Há um descompasso crescente entre a quantidade de pessoas que falam sobre IA nas redes sociais e a quantidade de pessoas que de fato sabem do que estão falando
Por Wilson Silva, professor de Marketing de Conteúdo, Otimização para Buscadores e GEO no curso de Administração da ESPM-SP
Em abril de 2026, o Google anunciou o lançamento do Gemma 4, a nova geração de sua família de modelos abertos de linguagem, projetada para rodar localmente em notebooks, estações de trabalho e dispositivos móveis. Em poucas horas, postagens em redes sociais brasileiras anunciavam, com entusiasmo de quem dá um furo, que o Google havia lançado o “Gemini 4” — modelo que não existe. Gemma e Gemini são linhas distintas: a primeira, conforme a própria documentação oficial do Google, é uma família de modelos abertos voltada a desenvolvedores; a segunda é a linha proprietária comercial. A confusão pode parecer detalhe técnico, mas é exatamente o tipo de erro que separa quem entende a arquitetura de quem apenas reproduz manchete.
Episódios assim deixaram de ser exceção. Em sala de aula e em projetos de consultoria, tenho observado um padrão que merece análise mais cuidadosa: o crescimento simultâneo do entusiasmo por inteligência artificial e da desinformação sobre ela. Os dois fenômenos não são contraditórios. São, na verdade, complementares — e essa complementaridade explica boa parte do mal-estar atual em torno da tecnologia.
Muita gente usando, quase ninguém aproveitando
A TIC Domicílios 2025, conduzida pelo Comitê Gestor da Internet no Brasil por meio do Cetic.br/NIC.br, mostra que 32% dos usuários de internet no país — aproximadamente 50 milhões de brasileiros com 10 anos ou mais — já experimentaram alguma ferramenta de IA generativa. À primeira leitura, o número é animador. À segunda, começa a perder o brilho: 84% desses usuários empregam a tecnologia exclusivamente para finalidades pessoais, e a adoção despenca de 69% na classe A para 16% nas classes D e E. A coordenadora do CGI.br, Renata Mielli, foi explícita ao apresentar os dados: o cenário reforça a urgência de mecanismos de literacia digital mais robustos.
No recorte corporativo, o quadro é igualmente desconfortável. O relatório State of AI 2025 da McKinsey & Company, com cerca de 1.500 organizações entrevistadas globalmente, mostra que 88% delas usam IA em pelo menos uma função e 72% adotaram IA generativa. Mas apenas 5,5% se qualificam como AI high performers — ou seja, capturam mais de 5% do EBIT a partir de iniciativas de IA. Cerca de dois terços seguem presos no que os próprios consultores chamam de “pilot purgatory”: pilotos que nunca viram produção, experimentos que não se convertem em infraestrutura, modelos pendurados sobre processos que ninguém se dispôs a redesenhar.
É no vão entre esses dois números que a economia da desinformação prospera. De um lado, um público gigantesco curioso e mal informado. Do outro, um mercado corporativo pressionado por resultados que ainda não sabe distinguir prova de conceito de transformação real. No meio, uma indústria de cursos e tutoriais que vende a impressão de que copiar três prompts equivale a dominar a tecnologia.
Cursos de cursos, tutoriais que não funcionam e a fadiga de quem testa
Há um padrão recorrente nesse ecossistema, e ele tem contornos cada vez mais nítidos. Criadores de conteúdo que jamais arquitetaram um sistema, nunca treinaram ou ajustaram um modelo, não saberiam descrever em uma linha o que é uma rede neural ou como funciona o mecanismo de atenção que sustenta os modelos atuais — e, ainda assim, acumulam audiências expressivas anunciando-se como especialistas. Vendem cursos baseados em outros cursos. Reproduzem tutoriais de ferramentas que mudam a cada quinze dias. Apresentam o “app que faz vídeo com IA” como se fosse a fronteira da tecnologia, quando se trata de uma camada de aplicação que sequer toca o que de fato move o setor: arquiteturas de modelos, pipelines de dados, agentes autônomos, integração via API, automação de processos, governança e observabilidade.
O efeito sobre o público é previsível. O seguidor compra o curso, abre a ferramenta, tenta replicar o passo a passo, descobre que metade da interface mudou, que o resultado prometido não aparece, que faltam etapas óbvias para qualquer profissional e supérfluas para um leigo — e desiste. A frustração se sedimenta como percepção de que “IA não é para mim”, quando o problema real foi ter sido orientado por alguém que também não sabia.
O dado mais incômodo a respeito disso veio em 2024: segundo levantamento de TeachAI e EY citado pelo Fórum Econômico Mundial, quase metade da Geração Z apresenta baixo desempenho em avaliar criticamente saídas de sistemas de IA — incluindo identificar quando o modelo simplesmente inventa fatos. Não é falta de exposição à tecnologia. É falta de literacia.
Foi em resposta a esse vácuo que a UNESCO publicou, em setembro de 2024, os AI Competency Frameworks para professores e estudantes. O documento é taxativo: literacia em IA combina conhecimento técnico, postura ética, capacidade crítica e visão de design. Não cabe em vídeo de trinta segundos. E, do outro lado do Atlântico, o Artigo 4 do AI Act europeu tornou essa literacia obrigação legal de quem implanta sistemas de IA — incluindo educadores e organizações que disponibilizam IA a colaboradores. O recado regulatório é claro: ignorância em IA deixou de ser problema individual para se tornar risco institucional.
O verdadeiro poder da IA não cabe em um vídeo de trinta segundos
Inteligência artificial, no recorte que efetivamente move ponteiros de produtividade e receita, não é uma coleção de aplicativos virais. É infraestrutura. É a capacidade de orquestrar agentes que executam fluxos de múltiplas etapas, integrar modelos a sistemas legados via API, automatizar prospecção comercial, atendimento contínuo, geração de relatórios analíticos e decisões baseadas em dados estruturados e não estruturados.
Os AI high performers identificados pela McKinsey têm uma característica em comum, e ela não é tamanho de orçamento: são 2,8 vezes mais propensos a redesenhar fundamentalmente os fluxos de trabalho antes de implantar IA. Em outras palavras: tratam a tecnologia como infraestrutura de crescimento, e não como gadget anexado a processos antigos.
Existe ainda uma discussão técnica e estratégica que praticamente nenhum influenciador toca, e que deveria estar no centro do debate corporativo: o uso de IA em ambiente empresarial precisa ocorrer prioritariamente via API, em arquiteturas controladas, com governança de prompt, retenção zero de dados, logs auditáveis e segregação de informação sensível — não por meio de interfaces públicas em que qualquer texto colado pode, em tese, alimentar um pipeline de treinamento. Esse é o tipo de distinção que separa quem opera IA como ativo estratégico de quem apenas brinca com a saída do modelo.
O contexto torna a discussão urgente. O AI Index 2025, do Stanford Institute for Human-Centered AI, registrou 233 incidentes documentados envolvendo sistemas de IA em 2024, alta de 56,4% sobre o ano anterior, com casos de desinformação amplificada por IA em mais de uma dezena de processos eleitorais ao redor do mundo. A confiança do público em empresas que protegem dados pessoais com IA caiu de 50% em 2023 para 47% em 2024. São indicadores que deveriam pautar conselhos de administração, comitês de ética e currículos universitários — e não a periferia do debate público, esmagada por enésimos vídeos sobre como gerar miniaturas para o YouTube.
Como separar especialista de repetidor de manchete
A pergunta a fazer a quem se posiciona como autoridade em inteligência artificial deixou de ser “quantos seguidores você tem?”. As perguntas que de fato importam são outras: você consegue explicar o que distingue um modelo aberto de um modelo proprietário? Já implementou um agente autônomo que executa fluxo de múltiplas etapas em produção? Sabe descrever — e diferenciar — fine-tuning, RAG e prompt engineering, e em que cenário cada um se aplica? Já redesenhou um processo de negócio inteiro a partir de IA, ou apenas grampeou um chatbot na lateral de um site? O curso que você vende é estruturado em torno de fundamentos transferíveis, ou em torno de uma ferramenta específica que pode estar obsoleta na próxima atualização?
Para o gestor corporativo, o conselho prático é mais duro: desconfie da promessa de transformação rápida via curso de oito horas. Literacia em IA exige formação técnica, ética e estratégica que nenhum tutorial de rede social entrega. O custo de tratar IA como moda passageira não é apenas financeiro — é de tempo, posicionamento competitivo e, em casos cada vez mais frequentes, exposição reputacional.
Para o estudante, particularmente o estudante de administração que vai liderar empresas em uma economia cada vez mais mediada por algoritmos, o conselho é parecido: priorize fundamentos sobre atalhos. As ferramentas mudam todo trimestre. O entendimento conceitual de como uma rede neural aprende, de como um modelo generaliza, de como dados se tornam decisão — esse permanece.
Uma nota final
Há uma frase atribuída ao físico Richard Feynman que se aplica perfeitamente ao momento: “o primeiro princípio é que você não deve enganar a si mesmo — e você é a pessoa mais fácil de enganar”. Boa parte da economia atual de gurus de IA prospera porque oferece exatamente isso: a sensação de domínio sem o trabalho de adquirir domínio. É confortável, escalável e, do ponto de vista do criador de conteúdo, lucrativo. Mas o preço é pago pela coletividade — em decisões mal informadas, em frustração de quem tenta aplicar e fracassa, em lideranças corporativas que confundem agitação com estratégia.
A inteligência artificial é, provavelmente, a maior alavanca de produtividade da década. Tratá-la como moda passageira é o tipo de erro que se paga caro — e por muito tempo.
