O Brasil quer usar IA em tudo — escola, trabalho, Justiça, saúde. Mas quantas pessoas entendem o que acontece quando colam dados num chatbot? 🤖 A pesquisadora Renata Wassermann, da USP, diz que letramento digital deveria vir antes da pressa. 🧵

Imagem indisponível

A comparação dela é direta: IA hoje lembra os primeiros automóveis nas cidades. Poucas regras, uso crescendo e riscos aparecendo em tempo real. Estamos criando os “semáforos” tarde demais — ou ainda nem sabemos onde ficam os cruzamentos perigosos?

O alerta mais prático: sem contrato específico, enviar um processo sigiloso, dados de pesquisa ou informações internas a uma IA pode equivaler a publicar aquilo na internet. Você sabe quem acessa, retém ou usa esse conteúdo depois?

Imagem indisponível

E há outro problema: modelos generativos não são máquinas de verdade. Eles produzem respostas probabilísticas — plausíveis, mas potencialmente erradas. Se a IA erra com confiança, quem vai perceber o erro: a ferramenta ou a pessoa que a usa?

Por isso, Wassermann diz aos alunos: podem usar IA no que já sabem fazer. Faz sentido. Sem repertório para verificar, a ferramenta deixa de ampliar conhecimento e passa a terceirizar o pensamento. Estamos ensinando a checar ou só a pedir respostas?

Imagem indisponível

A preocupação também é estrutural: os modelos mais poderosos estão concentrados em poucas empresas. Se educação, serviços públicos e negócios dependem dessas plataformas, quem define as regras, os preços e quais dados viram matéria-prima?

Regular não precisa significar travar inovação. Pode significar criar limites claros, proteção para dados e formação acessível para que IA não vire privilégio de especialistas. A pergunta decisiva talvez seja: estamos preparando pessoas para usar IA — ou apenas usuários para ela?

Imagem indisponível