A inteligência artificial deixou de ser uma promessa distante de laboratórios acadêmicos para se tornar uma força concreta que redesenha mercados, governos e o cotidiano de bilhões de pessoas. Em poucos anos, sistemas capazes de gerar textos, imagens, códigos e diagnósticos médicos saltaram de protótipos experimentais para produtos de uso massivo, colocando a IA no centro de uma disputa geopolítica entre grandes potências e no topo da agenda regulatória de dezenas de países.
Introdução: O que é Inteligência Artificial e por que importa agora
Definir inteligência artificial de forma precisa continua sendo um desafio. Em termos amplos, trata-se de um conjunto de técnicas computacionais que permitem a máquinas executar tarefas que, até recentemente, exigiam cognição humana — reconhecer padrões, tomar decisões, compreender linguagem natural e até criar conteúdo original. O professor Paulo Roberto Córdova, pesquisador com mais de duas décadas de atuação na área, descreve a IA como uma tecnologia que oscila "entre o fascínio e o medo", ressaltando que é fundamental compreendê-la para lidar de forma equilibrada com seus impactos [1].
A relevância atual da IA extrapola o domínio tecnológico. No plano econômico, gigantes como Google, Microsoft, Meta e startups bilionárias disputam a liderança em modelos de linguagem e infraestrutura de computação. No plano social, crescem preocupações legítimas sobre vieses algorítmicos, substituição de empregos e concentração de poder. No plano jurídico, o Brasil discute o PL 21/2020, que busca estabelecer princípios e diretrizes para o desenvolvimento da IA no país, enquanto o ITS Rio mapeia o panorama regulatório nacional, passando por marcos como a LGPD e a Estratégia Nacional de Inteligência Artificial [2]. No plano ético, questões sobre reprodução de preconceitos e responsabilidade por decisões automatizadas exigem respostas urgentes [1].
Compreender esse cenário em sua totalidade — quem são os protagonistas, o que está em jogo e quais caminhos se desenham — é o primeiro passo para participar de um debate que já molda o presente e definirá boa parte do futuro.
Fontes: [1] PublishNews. "Um panorama geral sobre a inteligência artificial." 18 jun. 2025. https://www.publishnews.com.br/materias/2025/06/18/um-panorama-geral-sobre-a-inteligencia-artificial [2] ITS Rio. "Panorama regulatório de Inteligência Artificial no Brasil." https://itsrio.org/pt/publicacoes/panorama-regulatorio-de-inteligencia-artificial-no-brasil/
Breve Histórico: Das origens teóricas ao boom atual
A inteligência artificial não surgiu da noite para o dia. Sua trajetória é marcada por décadas de avanços, invernos de financiamento e ressurgimentos que moldaram a tecnologia tal como a conhecemos — e que ajudam a explicar por que o debate sobre regulação, ética e impacto social se tornou tão urgente nos últimos anos.
O marco fundador costuma ser atribuído à conferência de Dartmouth, em 1956, quando um grupo de pesquisadores liderado por John McCarthy cunhou formalmente o termo "inteligência artificial". A ambição era ousada: criar máquinas capazes de simular qualquer aspecto da cognição humana. Nas duas décadas seguintes, o otimismo gerou programas de xadrez, sistemas de tradução rudimentares e os primeiros chatbots, como o ELIZA, desenvolvido no MIT. O entusiasmo, porém, esbarrou nas limitações computacionais da época, dando origem ao primeiro "inverno da IA" nos anos 1970, quando governos e investidores cortaram drasticamente o financiamento.
A década de 1980 trouxe uma segunda onda, impulsionada pelos sistemas especialistas — programas baseados em regras que tentavam replicar o raciocínio de profissionais em áreas como medicina e engenharia. O Japão lançou o ambicioso Projeto de Quinta Geração, e empresas ocidentais investiram bilhões na tecnologia. Mais uma vez, as expectativas superaram a capacidade de entrega, e um novo período de descrédito se instalou no início dos anos 1990.
A virada definitiva começou na década de 2010, quando a convergência de três fatores mudou o cenário: volumes massivos de dados disponíveis na internet, poder de processamento barato via GPUs e avanços em técnicas de deep learning. Em 2012, a rede neural AlexNet venceu a competição ImageNet com margem expressiva, sinalizando que o aprendizado profundo havia alcançado maturidade prática. A partir daí, a corrida se acelerou. Assistentes virtuais, carros autônomos e sistemas de recomendação passaram de experimentos de laboratório a produtos de mercado.
O lançamento do ChatGPT no final de 2022 catapultou a IA generativa ao debate público global, transformando o que antes era tema de nicho em pauta obrigatória para governos, empresas e sociedade civil. Como observa o professor Paulo Roberto Córdova, pesquisador com mais de duas décadas de atuação na área, a tecnologia já está transformando o mundo — e exige que se encarem questões como vieses algorítmicos, reprodução de preconceitos e responsabilidade social [2].
No Brasil, essa evolução histórica reverberou de maneira particular. Enquanto o Congresso Nacional discute o PL 21/2020 para estabelecer diretrizes sobre IA, o país já acumula um arcabouço regulatório relevante — da Lei de Inovação à LGPD —, levando o ITS Rio a argumentar que não se está exatamente "escrevendo em um quadro em branco" [1]. A Estratégia Nacional de Inteligência Artificial e as políticas implementadas pelo CNJ no Poder Judiciário reforçam a ideia de que o arcabouço institucional brasileiro acompanha, mesmo que com defasagem, os ciclos globais de avanço tecnológico [1].
Principais Tecnologias e Abordagens (Machine Learning, Deep Learning, IA Generativa)
Para compreender o cenário atual da inteligência artificial, é preciso distinguir as camadas tecnológicas que sustentam essa revolução. Embora o termo "IA" seja usado de forma genérica no debate público, por trás dele existe um ecossistema de abordagens com graus distintos de complexidade, aplicação e maturidade — cada uma responsável por avanços específicos que redefinem indústrias inteiras.
Machine Learning: a base de tudo
O aprendizado de máquina, ou machine learning (ML), é o alicerce sobre o qual praticamente toda a IA moderna se apoia. Em vez de seguir regras programadas manualmente, sistemas de ML aprendem padrões a partir de grandes volumes de dados. Algoritmos como árvores de decisão, regressão logística e máquinas de vetores de suporte dominaram a primeira onda de aplicações comerciais — desde filtros de spam até sistemas de recomendação de e-commerce.
O diferencial do ML está na sua capacidade de melhorar com a experiência. Quanto mais dados de qualidade um modelo recebe, mais refinadas se tornam suas previsões. Essa lógica impulsionou setores como finanças, saúde e logística, onde a análise preditiva passou de luxo a necessidade operacional. No Brasil, a adoção dessas técnicas vem crescendo em paralelo com o amadurecimento regulatório. O PL 21/2020, em discussão no Congresso Nacional, busca estabelecer princípios e diretrizes para o desenvolvimento da IA no país, reconhecendo que a tecnologia já permeia segmentos públicos e privados em escala significativa [1].
Deep Learning: a virada de escala
O deep learning (aprendizado profundo) representa um salto dentro do próprio ML. Utilizando redes neurais artificiais com múltiplas camadas — daí o termo "profundo" —, essa abordagem é capaz de processar dados não estruturados como imagens, áudio e texto com precisão antes inatingível. Foi o deep learning que viabilizou o reconhecimento facial em smartphones, a tradução automática em tempo real e os assistentes de voz que se tornaram onipresentes.
O que tornou essa tecnologia viável não foi apenas a teoria — redes neurais existem desde os anos 1980 —, mas a convergência de três fatores: poder computacional massivo via GPUs, disponibilidade de enormes conjuntos de dados e avanços em arquiteturas como as redes convolucionais e recorrentes. Gigantes como Google, Meta e Microsoft investiram bilhões nessa infraestrutura, consolidando uma corrida tecnológica que hoje define a geopolítica da inovação.
IA Generativa: o capítulo mais recente
A IA generativa é a fronteira que capturou a atenção global a partir de 2022. Modelos baseados em transformers — arquitetura criada pelo Google em 2017 — são capazes de gerar texto, imagens, código e música com qualidade que desafia a distinção entre produção humana e artificial. Ferramentas como ChatGPT, Midjourney e Copilot deixaram de ser curiosidades de nicho para se integrar ao fluxo de trabalho de milhões de profissionais.
O impacto vai além da produtividade individual. Como observa o professor Paulo Roberto Córdova, especialista em IA há mais de duas décadas, a tecnologia levanta problemáticas urgentes sobre vieses algorítmicos, reprodução de preconceitos e questões éticas que a sociedade ainda não equacionou [2]. A IA generativa amplifica tanto as capacidades criativas humanas quanto os riscos de desinformação, falsificação e concentração de poder nas mãos de poucas empresas de tecnologia.
No plano regulatório, o desafio é acompanhar o ritmo da inovação. A Estratégia Nacional de Inteligência Artificial do Brasil e marcos como a LGPD oferecem bases importantes, mas o ITS Rio aponta que o país precisa avançar além da ideia de que está "escrevendo em um quadro em branco" — já existe um arcabouço sobre o qual novas regras podem se apoiar [1]. A questão central, agora, é se esse arcabouço será suficiente para lidar com modelos cada vez mais poderosos e autônomos.
Fontes: [1] ITS Rio – Panorama regulatório de Inteligência Artificial no Brasil. Disponível em: https://itsrio.org/pt/publicacoes/panorama-regulatorio-de-inteligencia-artificial-no-brasil/ [2] PublishNews – Um panorama geral sobre a inteligência artificial, 18/06/2025. Disponível em: https://www.publishnews.com.br/materias/2025/06/18/um-panorama-geral-sobre-a-inteligencia-artificial
Aplicações Práticas: Setores transformados pela IA
Poucos avanços tecnológicos recentes conseguiram penetrar tantos setores da economia com a velocidade da inteligência artificial. Da triagem médica automatizada à análise preditiva no agronegócio, a IA já não é um projeto-piloto restrito a laboratórios de big techs — é infraestrutura operacional em indústrias que movimentam trilhões de dólares globalmente.
Na saúde, algoritmos de visão computacional detectam tumores em exames de imagem com taxas de acurácia que rivalizam com as de radiologistas experientes. Modelos de linguagem auxiliam na análise de prontuários eletrônicos, identificando padrões que antecipam crises em pacientes crônicos. Grandes hospitais brasileiros já utilizam sistemas de IA para otimizar filas de atendimento e priorizar casos de maior gravidade, reduzindo o tempo de espera em emergências.
O setor financeiro foi um dos primeiros a adotar IA em larga escala. Bancos e fintechs empregam modelos de aprendizado de máquina para detecção de fraudes em tempo real, análise de crédito e atendimento ao cliente via assistentes virtuais. A automação de processos repetitivos — desde a reconciliação contábil até a análise de conformidade regulatória — liberou equipes inteiras para atividades estratégicas, ao mesmo tempo em que levantou preocupações legítimas sobre desemprego tecnológico [3].
No agronegócio, drones equipados com sensores e algoritmos de IA monitoram plantações, identificam pragas e calculam a dosagem ideal de insumos por metro quadrado. O Brasil, como potência agrícola, tem visto uma adoção acelerada dessas tecnologias, especialmente em grandes propriedades de soja e milho, onde a precisão no manejo pode significar diferenças de bilhões de reais na balança comercial.
A indústria manufatureira recorre a sistemas preditivos de manutenção que antecipam falhas em equipamentos antes que ocorram, reduzindo drasticamente o tempo de parada das linhas de produção. Robôs colaborativos — os chamados cobots — trabalham lado a lado com operadores humanos em montadoras e fábricas de eletrônicos, assumindo tarefas repetitivas e de risco ergonômico.
No direito e na administração pública, a IA já auxilia na triagem de processos judiciais e na análise de grandes volumes de documentos. O Conselho Nacional de Justiça brasileiro, por exemplo, figura entre as instituições que implementaram ferramentas baseadas em IA para acelerar a tramitação processual [1]. Paralelamente, o uso dessas tecnologias no setor público impõe desafios éticos significativos, como a necessidade de transparência algorítmica e o risco de reprodução de vieses históricos presentes nos dados de treinamento [2].
A educação experimenta plataformas adaptativas que personalizam o ritmo de aprendizagem conforme o desempenho de cada aluno, enquanto o varejo utiliza mecanismos de recomendação e precificação dinâmica que respondem ao comportamento do consumidor em milissegundos. No transporte, veículos autônomos avançam em testes urbanos em cidades da Ásia, Europa e América do Norte, prometendo redesenhar a logística urbana nas próximas décadas.
Fontes: [1] ITS Rio — Panorama regulatório de Inteligência Artificial no Brasil. Disponível em: https://itsrio.org/pt/publicacoes/panorama-regulatorio-de-inteligencia-artificial-no-brasil/ [2] PublishNews — Um panorama geral sobre a inteligência artificial, 18/06/2025. Disponível em: https://www.publishnews.com.br/materias/2025/06/18/um-panorama-geral-sobre-a-inteligencia-artificial [3] YouTube — Inteligência Artificial: Panorama Regulatório e seus.... Disponível em: https://www.youtube.com/watch?v=w52wBI0YzCU
Panorama Regulatório no Brasil e no Mundo
A corrida para regulamentar a inteligência artificial tornou-se tão intensa quanto a própria disputa tecnológica entre potências globais. Governos de todos os continentes perceberam que a velocidade de adoção da IA ultrapassou a capacidade legislativa existente, criando um vácuo jurídico com consequências reais — de discriminação algorítmica em processos seletivos a decisões judiciais automatizadas sem transparência. O desafio, agora, é construir marcos legais que protejam direitos fundamentais sem sufocar a inovação.
A União Europeia saiu na frente com o AI Act, aprovado em 2024, que classifica sistemas de IA por níveis de risco e impõe obrigações proporcionais a cada categoria. Aplicações consideradas de risco inaceitável — como pontuação social e vigilância biométrica em massa — foram proibidas. Já sistemas de alto risco, utilizados em recrutamento, crédito e saúde, precisam cumprir requisitos rigorosos de transparência, supervisão humana e documentação técnica. O modelo europeu tornou-se referência mundial e influenciou diretamente propostas legislativas em dezenas de países.
Nos Estados Unidos, a abordagem seguiu um caminho mais fragmentado. Em vez de uma legislação federal unificada, a regulação avança por meio de ordens executivas, diretrizes setoriais e legislações estaduais. O governo Biden publicou em 2023 uma ordem executiva ampla sobre IA segura e confiável, mas a alternância política trouxe incertezas sobre a continuidade dessas diretrizes. Enquanto isso, estados como Califórnia e Colorado aprovaram leis próprias sobre transparência algorítmica e proteção contra discriminação automatizada.
A China optou por regulações temáticas e de aplicação imediata. Desde 2021, o país publicou normas específicas para algoritmos de recomendação, deepfakes e IA generativa, exigindo que empresas registrem seus modelos junto ao governo e garantam que os conteúdos gerados estejam alinhados aos "valores socialistas centrais". O modelo chinês prioriza o controle estatal sobre a tecnologia, contrastando com a ênfase europeia em direitos individuais.
No Brasil, o debate regulatório ganhou corpo com o PL 21/2020, que busca estabelecer princípios, fundamentos e diretrizes para o desenvolvimento da IA no país [1]. Como aponta o relatório do ITS Rio, o cenário brasileiro não parte do zero: a Lei de Inovação, o Marco Civil da Internet e a LGPD já formam uma base regulatória sobre a qual a tecnologia pode se desenvolver [1]. A Estratégia Nacional de Inteligência Artificial (EBIA) e as políticas implementadas pelo CNJ no âmbito do Poder Judiciário demonstram que diferentes segmentos públicos e privados já avançaram em regulamentações setoriais [1]. Especialistas como o professor Paulo Roberto Córdova, pesquisador com mais de duas décadas de atuação na área, reforçam a necessidade de encarar questões como vieses algorítmicos, reprodução de preconceitos e ética na construção de uma relação equilibrada entre inovação tecnológica e responsabilidade social [2].
O que se observa globalmente é uma tensão permanente entre dois polos: de um lado, a urgência de proteger cidadãos contra danos concretos causados por sistemas automatizados; de outro, o receio de que regulações excessivas afastem investimentos e atrasem o desenvolvimento tecnológico. Organismos internacionais como a OCDE e a UNESCO publicaram diretrizes éticas, mas seu caráter não vinculante limita a eficácia prática. A tendência aponta para uma convergência gradual em torno de princípios comuns — transparência, responsabilização, supervisão humana — embora o ritmo e a profundidade variem significativamente entre jurisdições.
Fontes: [1] ITS Rio — Panorama regulatório de Inteligência Artificial no Brasil. Disponível em: https://itsrio.org/pt/publicacoes/panorama-regulatorio-de-inteligencia-artificial-no-brasil/ [2] PublishNews — Um panorama geral sobre a inteligência artificial, 18/06/2025. Disponível em: https://www.publishnews.com.br/materias/2025/06/18/um-panorama-geral-sobre-a-inteligencia-artificial
Desafios Éticos, Vieses e Impactos Sociais
Sistemas de inteligência artificial já decidem quem recebe crédito bancário, quem é convocado para uma entrevista de emprego e até quem merece liberdade condicional — e, em muitos desses casos, reproduzem preconceitos históricos que deveriam ter ficado no passado. O avanço acelerado da tecnologia expôs uma verdade incômoda: algoritmos treinados com dados enviesados não são neutros; são espelhos amplificados das desigualdades que a sociedade acumulou ao longo de séculos.
O problema dos vieses algorítmicos ganhou atenção global depois que estudos independentes demonstraram falhas sistemáticas em ferramentas de reconhecimento facial, que apresentavam taxas de erro significativamente maiores para mulheres negras do que para homens brancos. Essas distorções não decorrem de má-fé dos desenvolvedores, mas da composição dos conjuntos de dados de treinamento, historicamente sub-representativos de populações minoritárias. O resultado prático é uma discriminação automatizada em escala industrial, muitas vezes invisível para quem a sofre.
No Brasil, a discussão sobre ética em IA ganhou corpo institucional com a tramitação do PL 21/2020, que busca estabelecer princípios e diretrizes para o desenvolvimento da tecnologia no país [1]. O ITS Rio, em relatório dedicado ao panorama regulatório, ressalta que o país não parte do zero: legislações como a LGPD, o Marco Civil da Internet e a Lei de Inovação já fornecem bases sobre as quais a governança algorítmica pode — e deve — ser construída [1]. Ainda assim, a velocidade da inovação supera consistentemente a capacidade de resposta legislativa.
O professor Paulo Roberto Córdova, pesquisador com mais de duas décadas de atuação na área, confronta diretamente essas questões em seu livro Inteligência Artificial: Entre o Fascínio e o Medo. Córdova argumenta que a reprodução de preconceitos e os dilemas éticos atrelados à IA exigem da sociedade não apenas letramento tecnológico, mas a construção de uma relação equilibrada entre inovação e responsabilidade social [2].
Os impactos sociais vão além do viés. A automação impulsionada por IA redesenha o mercado de trabalho em velocidade sem precedentes. Funções repetitivas e de processamento de dados são as primeiras a desaparecer, mas profissões criativas e intelectuais também já sentem a pressão. O plano de ação "IAí? Construindo oportunidades para todos no mercado de trabalho", publicado pelo ITS Rio, evidencia a urgência de políticas públicas que preparem trabalhadores para uma economia em transformação radical [1].
Há, ainda, a questão da opacidade. Modelos de deep learning operam como caixas-pretas: produzem resultados sofisticados, mas raramente explicam o raciocínio por trás de cada decisão. Essa falta de transparência colide frontalmente com direitos fundamentais, especialmente quando decisões algorítmicas afetam liberdade, saúde ou acesso a serviços essenciais. A exigência de explicabilidade — o direito de saber por que uma máquina decidiu algo sobre sua vida — tornou-se uma das bandeiras centrais de organizações da sociedade civil e órgãos reguladores em todo o mundo.
Fontes: [1] ITS Rio — Panorama regulatório de Inteligência Artificial no Brasil. Disponível em: https://itsrio.org/pt/publicacoes/panorama-regulatorio-de-inteligencia-artificial-no-brasil/ [2] PublishNews — Um panorama geral sobre a inteligência artificial, 18/06/2025. Disponível em: https://www.publishnews.com.br/materias/2025/06/18/um-panorama-geral-sobre-a-inteligencia-artificial
O Mercado de Trabalho diante da IA
Nenhuma revolução tecnológica anterior provocou tanta ansiedade sobre o futuro das profissões quanto a inteligência artificial. Diferentemente da automação industrial, que substituiu braços mecânicos por robôs em linhas de montagem, a IA generativa avança sobre tarefas que até ontem eram consideradas exclusivamente humanas — redigir contratos, analisar exames médicos, programar sistemas e até criar campanhas publicitárias. O resultado é um mercado de trabalho em metamorfose acelerada, no qual a pergunta deixou de ser "se" a IA vai transformar empregos e passou a ser "quão rápido" isso acontecerá.
Relatórios recentes de consultorias globais como McKinsey e Goldman Sachs estimam que até 300 milhões de postos de trabalho no mundo podem ser afetados pela automação baseada em IA até o fim desta década. O impacto, porém, não se distribui de maneira uniforme. Funções altamente rotineiras e baseadas em processamento de dados — como operadores de telemarketing, auxiliares administrativos e analistas financeiros juniores — enfrentam risco elevado de substituição. Em contrapartida, profissões que exigem empatia, criatividade contextual e julgamento ético complexo tendem a ser complementadas, e não eliminadas, pela tecnologia.
No Brasil, o cenário ganha contornos particulares. O país combina uma economia de serviços que emprega a maioria da população com índices ainda modestos de qualificação digital. O relatório do ITS Rio sobre o panorama regulatório da IA já apontava a necessidade de políticas públicas que articulem inovação tecnológica com inclusão produtiva, destacando iniciativas como o Plano de Ação "IAí? Construindo oportunidades para todos no mercado de trabalho" [1]. A preocupação central é evitar que os ganhos de produtividade concentrem-se em empresas de grande porte enquanto trabalhadores informais e microempreendedores ficam à margem da transição.
O debate sobre requalificação profissional — o chamado reskilling — tornou-se urgente. Grandes empresas de tecnologia já anunciaram programas massivos de treinamento em habilidades de IA, e universidades correm para reformular currículos que formavam profissionais para um mundo pré-ChatGPT. Como observa o professor Paulo Roberto Córdova, especialista em IA há mais de duas décadas, é preciso construir "uma relação equilibrada entre inovação tecnológica e responsabilidade social" [2], o que passa necessariamente por preparar a força de trabalho para conviver — e colaborar — com sistemas inteligentes.
Outro fenômeno em curso é a criação de categorias profissionais inteiramente novas. Engenheiros de prompt, curadores de dados sintéticos, auditores de algoritmos e especialistas em ética de IA são cargos que sequer existiam há cinco anos e hoje figuram entre os mais demandados em plataformas de recrutamento. Essa dinâmica sugere que o saldo líquido de empregos pode ser menos catastrófico do que as previsões mais alarmistas indicam, desde que governos e setor privado invistam de forma coordenada na transição.
A discussão legislativa em andamento no Congresso Nacional, a partir do PL 21/2020, também aborda direta e indiretamente os reflexos trabalhistas da IA, buscando estabelecer diretrizes que protejam trabalhadores sem frear a adoção tecnológica [1]. O desafio regulatório reside justamente nesse equilíbrio: criar salvaguardas para quem perde espaço na economia automatizada sem erguer barreiras que isolem o Brasil da corrida global por competitividade.
Fontes: [1] ITS Rio. Panorama regulatório de Inteligência Artificial no Brasil. Disponível em: https://itsrio.org/pt/publicacoes/panorama-regulatorio-de-inteligencia-artificial-no-brasil/ [2] PublishNews. "Um panorama geral sobre a inteligência artificial", 18/06/2025. Disponível em: https://www.publishnews.com.br/materias/2025/06/18/um-panorama-geral-sobre-a-inteligencia-artificial
Perspectivas Futuras e Tendências
O próximo capítulo da inteligência artificial já está sendo escrito — e seus contornos apontam para uma tecnologia ao mesmo tempo mais poderosa, mais difusa e mais disputada do que tudo o que vimos até aqui. Se a última década foi marcada pela demonstração de capacidades surpreendentes, os próximos anos serão definidos pela maneira como sociedades, governos e mercados escolherão governar e integrar essas capacidades ao cotidiano.
A tendência mais visível é a convergência entre modelos de IA generativa e sistemas especializados. Grandes modelos de linguagem, que hoje produzem texto, código e imagens, caminham para se tornar interfaces universais capazes de orquestrar ferramentas externas, consultar bases de dados em tempo real e executar ações autônomas em ambientes digitais. Essa evolução — frequentemente chamada de "IA agêntica" — promete transformar assistentes virtuais em verdadeiros colaboradores de trabalho, com capacidade de planejamento, execução e autocorreção de tarefas complexas.
No plano geopolítico, a disputa entre Estados Unidos, China e União Europeia pelo domínio da cadeia de valor da IA tende a se intensificar. O controle sobre semicondutores avançados, dados de treinamento em larga escala e infraestrutura de computação em nuvem já se configura como um eixo estratégico tão relevante quanto o acesso a recursos energéticos no século passado. Para países como o Brasil, o desafio será evitar a condição de mero consumidor de tecnologia importada, construindo capacidade própria de pesquisa e aplicação em nichos estratégicos.
A regulação desponta como o fator de maior imprevisibilidade. Enquanto o Congresso Nacional discute o PL 21/2020, que busca estabelecer princípios e diretrizes para o desenvolvimento da IA no país, o ITS Rio já mapeou que o Brasil não parte do zero: a Lei de Inovação, o Marco Civil da Internet e a LGPD formam uma base regulatória sobre a qual novas regras podem ser construídas [1]. A questão é se a velocidade legislativa conseguirá acompanhar o ritmo da inovação sem sufocar a experimentação.
Do ponto de vista social, três tendências merecem atenção. A primeira é a personalização radical — sistemas que adaptam educação, saúde e consumo ao perfil individual de cada usuário, com ganhos de eficiência e riscos proporcionais de vigilância. A segunda é a democratização de ferramentas criativas: como observa o professor Paulo Roberto Córdova, especialista com mais de duas décadas de atuação na área, é preciso construir uma relação equilibrada entre inovação tecnológica e responsabilidade social, enfrentando vieses e questões éticas sem ceder ao medo paralisante [2]. A terceira é a emergência de uma nova economia de dados, na qual a propriedade, a remuneração e o consentimento sobre informações usadas para treinar modelos se tornarão questões centrais de justiça distributiva.
O horizonte, portanto, não é de uma IA que simplesmente "chega" — ela já chegou. O que está em jogo agora é quem define as regras, quem captura o valor e quem arca com os custos de uma transformação que, ao contrário das anteriores, não pedirá licença para se instalar.
Fontes: [1] ITS Rio — Panorama regulatório de Inteligência Artificial no Brasil. Disponível em: https://itsrio.org/pt/publicacoes/panorama-regulatorio-de-inteligencia-artificial-no-brasil/ [2] PublishNews — Um panorama geral sobre a inteligência artificial, 18/06/2025. Disponível em: https://www.publishnews.com.br/materias/2025/06/18/um-panorama-geral-sobre-a-inteligencia-artificial
Referências
[1] https://itsrio.org/pt/publicacoes/panorama-regulatorio-de-inteligencia-artificial-no-brasil/ [2] https://www.publishnews.com.br/materias/2025/06/18/um-panorama-geral-sobre-a-inteligencia-artificial [3] https://www.youtube.com/watch?v=w52wBI0YzCU