Em 1843, uma matemática inglesa de 27 anos escreveu que uma máquina de calcular que nunca chegaria a ser construída poderia tecer padrões algébricos do mesmo modo que o tear de Jacquard tecia flores e folhas.2 Para um jornal que se chama O Tecido, é difícil ler essa frase sem um pequeno sobressalto. Ada Lovelace (1815-1852) enxergou nos cartões perfurados dos teares industriais uma ideia que ia muito além da tecelagem: qualquer coisa que pudesse ser representada em símbolos, fossem números, palavras ou notas musicais, poderia ser manipulada por uma máquina.
É dessa imagem que parte Walter Isaacson, biógrafo de Steve Jobs, Albert Einstein e Leonardo da Vinci, no ensaio que o The New York Times publicou nesta segunda-feira (5).1 O argumento central é que Lovelace já ofereceu, há quase dois séculos, a resposta certa para o dilema da inteligência artificial: a tecnologia que vale a pena é a que trabalha em parceria com as pessoas, e não a que as dispensa. A tese é sedutora e, em grande parte, correta. Mas ela chega ao Brasil de 2026 com duas lacunas que merecem uma conversa franca.
O que Lovelace escreveu, e o que Turing respondeu
As anotações de Lovelace acompanhavam sua tradução de um artigo do engenheiro italiano Luigi Menabrea sobre a Máquina Analítica, o projeto de computador mecânico de Charles Babbage. As notas, assinadas apenas com as iniciais A.A.L., ficaram cerca de três vezes maiores que o texto traduzido. Na última delas, a Nota G, Lovelace descreveu passo a passo como a máquina calcularia os números de Bernoulli, procedimento frequentemente apontado como o primeiro programa de computador publicado.2
Nas mesmas páginas está a frase que atravessaria o século seguinte:
“A Máquina Analítica não tem pretensão alguma de originar o que quer que seja. Ela pode fazer tudo aquilo que soubermos ordenar que execute.” Ada Lovelace, Nota G, 1843 (tradução livre)
Em 1950, no artigo “Computing Machinery and Intelligence”, Alan Turing batizou essa passagem de “Objeção de Lady Lovelace” e a contestou: máquinas poderiam surpreender seus criadores e, sobretudo, poderiam aprender.3 Isaacson usa esse embate para organizar a história digital em dois campos. De um lado, a herança de Turing, que aposta em sistemas capazes de superar a inteligência humana em todas as frentes e, no limite, de se aperfeiçoar sozinhos. Do outro, a herança de Lovelace, para quem criatividade, juízo moral e senso estético continuam humanos, e os maiores ganhos vêm da simbiose.1
A genealogia do segundo campo, no relato de Isaacson, passa pelo psicólogo J.C.R. Licklider, autor de “Man-Computer Symbiosis” (1960),4 por Douglas Engelbart e seu relatório “Augmenting Human Intellect” (1962),5 e chega a Alan Kay e Steve Jobs, que fizeram da interface entre pessoa e máquina o centro do projeto de computação pessoal.1
Onde o ensaio acerta
O momento mais honesto do texto de Isaacson é uma concessão. Ele admite que o argumento da eficiência já não garante o lugar das pessoas: carros autônomos ficam mais seguros que motoristas humanos, e um drone militar que depende de um operador tende a perder para um que age sozinho. Nas palavras do autor, o instinto moral pode querer manter humanos no comando, mas o instinto competitivo empurra na direção contrária.1
Diante disso, Isaacson desloca a pergunta. Em vez de discutir se as máquinas conseguem fazer sem nós, pergunta para que estamos construindo esses sistemas. Sua resposta é que prosperar, para seres humanos, envolve mais do que consumir: inclui criar, decidir, resolver problemas, cuidar de alguém e ter alguma influência sobre o mundo ao redor.1 Uma sociedade que terceiriza tudo isso ganha abundância e perde sentido.
É o movimento correto, e convém dizer por quê. Como afirmação técnica, a objeção de Lovelace envelheceu mal: sistemas atuais produzem textos, imagens e soluções que ninguém lhes ordenou linha por linha. Como escolha de projeto, ela continua atual. A defesa de manter pessoas no circuito precisa ser normativa, e não depender de as máquinas serem piores.
Onde o ensaio tropeça: os luditas não estavam apenas errados
Isaacson lembra que o pai de Ada, Lord Byron, defendeu os luditas em seu discurso de estreia na Câmara dos Lordes, em 1812, e os descarta como um erro histórico, já que o emprego têxtil britânico se multiplicou até o fim do século XIX.1 A história econômica é menos generosa com esse atalho.
O historiador Robert Allen documentou o que chamou de “pausa de Engels”: aproximadamente entre 1790 e 1840, a produção por trabalhador cresceu na Grã-Bretanha enquanto os salários reais ficaram praticamente parados.8 Daron Acemoglu e Simon Johnson, laureados com o Nobel de Economia em 2024, sustentam em Power and Progress que os ganhos de uma tecnologia não se distribuem sozinhos; dependem de quem controla sua direção.6 E o jornalista Brian Merchant, em Blood in the Machine, reconstrói os luditas como trabalhadores que protestavam contra o uso das máquinas para rebaixar salários e condições, e não contra as máquinas em si.7 Dez vezes mais empregos no fim do século não consolam a geração que passou fome durante a transição.
A lição que importa para 2026, portanto, não é que a tecnologia sempre cria empregos. É que estar “no circuito” é uma questão de poder. Uma pessoa pode estar formalmente no meio do processo sem ter capacidade real de mudar o resultado. A pesquisadora Madeleine Clare Elish deu nome a esse fenômeno: zona de deformação moral, a posição em que o operador humano absorve a culpa pelas falhas de um sistema que não controla.13 Um humano que apenas clica em “aprovar” não é a parceria imaginada por Lovelace. É um fusível.
O Brasil diante do tear
Os dados brasileiros mostram que o circuito defendido por Isaacson já nasce estreito. Segundo a TIC Domicílios 2025, do Cetic.br, 32% dos usuários de internet no país, cerca de 50 milhões de pessoas com 10 anos ou mais, usam IA generativa. O uso é bem mais alto nos estratos de maior renda e escolaridade, e entre os que não usam e cursaram no máximo o ensino fundamental, 65% apontam a falta de habilidade como motivo.9 Participar exige repertório, e o repertório está concentrado.
Nas empresas, o ritmo de delegação corre à frente do preparo. Levantamento do Boston Consulting Group divulgado no país indica que 18% das companhias brasileiras já integram agentes de IA a seus fluxos de trabalho, acima da média global de 13%, enquanto só 36% dos profissionais dizem ter recebido treinamento adequado.10 Outra pesquisa, com 234 empresas, concluiu que apenas 27% possuem políticas formais de governança de IA.11 Em outras palavras: o país delega rápido e se prepara devagar.
Na lei, o quadro é ambíguo. O artigo 20 da Lei Geral de Proteção de Dados garante o direito de pedir revisão de decisões tomadas unicamente com base em tratamento automatizado. Em 2019, porém, a Lei 13.853 retirou a exigência expressa de que essa revisão fosse feita por uma pessoa natural.14 O Brasil, portanto, já decidiu uma vez que o humano podia sair do circuito. O Projeto de Lei 2.338/2023, o chamado marco legal da IA, foi aprovado pelo Senado em dezembro de 2024 com um capítulo de direitos das pessoas afetadas por sistemas de IA. Na Câmara, a presidência anunciou ao longo deste ano datas de votação que não se cumpriram, e o texto segue dependendo de acordo entre as duas Casas.15
O que significa, na prática, ficar no circuito
As recomendações finais de Isaacson são dirigidas a cada um de nós: entender como as ferramentas funcionam, exigir que mostrem raciocínio e fontes, delegar menos a agentes autônomos e preferir tecnologias que convidem à participação.1 São conselhos válidos, mas individuais. Traduzidos para a realidade brasileira, eles dependem de três condições coletivas.
A primeira é tratar o letramento em IA como infraestrutura, no mesmo patamar da conectividade. Não basta ensinar a usar; é preciso ensinar a avaliar, contestar e decidir quando não usar. A segunda é dar substância ao direito de revisão: um revisor humano só cumpre esse papel se tiver tempo, informação e autoridade para reverter a decisão da máquina, sob pena de virar a zona de deformação descrita por Elish. A terceira é cobrar de quem desenvolve produtos que exibam fontes, raciocínio e grau de incerteza como prática padrão, e não como favor comercial.
Volto ao tear. A máquina de Jacquard não escolhia os padrões; alguém perfurava os cartões. A pergunta de 2026 não é se as máquinas sabem tecer, porque já sabem. É quem perfura os cartões, quem pode reescrevê-los e quem responde quando o tecido sai errado. Lovelace respondeu essa pergunta para a sua máquina. Para as nossas, a resposta terá de ser construída na lei, na escola e no desenho de cada produto, e não apenas na boa vontade de quem os vende.
Perguntas frequentes
O que é a “Objeção de Lady Lovelace”?
É o nome que Alan Turing deu, em 1950, à afirmação de Ada Lovelace, de 1843, de que a Máquina Analítica não poderia originar nada e apenas executaria o que soubéssemos ordenar. Turing contestou a ideia argumentando que máquinas poderiam aprender e surpreender seus criadores.
O que Walter Isaacson defende no ensaio do New York Times?
Que a visão de Lovelace, de parceria entre humanos e máquinas, deve orientar o desenvolvimento da IA. Ele reconhece que sistemas autônomos podem superar pessoas em várias tarefas, mas argumenta que a tecnologia deve servir à prosperidade humana, o que inclui preservar agência, criação e juízo.
O que significa manter humanos “no circuito” da IA?
Significa que pessoas participam das decisões de sistemas automatizados com capacidade real de entender, contestar e reverter seus resultados. Sem tempo, informação e autoridade, a presença humana vira apenas formalidade e pode transferir ao operador a culpa por falhas que ele não controla.
Quantos brasileiros usam IA generativa?
Segundo a TIC Domicílios 2025, do Cetic.br, 32% dos usuários de internet do país, cerca de 50 milhões de pessoas com 10 anos ou mais, usam IA generativa, com forte concentração entre os grupos de maior renda e escolaridade.
O Brasil já tem uma lei específica para inteligência artificial?
Ainda não. O PL 2.338/2023, o marco legal da IA, foi aprovado pelo Senado em dezembro de 2024 e tramita na Câmara dos Deputados. Enquanto isso, decisões automatizadas que usam dados pessoais são reguladas pela LGPD, que prevê o direito de pedir revisão.