa distinção é especialmente provocativa quando aplicada à inteligência artificial.
A IA é, aparentemente, o ápice do sintético. É constituída por computadores, dados, modelos matemáticos e infraestruturas industriais. Mas será que uma tecnologia sintética precisa necessariamente produzir apenas relações sintéticas?
Ou pode entrar em confluência com saberes orgânicos?
Essa pergunta abre um campo muito mais interessante do que simplesmente decidir se a IA é boa ou ruim.
O problema passa a ser: em quais relações ela será inserida?
Uma IA empregada exclusivamente para acelerar produção, substituir trabalho, aumentar controle e concentrar riqueza participa de determinada ecologia. A mesma tecnologia, apropriada por comunidades, universidades, serviços públicos e projetos coletivos, pode participar de outra.
A tecnologia importa, mas a ecologia das relações também importa.
Conhecimento nunca foi apenas individual
Essa discussão desemboca numa crítica à ideia moderna de autoria.
Culturas tradicionais tornam especialmente visível algo que talvez o pensamento moderno tenha obscurecido: o conhecimento é sempre profundamente coletivo.
Linguagens são coletivas. Conceitos possuem histórias. Técnicas atravessam gerações. Ideias circulam, são modificadas, esquecidas e reencontradas.
Mesmo aquilo que chamamos de pensamento individual depende de uma infraestrutura coletiva de palavras, imagens, instituições, pessoas e objetos.
A inteligência artificial torna essa condição mais incômoda porque materializa, em escala inédita, uma espécie de memória derivada de enormes produções culturais humanas.
Daí surgem questões legítimas sobre remuneração, autoria, consentimento e propriedade intelectual. Mas esses problemas talvez não possam ser compreendidos apenas repetindo uma concepção moderna de sujeito completamente autônomo, proprietário exclusivo de pensamentos supostamente produzidos dentro de sua cabeça.
As culturas tradicionais e autores como Mbembe e Nêgo Bispo ajudam a reabrir essa discussão a partir da relação, do corpo, do território e da coletividade.
O futuro talvez não esteja centrado na escrita
Chegamos, então, novamente à provocação inicial.
É possível que estejamos entrando numa ecologia cognitiva em que a escrita deixe de ocupar a centralidade quase exclusiva que adquiriu em determinados contextos educacionais e acadêmicos.
Isso não significa o desaparecimento da escrita.
Muito menos significa que escrever tenha deixado de ser importante.
Significa apenas que pensar e escrever talvez voltem a se separar parcialmente, depois de séculos durante os quais aprendemos a tratá-los quase como sinônimos.
Podemos falar com máquinas. Podemos conversar com documentos. Podemos fotografar uma página e discutir seu conteúdo. Podemos transformar automaticamente fala em texto, texto em imagem, imagem em descrição e todos esses materiais novamente em fala.
A cognição torna-se multimodal.
Isso pode produzir superficialidade. Pode também produzir novas formas de elaboração.
A diferença talvez não esteja simplesmente no suporte.
Uma cultura oral pode possuir extraordinária sofisticação conceitual. Uma cultura escrita pode produzir textos completamente vazios. Uma conversa com inteligência artificial pode ser banal ou intelectualmente exigente.
A profundidade não reside automaticamente na tecnologia utilizada. Ela emerge da relação que construímos com ela.
A questão decisiva é o comum
Por isso, talvez o problema principal não seja determinar se a inteligência artificial representa progresso ou decadência.
A questão mais interessante é outra:
que tipo de ecologia cognitiva estamos construindo com essas tecnologias?
Se elas forem organizadas exclusivamente em torno da extração, da produtividade, do controle e do lucro, teremos uma determinada configuração.
Se forem apropriadas também como infraestruturas de educação, criação, pesquisa, acesso ao conhecimento e fortalecimento de comunidades, poderemos construir outras.
A inteligência artificial não precisa significar o abandono da oralidade, da escrita ou do corpo.
Talvez ela possa justamente nos fazer perceber que nunca pensamos apenas com a cabeça.
Pensamos com corpos, outras pessoas, livros, bibliotecas, instituições, instrumentos, imagens, territórios, memórias, máquinas e linguagens.
Pensar sempre foi uma atividade distribuída.
A novidade talvez esteja em começarmos a enxergar isso.
E é nesse sentido que a inteligência artificial pode ser compreendida não apenas como uma nova tecnologia, mas como um momento de transformação de nossas ecologias cognitivas.
A questão permanece aberta — e precisa permanecer aberta. Como se afirma no encerramento da apresentação, essa nova organização do conhecimento pode deixar de estar tão centrada na escrita sem que isso represente necessariamente decadência. A condição decisiva é que continue vinculada à experiência compartilhada, ao corpo, à comunidade e, sobretudo, ao bem comum.
Do debate: apropriação, soberania e bem comum
O debate posterior à apresentação permitiu aprofundar uma questão que atravessava toda a reflexão: não basta perguntar o que a inteligência artificial é capaz de fazer; é preciso perguntar quem participa de sua construção, com quais dados, a partir de quais valores e para atender a quais finalidades.
Uma das questões levantadas pelo público tratou diretamente dos vieses presentes na geração de imagens. Em experiências de produção de materiais educacionais, personagens associados a determinadas funções sociais apareciam de maneira estereotipada: pessoas brancas ocupando posições profissionais de maior prestígio, enquanto agricultores e trabalhadores eram representados de maneira racializada e caricatural. Para obter imagens que refletissem melhor a diversidade da sociedade brasileira, era necessário insistir, corrigir e contextualizar os comandos.
Esse problema mostra que uma IA generativa não parte de um espaço cultural neutro. Ela reorganiza padrões encontrados nos materiais a partir dos quais foi desenvolvida. Se determinados grupos, imagens e narrativas predominam nesse universo, eles tendem também a reaparecer nas respostas.
Em minha intervenção, procurei acrescentar outra dimensão ao problema. Se queremos que esses sistemas expressem maior diversidade, a questão não pode ser apenas exigir que a IA produza resultados diferentes; precisamos também discutir quais culturas, obras, imagens, linguagens e formas de conhecimento entram na constituição desse ambiente tecnológico. A ausência também produz viés. Se determinadas experiências sociais quase não participam do universo de referências da máquina, dificilmente aparecerão espontaneamente em suas respostas.
Infraestrutura pública e soberania de dados
Outra participante trouxe para o debate a experiência de instituições públicas que vêm desenvolvendo infraestruturas próprias de inteligência artificial, justamente porque trabalham com informações que não podem simplesmente ser transferidas para serviços comerciais externos. A transcrição automática registrou de forma imprecisa o nome da instituição, mas o contexto — inclusive a menção aos sistemas da Receita Federal — indica que a referência era ao Serpro, empresa pública federal de tecnologia.
O exemplo ganhou ainda mais relevância naquele momento porque, em agosto de 2026, o Serpro havia acabado de anunciar a IA Brasil, plataforma voltada à utilização de inteligência artificial mantendo os dados e seu processamento no país. Segundo o próprio Serpro, a proposta é oferecer maior controle sobre informações e sobre a maneira como elas são processadas, questão especialmente sensível para órgãos públicos e setores que trabalham com dados estratégicos.
Esse caso introduz uma primeira dimensão da soberania: onde estão os dados, quem controla a infraestrutura e sob qual jurisdição o processamento acontece?
Para um Estado, uma universidade, um sistema público de saúde ou uma administração tributária, essas perguntas são fundamentais. Não é indiferente que informações sensíveis sejam processadas em uma infraestrutura pública nacional ou enviadas para servidores controlados por empresas privadas estrangeiras.
Mas minha provocação no debate foi tentar dar um passo além.
Soberania não é apenas possuir uma IA
Podemos construir um modelo brasileiro, hospedá-lo em servidores nacionais e manter nossos dados no país — e ainda assim reproduzir exatamente a mesma concepção de mundo presente nos modelos dominantes.
Por isso, a pergunta que me parece mais radical não é somente “de quem é a IA?”, mas também:
que forma de pensamento essa IA reproduz?
Um sistema pode ser tecnologicamente soberano e continuar orientado exclusivamente por valores como eficiência, produtividade, mensuração, competição e otimização. Pode estar instalado no Brasil e, ainda assim, reproduzir uma racionalidade construída em outros contextos históricos e culturais.
Na minha fala, formulei essa questão perguntando se uma IA considerada soberana conseguiria produzir uma maneira original de pensar ou se continuaria reproduzindo uma perspectiva positivista e centrada na eficiência do modelo econômico dominante.
Isso amplia o significado de soberania. Há uma soberania dos dados e da infraestrutura, mas há também uma questão de soberania cultural, epistemológica e cognitiva: nossa capacidade de produzir tecnologias impregnadas por nossas próprias perguntas, conhecimentos, diferenças e modos de existência.
Da escrita à IA: tecnologias também são apropriadas
Nesse ponto, retomei uma comparação histórica com a escrita e com a imprensa.
A escrita não nasceu como uma tecnologia universalmente democrática. Durante muito tempo, foi restrita a pequenos grupos e esteve associada a funções administrativas, religiosas e de poder. Mas sua história não terminou nas finalidades para as quais inicialmente foi empregada.
Poetas, filósofos, educadores, movimentos sociais e inúmeras comunidades se apropriaram dela e produziram coisas que seus primeiros usuários jamais poderiam ter previsto.
Com a imprensa aconteceu algo semelhante. Sua disseminação produziu temores relacionados à perda do controle sobre a informação: mais pessoas poderiam ler, escrever, publicar e fazer circular ideias.
Mas justamente essa apropriação disseminada transformou profundamente nossa ecologia cognitiva.
Minha esperança é que possamos observar um processo semelhante com a inteligência artificial.
Em vez de algumas poucas IAs produzidas por grandes empresas e utilizadas de maneira relativamente homogênea pelo mundo inteiro, podemos imaginar uma proliferação de apropriações: IAs em universidades, periferias, comunidades indígenas, serviços públicos, escolas, coletivos culturais e diferentes territórios.
Nesse cenário, não haveria necessariamente uma única “IA brasileira”, mas muitas inteligências artificiais desenvolvidas, adaptadas ou apropriadas a partir de necessidades e contextos distintos.
Para além da alternativa entre Big Tech e Estado
Quando alguém perguntou no debate se essa inteligência artificial deveria então ser “nossa”, respondi afirmativamente, mas no plural: nossas.
Isso porque descentralizar não significa simplesmente transferir o controle de uma empresa privada para um governo.
Estados também concentram poder. Governos mudam. Sistemas públicos também precisam de transparência, controle social e possibilidade de contestação.
Por isso, mencionei como referências possíveis a Wikipédia e as comunidades de software livre. Elas mostram que existem formas de produção tecnológica e de conhecimento que não cabem inteiramente na oposição entre mercado e Estado. São estruturas colaborativas, distribuídas e sustentadas por comunidades, instituições e diferentes formas de financiamento.
Evidentemente, os grandes modelos de IA ainda exigem uma infraestrutura física e energética que torna essa descentralização muito mais difícil. Mas modelos menores, arquiteturas abertas e novas formas de compartilhamento podem permitir experiências distintas.
O importante é preservar aberta a possibilidade de imaginar outros modelos de propriedade, governança e produção da inteligência artificial.
Piracanjuba.ai: uma apropriação cidadã
Foi nesse contexto que mencionei o exemplo do Piracanjuba.ai.
Na fala, recordei alguns detalhes de maneira imprecisa: Piracanjuba não fica em São Paulo, mas em Goiás, e a plataforma não foi criada pela prefeitura. Essa segunda correção, na verdade, torna o exemplo ainda mais interessante para o argumento desenvolvido durante o debate.
O Piracanjuba.ai é uma iniciativa independente criada pelo morador e empresário Gianluca Ferro. A plataforma reúne em um mesmo ambiente dados provenientes da prefeitura, da Câmara Municipal e de diversas bases públicas — contratos, licitações, remunerações, legislação e indicadores de saúde, educação e outras áreas. Segundo o próprio projeto, não há vínculo ou financiamento da prefeitura ou da Câmara.
A reportagem da CartaCapital mostrou como a plataforma combina coleta automatizada de dados públicos com ferramentas de IA para classificar documentos, relacionar registros e traduzir informações administrativas para uma linguagem mais acessível. Valores, contratos e nomes continuam provenientes dos documentos oficiais; a IA funciona sobretudo como uma camada de organização e interpretação.
É justamente isso que torna o caso conceitualmente interessante.
Não estamos diante de uma nova inteligência artificial fundamental criada em Piracanjuba. O que existe é uma apropriação local de tecnologias disponíveis, combinadas com dados públicos e direcionadas para uma necessidade concreta daquela comunidade: tornar a transparência formal mais próxima de uma transparência efetivamente utilizável pelos cidadãos.
Uma tecnologia desenvolvida em grandes centros é recombinada localmente e colocada a serviço de outro problema.
Apropriação como questão pedagógica
Esse exemplo ajuda a esclarecer o sentido que atribuo à ideia de apropriação tecnológica.
A alternativa não precisa ser apenas aceitar ou rejeitar a inteligência artificial.
Há uma terceira possibilidade: apropriar-se dela.
Apropriação significa conhecer suficientemente uma tecnologia para conseguir deslocá-la de suas finalidades mais evidentes, combiná-la com outros saberes e fazê-la responder a problemas que talvez não estivessem previstos por aqueles que inicialmente a desenvolveram.
É por isso que considero a experimentação importante também do ponto de vista pedagógico.
Se educadores, pesquisadores e universidades desejam participar criticamente dessa transformação, não basta observar a inteligência artificial de fora. Precisamos experimentar modelos, compreender seus limites, trabalhar com dados, investigar alternativas abertas e descobrir quais formas de uso podem ser construídas.
No encerramento de minha participação no debate, procurei justamente formular essa responsabilidade: quem trabalha com educação e pesquisa precisa se aproximar dessas tecnologias não para simplesmente aderir a elas, mas para descobrir caminhos de apropriação capazes de produzir algum retorno para o bem comum.
Nesse sentido, os exemplos discutidos na mesa representam escalas diferentes de um mesmo problema.
A IA Brasil do Serpro aponta para a necessidade de infraestrutura pública, proteção de dados e soberania tecnológica.
O Piracanjuba.ai mostra uma apropriação cidadã e local de ferramentas existentes para transformar dados públicos em informação socialmente utilizável.
E as comunidades de software livre, a Wikipédia, as universidades e outras experiências colaborativas permitem imaginar possibilidades que não estejam completamente subordinadas nem às Big Techs nem a estruturas centralizadas.
Talvez, portanto, a questão não seja escolher qual será a inteligência artificial do futuro.
A questão é conseguir criar condições para que existam muitas inteligências artificiais, muitas apropriações e muitas ecologias cognitivas, capazes de expressar diferentes comunidades, culturas, problemas e formas de conhecimento.
É nesse plural que a discussão sobre soberania encontra a discussão sobre ecologia cognitiva.
E talvez seja também nesse plural que possamos disputar o sentido social dessas tecnologias.
Sobre o encontro
Esta reflexão foi apresentada durante o I Encontro de Tecnologias Digitais e Cibercurrículo, realizado nos dias 9 e 10 de setembro de 2026, na Faculdade de Educação da Universidade Federal da Bahia (FACED/UFBA), em Salvador. Coordenado pela professora Lisiane Weber Moreira, o encontro reuniu pesquisadores e educadores de diferentes áreas para discutir as transformações produzidas pelas tecnologias digitais nos processos de ensino, aprendizagem, formação docente e produção do conhecimento.
O encontro foi realizado como atividade vinculada ao II Congresso de Difusão do Conhecimento (II CDC 2026), organizado no contexto do Programa de Pós-Graduação em Difusão do Conhecimento (PPGDC), cujo tema geral foi “Modelagem da geração e difusão do conhecimento: perspectivas teóricas, metodológicas e epistemológicas”. Nesse contexto mais amplo, as discussões sobre inteligência artificial apareceram não apenas como um debate sobre novas ferramentas educacionais, mas como parte de uma reflexão sobre mudanças nas formas de produzir, organizar, comunicar e compartilhar conhecimento.
Minha participação aconteceu no Painel Temático Interativo III — “Formação Docente e Identidade na Era Digital”, em uma mesa compartilhada com Márcia de Freitas Cordeiro e Bruno Olivatto. Nós três também integramos o Núcleo de Educação Digital (NED) do Instituto de Saúde Coletiva da UFBA, onde desenvolvemos experiências relacionadas à educação digital, formação e experimentação com novas tecnologias.
Nota técnica
Este texto foi produzido a partir da transcrição automática da apresentação e do debate realizados no I Encontro de Tecnologias Digitais e Cibercurrículo, na FACED/UFBA, em setembro de 2026. A transcrição foi utilizada como fonte principal e como referência para preservar o percurso argumentativo, os conceitos, exemplos e intervenções ocorridas durante a atividade.
O material foi posteriormente orquestrado e editado por André Stangl com o auxílio do ChatGPT (GPT-5.6 Sol). A inteligência artificial foi utilizada para reorganizar a oralidade em uma estrutura adequada à leitura, eliminar repetições e hesitações próprias da fala, identificar trechos afetados por erros de reconhecimento da transcrição e produzir um resumo estendido, sem a intenção de transformar a exposição em uma transcrição literal.
Sempre que a fala fazia referência a autores, obras, conceitos, instituições ou experiências que necessitavam de maior contextualização, foram realizadas pesquisas complementares em fontes externas. Alguns erros evidentes da transcrição automática — sobretudo nomes próprios e termos técnicos — foram corrigidos a partir do contexto e, quando possível, confrontados com fontes externas. Nos casos em que havia incerteza, procurou-se evitar atribuições categóricas.
O resultado deve ser entendido, portanto, como uma reelaboração editorial assistida por inteligência artificial: um texto derivado de uma fala pública, reorganizado e ampliado para circulação na web. A autoria das ideias e dos argumentos apresentados permanece vinculada à exposição e ao debate originais; a IA atuou como ferramenta de transcrição assistida, organização, revisão, pesquisa e coedição do material.
Produção e orquestração: André Stangl, 2026.
Assistência de pesquisa, organização e edição: ChatGPT, GPT-5.6 Sol, OpenAI.
Deixe um comentário