Não, a IA não é inteligente — e a fluência não prova o contrário

Um chatbot defende com fluência uma reforma tributária e, na frase seguinte, argumenta com igual firmeza pelo oposto. A cena, hoje corriqueira em qualquer teste rápido com um modelo de linguagem, expõe uma pergunta que a indústria de tecnologia prefere não aprofundar: produzir um texto coerente e persuasivo é prova de que a máquina compreende o que escreveu? Um artigo de opinião publicado nesta segunda-feira (10) pelo jornal espanhol El País, assinado por Santiago Schnell, provost do Dartmouth College, argumenta que não¹. Para ele, a fluência discursiva dos grandes modelos de linguagem (LLMs) não equivale a entendimento, e tratar as duas coisas como sinônimas pode empobrecer a própria noção de inteligência que usamos para julgar humanos e máquinas.

A distinção que Schnell resgata vem da filosofia escolástica: ratio e intellectus. Na leitura tomista que ele recupera, a razão discursiva (ratio) avança por etapas, comparando premissas e encadeando inferências até uma conclusão; o intelecto (intellectus) capta uma verdade de forma direta, sem precisar percorrer toda a cadeia lógica. Aplicada à IA, a comparação é declaradamente analógica, o autor faz questão de frisar isso, mas ajuda a nomear algo concreto: um modelo pode produzir sequências com a forma de um argumento válido sem que isso demonstre que ele apreendeu o porquê daquele argumento fazer sentido¹.

O que os modelos realmente calculam

Tecnicamente, um LLM é treinado para prever qual unidade de texto (um "token") deve vir a seguir, dado um contexto extenso. Para acertar essa previsão com consistência, o sistema acaba aprendendo regularidades gramaticais, estilísticas e conceituais de altíssima complexidade, o que explica por que consegue redigir código, imitar um estilo de prosa ou sustentar um debate. Mas o núcleo do treinamento continua sendo estimar uma continuação plausível, não verificar se essa continuação é verdadeira. Esse é, em essência, o ponto central da crítica: o mesmo sistema pode gerar uma explicação tecnicamente correta e uma inverdade com a mesma naturalidade estilística.

Essa discussão não nasceu com o ChatGPT. Em 2021, a linguista computacional Emily Bender e coautores publicaram um artigo hoje amplamente citado, "On the Dangers of Stochastic Parrots", no qual descreviam modelos de linguagem como sistemas que costuram sequências de forma linguística plausível sem qualquer referência a um significado comunicativo compartilhado, um "papagaio estocástico"². Do outro lado do debate, pesquisadores de institutos como o Stanford Institute for Human-Centered AI (HAI) têm argumentado que as relações internas que um modelo aprende sobre conceitos e suas conexões já constituiriam, para alguns, uma forma rudimentar de representação semântica, ainda que distinta da compreensão humana³. É uma controvérsia genuinamente em aberto na comunidade científica, não um consenso fechado em torno de nenhum dos dois polos.

O que muda quando a resposta sai da tela

A distinção deixa de ser filosófica e vira prática quando um resultado gerado por IA entra em um consultório, um tribunal ou uma redação. No Brasil, essa fronteira já está sendo desenhada em normas concretas. O Conselho Nacional de Justiça (CNJ) aprovou em fevereiro de 2025 a Resolução nº 615, que disciplina o uso de inteligência artificial no Poder Judiciário, dividindo os sistemas por nível de risco e exigindo supervisão humana efetiva, vedando qualquer decisão automatizada sem revisão por um magistrado⁴. Em maio de 2026, o Comitê Nacional de IA do Judiciário (CNIAJ) foi além e validou tecnicamente os riscos de "prompt injection", comandos escondidos em documentos processuais capazes de manipular sistemas de IA, episódio que já foi detectado em pelo menos um tribunal⁵.

No Legislativo, o Marco Legal da IA (PL 2338/2023) segue tramitando na Câmara dos Deputados após aprovação unânime no Senado em dezembro de 2024. O texto, inspirado no AI Act europeu, classifica sistemas por grau de risco e prevê multas de até R$ 50 milhões por infração, mas sua votação final na Câmara foi novamente adiada para 2026, em meio a pontos sensíveis como direitos autorais ainda sem consenso⁶. Ou seja: o arcabouço regulatório brasileiro ainda corre atrás da velocidade de adoção da tecnologia nas empresas e no serviço público, um descompasso que o próprio Schnell aponta como estrutural, não apenas brasileiro.

A adoção avança mais rápido que o debate sobre o que ela realmente faz

Os números confirmam o ritmo. Segundo a pesquisa TIC Empresas 2025, do Cetic.br/NIC.br, divulgada em junho deste ano, a proporção de empresas brasileiras que usam algum tipo de IA saltou de 13% em 2024 para 17% em 2025, um salto ainda mais expressivo entre as grandes companhias, que foram de 38% para 50% no mesmo período⁷. A maioria delas, porém, adota soluções prontas compradas de terceiros (80%) em vez de desenvolver sistemas próprios, o que significa menos controle sobre como esses modelos foram treinados e validados.

É exatamente nesse ponto que a distinção entre ratio e intellectus ganha peso prático para o leitor brasileiro. Se uma empresa terceiriza a "razão instrumental" de um sistema de IA sem compreender seus limites, ela também terceiriza, sem perceber, parte da responsabilidade por decisões que continuam sendo, legal e eticamente, humanas. O argumento de Schnell não é contra o uso da tecnologia; é contra a ilusão de que delegar uma tarefa cognitiva a um modelo elimina a necessidade de julgamento humano sobre o resultado¹.

Uma história mais antiga do que o ChatGPT

Vale lembrar que a tentativa de formalizar o raciocínio é bem anterior à atual onda de IA generativa. Já em 1950, o matemático britânico Alan Turing propôs, no artigo "Computing Machinery and Intelligence", substituir a pergunta "as máquinas podem pensar?" por um teste prático, hoje conhecido como Teste de Turing, no qual um avaliador humano tenta distinguir, por escrito, se está conversando com uma pessoa ou uma máquina. O próprio Turing tratava esse teste como um substituto operacional para uma pergunta filosófica difícil, não como uma resposta definitiva a ela, ponto que Schnell recupera para argumentar que um bom desempenho conversacional nunca resolveu, por si só, o que significa "pensar" ou "compreender"¹.

O que fica para quem usa IA no dia a dia

Nenhuma dessas ressalvas diminui a utilidade prática dos modelos de linguagem. Elas apenas deslocam a pergunta certa: em vez de perguntar se a IA "é inteligente", talvez seja mais produtivo perguntar, tarefa por tarefa, o que exatamente ela está automatizando, e o que continua exigindo julgamento humano. Na medicina, a IA pode resumir um prontuário; cabe ao médico decidir o tratamento. No direito, pode redigir uma minuta; cabe ao advogado checar as fontes e assinar. No jornalismo, pode organizar uma pauta ou sugerir estrutura; cabe ao editor verificar os fatos e responder pelo que é publicado. É esse o critério que orienta a curadoria editorial d'O Tecido: usar IA como instrumento de ratio, sob supervisão humana constante de intellectus.