A Inteligência Artificial vai nos libertar — ou transformar pessoas em “resíduos” do próprio progresso?
O futuro já começou — só ainda parece mal distribuído
Você acredita que robôs humanoides já podem trabalhar em linhas de produção reais?
Você acredita que carros sem motorista já circulam em serviços comerciais de transporte?
Você acredita que uma pessoa já conseguiu controlar um computador apenas com o pensamento?
Você acredita que “teletransporte” já existe?
Você acredita que sistemas de IA já conseguem escrever, programar, criar imagens, gerar vídeos, compor músicas, resumir livros, analisar dados e simular conversas complexas?
A respostas para todas essas perguntas é "SIM!".
Por isso, a pergunta não é apenas se essas tecnologias são possíveis.
A pergunta é:
Quem estará preparado para entendê-las, usá-las e questioná-las?
A Inteligência Artificial deixou de ser apenas um tema de laboratório, ficção científica ou grandes empresas de tecnologia. Em 2026, ela já está presente em ferramentas de estudo, trabalho, pesquisa, programação, design, música, automação, atendimento, análise de dados, comunicação e criação de conteúdo.
Para estudantes e profissionais em formação, isso muda uma pergunta importante. Não é mais apenas:
“A IA vai substituir empregos?”
A pergunta mais completa talvez seja:
“Como posso aprender a trabalhar melhor com IA, de forma crítica, ética, inteligente e consciente?”
Este texto é uma reflexão sobre o presente, mas também uma provocação sobre o futuro. Se continuarmos avançando no ritmo atual, que tipo de sociedade poderemos encontrar em 2044?
Esse artigo escolheu o ano de 2044 como referência por não estar tão próximo do ano atual, porém não tão distante para oferecer um panorama tão estilo ficção científica.
Uma sociedade onde a IA amplia oportunidades, democratiza conhecimento e libera humanos de tarefas repetitivas? Ou uma sociedade dividida entre uma elite tecnológica integrada a sistemas inteligentes e uma massa de trabalhadores deslocados, monitorados e tratados como descartáveis?
Para pensar sobre isso, vamos passar por um breve histórico da Inteligência Artificial, discutir seus impactos socioeconômicos, ambientais e políticos, refletir sobre a combinação entre IA e computação quântica, analisar possíveis cenários de futuro e, apenas por diversão, usar uma analogia com Battle Angel Alita, de Yukito Kishiro.
A ideia não é tratar a IA como mágica, nem como uma ameaça inevitável. A postura mais produtiva é uma combinação de curiosidade, preparo, pensamento crítico e responsabilidade.
1. Uma breve história da Inteligência Artificial
A ideia de máquinas inteligentes não começou com o ChatGPT, nem com os modelos generativos recentes.
Em 1950, Alan Turing publicou um artigo importante sobre a possibilidade de máquinas pensarem, o que mais tarde ficaria associado ao famoso “Teste de Turing”. A pergunta central era provocativa: uma máquina poderia demonstrar comportamento inteligente a ponto de ser confundida com um ser humano em uma conversa?
Em 1956, o workshop de Dartmouth ajudou a consolidar o termo “Inteligência Artificial” como campo de pesquisa. A partir daí, pesquisadores começaram a imaginar sistemas capazes de resolver problemas, jogar, provar teoremas, entender linguagem e simular aspectos do raciocínio humano.
Nas décadas seguintes, a IA passou por ciclos de entusiasmo e frustração. Houve períodos de grande otimismo com sistemas baseados em regras, lógica simbólica e conhecimento formalizado manualmente. Depois vieram os chamados “invernos da IA”, períodos em que as promessas foram maiores que os resultados práticos e o financiamento diminuiu.
Mais tarde, com o aumento do poder computacional, a disponibilidade de grandes volumes de dados e o avanço do aprendizado de máquina, a IA voltou a crescer. A partir dos anos 2010, redes neurais profundas começaram a transformar áreas como visão computacional, reconhecimento de voz, tradução automática, recomendação de conteúdo e análise de imagens.
Um ponto importante dessa trajetória foi o desenvolvimento da arquitetura Transformer, apresentada em 2017, que acelerou o avanço dos modelos de linguagem modernos. Essa arquitetura ajudou a criar sistemas capazes de gerar texto, resumir documentos, responder perguntas, escrever código, analisar imagens e interagir com usuários de forma cada vez mais natural.
O ponto central é que a IA atual não surgiu de repente. Ela é resultado de décadas de pesquisa, erros, limites, avanços técnicos, disputas econômicas e mudanças sociais.
Entender essa história ajuda a evitar dois extremos: achar que IA é mágica ou achar que é apenas uma moda passageira.
2. Impactos socioeconômicos, ambientais e políticos da IA
Quando falamos sobre Inteligência Artificial, é comum pensar primeiro em produtividade, automação, criatividade e novas ferramentas. Mas a IA não é apenas uma tecnologia “digital” e abstrata.
Ela depende de infraestrutura física, energia elétrica, água, minerais, chips, centros de dados, cadeias globais de produção, decisões políticas e modelos econômicos.
Por isso, o impacto da IA precisa ser analisado em várias dimensões ao mesmo tempo: econômica, social, ambiental, geopolítica e trabalhista.
A pergunta central não é apenas:
“A IA vai melhorar o mundo?”
A pergunta mais completa seria:
“Para quem a IA vai melhorar o mundo, quem vai pagar o custo dessa transformação e quem pode ficar para trás?”
A IA pode ajudar estudantes a aprender melhor, empresas a produzir mais, cientistas a descobrir novos tratamentos, governos a melhorar serviços e profissionais a automatizar tarefas repetitivas. Mas ela também pode aumentar desigualdades, concentrar poder, pressionar empregos, consumir muitos recursos naturais, criar dependência tecnológica e gerar novos riscos políticos.
Por isso, a discussão sobre IA precisa ir além do entusiasmo com ferramentas. Ela precisa considerar o sistema inteiro que torna essa tecnologia possível.
2.1 O custo econômico da IA
A IA moderna exige uma infraestrutura extremamente cara. Treinar e operar modelos avançados depende de GPUs, servidores, centros de dados, energia, refrigeração, redes de comunicação, dados de treinamento, engenheiros especializados, pesquisadores, equipes de segurança e manutenção constante.
Na interface, uma ferramenta de IA pode parecer simples: o usuário escreve uma pergunta e recebe uma resposta. Mas por trás dessa interação existe uma cadeia enorme de custos físicos, técnicos e financeiros.
Esse custo cria uma contradição importante. Para o usuário final, algumas ferramentas parecem baratas, gratuitas ou acessíveis. Mas para construir e manter os modelos mais avançados, são necessários bilhões de dólares em investimento.
A McKinsey estima que os gastos globais com data centers podem chegar a cerca de US$ 7 trilhões até 2030, impulsionados pela corrida para escalar IA e infraestrutura computacional. (mckinsey.com)
Isso significa que poucas empresas e poucos países conseguem competir na fronteira da IA.
Essa concentração de infraestrutura pode gerar concentração de poder. Empresas que controlam modelos, chips, nuvem, dados e plataformas podem passar a influenciar não apenas o mercado de tecnologia, mas também educação, comunicação, trabalho, pesquisa, defesa, saúde e serviços públicos.
Ou seja: a IA pode democratizar o acesso a certas capacidades, mas a infraestrutura que sustenta essa democratização pode estar concentrada em poucos atores.
Esse ponto é fundamental para estudantes e profissionais. Usar IA não é apenas aprender uma ferramenta. É entender que essa ferramenta faz parte de um ecossistema econômico muito maior, com interesses comerciais, disputas estratégicas e consequências sociais.
2.2 O custo ambiental da IA
A IA também tem um custo ambiental significativo. Ela depende de data centers que consomem energia elétrica, água para refrigeração, equipamentos eletrônicos, semicondutores, minerais críticos e infraestrutura de telecomunicações.
A ideia de que tecnologia digital é “leve” ou “imaterial” pode ser enganosa. Toda consulta a uma IA, toda imagem gerada, todo modelo treinado e todo sistema automatizado depende de máquinas físicas funcionando em algum lugar.
Individualmente, uma pergunta feita a uma ferramenta de IA pode parecer insignificante. Mas quando bilhões de pessoas e empresas usam esses sistemas diariamente, o impacto se acumula.
O consumo energético é uma das principais preocupações. A Agência Internacional de Energia projeta que o consumo global de eletricidade dos data centers pode praticamente dobrar, saindo de cerca de 485 TWh em 2025 para 950 TWh em 2030, chegando a aproximadamente 3% da demanda elétrica global; data centers focados em IA devem crescer ainda mais rápido nesse período. (iea.org)
A água também é um ponto importante. Alguns centros de dados usam água diretamente para resfriamento. Além disso, há consumo indireto de água na geração de energia, dependendo da matriz energética utilizada.
Outro problema é o lixo eletrônico. A corrida por chips mais avançados pode acelerar a substituição de equipamentos, aumentar a demanda por minerais críticos e criar novos desafios de descarte e reciclagem.
Isso não significa que a IA seja necessariamente inimiga do meio ambiente. Pelo contrário, ela também pode ajudar em áreas como previsão climática, otimização de redes elétricas, agricultura de precisão, redução de desperdício, descoberta de novos materiais e modelagem científica.
O ponto é que a IA precisa ser avaliada com equilíbrio: ela pode ser uma ferramenta para resolver problemas ambientais, mas também pode aumentar a pressão sobre recursos naturais se for usada de forma irresponsável ou sem planejamento.
Algumas perguntas importantes são:
- A energia usada pelos data centers vem de fontes renováveis ou fósseis?
- A água usada para refrigeração vem de regiões com escassez hídrica?
- Os equipamentos são reciclados corretamente?
- A expansão da IA está aumentando ou reduzindo emissões?
- Quem sofre os impactos locais da instalação de grandes centros de dados?
- Como equilibrar inovação tecnológica com sustentabilidade?
Uma sociedade madura tecnologicamente não deve perguntar apenas se uma IA é poderosa. Deve perguntar também se ela é eficiente, sustentável, auditável e socialmente responsável.
2.3 O custo político e geopolítico da IA
A IA também é uma questão de poder político.
Países que dominam semicondutores, data centers, modelos avançados, infraestrutura em nuvem, dados e pesquisa de ponta podem ganhar vantagem econômica, científica, militar e diplomática.
Isso pode aumentar a diferença entre países produtores de tecnologia e países consumidores de tecnologia. Na prática, países que não desenvolvem capacidade própria podem se tornar dependentes de ferramentas, plataformas e regras definidas por outros.
Essa dependência pode afetar educação, segurança nacional, pesquisa, indústria, comunicação, saúde e administração pública.
Além disso, a IA pode influenciar diretamente processos políticos. Sistemas generativos conseguem criar textos, imagens, vídeos e áudios falsos com aparência convincente. Isso aumenta o risco de desinformação, golpes, manipulação eleitoral, campanhas automatizadas de influência e erosão da confiança pública.
Quando qualquer pessoa pode criar uma imagem falsa, uma voz falsa ou um vídeo falso com poucos comandos, a sociedade passa a enfrentar um problema sério: como saber o que é real?
Esse desafio não é apenas técnico. É também educacional, jurídico, jornalístico e político.
Outro ponto central é a regulação. Governos precisarão decidir como lidar com privacidade, direitos autorais, responsabilidade por erros, segurança, uso militar, proteção de empregos, educação, transparência algorítmica e concentração de mercado.
Se a regulação for fraca demais, empresas podem externalizar custos sociais, ambientais e trabalhistas. Se for rígida demais, pode bloquear inovação e dificultar o desenvolvimento local. O desafio será criar regras que protejam a sociedade sem impedir avanços úteis.
A IA também pode mudar a forma como Estados operam. Governos podem usar IA para melhorar serviços públicos, detectar fraudes, otimizar políticas e ampliar acesso à informação. Mas também podem usá-la para vigilância, controle social, repressão, discriminação algorítmica e manipulação.
Por isso, discutir IA é discutir democracia, soberania, direitos civis e distribuição de poder.
2.4 IA, emprego e transformação do trabalho
O impacto da IA sobre empregos é um dos temas mais importantes e sensíveis.
Uma ideia comum é imaginar que a IA simplesmente “vai roubar empregos”. Essa frase captura uma preocupação real, mas simplifica demais o problema.
Na maioria dos casos, a IA substitui primeiro tarefas, não profissões inteiras.
Uma profissão é composta por várias tarefas. Algumas são repetitivas, previsíveis e fáceis de automatizar. Outras exigem julgamento, experiência, empatia, presença física, negociação, criatividade, responsabilidade legal ou compreensão profunda de contexto.
O FMI estima que cerca de 40% dos empregos no mundo estão expostos à IA; em economias avançadas, esse número pode chegar a 60%, com parte dos empregos sendo complementada pela IA e outra parte enfrentando redução de demanda, salários ou contratação. (imf.org)
A Goldman Sachs também estimou que a IA generativa pode expor o equivalente a 300 milhões de empregos em tempo integral à automação. Isso não significa que 300 milhões de pessoas necessariamente perderão seus empregos, mas que muitas tarefas realizadas por humanos podem ser parcialmente automatizadas. (goldmansachs.com)
Por exemplo, um advogado pode não ser totalmente substituído, mas tarefas como resumir contratos, pesquisar jurisprudência ou gerar rascunhos podem ser automatizadas. Um programador pode continuar necessário, mas partes da escrita de código, testes e documentação podem ser feitas com IA. Um professor pode usar IA para preparar materiais, mas ainda ser essencial para orientar, motivar, avaliar e acolher estudantes.
O risco maior está em trabalhos compostos por tarefas repetitivas, previsíveis, digitais e fáceis de validar.
Ao mesmo tempo, algumas profissões podem se tornar mais produtivas. Um profissional que usa IA bem pode produzir mais, estudar mais rápido, criar protótipos, revisar textos, automatizar fluxos e tomar decisões com mais apoio informacional.
Isso pode gerar ganhos de produtividade, mas também pode reduzir a necessidade de mão de obra em certas funções. Se uma equipe de dez pessoas passa a produzir o mesmo resultado com cinco pessoas usando IA, a empresa pode crescer ou pode simplesmente cortar custos. O resultado depende de decisões econômicas, sociais e políticas.
Portanto, o impacto da IA no emprego não será igual para todos.
Algumas pessoas serão ampliadas pela IA.
Algumas serão deslocadas pela IA.
Algumas terão seus salários pressionados.
Algumas verão suas funções mudarem.
Algumas criarão novas carreiras com IA.
E algumas poderão ser excluídas se não tiverem acesso a educação, ferramentas e oportunidades.
A pergunta mais importante talvez não seja apenas:
“A IA vai acabar com empregos?”
Mas sim:
“Quem vai conseguir usar IA para aumentar sua capacidade, e quem será substituído, monitorado ou precarizado por sistemas automatizados?”
2.5 E se IA substituir trabalhadores em diferentes áreas?
A discussão sobre substituição de trabalhadores não deve ficar restrita a robôs humanoides, fábricas ou trabalhos físicos. A IA pode impactar praticamente qualquer área em que existam tarefas repetitivas, padronizáveis, previsíveis ou baseadas em processamento de informação.
Na verdade, uma das grandes diferenças da IA generativa em relação a ondas anteriores de automação é que ela afeta diretamente trabalhos considerados “intelectuais” ou “de escritório”.
Durante muito tempo, a automação parecia mais associada a máquinas industriais, linhas de produção e robótica. Agora, tarefas de escrita, análise, atendimento, programação, tradução, design, pesquisa e tomada de decisão também começam a ser parcialmente automatizadas.
A substituição pode acontecer de várias formas. Em alguns casos, uma profissão inteira pode perder demanda. Em outros, a profissão continua existindo, mas com menos pessoas, porque cada profissional passa a produzir muito mais com apoio de IA. Também pode acontecer uma mudança no perfil da função: tarefas simples desaparecem, enquanto tarefas de supervisão, validação, estratégia, relacionamento humano e responsabilidade ganham mais importância.
Podemos citar alguns exemplos de impacto em diferentes profissões:
- analista financeiro pode ter relatórios automatizados, mas ainda precisa interpretar riscos, contexto econômico e decisões estratégicas.
- professor/a pode usar IA para criar materiais, exercícios e planos de aula, mas continua essencial na mediação humana, no acompanhamento emocional e na adaptação pedagógica.
- médico/a pode usar IA como apoio diagnóstico, mas decisões clínicas, comunicação com pacientes e responsabilidade profissional continuam exigindo presença humana.
- profissional administrativo pode automatizar planilhas, relatórios, e-mails, agendamentos e fluxos internos, reduzindo a necessidade de tarefas operacionais repetitivas.
- pesquisador/a pode usar IA para revisar literatura, organizar referências, gerar hipóteses e apoiar análise de dados, mas ainda precisa dominar método científico, interpretação e validação.
- profissional de marketing pode automatizar anúncios, segmentações e variações de texto, mas ainda precisa entender comportamento humano, marca, cultura e estratégia.
Ou seja, o impacto da IA não é uniforme. Ela não substitui todas as pessoas da mesma forma. Ela substitui primeiro tarefas, depois pode reduzir a necessidade de certas funções, e só em casos mais extremos pode tornar algumas profissões inteiras menos relevantes.
Para que uma substituição em larga escala aconteça, algumas condições precisam estar presentes.
A primeira condição é que a tarefa precisa ser tecnicamente automatizável. A IA precisa conseguir executar aquela atividade com qualidade suficiente. Tarefas baseadas em texto, código, imagem, áudio, classificação, triagem, recomendação e análise padronizada são mais fáceis de automatizar do que tarefas altamente sociais, ambíguas, físicas, emocionais ou moralmente complexas.
A segunda condição é que o custo da automação precisa compensar. Empresas não automatizam apenas porque a tecnologia existe. Elas automatizam quando o custo da ferramenta, integração, manutenção, treinamento e risco é menor do que o custo de manter pessoas fazendo aquela tarefa.
A terceira condição é que a qualidade precisa ser aceitável. Em algumas áreas, um erro pequeno pode ser tolerável. Em outras, um erro pode causar prejuízo financeiro, dano jurídico, risco de vida ou perda de reputação. Quanto maior o risco, maior a necessidade de revisão humana.
A quarta condição é que a organização precisa conseguir integrar a IA ao fluxo de trabalho. Não basta ter uma ferramenta poderosa. É necessário adaptar processos, treinar equipes, proteger dados, definir responsabilidades, medir resultados e lidar com falhas.
A quinta condição é que a legislação e a regulação precisam permitir. Áreas como saúde, direito, finanças, educação, segurança, transporte e recursos humanos podem ter limites legais e éticos para automação completa.
A sexta condição é que clientes, usuários e sociedade precisam aceitar. Mesmo que uma IA consiga fazer algo, as pessoas podem não aceitar facilmente ser atendidas, avaliadas, ensinadas, tratadas ou julgadas apenas por sistemas automatizados.
A sétima condição é que a responsabilidade precisa estar clara. Quando uma IA erra, quem responde? A empresa? O desenvolvedor? O usuário? O profissional que aceitou a recomendação? Em muitas áreas, essa questão ainda é complexa.
Por isso, o cenário mais realista não é uma substituição instantânea de todos os trabalhadores, mas uma reorganização profunda do trabalho. Profissões serão redesenhadas. Algumas tarefas desaparecerão. Outras ficarão mais valorizadas.
Certas funções de entrada podem diminuir, criando uma dificuldade especial para estudantes e jovens profissionais que precisam do primeiro emprego para ganhar experiência.
Esse último ponto é muito importante.
Se tarefas básicas forem automatizadas, como novos profissionais vão aprender?
Muitos começam justamente fazendo atividades simples: revisar documentos, montar relatórios, corrigir pequenos erros, responder demandas, organizar dados, escrever rascunhos, fazer testes, atender clientes ou apoiar profissionais mais experientes.
Se essas tarefas forem entregues à IA, empresas precisarão criar novas formas de formação profissional. Caso contrário, pode surgir um “buraco” no início da carreira: menos vagas júnior, menos aprendizado prático e mais exigência de experiência para quem ainda não teve oportunidade de adquiri-la.
Então a pergunta mais importante talvez não seja apenas:
“A IA vai substituir trabalhadores?”
Mas sim:
“Quais tarefas serão automatizadas, quais habilidades continuarão humanas e como vamos formar novos profissionais em um mundo onde as tarefas básicas podem desaparecer?”
2.6 O cenário apocalíptico: e se a IA causar desemprego em massa?
Um cenário extremo seria aquele em que IA, automação e robótica substituem grande parte do trabalho humano mais rápido do que a sociedade consegue criar novas funções, adaptar a educação e reorganizar a economia.
Esse cenário não exige que a IA seja consciente, perfeita ou “superinteligente”. Basta que ela seja boa o suficiente para executar uma grande quantidade de tarefas de forma mais barata, rápida e escalável do que humanos.
Nesse cenário, poderíamos ver desemprego estrutural, queda de salários em várias áreas, redução de vagas de entrada, aumento da competição por trabalhos que ainda exigem humanos, concentração extrema de riqueza nas empresas que controlam IA, dados, robótica e infraestrutura, aumento da desigualdade, crise de identidade profissional e desvalorização de diplomas que não se adaptaram ao novo contexto.
Também poderíamos ver crescimento de trabalhos temporários, fragmentados ou mediados por plataformas; maior vigilância sobre trabalhadores; conflitos políticos; pressão por renda básica universal ou novas formas de proteção social; disputas sobre quem possui os dados, os modelos e os robôs; e aumento de movimentos anti-tecnologia.
Esse cenário não é inevitável, mas é possível o suficiente para merecer atenção.
O risco não vem apenas da tecnologia, mas da velocidade da transição. Sociedades conseguem se adaptar melhor quando mudanças acontecem com tempo, educação, políticas públicas, proteção social e redistribuição de oportunidades. O perigo está em uma substituição muito rápida, concentrada e sem planejamento.
Também existe um risco psicológico e cultural. O trabalho não é apenas fonte de renda. Para muitas pessoas, o trabalho também é identidade, rotina, reconhecimento social, propósito e pertencimento.
Se muitas pessoas forem deslocadas ao mesmo tempo, a crise pode ser não apenas econômica, mas também social e emocional.
Por isso, discutir IA e emprego não é apenas discutir eficiência. É discutir dignidade humana.
2.7 O cenário mais provável: transformação desigual
O cenário mais provável no curto e médio prazo talvez não seja um “fim do trabalho”, mas uma transformação desigual do trabalho.
Algumas pessoas usarão IA para produzir mais, aprender mais rápido, abrir empresas, automatizar tarefas e competir globalmente.
Outras serão substituídas em partes importantes do seu trabalho, terão salários pressionados ou ficarão dependentes de plataformas que controlam ferramentas, dados e distribuição de oportunidades.
Algumas empresas vão usar IA para melhorar produtos, reduzir desperdício, aumentar qualidade e liberar pessoas de tarefas repetitivas.
Outras vão usar IA apenas para cortar custos, monitorar trabalhadores e transferir riscos para indivíduos.
Alguns países conseguirão criar políticas de adaptação, educação tecnológica, inovação local e proteção social.
Outros podem se tornar apenas consumidores dependentes de tecnologias desenvolvidas fora.
Ou seja, a IA não produzirá automaticamente um futuro bom ou ruim. Ela ampliará as escolhas que a sociedade fizer.
Se for usada com responsabilidade, pode ajudar a melhorar educação, saúde, ciência, produtividade e inclusão.
Se for usada apenas para concentração de lucro e poder, pode ampliar desigualdades, precarizar trabalho e enfraquecer instituições.
3. IA e computação quântica: o que pode mudar?
A computação quântica ainda está em uma fase muito diferente da IA generativa.
Enquanto ferramentas de IA já estão no cotidiano de milhões de pessoas, computadores quânticos ainda enfrentam grandes desafios de estabilidade, escala, correção de erros e aplicação prática.
Mesmo assim, a combinação entre IA e computação quântica pode ser uma das áreas mais importantes das próximas décadas.
A relação pode funcionar em duas direções.
A primeira é a IA ajudando a computação quântica. Modelos de IA podem ajudar a projetar novos materiais, controlar sistemas quânticos, corrigir erros, otimizar circuitos e interpretar dados experimentais.
A segunda é a computação quântica ajudando a IA. No futuro, computadores quânticos podem acelerar certos tipos de otimização, simulação molecular e processamento de problemas complexos. Isso não significa que todo modelo de IA será substituído por computação quântica, mas que alguns nichos podem ganhar novas capacidades.
As áreas mais promissoras incluem otimização, descoberta de materiais, química computacional, criptografia pós-quântica, simulações físicas e alguns tipos de aprendizado de máquina quântico.
No entanto, é importante evitar exageros. A computação quântica não é uma solução mágica para todos os problemas. Muitos desafios práticos ainda precisam ser resolvidos antes que ela tenha impacto amplo no cotidiano.
A conclusão mais equilibrada é:
IA já é prática. Computação quântica ainda é emergente. A combinação das duas pode ser poderosa, mas deve ser tratada com cautela, sem exageros futuristas.
4. A analogia com Battle Angel Alita
A ficção científica frequentemente antecipa dilemas antes que eles se tornem problemas reais. Ela nos permite olhar para o presente por meio de futuros extremos, exagerados e simbólicos.
Em Battle Angel Alita, de Yukito Kishiro, encontramos um mundo marcado por desigualdade extrema, corpos modificados, ciborgues, biotecnologia avançada, manipulação da identidade, controle social e tensão entre humanidade e tecnologia. A obra original é um mangá cyberpunk publicado nos anos 1990, com sequências como Battle Angel Alita: Last Order e Battle Angel Alita: Mars Chronicle. (wikipedia.org)
Na obra, a hierarquia entre a Cidade da Sucata, Zalem e Jerú não é apenas geográfica. Ela representa diferentes camadas de acesso, poder e controle tecnológico. Em traduções antigas, Zalem também aparece como Tiphares, e Jerú aparece como Ketheres. (wikipedia.org)
Na Cidade da Sucata, as pessoas vivem abaixo de Zalem e sobrevivem dos restos de uma sociedade superior. É um espaço de exclusão, violência, precariedade e adaptação extrema. A cidade funciona como uma metáfora brutal para um mundo onde parte da humanidade vive dos resíduos do progresso dos outros.
Em Zalem, a população vive em uma cidade elevada, aparentemente mais avançada, limpa e protegida. Mas essa superioridade esconde um segredo perturbador: os adultos têm seus cérebros orgânicos removidos e substituídos por chips cerebrais, preservando memórias e personalidade. Na mitologia da obra, os chamados brain bio-chips cumprem funções equivalentes às do cérebro humano e retêm personalidade e memórias. (battleangel.fandom.com)
Esse detalhe é essencial para a nossa reflexão sobre IA. Em Zalem, o problema não é apenas que a tecnologia avançou. O problema é que ela avançou ao ponto de alterar a própria definição de consciência, identidade e liberdade sem que as pessoas compreendam completamente a estrutura em que vivem.
Em Jerú, a discussão se torna ainda mais profunda. A cidade espacial está associada a sistemas de controle, poder e computação avançada. Entre os conceitos mais importantes estão Melchizedek, Unanimous e a Matuzalenização.
Melchizedek pode ser entendido como uma inteligência computacional central, ligada à governança, à infraestrutura e ao controle de uma sociedade altamente tecnológica. Na obra, Melchizedek é descrito como um supercomputador quântico ligado a Ketheres/Jerú e tem papel importante em Last Order. (battleangel.fandom.com)
Em uma leitura simbólica, Melchizedek se aproxima de uma pergunta que também começa a aparecer no nosso mundo:
O que acontece quando sistemas computacionais passam a influenciar decisões fundamentais sobre trabalho, educação, segurança, acesso a oportunidades, circulação de informação e organização social?
Unanimous amplia ainda mais essa questão. Na obra, Unanimous é descrito como um sistema de ordem pública usado pelos residentes de Ketheres/Jerú, oficialmente associado ao acesso a Melchizedek para informação. (battleangel.fandom.com)
Como metáfora contemporânea, Unanimous pode representar uma sociedade hiperconectada, onde dados, algoritmos, redes sociais, sistemas de reputação, plataformas digitais e IA passam a influenciar o que as pessoas pensam, desejam, compram, estudam, defendem e acreditam.
Já a Matuzalenização traz uma dimensão ainda mais pesada: a busca pela extensão radical da vida, preservação da consciência, manipulação biológica e superação dos limites humanos. Na obra, a Methuselyzation/Matuzalenização é descrita como um processo que interrompe o envelhecimento por meio de nanomáquinas pessoais instaladas no corpo. (battleangel.fandom.com)
Essa ideia dialoga com debates atuais sobre biotecnologia, interfaces cérebro-computador, upload de mente, substituição de partes do corpo, medicina personalizada, IA médica e transumanismo. Ainda estamos longe de muitos desses cenários, mas a direção filosófica já existe: até que ponto queremos usar tecnologia para reparar, ampliar, substituir ou redesenhar o ser humano?
Por isso, Battle Angel Alita é uma analogia tão poderosa para discutir IA. A obra não fala apenas sobre robôs ou ciborgues. Ela fala sobre desigualdade, descarte social, elites tecnológicas, corpos modificados, cérebros substituídos, sistemas de controle e sociedades divididas entre quem domina a infraestrutura e quem sobrevive dos restos dela.
A Cidade da Sucata, Zalem e Jerú podem ser lidas como três futuros possíveis dentro de uma mesma civilização.
A Cidade da Sucata representa os excluídos do progresso: aqueles que não controlam a tecnologia, não têm acesso às melhores oportunidades e precisam sobreviver dentro dos resíduos econômicos e sociais produzidos por outros.
Zalem representa uma classe intermediária ou privilegiada, aparentemente elevada, produtiva e protegida, mas dependente de sistemas que não compreende totalmente. É o conforto tecnológico acompanhado de alienação.
Jerú representa o topo da estrutura: o controle da infraestrutura, da computação, dos dados, da biotecnologia, da política e talvez da própria definição de humanidade.
Essa estrutura nos ajuda a pensar sobre 2044.
Em um futuro dominado por IA, quem viverá simbolicamente em Jerú? Quem terá acesso aos melhores modelos, melhores dados, melhores escolas, melhores redes, melhores tratamentos médicos e melhores oportunidades?
Quem viverá em Zalem? Quem estará confortável, produtivo, conectado e aparentemente livre, mas profundamente dependente de sistemas invisíveis que decidem o que pode ver, aprender, consumir, produzir ou desejar?
E quem será deixado na Cidade da Sucata? Quem será descartado pelo mercado, invisibilizado pelas plataformas, substituído por automação ou reduzido a dados usados para treinar sistemas que beneficiam outros?
Essa analogia é poderosa porque levanta perguntas que também começam a aparecer no mundo real:
- O que significa ser humano quando partes do corpo, da memória, da decisão ou da inteligência podem ser mediadas por tecnologia?
- Quem terá acesso às melhorias tecnológicas?
- A tecnologia será usada para libertar pessoas ou para controlar pessoas?
- O conhecimento será democratizado ou concentrado?
- A vida humana será mais digna ou mais vigiada?
- A IA será uma ferramenta de emancipação ou uma nova camada de desigualdade?
No nosso mundo atual, ainda estamos longe de cenários como substituição generalizada de cérebros por chips no estilo de Battle Angel Alita. Mas já estamos lidando com versões iniciais desses dilemas: algoritmos decidindo oportunidades, IA influenciando educação, sistemas automatizados avaliando candidatos, dados pessoais treinando modelos, plataformas definindo visibilidade profissional e ferramentas digitais ampliando ou reduzindo desigualdades.
A ficção nos ajuda a fazer uma pergunta ética essencial:
Não basta perguntar “podemos fazer?”. Também precisamos perguntar “devemos fazer?”, “para quem?”, “com quais limites?” e “com quais consequências?”
5. Cenários possíveis para o futuro
5.1 Curto prazo: 2026 a 2030
No curto prazo, a IA deve se tornar cada vez mais comum em ferramentas de trabalho e estudo.
Assistentes de escrita, programação, tradução, resumo, análise de dados, criação de slides, automação de tarefas e atendimento ao cliente serão cada vez mais integrados às rotinas profissionais.
O risco principal será a ilusão de competência. Pessoas podem entregar textos, códigos, apresentações ou análises geradas por IA sem entender o conteúdo. Isso pode gerar erros, plágio, decisões ruins e dependência intelectual.
O diferencial profissional será saber usar IA como parceira de raciocínio, não como substituta do pensamento.
Nesse cenário, estudantes que aprenderem a usar IA de forma crítica podem ganhar vantagem. Mas estudantes que apenas copiarem respostas podem ficar mais frágeis, porque parecerão produtivos sem desenvolver base real.
5.2 Médio prazo: 2030 a 2040
No médio prazo, algumas profissões podem mudar profundamente.
Tarefas repetitivas de escritório, atendimento, produção de conteúdo simples, análise documental, triagem de informações e programação básica podem ser altamente automatizadas.
Por outro lado, novas funções devem surgir: especialistas em validação de IA, designers de fluxos automatizados, auditores algorítmicos, educadores com IA, profissionais de ética tecnológica, curadores de conhecimento, engenheiros de integração, especialistas em segurança de modelos e profissionais que combinem IA com áreas específicas.
O mercado pode valorizar menos quem apenas executa tarefas padronizadas e valorizar mais quem consegue definir problemas, validar resultados, tomar decisões, coordenar pessoas e entender contexto.
A formação profissional precisará mudar. Não bastará ensinar respostas prontas. Será necessário ensinar investigação, adaptação, pensamento crítico, comunicação, ética e capacidade de aprender continuamente.
5.3 Longo prazo: depois de 2040
No longo prazo, a combinação entre IA, biotecnologia, robótica, interfaces cérebro-computador e computação quântica pode gerar transformações difíceis de prever.
É nesse ponto que analogias como Battle Angel Alita se tornam úteis, porque nos obrigam a pensar não só em produtividade, mas em identidade, dignidade, desigualdade, poder e controle.
O futuro não será definido apenas pela tecnologia. Será definido pelas escolhas sociais, políticas, econômicas e éticas que fizermos ao redor dela.
A tecnologia pode ampliar capacidades humanas. Mas também pode ampliar desigualdades humanas.
Pode libertar pessoas de tarefas repetitivas. Mas também pode criar novas formas de dependência.
Pode democratizar conhecimento. Mas também pode concentrar poder em quem controla infraestrutura, dados e modelos.
Por isso, pensar o futuro da IA é pensar o futuro da própria sociedade.
6. Como estudantes podem se preparar para um cenário difícil
Preparar-se para um cenário difícil não significa entrar em pânico. Significa construir uma base profissional mais resistente.
A melhor estratégia é desenvolver habilidades que continuem valiosas mesmo em um mundo altamente automatizado.
6.1 Aprender a aprender
A habilidade mais importante é aprender continuamente.
Ferramentas, linguagens, profissões e plataformas mudam rápido. Quem depende apenas de um conhecimento fixo fica vulnerável.
O estudante precisa praticar leitura, pesquisa, experimentação, documentação e atualização constante.
Aprender a aprender significa saber buscar boas fontes, comparar informações, fazer perguntas melhores, testar ideias e atualizar crenças quando surgem evidências novas.
Em um mundo onde a IA pode gerar respostas rápidas, a vantagem não está apenas em obter respostas. Está em saber formular boas perguntas e avaliar se as respostas fazem sentido.
6.2 Desenvolver pensamento crítico
IA pode gerar respostas erradas com aparência convincente.
Por isso, será cada vez mais importante saber verificar fontes, comparar argumentos, identificar falácias, questionar premissas e validar resultados.
Quem apenas aceita respostas prontas fica frágil. Quem sabe investigar fica mais forte.
A IA deve ser tratada como uma ferramenta de apoio, não como autoridade final.
Um bom estudante precisa perguntar:
- Isso está correto?
- Qual é a fonte?
- Existe outra interpretação?
- Quais são as limitações?
- Que evidência sustenta essa conclusão?
- O que pode estar faltando?
Esse tipo de raciocínio é parecido com o método científico: observar, formular hipóteses, testar, revisar e melhorar.
6.3 Combinar uma área de domínio com IA
Não basta saber “usar IA”. O ideal é combinar IA com uma área real.
- IA + saúde.
- IA + direito.
- IA + administração.
- IA + educação.
- IA + engenharia.
- IA + comunicação.
- IA + ciência de dados.
- IA + biologia.
- IA + finanças.
- IA + design.
- IA + idiomas.
- IA + logística.
- IA + sustentabilidade.
- IA + políticas públicas.
A vantagem competitiva estará na interseção entre conhecimento técnico, contexto humano e uso inteligente de ferramentas.
Quem entende apenas de IA pode gerar respostas genéricas. Quem entende de uma área e sabe usar IA pode resolver problemas reais.
6.4 Aprender fundamentos, não só ferramentas
Ferramentas mudam. Fundamentos permanecem por mais tempo.
Um estudante de programação deve entender lógica, dados, algoritmos, arquitetura e segurança.
Um estudante de comunicação deve entender narrativa, público, clareza, persuasão e responsabilidade.
Um estudante de administração deve entender processos, custos, estratégia, pessoas e tomada de decisão.
Um estudante de ciência deve entender método, evidência, incerteza, revisão e limites dos dados.
Um estudante de design deve entender percepção visual, experiência do usuário, cultura, marca e intenção.
A IA ajuda mais quem já tem base para avaliar o resultado.
Ferramentas podem acelerar o trabalho, mas fundamentos ajudam a saber se o trabalho está correto.
6.5 Desenvolver habilidades humanas difíceis de automatizar
Algumas capacidades continuam muito relevantes:
- empatia;
- liderança;
- negociação;
- ética;
- criatividade contextual;
- comunicação;
- colaboração;
- resolução de conflitos;
- visão estratégica;
- capacidade de ensinar;
- responsabilidade em decisões sensíveis;
- capacidade de ouvir;
- capacidade de lidar com ambiguidade;
- capacidade de criar confiança.
Mesmo que a IA ajude nessas áreas, humanos ainda serão necessários para lidar com contexto social, responsabilidade moral, relações de confiança e decisões sensíveis.
Em muitas situações, a pergunta não será apenas “qual é a resposta correta?”, mas “como comunicar essa resposta?”, “quem será impactado?”, “quais riscos existem?” e “qual decisão é mais justa?”.
6.6 Aprender automação
Em vez de competir contra automação, o estudante deve aprender a automatizar partes do próprio trabalho.
Isso inclui usar IA para criar scripts, organizar planilhas, gerar relatórios, revisar textos, montar apresentações, responder e-mails, estruturar estudos, analisar dados, criar protótipos e documentar processos.
Quem entende automação pode deixar de ser substituído por ela e passar a ser quem a implementa, supervisiona ou melhora.
Isso não significa automatizar tudo sem pensar. Significa identificar tarefas repetitivas, criar fluxos mais eficientes e liberar tempo para atividades de maior valor.
6.7 Criar portfólio
Em um mundo competitivo, diplomas continuam importantes, mas evidências práticas de capacidade ganham valor.
Um estudante pode criar:
- projetos no GitHub;
- artigos no LinkedIn;
- análises de dados públicas;
- apresentações;
- pequenos aplicativos;
- traduções técnicas;
- relatórios;
- vídeos educativos;
- estudos de caso;
- projetos com impacto social;
- materiais de ensino;
- experimentos documentados com IA.
Portfólio mostra iniciativa, capacidade de execução e aprendizado real.
Ele também reduz a dependência de currículos genéricos. Em um mercado onde muita gente pode gerar textos bonitos com IA, evidências concretas de trabalho real serão cada vez mais importantes.
6.8 Entender ética e responsabilidade
Profissionais que sabem usar IA com segurança, privacidade e responsabilidade terão vantagem.
Isso inclui saber quando não usar IA, como proteger dados, como revisar resultados, como evitar plágio, como lidar com viés, como explicar limitações e como assumir responsabilidade pelo trabalho final.
A pergunta ética não deve aparecer apenas no final do processo. Ela deve estar presente desde o início.
- Estou usando dados que posso usar?
- Estou prejudicando alguém?
- Estou sendo transparente?
- Estou validando o resultado?
- Estou transferindo responsabilidade para uma ferramenta?
- Estou usando IA para aprender ou apenas para fingir que sei?
Uma boa regra prática é:
Quanto maior o impacto da decisão sobre a vida de alguém, maior deve ser o nível de validação humana.
6.9 Construir rede internacional
A IA pode aumentar a competição global, mas também amplia oportunidades globais.
Idiomas, comunicação intercultural e participação em comunidades internacionais podem ajudar estudantes a acessar oportunidades fora da sua cidade ou país.
Comunidades open source, grupos acadêmicos, eventos online, cursos internacionais e projetos colaborativos podem ser caminhos importantes para aprender com pessoas do mundo inteiro.
Nesse sentido, IA e idiomas se conectam. A IA pode ajudar na tradução e no estudo de línguas, mas saber se comunicar diretamente em outro idioma ainda abre portas, cria confiança e amplia oportunidades.
O idioma continua sendo uma ferramenta para quebrar barreiras territoriais, participar de grupos internacionais, aprender com profissionais de outros países e se expor a desafios maiores.
6.10 Preparar-se emocionalmente
Mudanças tecnológicas rápidas geram ansiedade. Por isso, também é importante desenvolver resiliência, adaptabilidade e maturidade emocional.
O profissional do futuro precisará lidar com incerteza sem paralisar.
Isso significa aceitar que talvez seja necessário mudar de ferramenta, função, área ou estratégia mais de uma vez ao longo da carreira.
Preparação emocional não é otimismo vazio. É capacidade de continuar aprendendo mesmo quando o cenário muda.
7. Como usar IA de forma eficiente para aprender e trabalhar melhor
A melhor forma de usar IA não é simplesmente pedir respostas prontas.
É usar IA como parte de um processo iterativo, parecido com o raciocínio científico.
Um bom fluxo seria:
-
Definir o problema com clareza.
Antes de pedir ajuda à IA, escreva o que você quer resolver, qual é o contexto, quais são as restrições e o que seria uma boa resposta. -
Pedir uma primeira solução.
Use a IA para gerar uma explicação, plano, código, resumo, roteiro, análise ou lista de hipóteses. -
Questionar o resultado.
Pergunte: quais são as limitações dessa resposta? Quais suposições foram feitas? O que pode estar errado? Quais alternativas existem? -
Verificar fontes e evidências.
Quando o tema for técnico, científico, jurídico, médico, financeiro ou atual, busque fontes confiáveis. IA pode errar com muita confiança. -
Comparar métodos.
Peça diferentes abordagens. Compare custo, tempo, precisão, risco e aplicabilidade. -
Produzir sua própria síntese.
O resultado final precisa passar pelo seu julgamento. A IA ajuda, mas a responsabilidade continua sendo humana.
Esse método transforma a IA em uma ferramenta de aprendizado ativo. Em vez de apenas consumir respostas, o estudante aprende a formular perguntas melhores, comparar hipóteses, revisar argumentos e construir conhecimento.
A IA deve ser usada como parceira de raciocínio, não como substituta da consciência.
8. O estudante do futuro não será apenas usuário de IA
O estudante do futuro precisa ser mais do que alguém que “usa ferramentas”.
Ele precisa entender processos, fazer boas perguntas, validar respostas, comunicar resultados e agir com responsabilidade.
A IA pode ajudar a aprender mais rápido, mas também pode criar atalhos perigosos. Pode ampliar oportunidades, mas também pode ampliar desigualdades. Pode automatizar tarefas cansativas, mas também pode reduzir a autonomia de quem não entende como ela funciona.
Por isso, a melhor postura não é medo nem idolatria. É maturidade.
Usar IA bem significa combinar curiosidade, método, ética e prática. Significa tratar cada resposta como hipótese, não como verdade absoluta. Significa aprender a iterar: perguntar, testar, revisar, comparar, melhorar.
No fim, talvez a pergunta mais importante não seja:
“O que a IA será capaz de fazer?”
Mas sim:
“Que tipo de profissional eu quero me tornar em um mundo onde a Inteligência Artificial estará cada vez mais presente?”
E talvez a resposta seja: um profissional mais crítico, mais criativo, mais adaptável, mais ético e mais consciente do impacto da tecnologia na sociedade.
A melhor defesa contra um cenário difícil não é ignorar a IA. É aprender a usá-la melhor do que a média, entender seus limites, desenvolver fundamentos sólidos e preservar aquilo que ainda é profundamente humano: julgamento, ética, criatividade, empatia e responsabilidade.
No fim, talvez o futuro não pertença simplesmente a quem usa IA, mas a quem consegue combinar IA com consciência, método, conhecimento real e compromisso social.
9. Como será o futuro em 2044
Em 2044, talvez a pergunta não seja mais se usamos IA. Todos usarão IA de alguma forma.
A pergunta será outra:
Quem controla a infraestrutura? Quem entende os sistemas? Quem tem autonomia para decidir? E quem apenas obedece às recomendações de máquinas?
Talvez alguns vivam como se estivessem em Jerú: conectados ao topo da infraestrutura, com acesso aos melhores modelos, melhores dados, melhores escolas, melhores tratamentos médicos, melhores redes profissionais e melhores sistemas de proteção.
Outros talvez vivam como em Zalem: confortáveis, produtivos, conectados e aparentemente livres, mas profundamente dependentes de sistemas que não compreendem. Pessoas que usam IA todos os dias, mas não sabem quem define suas regras, seus limites, seus filtros e seus interesses.
E muitos poderão ser empurrados para a Cidade da Sucata. Não necessariamente uma cidade física, mas uma condição social: pessoas descartadas por sistemas econômicos que passam a tratá-las como “resíduos” do próprio progresso.
Nesse cenário, o perigo não é apenas que a IA substitua tarefas humanas. O perigo é que a sociedade aceite uma nova divisão entre integrados e descartados, entre otimizados e obsoletos, entre aqueles que controlam a máquina e aqueles que são controlados por ela.
Mas esse futuro não está fechado.
A IA não precisa produzir uma sociedade que trate seres humanos como peças descartáveis. Ela pode ampliar capacidades, democratizar conhecimento, melhorar educação, acelerar descobertas científicas, apoiar profissionais, reduzir desperdícios e ajudar a resolver problemas reais.
A diferença estará nas escolhas que fizermos agora: como educamos estudantes, como regulamos tecnologias, como distribuímos oportunidades, como protegemos trabalhadores, como preservamos privacidade, como auditamos sistemas e como mantemos o ser humano no centro das decisões importantes.
Em 2044, o maior diferencial talvez não seja ter um chip no cérebro, estar conectado a uma inteligência coletiva ou viver no topo de uma cidade tecnológica.
Talvez o maior diferencial seja manter a capacidade de pensar criticamente, agir eticamente e usar tecnologia sem entregar completamente a própria humanidade.
O futuro ainda não está escrito.
Mas ele já está sendo treinado.