Sobre o que trata este texto
- A influência dos algoritmos vem da escala e da invisibilidade de uma mediação que sempre existiu: editor e curador já decidiam o que passava.
- Um gráfico que viralizou em 2026 dizia que 84% do mundo nunca usou IA. Refeito com a população de 15 a 64 anos e dados de 2026, mostra um em cada quatro adultos usando IA e quatro vezes mais gente pagando por ela.
- A inteligência artificial não é neutra, e o viés entra em três camadas: o dado de treino, o ajuste do modelo e o pedido de quem usa. As três têm responsáveis, e só na terceira você tem controle direto.
- Por que o feed repete sem construir memória, e por que a IA entrega trabalho mediano mesmo com mais repertório do que qualquer pessoa.
- Quem define os limites da comunicação das empresas, e o que as 46 diretrizes do Comitê Gestor da Internet (CGI.br) e o ECA Digital, a lei de proteção de crianças na internet, mudam nessa conta.
Este artigo complementa o e-book gratuito A.C.T., Pensamento Crítico na Prática, que mostra como decidir sob pressão separando dado de narrativa. É o mesmo exercício que este texto pede diante de qualquer resposta pronta, venha ela de um algoritmo ou de uma pessoa.
Em setembro, conversei com duas turmas de Relações Públicas da Escola de Comunicações e Artes da USP (ECA-USP) numa roda de perguntas. Abri com uma provocação: muda muita coisa quando você para de aceitar a resposta, do feed ou da IA, sem entender o critério por trás dela. Contei também como vi de perto a passagem do DOS para o Windows, do Windows para a internet, e depois o crescimento do celular e das redes sociais, todas as fases que vieram antes da inteligência artificial.
As perguntas giravam em torno da algoritmização da sociedade, das interações mediadas por tecnologia e da simbiose entre humanos e máquinas, sempre com referência acadêmica, caso recente e uma boa dose de desconfiança.
Depois da aula, as professoras das duas turmas me mandaram a lista completa, com 24 perguntas, incluindo as que não deu tempo de responder ao vivo. Li todas de uma vez e percebi que quase todas, de ângulos diferentes, perguntavam a mesma coisa: quem decide, e com que critério. Quem decide o que aparece no feed, o que a IA responde, o que uma empresa consegue comunicar, o que o Estado regula.
A conversa foi tão interessante que decidi transformá-la num artigo. Parte do que vem a seguir eu vi acontecer, e parte é opinião, marcada como tal.
O que é algoritmização, e por que a mediação é mais antiga que o algoritmo
Uma das perguntas partia da imagem de máquinas invisíveis que ditam a nossa sociabilidade, que a turma associou ao pesquisador Evgeny Morozov, crítico do que ele chama de solucionismo tecnológico, e perguntava se algum dia já tivemos uma sociedade neutra. Nunca tivemos.
Sempre existiu alguém decidindo o que passa: o editor escolhe a manchete, o porteiro decide quem entra no prédio, o curador monta a exposição do museu e o line-up do festival. O volume de conteúdo sempre foi maior que o tempo de quem consome, e alguém sempre precisou filtrar.
Nos treinamentos que dou para empresas, divido a história recente da tecnologia em quatro eras que se somam, sem que uma apague a anterior:
- Digitalização (anos 1990 e 2000): documentos, processos e conversas viram bits.
- Conectividade (anos 2000 e 2010): tudo entra em rede, com nuvem, celular e plataformas.
- Algoritmização (dos anos 2010 em diante, com escala na década de 2020): os bits passam a decidir, em tempo real.
- Contextualização (agora): modelos como o ChatGPT, que interpretam a intenção e o contexto de quem pede, além de reconhecer padrão.
Algoritmização é o momento em que parte das decisões do dia a dia passa a ser tomada por sistemas: o caminho que o aplicativo de trânsito sugere, a série que o streaming põe na frente, a transferência que o antifraude segura, o post que o feed mostra primeiro.
Com o algoritmo, mudam duas coisas ao mesmo tempo. A primeira é a escala: um editor influenciava uma cidade, e um sistema de recomendação, dependendo da plataforma, influencia o planeta inteiro, com uma escolha personalizada para cada pessoa, o dia todo.
A segunda é a opacidade. Quando o editor escolhia a manchete, o critério dele também era opaco, mas a gente sabia que existia uma escolha e de quem cobrá-la. Quando o algoritmo monta o seu feed, personalizado para você, fica a ilusão de que foi você quem escolheu, quando, na verdade, um algoritmo está influenciando você por meio de várias microdecisões.
Quantas pessoas usam IA, afinal
Desconfiar de quem filtra inclui desconfiar de quem conta. Uma das perguntas usava números que circularam muito em 2026 como se fossem da Microsoft, para discutir se a IA vai orientar o pensamento da maioria. Eles vinham de um gráfico feito por um consultor, que viralizou em fevereiro, com 2.500 pontos representando 8,1 bilhões de pessoas, e só a faixa de 16% vinha de dado da Microsoft. Pelo gráfico, 84% nunca teriam usado IA, 16% usariam chatbot grátis, cerca de 0,3% pagariam US$ 20 por mês e 0,04% usariam ferramentas de programação com IA.
O gráfico tem um problema de denominador: oito bilhões de pessoas incluem bebês, crianças pequenas e idosos que ninguém espera ver usando chatbot. Refiz o gráfico com a população de 15 a 64 anos, cerca de 5,4 bilhões de pessoas pela projeção da ONU para 2026 (World Population Prospects), e com dados de uso de 2026.
Pela minha conta, cerca de um em cada quatro adultos de 15 a 64 anos já usa IA generativa, uns 2% pagam por ela e 0,4% programam com ela.
Em número de pessoas, os dois gráficos dão quase o mesmo total de usuários, perto de 1,3 bilhão. O que muda é a leitura: “84% nunca usaram” sugere nicho, e “um em cada quatro adultos já usa” mostra o contrário. A maior diferença está em quem paga, que passa de uns 24 milhões de pessoas no gráfico viral (0,3% de 8,1 bilhões) para algo perto de 110 milhões.
As fontes usam métodos diferentes, então o gráfico é estimativa, e a própria imagem diz isso. A conta de cada faixa está na seção “Como cheguei a cada faixa do gráfico”, perto do fim.
No Brasil, pela régua da Microsoft, mais conservadora que a minha estimativa, o uso chegou a 19,1% na população em idade ativa no primeiro trimestre de 2026, um pouco acima dos 17,8% do mundo no mesmo período. Aposto que a proporção é bem maior entre quem trabalha com comunicação, marketing e tecnologia, embora não exista medição pública para esse recorte.
A inteligência artificial é neutra? As três camadas do viés
Uma pergunta partia da plataformização, conceito que pesquisadores como José van Dijck usam para descrever como as plataformas passam a estruturar a vida social, e queria saber até que ponto a IA é neutra, e se dá para atribuir os efeitos negativos só a quem a usa. A resposta curta é que ela não é neutra, e o viés entra por três camadas que quase sempre aparecem misturadas.
Camada 1, o dado de treino. O modelo aprende com o que humanos produziram e carrega o viés que está nesse material. Se o passado premiou um grupo, o sistema aprende a premiar o mesmo grupo.
Camada 2, o ajuste do modelo. Quem treina decide quanto peso cada tarefa recebe e o que o modelo deve recusar. São decisões humanas, com o critério de quem as tomou.
Camada 3, o pedido de quem usa. Um modelo de linguagem trabalha em cima da instrução que recebe, e a instrução carrega o viés de quem escreveu. As três camadas têm responsáveis, e o debate público costuma mirar só as empresas que treinam os modelos. A diferença desta é que ela é a única em que você tem controle direto.
Um caso de mentoria: mesmo material, resultados diferentes
Um mentorado precisava levantar a repercussão de um programa de TV na mídia, e fizemos o levantamento em paralelo. Instruí a IA a reunir o máximo de notícias possível, priorizando veículos reconhecidos, e a juntar os comentários de redes sociais, sobretudo os do perfil do programa, em dois blocos separados. O meu resultado saiu majoritariamente negativo.
Ele pediu à IA uma lista de pontos positivos e negativos do programa, e o resultado dele saiu equilibrado. O meu pedido também tinha critério, mas buscava o viés que já estava nos dados: definia volume e tipo de fonte e deixava a proporção entre positivo e negativo sair do material. O dele fixava essa proporção antes da busca. Ao exigir uma lista simétrica, ele criou uma falsa simetria, e a IA, para cumprir a tarefa, deu destaque desproporcional aos poucos pontos positivos que existiam.
Eu chamo isso de espelho de viés: a resposta devolve o viés do pedido em vez de acrescentar análise. Quando o pedido não indica viés nenhum, a IA puxa a resposta para a média; quando indica um, ela procura esse viés no que aprendeu e costuma entregá-lo exagerado, como aconteceu com os poucos pontos positivos do programa. Antes de aceitar uma resposta, confira se o que ela destaca veio do material ou do seu pedido.
Quando o viés vira discriminação
O viés que um sistema herda do dado pode pesar mais que o de uma pessoa preconceituosa, porque é aplicado em escala, sem variação e com aparência de objetividade, o que dificulta a contestação: a pessoa às vezes foge do próprio padrão, o sistema nunca. O pesquisador Tarcízio Silva chama esse fenômeno de racismo algorítmico, no livro de mesmo nome.
O Twitter (hoje X) documentou um caso desses no próprio produto. Em 2020, usuários da rede mostraram que o recorte automático das fotos na prévia tendia a mostrar rostos brancos e deixar rostos negros de fora.
Em maio de 2021, a empresa publicou um estudo sobre o recorte de imagens confirmando um desvio de 8% a favor de mulheres e de 4% a favor de pessoas brancas, em relação a uma escolha equilibrada, em que cada lado apareceria metade das vezes. No blog de engenharia, anunciou que abandonaria o recorte automático, com a conclusão de que recortar uma imagem é decisão que pessoas tomam melhor.
A correção só veio depois da pressão pública e de uma auditoria. Um critério que ninguém de fora enxerga também não pode ser contestado, e é por isso que auditoria e direito de contestar importam tanto quanto a boa intenção de quem desenvolve.
Ética como promessa de mercado
Outra pergunta era se as promessas das empresas de criar uma IA ética funcionam, ou se a busca por lucro sempre vai priorizar certos padrões e deixar as periferias de fora. Auditoria de viés funciona quando é feita a sério e de forma contínua. O problema é que ela custa dinheiro e atrasa lançamento. Pelo que vejo, numa corrida em que ser o primeiro virou questão de sobrevivência, o lucro de curto prazo costuma vencer quando ninguém de fora pressiona.
Por isso prefiro trocar a pergunta “essa empresa é ética?”, que depende de uma intenção que ninguém de fora verifica, por outra: que mecanismo externo obriga a empresa a mostrar e corrigir o padrão que o sistema aprendeu?
Quem usa também pode cobrar. Para o algoritmo, uma reclamação sobre o Instagram feita dentro do Instagram conta como engajamento, e quem reclama continua vendo o anúncio. A cobrança que pesa é coletiva e acontece fora da plataforma: pressão organizada sobre anunciantes, como a que o Sleeping Giants Brasil fez a partir de 2020, e sobre quem foi eleito. A maior responsabilidade continua sendo das plataformas.
Do Google ao ChatGPT: o degrau de julgamento que sumiu
Uma pergunta observava que muita gente já busca informação no TikTok e no ChatGPT em vez do Google, e queria saber se isso aprofunda a lógica das plataformas ou inaugura algo novo. As duas coisas. O Google decide há mais de vinte anos que resultado aparece primeiro, com critério que pouca gente entende, e nesse ponto a IA só aprofunda a mesma lógica.
A novidade está num degrau que sumiu. A busca tradicional devolvia uma lista de fontes, e você ainda precisava ler, comparar e decidir em quem confiar. Um modelo de linguagem devolve a síntese pronta, sem mostrar as fontes concorrentes nem a escolha feita entre elas. O julgamento de comparar fontes foi automatizado antes que a maioria das pessoas tivesse letramento para perceber que ele sumiu.
A minha opinião é que essa mudança, até aqui, piorou a relação das pessoas com a informação. A IA não conhece o seu passado, a sua empresa, a política interna ou o que o seu chefe espera de você, e mesmo assim a resposta chega com cara de resposta feita sob medida. Ela também tende a responder com a mesma segurança quando acerta e quando erra, e está sendo distribuída sem nenhum manual de pensamento crítico junto.
A ferramenta continua útil para quem explora as possibilidades que ela abre em vez de aceitar a primeira resposta. Para quem trabalha com marca, há um efeito prático: a visibilidade agora também se disputa dentro da resposta da IA, tema do artigo sobre GEO, a otimização de conteúdo para aparecer nas respostas das IAs.
Dataísmo e negacionismo, o mesmo colapso
Outra pergunta partia de dois fenômenos que parecem opostos, o dataísmo e o crescimento do negacionismo, e queria saber se a IA vai orientar o pensamento da maioria. Dataísmo, termo usado pela primeira vez pelo colunista David Brooks, do New York Times, em 2013, e popularizado pelo historiador Yuval Harari no livro Homo Deus, é a crença de que o dado basta para decidir, quase como uma religião.
Na minha avaliação, dataísmo e negacionismo são sintomas do mesmo colapso: some a referência compartilhada sobre o que conta como verificado. O dataísta aceita o número sem perguntar como ele foi medido, o negacionista recusa o número que contraria o que ele acredita, e cada grupo fica com a fonte que confirma o que já pensava.
Quando comecei na internet, apostava que ela ia distribuir o conhecimento. Distribuiu, e a ignorância viajou pelo mesmo cano. Com a IA, quem nega usa a ferramenta para negar melhor, e quem defende qualquer outra posição usa para defendê-la melhor. Como a plataforma recompensa o que retém atenção, e não o que é verdade, minha aposta é que a IA vai deixar cada lado mais confiante na própria versão, em vez de puxar a maioria para um lado só.
É o espelho de viés em escala: quem não indica posição recebe a média, e os textos ficam parecidos; quem indica recebe argumentos mais bem escritos, e às vezes mais extremos, para a posição que já tinha.
Economia da atenção: a máquina testa em escala, você se adapta sozinho
Uma das perguntas era quem se adaptou a quem: a máquina a nós, ou nós à máquina. As duas coisas aconteceram, em velocidades diferentes. A máquina se adapta em escala: uma mudança no feed altera o comportamento de bilhões de pessoas de uma vez. O humano se adapta um de cada vez, no próprio ritmo, sem combinar com ninguém.
Tecnologia que resolve e tecnologia que prende
Toda tecnologia muda comportamento. O telefone criou o pedido por telefone, o WhatsApp tomou o lugar do SMS porque era mais barato, e a compra on-line trouxe a expectativa de ser atendido por mensagem. A gente adota tecnologia quando ela resolve um problema com menos atrito.
Para mim, a rede social segue outra lógica. O WhatsApp resolveu comunicação e o Uber resolveu transporte, enquanto o feed resolveu pouca coisa e criou dependência: encurtou o caminho até o entretenimento e foi testando, em bilhões de pessoas, os ajustes que mais prendem a atenção. Quando o sistema passa de prender a atenção a agir por nós, a conversa muda de novo, como mostrei no texto sobre a passagem da economia da atenção para a economia da execução.
A nossa parte continua existindo. A gente escolhe a newsletter que assina, o perfil que segue e o critério com que instrui a IA. No SXSW de 2026, o festival de inovação de Austin, ouvi muito a palavra agência, no sentido de capacidade de agir por conta própria: virar autor da própria curadoria em vez de aceitar a curadoria pronta.
Ritual e memória: repetição sem duração
Uma pergunta partia da ideia de ritual do pesquisador Paulo Nassar, da própria ECA, como narrativa coletiva construída pela repetição ao longo do tempo, que gera memória e identificação, e queria saber o que acontece com essa repetição quando ela passa a seguir o ritmo do feed.
O feed também repete, só que repete o formato, a hashtag e o gesto de comemorar, e a duração se perde de um ciclo de atenção para o outro. Chamo isso de repetição sem duração: uma trend de homenagem, como a onda de fotos de infância no Dia das Crianças, tem a forma do ritual e não tem o tempo de que ele precisa para virar memória compartilhada. O feed é hábito individual, repetido sozinho diante da tela; os rituais que formam cultura são coletivos, como o aniversário, o jogo e o jantar de família.
Para quem trabalha com marca, confundir trend recorrente com ritual de marca é erro caro. O ritual de marca constrói identidade ao longo de anos; a trend só parece construir enquanto o algoritmo estiver interessado nela.
Outra pergunta queria saber se o ambiente digital limita a memória, individual e coletiva, agora que guardamos quase tudo no celular. A nuvem de fotos guarda tudo e ainda escolhe, por algoritmo, o que devolver para você nas lembranças do Google Fotos ou do Facebook. Essa seleção já foi feita por outros: jornal, rádio e TV escolhiam o que a sociedade ia lembrar, e o álbum de família, nos anos 1970 e 1980, escolhia o que a família ia rever. Hoje ela segue um critério que você não definiu.
Ter mais memória, em si, é bom. O que falta é o ritual de recapitular de propósito. Gosto de rever os vídeos da minha filha aprendendo a andar, e faço isso menos do que gostaria.
O fenômeno mais grave está nas trends de “como eu seria criança” ou “como eu seria nos anos 80”, que fabricam memória que nunca aconteceu e a colocam no mesmo álbum da memória real, sem etiqueta que separe uma da outra. O cérebro já fazia algo parecido sozinho: o efeito Mandela descreve grupos inteiros lembrando, com convicção, que Nelson Mandela morreu na prisão nos anos 1980, quando ele saiu livre em 1990 e morreu em 2013. A trend dá foto à memória falsa, e memória com foto é mais difícil de desmentir.
Criatividade e voz própria quando o algoritmo premia a média
Uma pergunta queria saber até onde a comunicação digital ainda depende da criatividade pessoal, se os algoritmos já identificam o que prende a atenção do público. O algoritmo aprende com o que já funcionou, por isso só reconhece uma tendência depois que alguém a criou, e então empurra todo mundo para a mesma fórmula. Sobram duas rotas: quebrar a fórmula, o que exige criatividade e aceita o risco de errar, ou chegar entre os primeiros a um padrão que o algoritmo já mediu e o público ainda não enjoou.
O erro mais comum que vejo em quem tenta otimizar para o algoritmo é começar pelo que performa, e não pelo que é verdadeiro e específico.
Ler cultura ou tentar criar cultura
Outra pergunta era se a cultura virou ferramenta de mercado, com marcas criando narrativas que só parecem autênticas. Marcas que leem cultura observam o que o público já faz nas comunidades onde está e usam o que nasce ali antes que um painel de métrica chame aquilo de tendência. Marcas que tentam criar cultura apostam.
A Cimed apostou no Carmed com sabor de bala Fini, lançado em 2023 com aposta só nas redes sociais: em poucas semanas, os vídeos com #carmedfini passavam de 160 milhões de visualizações no TikTok, e o produto começou a esgotar nas farmácias.
Apostas desse tipo também falham, e quem erra paga em ridículo público. Na minha experiência, ler cultura acerta com mais frequência do que tentar criá-la. Em qualquer dos dois caminhos, a diferença entre se apropriar de uma cultura, usando a estética dela para vender, e se comprometer com ela aparece depois que a métrica sobe: a marca sustenta o posicionamento com produto, ou some. O caso contrário, a marca que simula empatia em escala, está no texto sobre publicidade, conexão e antipatia.
Curiosidade, criatividade e o trabalho mediano da IA
Uma pergunta lembrou uma palestra recente na ECA em que o palestrante disse que curiosidade e criatividade são o que nos diferencia da IA, e queria saber como proteger a própria criatividade quando a gente começa a achar que o que a IA cria é melhor. Concordo com a ideia, e cada uma nos diferencia de um jeito.
A curiosidade não existe na máquina: ela não tem corpo nem dilema, não escolhe qual problema atacar nem se incomoda com nenhum. Alguém precisa apontar a direção, e hoje isso acontece dentro do prompt.
A criatividade existe na IA como capacidade de combinar repertório, e repertório ela tem mais do que qualquer pessoa. O que ela não tem é o motivo pessoal para escolher uma combinação e o erro acumulado ao longo de uma trajetória, que ensina qual combinação funciona.
Por isso, pelo que vejo corrigindo trabalhos feitos com e sem IA, ela entrega hoje um trabalho mediano. Quando um trabalho feito sem IA, com o mesmo prazo e o mesmo enunciado, fica abaixo desse mediano, a IA apenas tornou visível uma distância que já existia.
Achar que a IA faz melhor costuma vir de comparar o seu rascunho com o texto já polido dela. A comparação justa é outra: escreva a sua versão antes de abrir a IA e compare as duas depois. O que só você traria aparece na diferença, e é o repertório construído ao longo da carreira que leva o trabalho acima da média.
Como usar IA sem que tudo fique igual
Uma aluna perguntou como usar engenharia de prompts para ganhar eficiência sem homogeneizar a comunicação. Nas minhas turmas, uso um exercício simples: peço um trabalho individual com uso obrigatório de IA e, na aula seguinte, mostro como vários saíram parecidos, às vezes quase iguais. No mercado, trabalho que sai igual ao que qualquer IA entregaria perde a razão de existir.
A saída é colocar reflexão própria dentro do prompt, para que a resposta saia filtrada pela sua forma de pensar, e não pela média do modelo. Práticas que funcionam nas minhas turmas:
- Escrever o próprio raciocínio em três frases antes de instruir a IA.
- Pedir que a IA indique as fontes que usou, conferir cada uma e orientar a busca para fontes específicas.
- Ler o livro primeiro e só depois pedir à IA uma leitura do mesmo livro, comparando onde as duas divergem.
- Entregar, junto com o trabalho feito com IA, um comentário sobre o que foi ajustado na saída e por quê.
Costumo comparar a IA a uma ferramenta, mas a comparação tem limite: a IA funciona como serviço, com alguém do outro lado decidindo como ela responde (a segunda camada do viés), e por isso interfere no seu raciocínio de um jeito que um martelo não interfere.
Outra pergunta queria saber se a IA no ensino aproxima a aprendizagem da lógica do feed, feita de velocidade e retenção de atenção. Na minha avaliação, o risco maior está na delegação: quando a IA faz a primeira versão da tarefa, a nota da lição de casa sobe e a da prova cai, e por isso a primeira prática da lista vem antes de qualquer instrução à IA. Os dados estão no artigo sobre IA na aprendizagem, e as técnicas para dar contexto à IA, no livro Engenharia de Prompts na Prática.
A influência dos algoritmos na comunicação das empresas
Uma pergunta resumia o dilema de quem trabalha com comunicação: se as empresas dependem das plataformas para alcançar seus públicos, mas não controlam os critérios de visibilidade, quem define os limites da comunicação, a empresa ou o algoritmo? Na prática, o algoritmo define boa parte desse limite, mais do que qualquer organização gostaria de admitir. A empresa escolhe o que dizer, e a plataforma decide quem ouve e com que enquadramento.
O equívoco que mais encontro é tratar canal alugado como canal próprio. Um perfil pode perder alcance de um dia para o outro por uma mudança de critério que a plataforma nem anuncia. Lista de e-mail, evento próprio e comunidade alcançam quem já é público da marca sem depender do critério de terceiros. Abandonar o algoritmo seria abrir mão de alcance; a resposta prática é usar o algoritmo para descoberta e o canal próprio para relação.
Quem governa a IA dentro da empresa
Outra pergunta olhava para dentro da empresa: com a IA entrando nos processos e com funcionários com medo de serem substituídos, quem deveria governar o uso, e que papel cabe à comunicação interna?
Governança de IA é o conjunto de regras e de responsáveis que decide onde a empresa usa IA, com que limites e quem responde quando algo dá errado. Ela não pode morar só em TI nem só no jurídico, porque nenhum dos dois enxerga sozinho o efeito sobre as pessoas.
O modelo que defendo é um comitê cruzado, com tecnologia, jurídico, RH e comunicação juntos, em que a comunicação interna tem dois papéis: traduzir a política em prática e devolver à governança o que acontece no chão. Os riscos e as responsabilidades dessa governança estão no artigo sobre governança de IA.
Para o funcionário que vê a própria função mudar sem saber o que sobra dela, o discurso de que “a IA vai libertar vocês para tarefas mais estratégicas” soa vazio. A empresa convence mais quando diz exatamente o que muda e quem decide, e quando abre um canal em que quem discorda ou percebe erro no sistema recebe resposta.
Como a comunicação conquista esse lugar
Na maior parte das empresas, a comunicação interna ainda é tratada como o departamento que manda recado para todo mundo. Tenho amigos que ensinam comunicação interna, e essa é a queixa que mais ouço deles.
Um caminho concreto para conquistar o lugar na governança de IA é escolher uma tarefa da empresa que é, na origem, um problema de comunicação, medir o antes e o depois de um ajuste apoiado por IA, no prazo ou na qualidade, e usar o resultado para reivindicar o que passa a ser responsabilidade da área.
Por exemplo: um comunicado de mudança de benefício que gera centenas de dúvidas repetidas no RH. Se a comunicação reescreve o texto com apoio de IA e as dúvidas caem pela metade, esse número vira o argumento para entrar no comitê. O mesmo movimento serve para o jurídico que quer participar da escolha de um fornecedor de IA ou para o RH que quer opinar no desenho de um agente de triagem.
Quem regula: Estado, mercado e a pressão que falta
Uma aluna perguntou como enfrentar o poder das big techs a ponto de conseguir uma regulação de verdade, e se quem promove essa discussão já entra em campo com o jogo perdido. A pergunta tinha um documento recente como pano de fundo: em 17 de setembro de 2026, o Comitê Gestor da Internet no Brasil divulgou as 46 Diretrizes para Regulação de Plataformas de Redes Sociais, organizadas em seis eixos:
- Soberania e jurisdição nacional.
- Transparência.
- Economia e concorrência.
- Direitos humanos.
- Prevenção e responsabilidade.
- Governança e regulação assimétrica, com regras diferentes para plataformas grandes e pequenas.
O documento é consultivo: orienta Congresso, Judiciário e reguladores, sem força de lei. Para mim, quem promove essa discussão não entra com o jogo perdido. Segundo o próprio CGI.br, o Marco Civil da Internet, de 2014, guarda diversas semelhanças com os princípios que o comitê publicou em 2009, e nomear com precisão técnica o que precisa ser regulado evita que o Congresso legisle no escuro.
Parte do que está ali já é lei no Brasil. O ECA Digital, a Lei 15.211, que cria o Estatuto Digital da Criança e do Adolescente, sancionada em setembro de 2025, ganhou velocidade depois que o criador de conteúdo Felca publicou um vídeo sobre a adultização de crianças nas redes. Mobilização pública também move político, e o criador que você segue pode puxar outra pauta da lista.
A pauta das diretrizes cruza com o PL 2630, o PL das Fake News, aprovado no Senado em 2020 e parado na Câmara desde maio de 2023. O eixo de prevenção e responsabilidade conversa com o equilíbrio que o projeto tenta achar entre remover conteúdo ilegal e proteger a liberdade de expressão.
O eixo de economia e concorrência vai além do PL 2630, porque trata também da estrutura do mercado: interoperabilidade (serviços que conversam entre si), portabilidade de dados e limite à autopreferência, que é a plataforma favorecer o próprio produto.
O dado da criança que entra pela mão do adulto
Uma pergunta citava trends de IA como a novela de frutas e as fotos no estilo anos 80 e queria saber se, ao participar, o usuário trabalha de graça para as big techs, e que transparência deveria existir sobre esses dados. Em parte, sim: quem participa testa o produto de graça e gera conteúdo que atrai outros usuários, o que a pesquisadora Tiziana Terranova chamou, já em 2000, de trabalho gratuito.
A gente já entrega todo dia às redes foto de rosto, de prato, de viagem e de localização, então essas trends mexem pouco no volume de dados coletados. O que muda é o tipo: a trend pede uma foto nítida do rosto, e a transparência mínima seria dizer se essa imagem treina modelos e por quanto tempo fica guardada.
A tendência que mais me preocupa é o convite de aniversário feito com IA, um uso cada vez mais comum. O pedido leva o nome, a idade e os gostos da criança, além da data da festa. Se esse dado fica guardado, vira um cadastro da geração alfa, as crianças nascidas a partir de 2010, montado a partir de um convite que um adulto encomendou.
O ECA Digital, em vigor desde março de 2026, mira produtos e serviços dirigidos a crianças ou de acesso provável por elas. No convite, o dado da criança entra pela mão do adulto, num serviço feito para adultos, e, na minha avaliação, esse caminho ainda não tem campanha educativa nem transparência sobre o destino do dado.
Proibir o convite tiraria um uso que as pessoas valorizam sem atacar o problema; o que falta é dizer para onde o dado vai e oferecer um jeito simples de apagar o perfil formado assim.
Data centers e o Redata
Duas perguntas trataram da infraestrutura física por trás da IA: o consumo de recursos naturais dos data centers e o Redata, o regime de incentivo fiscal para atraí-los ao Brasil, com o risco de o país oferecer isenção e terra sem retorno proporcional. Um data center de 100 MW consome energia equivalente à de cerca de 450 mil residências brasileiras, e ninguém sabe ao certo quanta água os data centers do país usam, porque a divulgação não é obrigatória.
O Redata suspende tributos federais por cinco anos e exige, em troca, energia renovável, limite de consumo de água e parte da capacidade reservada ao mercado interno. Na minha avaliação, o risco que a pergunta apontava existe: a renúncia fiscal vem antes, o retorno em impostos vem anos depois, e o emprego que sobra depois da obra é pequeno. Os números e as fontes estão no artigo sobre data centers no Brasil.
Regular quem implanta a IA
Outra pergunta foi como o Estado pode atuar quando o uso de IA fere a educação, a saúde ou o trabalho. Regular “a IA” em abstrato tende a produzir norma vaga demais para aplicar. A lei funciona quando alcança quem implanta o sistema, com registro de quem decidiu o quê e direito de a pessoa afetada contestar. Quem decide demitir, reprovar ou negar um benefício é sempre uma pessoa ou uma organização, usando a IA como critério ou instrumento, e é ela que deve responder pela decisão.
Aceleracionismo: uma leitura americana
Uma pergunta trazia o aceleracionismo, a ideia de que tecnologias como a IA devem ser aceleradas em vez de reguladas, porque já teríamos passado do ponto de retorno. Desconfio da frase “já passamos do ponto de retorno” porque ninguém consegue verificá-la de dentro do momento em que ela é dita, e ela tira a agência de quem ouve: se já passamos do ponto, discordar vira negação da realidade.
O aceleracionismo nasceu como teoria no Reino Unido, nos anos 1990, com o filósofo Nick Land, mas a versão que hoje pesa no debate sobre IA vem do Vale do Silício, e na minha avaliação é mais americana do que global. A China acelera e regula ao mesmo tempo, com regras para IA generativa em vigor desde 2023, que também servem ao controle de conteúdo, e a Europa regula mais do que acelera: o AI Act entrou em vigor em 2024.
É também dos Estados Unidos, onde a pressão para acelerar é maior, que vêm alguns dos alertas mais duros. Em setembro de 2026, Evan Hubinger, líder de ciência de alinhamento da Anthropic, a área que tenta garantir que a IA faça o que as pessoas pretendem, escreveu que vê mais de 10% de chance de a IA matar todos os humanos na próxima década, com a ressalva de que os modelos atuais têm risco baixo.
Uma pergunta queria saber quão coerente é esse número e se alguém teria acesso suficiente ao modelo para calculá-lo. Leio o número como estimativa pessoal de quem conhece o assunto de perto, e não como medição, porque nenhuma fórmula produz uma probabilidade dessas sobre algo que ainda não aconteceu.
Dentro das empresas, o ponto de não retorno é mais concreto: o dia em que um processo interno deixa de funcionar sem IA. Chegar lá, ou evitar chegar sem preparo, é questão de cultura e hábito.
Por onde começar
Nesta semana: pegue uma resposta que chegou pronta, do feed ou da IA, e procure o critério por trás dela: que fonte entrou, o que ficou de fora e quem decidiu a ordem. Se a IA não souber dizer de onde tirou a informação, trate a resposta como rascunho.
Nos próximos anos: escolha a decisão sobre dados ou IA em que a comunicação da sua empresa mais precisa ter voz, como a escolha de um fornecedor, o texto de um agente de atendimento ou a política de uso interno, e entre nela com um resultado medido, como descrito em “Como a comunicação conquista esse lugar”.
Se o tema conversa com a sua trajetória, a página de cursos reúne as turmas abertas da minha curadoria na ESPM.
Como cheguei a cada faixa do gráfico
As fontes medem coisas diferentes: a Microsoft conta pessoas por telemetria (dados de uso coletados de forma anônima nos aparelhos), as empresas contam contas ativas por semana ou por mês, e a Menlo usa pesquisa declarada.
Quem usa, cerca de 25%. O piso vem da Microsoft, que mede a parcela de pessoas de 15 a 64 anos que usaram um produto de IA generativa no trimestre: 18,8% no mundo no segundo trimestre de 2026, com 28,8% no Norte Global, os países mais ricos, e 16,2% no Sul Global. O método conta só 19 ferramentas e descarta quem usa pouco, por isso trato o número como piso.
O teto vem da Menlo Ventures, que estima 2 bilhões de usuários no mundo, mas extrapola uma pesquisa feita só nos Estados Unidos. Fiquei mais perto do piso, e os 25% são estimativa minha.
Quem paga, cerca de 2%. A OpenAI informou em fevereiro de 2026 mais de 50 milhões de assinantes do ChatGPT e mais de 9 milhões de usuários empresariais pagantes. A esses 59 milhões somo as licenças corporativas de outras empresas e os assinantes de serviços que não divulgam número, que estimo em uns 50 milhões. Chego a algo perto de 110 milhões de pessoas, com margem larga.
Quem programa com IA, cerca de 0,4%. Somando o que GitHub e OpenAI divulgam sobre as ferramentas de programação delas e estimando as que não divulgam usuários, chego a cerca de 20 milhões de pessoas.
Perguntas frequentes
O que é algoritmização da sociedade?
É o momento em que parte das decisões do dia a dia passa a ser tomada por sistemas, em tempo real e em escala: o caminho sugerido no aplicativo de trânsito, a série recomendada, a transação que o antifraude bloqueia, o post que o feed mostra primeiro. A mediação sempre existiu; o que muda é que ela ficou maior e invisível.
A inteligência artificial é neutra?
Não. O viés da IA aparece em três camadas: o dado de treino, que carrega o que humanos produziram; o ajuste do modelo, que é decisão de quem o treina; e o pedido de quem usa, que carrega o viés de quem escreveu. As três têm responsáveis, e só na última o usuário tem controle direto.
Como os algoritmos influenciam a opinião das pessoas?
Decidindo o que aparece primeiro e o que some, sem mostrar que houve escolha. Como as plataformas recompensam o que retém atenção, o conteúdo que confirma o que a pessoa já pensa tende a ganhar espaço. Na IA generativa, o efeito cresce porque a resposta chega sintetizada, sem as fontes concorrentes que a busca tradicional ainda mostrava.
Qual é a influência dos algoritmos na comunicação das empresas?
A empresa escolhe o que dizer, e a plataforma decide quem ouve e com que enquadramento. Por isso perfil em rede social funciona como canal alugado: o alcance pode cair por mudança de critério que a plataforma nem anuncia. A saída prática é usar o algoritmo para descoberta e manter canais próprios, como lista de e-mail, comunidade e eventos, para a relação.
Quantas pessoas usam inteligência artificial no mundo?
A Microsoft mediu 18,8% de uso de IA generativa entre as pessoas de 15 a 64 anos no segundo trimestre de 2026, número que trato como piso, porque o método conta poucas ferramentas. Somando dados de empresas e pesquisas, a minha estimativa fica perto de 25%, cerca de um em cada quatro adultos em idade de trabalhar. No Brasil, a Microsoft mediu 19,1% no primeiro trimestre de 2026, contra 17,8% da média global no mesmo período.
O que são as 46 diretrizes do CGI.br?
São as 46 Diretrizes para Regulação de Plataformas de Redes Sociais, divulgadas pelo Comitê Gestor da Internet no Brasil em 17 de setembro de 2026. Organizadas em seis eixos (soberania e jurisdição, transparência, economia e concorrência, direitos humanos, prevenção e responsabilidade, governança e regulação assimétrica), têm caráter consultivo e servem de base técnica para Congresso, Judiciário e reguladores.
A inteligência artificial pode exterminar a humanidade?
Em setembro de 2026, Evan Hubinger, líder de ciência de alinhamento da Anthropic, escreveu que vê mais de 10% de chance de a IA matar todos os humanos na próxima década, com a ressalva de que os modelos atuais têm risco baixo. É estimativa pessoal de quem conhece o assunto de perto, e não medição: nenhuma fórmula produz essa probabilidade sobre algo que ainda não aconteceu.
Edney “InterNey” Souza atua com tecnologia desde 1990 como professor, palestrante e conselheiro em IA, dados e inovação. Participou da criação de sete startups ao longo da carreira. É professor na ESPM, Insper, PUCRS, USP e IBGC. É autor do livro gratuito Engenharia de Prompts na Prática: do Zero ao Avançado com ChatGPT, Gemini e Claude.
