O dado precisa voltar para quem o produziu

Da pergunta feita a Roberto Lent ao nascimento da IA Personalíssima

Talvez uma IA Personalíssima não comece com inteligência artificial.

Talvez comece com uma pergunta muito mais simples: para onde estão indo os dados que produzimos sobre nós mesmos?

Há alguns anos, durante um congresso do Ciência para Educação, fizemos uma pergunta ao neurocientista brasileiro Roberto Lent que continuou conosco:

Se os dados de cada um são continuamente minerados, como fazer com que os dados de cada um voltem a cada um, na linguagem de cada um, para que cada pessoa possa interagir e mudar o dado produzido sobre ela?

Naquele momento, a pergunta parecia falar sobre dados.

Hoje percebemos que ela falava também sobre linguagem, autonomia, plasticidade, significado e participação.

Falava sobre quem pode interpretar quem.

E talvez já contivesse a primeira pergunta de algo que hoje chamamos de IA Personalíssima.

O dado sai de nós

Todos os dias produzimos rastros.

O que compramos. Onde vamos. O que pesquisamos. O que assistimos. Quanto tempo permanecemos diante de determinado conteúdo. Como escrevemos. Quando dormimos. Quanto caminhamos.

Sensores acrescentam outras camadas: frequência cardíaca, movimento, sono, localização e atividade física.

Em ambientes científicos e clínicos podemos observar ainda mais: EEG, fNIRS, ECG, SpO₂, respiração e inúmeras outras variáveis.

Mas existe uma diferença que acompanhará toda esta série:

o dado produzido a partir de mim não sou eu.

Um EEG não é o cérebro.

Uma medida de hemoglobina oxigenada não é a experiência.

Uma localização não é o território vivido.

Uma compra não é necessariamente uma preferência.

Uma palavra isolada não contém tudo aquilo que alguém pretendeu significar.

Mesmo milhares dessas variáveis processadas conjuntamente continuam sendo representações produzidas a partir de alguma dimensão de um Ser.

Isso não diminui o valor dos dados.

Ao contrário.

Quanto melhores se tornam nossas capacidades de medir e inferir, mais importante se torna lembrar a diferença entre aquilo que conseguimos representar e aquilo que está sendo representado.

Quando o dado começa a falar por nós

Há uma mudança importante acontecendo.

Dados já não são apenas registros do que aconteceu.

Sistemas de inteligência artificial conseguem utilizá-los para produzir inferências:

“Você prefere isto.”

“Seu perfil é aquele.”

“Seu risco é este.”

“Provavelmente fará aquilo.”

Talvez a inferência esteja correta.

Talvez esteja errada.

Mas existe uma terceira possibilidade particularmente importante:

talvez estivesse correta ontem e não esteja mais correta hoje.

É aqui que a pergunta feita a Roberto Lent encontra novamente a neurociência.

Um organismo possui história, mas também possui plasticidade. Aprendizagem, experiência, desenvolvimento e ambiente participam continuamente de suas possibilidades de reorganização.

Se podemos mudar, uma máquina que aprende nosso passado precisa também preservar a possibilidade de que deixemos de ser aquilo que ela aprendeu sobre nós.

Caso contrário, quanto melhor for sua memória, maior poderá ser o risco de transformar história em destino.

Essa questão será aprofundada posteriormente nesta série. Por enquanto, ela estabelece um princípio:

um modelo sobre uma pessoa precisa continuar admitindo que a pessoa pode mudar.

Ter dados sobre alguém não é o mesmo que produzir conhecimento com alguém

Na América Latina, essa questão adquire uma dimensão especialmente importante.

Trabalhos recentes da CEPAL sobre povos indígenas chamam atenção para a relação entre visibilidade estatística e participação. Não basta que populações apareçam nos bancos de dados. A participação dos próprios povos na produção, interpretação e utilização dessas informações é relevante para sua presença nas decisões que os afetam.

A diferença é enorme.

Podemos produzir dados sobre alguém.

Ou podemos construir condições para que aquele que está sendo representado continue participando do significado produzido a partir desses dados.

A UNESCO, ao discutir em 2023 uma inteligência artificial centrada nos povos indígenas da América Latina e do Caribe, também destacou diversidade, identidade, direitos e participação no desenvolvimento tecnológico.

Isso nos leva a uma pergunta incômoda:

quem deve aprender a linguagem de quem?

O Corpo-Território precisa adaptar-se à linguagem dos sistemas?

Ou os sistemas podem aprender diferentes maneiras pelas quais Corpos-Territórios compreendem, organizam e significam informação?

“Na linguagem de cada um”

Essa pequena parte da pergunta original tornou-se um problema inteiro.

Devolver dados não significa necessariamente devolvê-los de maneira compreensível.

Podemos entregar uma planilha com milhares de variáveis e afirmar tecnicamente:

“Seus dados estão aqui.”

Mas eles realmente voltaram?

Marcus Maia, em seus trabalhos de psicolinguística e também com línguas indígenas brasileiras, ajuda a abrir uma questão que desenvolveremos no próximo ensaio: linguagem não pode ser tratada apenas como embalagem na qual colocamos uma informação previamente pronta.

“Na linguagem de cada um” tampouco significa simplesmente escolher entre português, espanhol, inglês ou uma língua indígena.

Duas pessoas que falam português podem precisar de formas completamente diferentes de apresentação para conseguir interagir com o mesmo conjunto de dados.

O problema não é apenas tradução.

É significação.

O dado precisa voltar de uma maneira na qual quem o produziu consiga entrar novamente no processo interpretativo.

Corpo-Território

É por isso que preferimos não começar esta proposta pela palavra “usuário”.

Usuário é uma categoria útil para sistemas.

Consumidor é útil para mercados.

Paciente é útil para sistemas de saúde.

Eleitor é útil para processos políticos.

CPF é útil para administração.

Mas nenhuma dessas categorias, isoladamente, contém o Ser.

Propomos pensar o Corpo-Território como uma unidade em que corpo, ambiente, história, cultura, relações e possibilidades de transformação não sejam artificialmente separados quando tentamos compreender uma pessoa.

Isso não significa rejeitar categorias ou medidas.

Significa reconhecer que são recortes.

A tela é uma transdução do recorte. Ela tem luz, mas não ilumina tudo.

O dado também.

Da IA personalizada à IA Personalíssima

Tecnologias digitais já são personalizadas.

Plataformas selecionam conteúdos, sistemas recomendam produtos e algoritmos aprendem comportamentos.

Podemos representar simplificadamente esse movimento:

Corpo → dados → plataforma → modelo → decisão/recomendação → Corpo.

O Corpo fornece dados e posteriormente recebe algo produzido a partir deles.

A hipótese BrainLatam acrescenta outro movimento:

Corpo-Território → dados → processamento → IA Personalíssima → restituição → interpretação pelo Corpo-Território → contestação/transformação → novos dados.

Parece uma diferença pequena.

Mas ela muda quem permanece dentro do circuito.

A IA Personalíssima não seria simplesmente uma IA que sabe muito sobre alguém.

Ela deveria permitir que alguém participe continuamente daquilo que está sendo produzido sobre si.

Imagine uma IA dizendo:

“Você prefere ficar em casa.”

E a pessoa podendo responder:

“Eu preferia. Minha vida mudou.”

Ou:

“Seus dados mostram determinado comportamento.”

E ela conseguindo perguntar:

“De qual período estamos falando?”

Ou ainda:

“Seu perfil indica determinada categoria.”

E a pessoa perguntando:

“Quais dados produziram essa inferência?”

A IA deixa de apenas apresentar uma conclusão.

Abre-se novamente o processo.

O direito de responder ao algoritmo

Isso não significa permitir que alguém simplesmente apague fatos porque não gosta deles.

Um acontecimento registrado não deixa de ter acontecido porque discordamos dele.

Precisamos distinguir:

dado primário → processamento → inferência → interpretação.

É principalmente nas últimas etapas que diferentes possibilidades podem surgir.

Vinicius Romanini e a tradição semiótica que atravessa seu trabalho tornam-se importantes para nossa série justamente aqui: uma representação não deve ser confundida com aquilo que representa.

Ricardo Gudwin, indicado a este ensaio pelo pesquisador Alfredo Pereira Jr., acrescenta outra dimensão por meio de seus trabalhos com arquiteturas cognitivas e Cognitive Twins: sistemas computacionais podem aprender aproximações cada vez mais sofisticadas do comportamento de agentes.

Quanto melhor fica o espelho, porém, mais importante se torna lembrar:

o espelho não é aquilo que reflete.

Uma IA pode aprender muito sobre mim.

Mas precisa preservar espaço para estar errada sobre mim.

E precisa preservar algo ainda mais importante:

meu espaço para mudar.

Hipótese BrainLatam: restituição

Chegamos então à primeira hipótese desta W41/2026:

Dados e inferências produzidos a partir de um Corpo-Território deveriam poder retornar a esse Corpo-Território em formas que ele consiga compreender, interpretar, contestar e transformar, sem que a representação produzida pelo sistema adquira automaticamente o estatuto de verdade sobre o Ser.

Chamamos esse movimento de restituição.

Restituir não é disponibilizar um arquivo.

É devolver capacidade de participação.

Talvez seja exatamente aí que comece uma IA Personalíssima.

Não em uma máquina capaz de dizer:

“Eu sei quem você é.”

Mas em uma relação na qual ainda seja possível responder:

“Isso é o que seus dados conseguem dizer sobre mim agora. Eu também participo desse significado — e ainda posso mudar.”

Até aqui falamos de um Corpo-Território.

Mas um Estado é constituído por milhões deles.

Cada um produzindo dados, significando, mudando e carregando possibilidades que nenhum banco de dados consegue antecipar completamente.

O que aconteceria se essas diferenças pudessem tornar-se inteligíveis umas às outras sem precisarem desaparecer?

É aqui que começa a aparecer uma palavra que acompanhará esta série:

Jiwasa — “A gente”: sentir pertencimento sem precisar reduzir o Ser.

Ainda não precisamos falar sobre inteligência coletiva.

Primeiro precisamos devolver o dado.

Porque talvez o futuro coletivo não comece quando uma inteligência artificial finalmente consegue conhecer todos.

Talvez comece quando cada um recupera a possibilidade de participar daquilo que está sendo conhecido sobre si.

O dado precisa voltar para quem o produziu.

Referências comentadas — América Latina, pós-2021

ACOSTA, Laura Débora; RIBOTTA, Bruno. Visibilidad estadística y mecanismos participativos de los pueblos indígenas en América Latina: avances y desafíos. CEPAL, 2022.
Ajuda a distinguir a simples produção de estatísticas sobre populações da participação dessas populações na construção, interpretação e utilização das informações que as representam.

GONZÁLEZ ZEPEDA, Luz Elena; MARTÍNEZ PINTO, Cristina Elena. Inteligencia artificial centrada en los pueblos indígenas: perspectivas desde América Latina y el Caribe. UNESCO, 2023.
Importante para pensar IA a partir da diversidade cultural latino-americana, dos direitos, da identidade e da participação dos povos indígenas no desenvolvimento tecnológico.

MAIA, Marcus. Focalizando e Topicalizando na língua Karajá: brincando epilinguisticamente. UFRJ, 2022.
Contribui para a pergunta que será aprofundada no próximo blog: o que realmente significa fazer uma informação retornar “na linguagem de cada um”, especialmente quando consideramos diferentes estruturas linguísticas e culturais.

ROMANINI, Vinicius. Semiose, inteligência e inferência ativa. deSignis, 2025.
Oferece uma ponte entre semiose, cognição e inteligência, permitindo distinguir representação, interpretação e aquilo que está sendo representado.

RIPOLL, Leonardo; ROMANINI, Vinicius. Considerações sobre a dimensão estética semiótica da desinformação no âmbito da pós-verdade e no desenvolvimento da inteligência artificial. Tríades, 2025.
Relevante para compreender como informação e significado não são equivalentes e como processos interpretativos participam da relação entre seres humanos, signos e sistemas artificiais.

GIBAUT, Wandemberg; GUDWIN, Ricardo R. Building a Cognitive Twin Using a Distributed Cognitive System and an Evolution Strategy. 2025.
A proposta de Cognitive Twin mostra a possibilidade de construir modelos computacionais que aprendem aproximações comportamentais de agentes. Para a hipótese BrainLatam, oferece também o contraponto fundamental: um modelo cada vez melhor de alguém continua não sendo aquele alguém.

W41/2026 — CEPID da IA Personalíssima ao Futuro Coletivo

Hipótese BrainLatam: o dado não retorna verdadeiramente ao Corpo-Território apenas quando é disponibilizado. Ele retorna quando quem o produziu pode voltar a participar do processo pelo qual esse dado adquire significado.