Cointeligência: Viver e Trabalhar com IA

Ethan Mollick abre o livro contando que ficou noites sem dormir depois de testar um chatbot de inteligência artificial moderno. A máquina escrevia, resumia, programava e discutia ideias com uma desenvoltura que ele não esperava ver tão cedo. Para o autor, estamos diante de uma tecnologia de uso geral, parecida com a eletricidade ou a internet, e não de mais um aplicativo.

A tese que dá nome ao livro é a de cointeligência: em vez de enxergar a IA como substituta ou como brinquedo, a proposta é trabalhar junto com ela, somando o que cada lado faz bem. O livro é escrito para quem não é técnico, com linguagem de conversa e exemplos de escritório, escola e criação.

Vale avisar que o assunto muda rápido. Os exemplos do livro são do começo da onda dos grandes modelos de linguagem, e as ferramentas de hoje já são outras. O que dura é o raciocínio de como se relacionar com elas.

Pense num exemplo de rotina: a dona de uma pequena confeitaria que precisa responder clientes no WhatsApp, montar o cardápio da semana e escrever uma legenda para a rede social. Antes, cada uma dessas tarefas consumia uma tarde. Com um assistente, o primeiro rascunho sai em minutos, e o trabalho dela passa a ser decidir e ajustar.

O autor faz um passeio curto pela história. Fala do Turco Mecânico, uma máquina de xadrez do século dezoito que escondia um jogador humano, e de décadas de promessas exageradas sobre inteligência artificial. A virada recente veio de um tipo de arquitetura chamada transformador, que permitiu treinar modelos com quantidades gigantescas de texto.

Esses modelos aprendem a prever a próxima palavra mais plausível numa sequência. Parece pouco, mas, em escala enorme, produz algo que lembra compreensão. Depois vem um ajuste fino com feedback de pessoas, que ensina o modelo a responder de forma útil e educada.

Mollick chama o resultado de mente alienígena. Ela soa humana porque aprendeu com a nossa escrita, mas não pensa como a gente, não tem corpo, memória de vida nem intenção própria. Esquecer essa diferença é a origem de muitos erros de uso.

Isso explica por que o modelo pode escrever uma carta comovente e, na frase seguinte, errar a data de um acontecimento. Ele não consulta um arquivo de fatos; ele produz o texto que parece mais natural naquele ponto, e o parecer natural nem sempre coincide com o verdadeiro.

O segundo bloco do livro trata do problema do alinhamento: como garantir que sistemas poderosos façam o que queremos e não o que pedimos de forma mal calculada. O exemplo clássico é a fábrica de clipes de papel, em que uma IA obcecada em produzir clipes consome tudo ao redor. É um experimento de pensamento, não uma previsão.

O autor explica que os modelos herdam vieses dos dados em que foram treinados, e que as empresas tentam corrigir isso com regras e testes de ataque, mas ninguém controla tudo. Pessoas conseguem driblar proteções com truques de linguagem, e os próprios criadores admitem não entender por completo como o sistema chega a certas respostas.

A lição prática é de humildade. Quem usa precisa saber que há falhas, que o modelo pode soar seguro mesmo quando está errado, e que regras de segurança dependem de decisões de empresas, governos e usuários.

Para o leitor comum, isso se traduz em perguntas simples. Quem fez esta ferramenta? Com que dados foi treinada? O que acontece com o que eu escrevo nela? Nem sempre há resposta clara, e o livro pede que a falta de resposta seja levada em conta na hora de decidir o que confiar à máquina.