A filosofia vai comer a IA

Desde que Marc Andreessen anunciou que “o software está comendo o mundo”, muita coisa aconteceu. O software realmente devorou mercados, profissões, processos. Mas depois veio a inteligência artificial, e com ela a promessa de que agora as máquinas aprenderiam sozinhas, preveriam tudo, entenderiam contextos, produziriam conteúdo, fariam escolhas. E, claro, também comeriam o software. Mas agora surge uma nova camada nessa cadeia alimentar tecnológica: a filosofia. Sim, ela mesma, aquela disciplina esquecida em salas abafadas de faculdade, está de volta à mesa como ingrediente estratégico central para que a IA gere valor de verdade.

A tese é simples e poderosa: sem propósito claro, sem estrutura conceitual coerente e sem uma reflexão consciente sobre o que se quer da IA, tudo que se terá são modelos sofisticados fazendo coisas erradas com extrema eficiência. 

O olhar teleológico

Esse foi exatamente o caso da Google com um episódio do Gemini. Na tentativa de tornar sua IA generativa mais “justa” e “diversa”, o sistema começou a produzir imagens historicamente absurdas, como os chamados “pais fundadores americanos” retratados como negros ou vikings com aparência asiática. A falha, longe de ser apenas técnica, foi antes de tudo teleológica, ou seja, de propósito. A empresa não definiu o que era mais importante: representatividade ou precisão histórica. Resultado: ficou com a pior parte de ambos.

Esse tipo de confusão entre objetivos acontece quando empresas delegam à IA decisões sem antes definirem com clareza o que valorizam, por que valorizam e até onde certas concessões fazem sentido. A isso se dá o nome, em filosofia, de teleologia, o estudo do propósito. Sem uma hierarquia de propósitos, os algoritmos se perdem tentando agradar a todos, e terminam não agradando ninguém. A IA não é neutra. Ela é treinada com objetivos que refletem decisões humanas. Se esses objetivos são mal definidos ou contraditórios, o sistema apenas amplifica a confusão.

O olhar ontológico

Outro exemplo está na forma como as empresas usam IA para buscar lealdade do cliente. Parece uma meta razoável, mas o que significa exatamente “lealdade”? Muitas vezes, a definição é dada por métricas como NPS, frequência de compra ou churn. Mas isso é apenas uma proxy quantitativa. Starbucks, por exemplo, entendeu que sua missão era menos sobre recompensas e mais sobre “conexão”. Neste caso, a ontologia (isto é, a natureza do que algo é) da experiência Starbucks envolvia interação humana, ambiente, afeto. Por isso, sua IA “Deep Brew” foi desenhada não só para recomendar cafés, mas para facilitar experiências que gerassem vínculos.

O olhar epistemológico

A Amazon também foi além. Jeff Bezos não queria apenas que os clientes comprassem mais. Ele queria que se sentissem protegidos, reconhecidos, valorizados. Criou o Amazon Prime como um “fosso” de proteção em torno dos melhores clientes, usando dados e algoritmos para identificar, entender e recompensar esses consumidores. A lógica aqui foi epistemológica, termo filosófico que trata do que constitui conhecimento e como o adquirimos. A Amazon usou IA para conhecer melhor seus clientes, mas com uma intenção clara: fortalecer a reciprocidade como fundamento do relacionamento.

A próxima fronteira, porém, não é apenas sobre conhecer e influenciar. É sobre dar agência à IA. Isso significa que os sistemas não serão apenas reativos (responder a comandos), mas proativos (tomar decisões com base em metas, contextos, dilemas). E para que esses agentes ajam de forma útil, é preciso treiná-los com mais do que dados. É necessário dar a eles estrutura filosófica. Treinamento teleológico (propósitos), epistemológico (formas de saber), ontológico (compreensão do que é o mundo) e ético (capacidade de julgamento moral).

Como dar autonomia para a IA

Esse tipo de IA foi ilustrado com uma analogia reveladora: o Ozempic versus Vigilantes do Peso. Ozempic é a solução rápida, automática, química. Os Vigilantes do Peso exigem esforço, disciplina, mudança de mentalidade. Muitos líderes querem usar IA como usam Ozempic: para resolver sem pensar. Mas o ganho real vem quando a empresa repensa suas crenças, seus processos, suas métricas, e então desenha a IA como um espelho dessas decisões. IA sem filosofia é só um motor potente rodando no vazio.

Um agente inteligente de verdade (por exemplo, um sistema de IA que gere cadeias de suprimento) não deveria apenas recomendar “aumentar ou reduzir estoque.” Deveria ser capaz de analisar o contexto global, projetar consequências, considerar relacionamentos estratégicos, e propor soluções que respeitam os valores e as prioridades da empresa. Para isso, é necessário uma IA com um tipo de “consciência arquitetada”, onde cada decisão carrega um embasamento filosófico, mesmo que implícito. E se esse embasamento não for escolhido deliberadamente, será herdado de vieses dos dados ou da cultura inconsciente da organização.

A boa notícia, e talvez a mais surpreendente para quem ainda associa filosofia a abstrações inalcançáveis, é que essa abordagem não é esotérica, inacessível ou incompatível com a lógica prática dos negócios. Pelo contrário: ela pode ser traduzida em ações claras, estruturadas e perfeitamente viáveis, mesmo em ambientes corporativos pressionados por entregas e métricas. Pensar filosoficamente não significa parar para meditar, mas criar estruturas que obriguem a empresa a se perguntar: “o que estamos tentando fazer, por que isso importa, como isso se sustenta e o que justifica nossas decisões?” À medida que delegamos mais decisões à inteligência artificial, torna-se urgente criar um ambiente em que máquinas e humanos compartilhem não apenas tarefas, mas fundamentos de julgamento. A seguir, estão os principais passos práticos para institucionalizar essa filosofia aplicada à IA:

Desenvolver playbooks filosóficos para IA

Não se trata apenas de documentar processos técnicos ou decisões operacionais, mas de registrar os princípios que orientam cada decisão automatizada. O playbook filosófico funciona como uma constituição da IA: ele define quais propósitos são prioritários (teleologia), quais verdades são aceitáveis como base para ação (epistemologia) e quais elementos definem a realidade que o sistema deve representar (ontologia). Isso evita que a IA tome decisões que “fazem sentido técnico” mas contrariam o ethos organizacional.

Estabelecer protocolos éticos claros e aplicáveis

Ética na IA não pode ser uma seção decorativa em apresentações de PowerPoint. Deve se traduzir em limites de ação concretos, critérios de supervisão humana e mecanismos de responsabilização. Os protocolos precisam responder perguntas como: “em quais situações a IA deve pedir ajuda?”, “quando é aceitável correr riscos morais?” e “quem responde por uma decisão automatizada malfeita?”. Isso transforma a ética em infraestrutura operacional, não em ornamento retórico.

Mapear a arquitetura de colaboração entre humanos e máquinas

Nem tudo deve ser automatizado, nem tudo precisa de validação humana. Mas é preciso clareza sobre quais tarefas serão automatizadas, quais serão aumentadas pela IA e quais permanecerão exclusivamente humanas. Esse mapeamento, do que os autores chamam de spectrum automation-augmentation, permite um desenho organizacional mais inteligente, onde o talento humano é usado onde faz diferença e a IA opera onde pode escalar valor.

Criar dashboards que monitorem o aprendizado, não só o desempenho

Em vez de apenas rastrear outputs (como acurácia, velocidade ou volume), os sistemas de monitoramento devem incluir indicadores que revelem se o modelo está aprendendo de forma qualitativamente melhor. Isso inclui avaliar se o sistema melhora com o uso, se corrige erros antigos, se evita vícios e, principalmente, se responde melhor aos objetivos filosóficos traçados. É como medir a evolução de um raciocínio, não apenas o resultado de uma conta.

Implementar ciclos de revisão e realinhamento filosófico

Assim como revisamos metas de negócio, também é necessário revisar as ideias que guiam a IA. Com o tempo, os objetivos da empresa mudam, o contexto se transforma, e aquilo que antes fazia sentido pode se tornar disfuncional. Os ciclos de realinhamento servem para garantir que o sistema (e seus criadores) continuem alinhados com os valores que importam, e não apenas com os indicadores de curto prazo.

Essa virada da “gestão de recursos” para a “gestão de razões” não é um modismo intelectual, mas uma exigência prática do mundo em que algoritmos têm poder decisório. Quanto mais a IA aprende, decide e influencia, mais perigoso se torna deixar suas ações desconectadas de fundamentos racionais e morais claros. É nesse ponto que a filosofia se torna infraestrutura.

O que está em jogo, no fundo, é uma mudança de paradigma. A IA não será apenas uma tecnologia. Será uma filosofia operacional em larga escala. E, como tal, pode transformar a forma como empresas pensam sobre propósito, valor, decisão e aprendizado. Filosofia não é um acessório. É o sistema nervoso da IA que queremos criar. E ignorá-la não nos livra dela. Apenas nos torna reféns de filosofias ruins, invisíveis e mal pensadas. É tempo, portanto, de colocar a filosofia à mesa, antes que a IA nos sirva respostas rápidas para perguntas mal formuladas.

Baseado no artigo e video Philosophy Eats AI, de Michael Schrage and David Kiron, 16/01/2025. Link: https://sloanreview.mit.edu/article/philosophy-eats-ai/