A IA: Mito ou Fábula?

Quando converso sobre inteligência artificial, não é raro que alguém me pergunte se tudo isto não será fumo: uma bolha, um balão que qualquer dia esvazia. A dúvida é legítima e convém levá-la a sério, porque há teorias respeitáveis que anunciam uma correção brusca do entusiasmo e do investimento. Mas, antes de dar razão à suspeita, consideremos o que aconteceu em apenas uns dias de junho de 2026. Primeiro, um dos laboratórios que está na fronteira entregou ao público o seu modelo mais recente e chamou-lhe Fable —Fábula—: uma versão deliberadamente provida de travões de um modelo ainda mais capaz a que tinha chamado Mythos —Mito— e que decidiu não abrir, com receio do que poderia fazer em mãos erradas. Dias depois, o Governo dos Estados Unidos, invocando a segurança nacional, ordenou suspender o acesso a ambos mediante uma diretiva de controlo de exportações, o mesmo instrumento com que se regulam as armas e a tecnologia nuclear. A empresa acatou a ordem, mas discordou em público.

Detenhamo-nos na raridade do momento. Enquanto uns discutem se a inteligência artificial é um mito, uma fábula ou puro fumo —isto é, se é menos do que diz ser—, o seu próprio criador nomeia-a como algo demasiado poderoso para se libertar, e um Estado trata-a como tecnologia estratégica passível de restrição. O fumo não se retira por segurança nacional. Uma bolha financeira não se submete a controlo de exportações. Que uma empresa se autolimite por capacidade e que um governo intervenha pelo seu alcance são, ambos, o reverso exato da ideia de que aqui não há nada. A pergunta deste capítulo nasce dessa distância, e não é a que parece.

Quem habita uma universidade —e digo «habita» com intenção, porque quem ocupa um espaço é um visitante ou um cliente, ao passo que quem o habita é um cidadão desse ecossistema, fá-lo seu, cuida dele e deixa nele a sua marca— terá certamente lido que aqui ou ali se encerram cursos, que as matrículas caem, que algumas instituições se fundem. Essa leitura dos factos avulsos é compreensível, é cómoda, e é insuficiente. Defendo que por baixo deles opera uma transformação de fundo, e que o modo como a universidade a ler —como fumo ou como realidade, a partir da versão gratuita ou a partir do conhecimento direto— decidirá se a escreve ou se a escrevem. Comecemos pelos factos.

1.1A reestruturação começou sem pedir autorização

Em 2025, uma das universidades mais prestigiadas da China na formação criativa, a Communication University of China, suspendeu dezasseis cursos de licenciatura —entre eles tradução, fotografia, banda desenhada e design de comunicação visual— e explicou-o sem rodeios: manter um curso de quatro anos em tradução tinha-se tornado, nas palavras do secretário do seu comité, «um enorme desperdício de recursos nacionais», porque chega a era da «colaboração homem-máquina». Não foi um caso isolado: semanas antes, a Universidade de Jilin tinha suspendido dezanove programas, seis deles em artes. E não se trata de gestos locais: seguindo a diretriz do Ministério da Educação de otimizar cerca de vinte por cento das especialidades de licenciatura, o país registou num único ano mais de mil e quatrocentos cursos abolidos e mais de dois mil com admissões suspensas, com os recursos redirecionados para áreas como a ciência de dados e a engenharia audiovisual inteligente.

Nos Estados Unidos, onde a causa não se decreta mas é ditada pelo mercado, as matrículas em ciências da computação caíram oito vírgula um por cento no ano letivo de 2025-2026 —a queda mais acentuada de qualquer área de estudo—, porque os estudantes receiam que a inteligência artificial absorva a programação de nível inicial. E esse cálculo já não é minoritário: a proporção de estudantes que considera seriamente mudar de curso por causa da IA passou de quarenta e dois para cinquenta e seis por cento num ano, e os que já mudaram subiram de treze para dezanove por cento. No Reino Unido, por seu lado, a pressão financeira forçou fusões que pareciam impensáveis, como a que uniu em 2025 as universidades de Kent e Greenwich na primeira «superuniversidade» regional do país.

A causa imediata varia de país para país: um decreto na China, um cálculo dos estudantes nos Estados Unidos, um saldo negativo no Reino Unido. Mas por baixo dessas causas opera um mesmo fator estrutural, e é a tese que atravessa este livro: os programas construídos sobre competências que a inteligência artificial generativa de fronteira executa hoje com qualidade profissional verificável são os primeiros a perder procura, viabilidade ou sentido institucional. Não afirmo que a IA seja a única causa de cada encerramento; afirmo que é o fator que, sobre terrenos já frágeis por razões demográficas ou financeiras, decide quais os programas que não se recuperam. E o decisivo, o que torna estrutural esta transformação, é que não toca uma única das funções da universidade —a docência, a investigação, a administração, a extensão, a articulação com o meio—, mas todas ao mesmo tempo. As transformações anteriores afetaram uma função e deixaram tempo para reorganizar as restantes. Esta toca-as todas, e por isso transforma a resposta num problema de modelo, não de iniciativas dispersas.

1.2O que a IA já faz (e que a sala de professores não vê)

Antes de nos perguntarmos o que fazer com a inteligência artificial convém olhar de frente para o que ela já faz, porque boa parte das decisões institucionais é tomada sem esse olhar. A velocidade da transformação aprecia-se num único número e na sua trajetória. Em 2022, os modelos de linguagem obtinham cerca de quarenta e nove por cento de acerto em provas estandardizadas de raciocínio técnico. Em abril de 2026, um dos modelos de fronteira alcançou noventa e três vírgula nove por cento numa prova de engenharia de software profissional e noventa e sete vírgula seis por cento na Olimpíada Matemática dos Estados Unidos. Em quatro anos o desempenho duplicou e passou a superar o estudante universitário médio em disciplinas que durante décadas funcionaram como filtros académicos seletivos.

Mas as provas estandardizadas são apenas o indício mais mensurável. O reconhecimento mais alto da ciência já consagrou o que estes sistemas permitem. Em 2024, o Prémio Nobel da Física distinguiu John Hopfield e Geoffrey Hinton pelos descobrimentos que tornaram possível a aprendizagem automática com redes neuronais artificiais. E o da Química reconheceu Demis Hassabis e John Jumper pelo AlphaFold, um sistema que previu a estrutura de quase a totalidade dos duzentos milhões de proteínas conhecidas —em minutos o que a cristalografia demorava anos— e que se ofereceu em acesso livre a mais de dois milhões de cientistas, juntamente com David Baker pelo desenho de proteínas que não existiam na natureza. Um enigma que a bioquímica arrastava há mais de cinquenta anos ficou resolvido por uma máquina que aprende.

E não é um domínio isolado. A mesma classe de modelos classifica com alta precisão dezenas de milhões de mutações genéticas para orientar a medicina de precisão; descobre antibióticos eficazes contra bactérias resistentes; prediz a estabilidade de novos materiais para baterias e energia limpa; prognostica o clima global em segundos onde antes eram precisos supercomputadores; processa os mil e oitocentos milhões de estrelas que cataloga uma missão espacial contemporânea. Importa sublinhar que a inteligência artificial não transforma apenas as ciências chamadas duras: também potencia as ciências sociais e as humanidades. Plataformas de reconhecimento de escrita manuscrita decifram hoje manuscritos tidos por ilegíveis —um investigador treinou um modelo com cem páginas para transcrever de forma fiável as duas mil e quinhentas restantes de um diário em grego antigo cursivo— e arquivos nacionais inteiros convertem em texto editável milhões de documentos históricos. A pergunta torna-se, então, incómoda para qualquer instituição: se isto é o que o dispositivo faz no cume da ciência, com que autoridade se lhe chama fumo, e com que prudência se ignora ou se luta com ele?

1.3O fosso entre o uso e o potencial

Aqui aparece o paradoxo que dá título a este capítulo. A adoção da inteligência artificial generativa universalizou-se no formal: para finais de 2025 alcançava já cerca de dezasseis por cento da população mundial, e as principais plataformas somam centenas de milhões de utilizadores. Mas o aproveitamento real conta outra história. No ecossistema ocidental, cerca de noventa e cinco por cento dos utilizadores da plataforma mais disseminada opera com a versão gratuita, e apenas entre cinco e seis por cento paga a subscrição que abre as capacidades decisivas: o raciocínio avançado, o contexto extenso capaz de analisar livros ou bases de código completas, e os agentes que executam tarefas de vários passos por si mesmos.

E mesmo quem paga raramente explora o que tem. O uso quotidiano concentra-se em tarefas de baixa complexidade: mais de metade da atividade nas plataformas de chat são consultas e investigação geral, e quase metade dos utilizadores recorre à IA para planear viagens. Segundo dados da própria indústria, sessenta por cento usa-a para «aumentar» tarefas que já sabe fazer —resumir um relatório, redigir um e-mail— e apenas quarenta por cento para «automatizar» fluxos completos. O utilizador médio continua preso na conversa passo a passo e ignora as arquiteturas de agentes, a execução de código em ciclo ou o controlo de interface que as ferramentas avançadas já permitem. Dito sem rodeios: o dispositivo que contribuiu para ganhar um Prémio Nobel usa-se, na sua imensa maioria, para escrever e-mails e reservar hotéis.

Essa distância entre o que a inteligência artificial pode fazer e o que efetivamente lhe pedimos é o fosso de que trata este livro. Não é um fosso da tecnologia: é um fosso de apropriação. E tem uma consequência que raramente se nomeia e que convém examinar de frente, porque toca diretamente quem decide.

1.4O risco de decidir a partir da versão gratuita

Formulo a pergunta sem rodeios, porque me parece central e quase nunca se faz. Quem desenha as políticas institucionais de inteligência artificial, quem elabora os diagnósticos, quem impulsiona iniciativas e comissões —pessoas com inquietações e necessidades legítimas, que merecem todo o respeito—, de onde conhecem aquilo que pretendem governar? Se o seu contacto com a IA se reduz à versão gratuita e ao uso superficial que descrevi no apartado anterior, então projetam regras, receios e expectativas sobre um objeto que não conhecem de primeira mão. E produz-se uma situação delicada: legisla-se, restringe-se ou promove-se com base num dispositivo cujo verdadeiro alcance não foi experimentado.

Não estou a dizer que se deva desconfiar dos especialistas. Apoiar-se na literatura académica e em quem estuda o campo não só é válido como necessário. O que defendo é que a inteligência artificial tem uma propriedade singular que altera a equação: torna especialista quem a conhece. As investigações rigorosas sobre produtividade mostram-no com nitidez. Quando trabalhadores reais incorporam um assistente de IA, o ganho médio ronda os catorze por cento; mas entre os menos experientes ou de menor qualificação alcança os trinta e quatro por cento, ao passo que para os mais experientes a melhoria é marginal. O dispositivo não premeia quem já sabia: encurta a distância de quem sabia menos. É, no sentido mais literal, um equalizador de perícia.

A consequência para a universidade é direta. Uma instituição que toma as suas decisões sobre a inteligência artificial a partir do uso gratuito e ocasional opina sobre um objeto em que apenas tocou; uma instituição cujos quadros iteraram com o dispositivo em profundidade —de forma informada, com acesso direto às suas capacidades plenas— decide sobre o que conhece. A diferença não é de opinião, mas de fundamento. E prefigura uma das peças que este livro proporá mais adiante: um dispositivo institucional de inteligência artificial que dê à comunidade universitária esse acesso informado e governado, em vez de deixar cada um com a versão gratuita e o desconhecimento por companhia.

1.5Pensar a IA a partir da filosofia

Seria um erro reduzir tudo isto a um assunto de ciência e tecnologia. A inteligência artificial reconfigura também o mundo do trabalho, as ciências sociais e, no fundo, o modo como uma sociedade entende o conhecimento e a justiça; e essas são perguntas que a universidade não pode delegar. Sobre o emprego, as visões dos próprios líderes do sector divergem: há quem antecipe que cerca de metade dos postos de escritório de nível inicial serão alterados em poucos anos, há quem insista em que se automatizam tarefas e não postos completos, e há quem defenda que um profissional mais produtivo deveria multiplicar a produção em vez de reduzir o quadro de pessoal. O que os dados já mostram sem ambiguidade é que a porta de entrada está a estreitar-se: a contratação de programadores jovens caiu cerca de vinte por cento desde os seus máximos, enquanto a de perfis experientes continuou a crescer.

E a transformação alcança as próprias humanidades e ciências sociais, num paradoxo que merece atenção filosófica. As tarefas mais expostas à automatização são precisamente as de síntese documental e redação analítica —o ofício quotidiano de filósofos, historiadores e politólogos—; e, no entanto, a competência que o mundo laboral declara mais procurada é o pensamento analítico, seguido da resiliência, da criatividade e da curiosidade. O que a máquina absorve é a execução; o que o mundo continua a precisar é do critério, que só se forma exercendo-o. Convém ainda lembrar que um dos pais da área, o mesmo Geoffrey Hinton que recebeu o Nobel, alertou com franqueza para o risco de perder o controlo de sistemas que superem a inteligência humana. Quando o criador duvida, a pergunta deixa de ser técnica e torna-se filosófica; e o lugar histórico dessa pergunta é a universidade.

Esse olhar de fundo traduz-se, na vida concreta das instituições, em cinco preocupações que a universidade já nomeia quando se escuta a si mesma, ainda que raramente as articule como sistema. A primeira é a obsolescência do dispositivo tradicional de avaliação: o ensaio em casa, o relatório sem defesa, expostos a uma assimetria que a deteção não fecha, porque os principais sistemas comerciais não se detetam em mais de noventa por cento dos casos e, quando acertam, penalizam com viés quem escreve numa segunda língua. A segunda é a sobredependência cognitiva: a atrofia, por desuso, das competências que se formam justamente assumindo os esforços que a IA pode fazer em vez do estudante. A terceira é a desarticulação entre o que a universidade forma e o que o mundo profissional exige, agravada por um plano de estudos que demora anos a atualizar-se face a modelos que mudam a cada poucos meses.

A quarta toca a justiça, e aqui reaparece o fosso deste capítulo: quem pode pagar acede a modelos avançados com todas as suas capacidades, enquanto os restantes operam com versões gratuitas limitadas, de modo que «acesso para todos» sem formação da competência para iterar reproduz, com uma pátina de inclusão, a desigualdade de origem. A quinta é a mais silenciosa: a contradição institucional. A mesma universidade que restringe a IA aos seus estudantes incorpora-a com entusiasmo na sua administração. O caso mais nítido foi oferecido por um grande sistema universitário que anunciava uma aliança de dezassete milhões de dólares para levar a IA a toda a sua comunidade enquanto propunha cortes de trezentos e setenta e cinco milhões que eliminavam lugares docentes e programas inteiros: investir no dispositivo à custa da estrutura humana que lhe dá sentido. Vistas em separado, estas cinco preocupações pedem remédios técnicos distintos. Vistas em conjunto, pedem algo mais exigente: pedem um modelo. São, com honestidade, o primeiro rascunho do modelo que a universidade ainda não formulou.

1.6Não lutar com ela: conhecê-la e articulá-la

Há um precedente histórico que ilumina o que está em jogo. A ARPANET ligou quatro universidades norte-americanas em 1969; a rede estendeu-se ao sistema universitário completo em 1986; e a Internet abriu-se comercialmente em 1995. Quando isso aconteceu, as universidades que já tinham duas décadas em rede tinham construído algo que não constava em nenhum balanço: infraestrutura humana, vocabulário técnico partilhado, comunidades de prática e uma vantagem que nenhuma instituição podia recuperar entrando tarde. Que Stanford, o MIT, Berkeley ou Carnegie Mellon encabecem hoje a hierarquia mundial não é um acaso: a vantagem precoce da Internet académica acumulou-se de forma irreversível. Não se distribuiu uniformemente com o tempo; concentrou-se onde tinha começado antes.

A lição para 2026 é direta, e é a razão pela qual insisto no «agora» e não no «depois». Cada ano que uma universidade adia a formulação do seu próprio modelo produz quatro perdas concretas e articuladas entre si: perde capital humano interno, porque os seus docentes aprendem a iterar de forma invisível e mais cedo ou mais tarde migram com essa competência; perde posição face aos seus diplomados, que certificam fora o que não aprenderam dentro; perde articulação com o meio externo, que procura parceiros formativos onde os encontra; e perde, por fim, a capacidade de definir as suas próprias diretrizes, porque quando uma instituição não formula o seu quadro, a regulação de outros e as condições de uso dos fornecedores —aceites sem ler— tornam-se o seu quadro efetivo. A essa erosão chamo, e o livro desenvolvê-lo-á, perda de soberania algorítmica.

Perante este horizonte há dois caminhos, e convém escolher de olhos abertos. Um é o da reação defensiva: proibir, cortar, esperar que passe. O outro ilustra-o o modelo finlandês, que em vez de fechar departamentos assumiu a literacia em inteligência artificial como um direito e uma competência transversal de todos os títulos —o seu curso aberto sobre os fundamentos da IA superou os quatrocentos mil participantes— sob um princípio sóbrio: a IA deve ser assistente da aprendizagem, nunca o seu líder, e a avaliação redesenha-se em direção a defesas orais e diários reflexivos. A diferença entre um caminho e o outro não é de recursos, é de atitude. A universidade não precisa de lutar com a inteligência artificial: precisa de conhecer o seu alcance e o seu potencial, e articulá-la a seu favor.

1.7O que este livro propõe

O campo da incorporação universitária da inteligência artificial está dominado por cinco respostas que o próximo capítulo examinará uma a uma: proibir, regular, capacitar, comprar ferramentas e pilotar. Cada uma resolve algo e deixa por resolver o principal; nenhuma constitui, por si só, um modelo institucional articulado. O SinergIA oferece algo de outra natureza: um modelo organizado pela iteracção como princípio transversal —escrita com duplo c, para distinguir os ciclos sucessivos de revisão, ajuste e reconstrução com um modelo da simples interação de um intercâmbio pontual—.

Três peças sustentam essa articulação. A primeira é um operador institucional com a posição e a composição necessárias para governar a incorporação da IA: a Área Institucional de Uso e Apropriação Tecnológica. A segunda é o dispositivo onde essa incorporação se materializa, um artefacto que a própria universidade constrói sobre os modelos de fronteira e governa com as suas regras: o Artefacto Iteractivo de IA institucional, que dá à comunidade esse acesso informado e direto de que falei antes. A terceira é a iteracção em si. Sobre elas, o modelo opera com cinco dimensões de alcance e três dimensões transversais —soberania algorítmica, pedagógica e psicossocial, e ética—. Importa dizer com clareza o que o modelo não é: não é uma metodologia, porque não entrega passos; não é um plano, porque não fixa ações nem datas; não é uma arquitetura tecnológica, porque não especifica ferramentas; não é uma política normativa, porque não prescreve o permitido e o proibido. É um modelo: uma categoria que organiza o pensamento institucional e permite a cada universidade formular por si mesma a sua metodologia, o seu plano, a sua arquitetura e a sua política com coerência entre elas.

Mito, fábula ou fumo? Escreva a sua própria história

Voltemos à pergunta do início. Será a inteligência artificial um mito, uma fábula, fumo que se dissipará? Suspeito que a resposta depende, mais do que da tecnologia, do lugar a partir do qual se olha para ela. Quem a observa a partir da versão gratuita, usando-a para resumir e-mails, verá com razão pouca coisa e falará de fumo. Quem iterou com ela em profundidade —e viu um modelo dobrar proteínas, decifrar um manuscrito ilegível ou elevar um trabalhador novato até ao rendimento de um especialista— sabe que não está perante um conto. O risco, então, não é que a inteligência artificial seja um mito. O risco é escrever a história com visão curta: tomar decisões de fundo sobre algo cujo potencial não se conhece de primeira mão, confundir a própria desinformação com a medida da coisa.

Convém, pois, inverter a palavra de ordem defensiva. Frente ao impulso de usar menos a inteligência artificial para esconjurar os seus riscos, defendo o contrário: é preciso usá-la mais para a governar melhor. E convém precisar de imediato o que significa esse «mais», porque não é uma licença para delegar o juízo. Usá-la mais quer dizer conhecê-la mais: iterar com ela até compreender de que é capaz e onde falha, porque só se governa bem aquilo que se conhece de perto. Não é o mesmo usá-la para que pense no nosso lugar —o caminho da sobredependência, cuja fronteira o capítulo três traçará— que usá-la para aprender a dirigi-la. A universidade que a usa mais, e melhor, para a governar é a que deixa de a temer sem por isso se render a ela.

Por isso prefiro dar a volta à pergunta e entregá-la a si, leitor. Não lhe proponho que acredite nem que duvide, mas que conheça; não que lute com a inteligência artificial nem que se renda a ela, mas que a governe. Convido-o a escrever a sua própria história de uma inteligência artificial governada, na sua sala de aula, no seu programa, na sua instituição. Porque a pergunta já não é se a sua universidade mudará, dado que está a mudar enquanto a observa. A pergunta é se o fará com um modelo próprio ou com o de outros.

Resta, contudo, uma sombra no episódio com que abri estas páginas. Se a inteligência artificial é tão real que um Estado a suspende invocando a segurança nacional, cabe perguntar se essa é a forma sábia de a governar ou o reflexo antigo de proteger o presente de um futuro que chegará de qualquer modo. O próximo capítulo examina essa pergunta —e explica por que razão quase todas as respostas que hoje se ensaiam, por bem-intencionadas que sejam, estão condenadas a fracassar— à luz de uma lei de 1865 que convém não ter esquecido.

Para continuar: o Livro Espelho

Escrever a sua própria história não é uma metáfora, e ler este livro também não tem por que ser igual para todos. Existe uma edição viva destas páginas —o Livro Espelho— que lhe permite ler este mesmo livro, mas com o contexto da sua instituição. O gesto habitual da leitura inverte-se: enquanto o leitor lê o modelo, o livro «lê» a sua universidade e devolve-lha situada. A partir de umas poucas respostas sobre o seu contexto, recebe uma leitura própria —em que estádio se encontra, que preocupações a definem, por onde poderia começar—, com o texto do autor intacto e uma camada gerada para o seu perfil, claramente distinguida dele. É, quase literalmente, ver-se ao espelho enquanto se lê: o livro deixa de falar da «universidade» em geral para falar da sua. E é, em pequeno, o que este capítulo propõe: passar do uso superficial ao conhecimento direto, e do geral ao seu caso concreto.