Por Luciana Alvarez e Danilo Augusto da Silva Horta

Apesar de a inteligência artificial ser associada às áreas das ciências exatas, como computação e engenharia elétrica, essas tecnologias são objeto de investigação das ciências humanas – já que estão intimamente conectadas a aspectos sociais, políticos, culturais e ambientais.

Rafael Gonçalves, engenheiro eletricista e doutorando em ciências sociais pela Unicamp, defende que é preciso compreender a técnica e as tecnologias como dimensões das relações sociais, perspectiva chamada de sociotécnica. Segundo ele, “a IA é tanto um resultado que concretiza valores e significados sociais, quanto um agente mediador de vários dos processos coletivos dos quais participamos”. Já João Pagnan, doutorando em engenharia elétrica pela Unicamp, também chama atenção para o fato de que a inteligência artificial não pode ser pensada de forma isolada de seu contexto social.

Segundo Pagnan, as ferramentas de inteligência artificial podem ser classificadas em dois grupos: modelos tradicionais de aprendizado de máquina (ML, de machine learning) e modelos que utilizam aprendizado profundo (DL, de deep learning). As primeiras são usadas no processamento estatístico de dados, dependentes da análise humana para classificar e extrair as informações dos dados. Já as segundas conseguem realizar a tarefa solicitada sem precisar do trabalho humano.

Apesar de sua recente popularização, a inteligência artificial surgiu como campo de pesquisa na metade do século passado. De acordo com Rafael, “o termo inteligência artificial é vago e não contribui para entender seu funcionamento. Ele implica, ao mesmo tempo, uma aproximação com o humano e uma distinção radical, separando uma inteligência que seria natural de uma outra artificial. Assim, o termo dificulta o entendimento mais complexificado da técnica como uma dimensão das relações sociais”.

Tanto Rafael quanto João destacam que a base teórica do aprendizado de máquina é antiga, mas a massificação de uso atual só foi possível pelo aumento da capacidade de infraestrutura computacional e de dados disponíveis. Segundo Rafael, esse avanço da tecnologia está muito mais relacionado a processos normalmente entendidos como sociais ou coletivos, do que a descobertas e aprofundamentos teóricos na ciência da computação.

Entre esses processos estão, por exemplo, a organização de infraestruturas de captura de dados, a influência do deep learning na criação de representações e imaginários coletivos ou na modulação de comportamentos individuais, além dos seus impactos ecológicos e na organização das relações de trabalho – temas com os quais as ciências humanas podem contribuir. “As ciências sociais têm posição mais estratégica para propor uma perspectiva crítica em relação à inteligência artificial. Tanto na questão do desenvolvimento quanto aos usos e impactos”, aponta Carolina Parreiras Silva, cientista social e coordenadora do Laboratório Etnográfico de Estudos Tecnológicos e Digitais (Letec) sediado na USP.

Carolina destaca questões importantes a serem analisadas, como os interesses envolvidos no desenvolvimento das inteligências artificiais, domínio e propriedade de infraestrutura, bases de dados utilizadas e modos como são desenvolvidas e treinadas. A partir disso, diz, é possível propor relações mais responsáveis e éticas com essa tecnologia.

Outro ponto importante é o da neutralidade das tecnologias, impactada não só pela escolha das bases de dados, mas também pelos vieses apresentados, que muitas vezes reproduzem preconceitos e exclusões. Segundo Rafael, “no caso das tecnologias digitais e da IA, a ideia de neutralidade já tem sido parcialmente questionada, por exemplo, quando se atribui ao algoritmo algumas das consequências do reordenamento automático de conteúdo em plataformas digitais. A questão maior, ao meu ver, é como caracterizar essa não neutralidade”.

Pesquisa, ensino e produção de conhecimento

Da mesma forma como a IA pode ser pesquisada criticamente em diferentes áreas e com perspectivas interdisciplinares, a própria produção do conhecimento científico na interação com essas tecnologias é avaliada e repensada – e gera muita controvérsia. Para Carolina, esse tema apresenta riscos para o trabalho acadêmico e a discussão precisa avançar. “O que mais me preocupa é a questão da autoria. A IA generativa cria textos, imagens e vídeos. É uma aparente facilidade que, na verdade, mina a capacidade criativa. E tira a autoria, uma das coisas mais importantes que temos. Esse trabalho criativo é o nosso trabalho autoral”, alerta.

Na mesma direção, Rafael defende que “a pesquisa e a escrita acadêmica são tarefas muito criativas. Ambos envolvem, em alguma medida, propor boas saídas para problemas. Isso é o contrário do automatismo, e o funcionamento atual da IA é fundamentalmente anti criativo”. Por outro lado, as potencialidades do uso de IA nas ciências humanas e sociais também são ressaltadas, como aponta o sociólogo chinês Qiu Zeqi.

No Brasil a questão do uso e regulação da IA na produção científica vem avançando. Em 2026, o Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq) instituiu a Política de Integridade na Atividade Científica, que estabeleceu normas e boas práticas de atuação na produção do conhecimento científico. 

Mais do que regular, porém, Carolina defende que é preciso oferecer letramento digital desde os primeiros anos da graduação, para orientar jovens cientistas em formação sobre as questões éticas. A pesquisadora defende uma discussão sobre “os usos que podem ser feitos para o trabalho acadêmico, que facilitem algumas tarefas, mas que mantenham a integridade do trabalho, a autoria e o trabalho criativo”.

 Luciana Alvarez é mestra em antropologia social e cursa especialização em jornalismo científico pelo Labjor/Unicamp.

Danilo Augusto da Silva Horta é doutorando em ciência política e cursa especialização em jornalismo científico pelo Labjor/Unicamp.