Este não é um texto de revolta

Escrever sobre tecnologia é sempre uma armadilha. É fácil soar como um arauto do apocalipse, brandindo o punho contra toda nova ferramenta que perturba velhos hábitos. Não é isso que este texto é.

Eu não sou anti-tecnologia. Sou um nerd, um geek e o tipo de pessoa que realmente gosta de ferramentas, sistemas, software e pequenos fluxos de trabalho estranhos que tornam a vida mais fácil. Gosto de boas ferramentas. Gosto de sistemas elegantes. Gosto da sensação de descobrir algo que remove o atrito de uma tarefa sem remover o significado da tarefa.

Mas também sou educador, o que significa que vejo o outro lado da máquina todos os dias. Vejo jovens pularem o trabalho lento de aprender porque uma ferramenta pode realizar a tarefa escolar por eles. Ela dá a resposta, mas não transfere conhecimento. Ela produz o resultado, mas não torna o aprendiz mais capaz.

Esse é o problema que explorei no meu ensaio anterior, The Illusion We Call Intelligence: o perigo não é apenas que a IA possa gerar linguagem. O perigo é começarmos a confundir saída gerada com compreensão, conveniência com aprendizado e fluência com pensamento. Um estudante pode entregar um parágrafo polido e ainda assim não saber como construir um. Um trabalhador pode produzir um relatório e ainda assim não entender o julgamento por trás dele. A superfície melhora enquanto a capacidade interna enfraquece.

Portanto, não se trata de odiar a tecnologia. Trata-se de perguntar o que a tecnologia não é.

O vídeo e a ideia de “software brain”

O principal vídeo por trás deste texto é o episódio Decoder de Nilay Patel para The Verge, “The People Do Not Yearn for Automation,” publicado em 23 de abril de 2026. Patel é editor-chefe de The Verge e apresentador do podcast Decoder. No episódio, ele critica o que chama de software brain: uma forma de ver o mundo como bancos de dados, loops, entradas, saídas e sistemas à espera de automação.

O ponto de Patel não é simplesmente que a IA é impopular. O argumento dele é que a indústria de tecnologia não entende por que as pessoas não gostam dela. A indústria continua tratando a vida humana como algo que pode ser tornado legível para software, desde que dados suficientes sejam coletados e loops suficientes sejam automatizados.

Isso pode funcionar para processos de negócios. Não funciona para a vida.

Uma empresa pode transformar estoque em um banco de dados. Uma rota de entrega pode se tornar um problema de otimização. Uma fila de atendimento ao cliente pode ser classificada, etiquetada e encaminhada. Mas a vida humana não é apenas uma fila. Ela inclui hesitação, contradição, contexto privado, mau timing, silêncio, ressentimento, memória e dignidade. Tudo isso não se encaixa facilmente em um roadmap de produto.

A crítica de Patel importa porque ele não está falando apenas de IA. Ele está falando de um hábito mais amplo da tecnologia: a suposição de que, se algo pode ser modelado em software, então deve ser redesenhado em torno de software. O resultado é um mundo em que se pede às pessoas que se tornem mais legíveis por máquinas, mais rastreáveis, mais previsíveis e mais disponíveis para sistemas que prometem conveniência.

As pessoas nem sempre rejeitam a tecnologia porque a entendem mal. Às vezes, elas a rejeitam porque entendem o que ela está lhes pedindo.

Por que as pessoas desconfiam da indústria de tecnologia

Isso se conecta diretamente a outro vídeo: “The AI industry is ignoring how much people hate it,” um episódio de The Tech Report apresentado por Isaac Pound e publicado em 20 de abril de 2026. Nele, Ed Zitron, autor de Where’s Your Ed At e apresentador de Better Offline, argumenta que a indústria de IA passou anos antagonizando o público e depois agindo surpresa quando as pessoas ficam irritadas.

O ponto de Zitron é direto. As pessoas já estão lidando com aumento de custos, insegurança no emprego, pressão habitacional, custos de saúde e instabilidade geral. Então os líderes de IA sobem ao palco e lhes dizem que muitos empregos podem desaparecer, que as empresas precisam de enormes centros de dados, que os modelos são poderosos e perigosos e que tudo isso é inevitável.

Na perspectiva de Zitron, a desconfiança não é misteriosa. As pessoas ouvem ameaça, hype e arrogância. Veem empresas pedindo dinheiro, dados, energia, liberdade legal e paciência pública, enquanto oferecem promessas vagas de abundância futura.

Isso é importante porque a indústria muitas vezes trata a raiva pública como um problema de comunicação. A ideia é que, se as pessoas apenas entendessem melhor a IA, elas a aceitariam. Mas a confiança não é produzida apenas por explicação. A confiança é produzida pela experiência.

As pessoas já experimentaram atendimento ao cliente automatizado que não consegue ajudá-las, sistemas de recomendação que manipulam a atenção, plataformas que coletam dados e produtos que pioram depois de se tornarem inevitáveis. Elas viram empresas de tecnologia prometerem abertura e, depois, construírem ecossistemas fechados. Viram ferramentas vendidas como empoderamento se tornarem sistemas de vigilância, dependência ou corte de custos.

Zitron também argumenta que as empresas de IA devem parar de fazer os modelos parecerem companheiros humanos e começar a tratá-los como ferramentas comuns. Isso importa porque o design antropomórfico pode levar as pessoas a confiar demais em sistemas que não as compreendem. Um chatbot que diz “Eu entendo” pode soar reconfortante, mas não entende no sentido humano. Ele prevê, responde e continua a interação.

Essa diferença não é pequena. É a diferença entre uma ferramenta e um relacionamento.

A desconexão não é acidental

A desconexão entre as pessoas e a tecnologia acontece porque os incentivos são diferentes.

A indústria vê automação, escala, eficiência e captura de mercado. As pessoas comuns veem risco de emprego, vigilância, serviços degradados, confiança quebrada e ferramentas que muitas vezes as fazem se sentir menos humanas. Uma empresa pode ver um bot de atendimento ao cliente como eficiência. O cliente pode vivenciá-lo como estar preso em um loop sem ninguém responsável do outro lado.

É por isso que a aversão aos algoritmos faz sentido. As pessoas podem perdoar erros humanos com mais facilidade do que erros de máquinas, porque os erros humanos ainda parecem passíveis de responsabilização. Uma pessoa pode explicar, pedir desculpas, improvisar ou entender o contexto. Um sistema muitas vezes não pode. Um único erro de máquina pode destruir a confiança porque o usuário não tem uma forma clara de recorrer ao julgamento.

E mesmo quando um sistema automatizado é estatisticamente bom, as pessoas ainda podem resistir a ele se ele ameaçar a autonomia, a identidade ou a dignidade. Um trabalhador pode não odiar o software porque ele é inútil. Pode odiá-lo porque ele o observa. Um professor pode não rejeitar a IA porque ela não consegue produzir texto. Pode rejeitá-la porque os alunos a usam para contornar o pensamento que a tarefa pretendia criar.

É aí que a conversa se torna mais séria. A questão não é se a IA funciona. Às vezes, funciona. A questão é que tipo de trabalho ela substitui, que tipo de pessoa ela produz e que tipo de relação ela cria entre humanos e instituições.

A indústria de tecnologia muitas vezes trata a desconfiança como irracional. Nem sempre é irracional. Às vezes, é memória. As pessoas lembram de terem sido automatizadas para fora do cuidado.

Trabalho, identidade e educação

A IA vai afetar o trabalho. Isso é certo. Mas não vai afetar todos os países da mesma maneira.

Cada economia é construída de forma diferente. Algumas dependem fortemente de serviços. Outras dependem da indústria, da terceirização, do turismo, da agricultura, das remessas, do emprego no setor público, do trabalho informal ou de pequenas empresas. As populações também se movem de maneiras diferentes. Os jovens migram, se requalificam, resistem, se adaptam ou deixam setores inteiros, dependendo das condições locais.

Por isso, o impacto da IA não será uma história única e limpa da “economia mundial”. Serão muitas histórias nacionais, cada uma moldada por mercados de trabalho, sistemas educacionais, regulação, salários, migração e escolhas políticas. Em um país, a IA pode ameaçar empregos de escritório. Em outro, pode remodelar a terceirização. Em outro, pode ampliar a distância entre as pessoas que podem usar as ferramentas e as pessoas que são gerenciadas por elas.

O mesmo vale para a educação. Se os alunos usarem IA para pular a prática, podem produzir trabalhos melhores enquanto se tornam aprendizes piores. Isso não é progresso. É terceirizar o esforço que constrói habilidade. Uma ferramenta que responde pelo aluno não educa automaticamente o aluno.

Aprender exige atrito. Exige a tentativa desajeitada, a frase malsucedida, o pensamento inacabado, a correção, a segunda tentativa. Se uma ferramenta remove tudo isso, ela também pode remover o caminho pelo qual a competência se forma.

Inteligência acessível parece um presente. Mas, se ela enfraquece o julgamento, reduz a paciência, substitui a prática e ensina as pessoas a confiar em resultados fluentes sem entendê-los, pode criar mais problemas do que resolve.

O que a tecnologia não é

A tecnologia pode ampliar a capacidade humana. Pode nos ajudar a escrever, calcular, traduzir, organizar, pesquisar, projetar e construir. Pode tornar o trabalho difícil mais fácil. Pode abrir acesso onde o acesso era limitado.

Mas a tecnologia não é significado. Não é julgamento. Não é confiança. Não é educação. Não é cuidado. Não é o processo vivido pelo qual uma pessoa se torna mais capaz.

Essa distinção importa porque a conversa sobre IA muitas vezes a obscurece. O produto realiza a tarefa visível, então fingimos que ele substituiu o processo invisível. Ele escreve o parágrafo, então fingimos que aprendeu. Ele responde ao cliente, então fingimos que houve atendimento. Ele resume a reunião, então fingimos que houve compreensão.

Essa é a ilusão. Não que as ferramentas sejam inúteis, mas que a saída basta.

Assista aos vídeos

Este post apenas esboça o argumento. O vídeo de Patel é útil porque nomeia a visão de mundo por trás do problema: software brain. A entrevista de Zitron é útil porque explica por que a indignação pública em relação à IA não é apenas medo da mudança, mas uma resposta a ameaças, exageros, ansiedade sobre empregos e desconfiança.

E minha própria posição, em The Illusion We Call Intelligence, é que devemos parar de confundir resultado com compreensão. A tecnologia deve ampliar a capacidade humana. Ela não deve nos treinar a abandoná-la.

Assista ao episódio Decoder de Nilay Patel, “The People Do Not Yearn for Automation”, aqui:

Assista a Ed Zitron no The Tech Report, “The AI industry is ignoring how much people hate it”, aqui: