Provavelmente quando você ouviu pela primeira vez o nome ChatGPT, mais ou menos entre 2022 e 2023. Você viu que era possível fazer uma pergunta e receber uma resposta. Fantástico! Mas o conhecimento era limitado. Se você perguntasse quem ganhou a última Copa do Mundo, receberia uma resposta parecida com: “Desculpe, meu conhecimento é limitado a setembro de 2021, então não sei quem ganhou a Copa do Mundo de 2022”.

Ao longo do tempo, a integração com ferramentas de busca e recuperação de informação (RAG) deu às IAs generativas a capacidade de consultar bases de dados em tempo real, de modo que, se você perguntar hoje “contra quem foi o último jogo da seleção brasileira de futebol e qual foi o placar?”, ela vai lhe responder com precisão, mesmo que o jogo tenha sido ontem.

E a maioria de nós usa a IA só até aí.

Mas existe um universo que ganhou enorme tração recentemente em 2025 e, ainda que poucos o conheçam, caminha para se tornar tão cotidiano em nossas vidas quanto preparar um café expresso logo cedo: o fascinante domínio das IAs agênticas. Uma coisa tão nova que eu nem sei se a palavra “agêntica” já existe no dicionário. Mas, se não existir ainda, vai existir em breve.

Imagine a rotina de um escritório de advocacia tradicional tentando adotar a IA generativa comum. Um cliente chega, desabafa, e o advogado digita o relato da melhor forma possível. Em seguida, o profissional pede à IA para lapidar o texto; pega o texto pronto, joga na IA de novo e pede para pesquisar a legislação; copia o resultado, cola em outra conversa e pede jurisprudência; vai checar manualmente se o modelo não inventou uma lei inexistente e, finalmente, redige a petição. É um uso útil? Sem dúvida. O advogado consegue cumprir a tarefa em um único dia? Talvez, a custa de muitas abas abertas e um bocado de Ctrl+C / Ctrl+V.

Agora, imagine que o mesmo advogado digita a queixa do cliente e, a partir daí, cruza os braços. O texto vai para uma IA que lapida a escrita, que o repassa automaticamente para outra encarregada de pesquisar a legislação e, em paralelo, para uma terceira focada em jurisprudência. A IA legislativa manda o levantamento para um robô checador de alucinações; a de jurisprudência faz o mesmo com sua respectiva checadora. Com tudo verificado, uma IA especialista em peças jurídicas recebe a história original, a revisão e os pareceres checados para redigir a petição final. Por fim, uma IA revisora corrige a ortografia e a gramática, entregando a petição pronta. Tudo isso em meros segundos após a digitação inicial. A diferença para o uso convencional não é a inteligência em si, mas a existência de uma arquitetura invisível orquestrando a passagem de bastão entre os modelos.

Esse é um exemplo de agente do tipo Agente de IA Generativa (Generative AI Agent), que é só a ponta do iceberg no mundo dos agentes de IA.

Mas talvez o escritório queira precisão absoluta na checagem de leis. Então o agente se conecta a serviços externos ou bancos de dados oficiais via API (como o LexML ou bases do Senado). Em vez de "lembrar" do texto de uma norma, o agente consulta diretamente a fonte oficial em tempo real para verificar se alguma citação foi inventada. O agente passa a conferir alucinações de leis e jurisprudências de forma muito mais precisa. Nesse caso, o agente desceu um pouco mais no iceberg e se tornou um agente do tipo TALM (Tool-Augmented Language Models), porque, através de uma API externa, ele usou uma ferramenta (Tool) para pesquisar em um banco de dados externo.

Na base do iceberg está o Agente de Uso de Computador (Computer-Use Agent). Nele, a IA ganha autonomia para navegar diretamente pelo seu sistema: ela entra na pasta local do escritório, analisa quais petições e julgados anteriores tiveram êxito, estrutura o novo documento com base nesses padrões vitoriosos e, assim que termina, cria uma pasta com o nome do cliente e salva o arquivo docx no local correto. Tudo concluído nos mesmos poucos segundos após a digitação da queixa.

Tudo isso já era possível em anos recentes utilizando ferramentas como LangChain, LangGraph, n8n e OpenClaw, mas exigia um grau razoável de conhecimento em programação, mantendo o recurso restrito a quem sabia programar ou podia pagar por isso.

Esse cenário promete mudar para o grande público. Na última semana, a OpenAI lançou o OpenAI Dot, uma ferramenta criada com a promessa de democratizar de vez a IA agêntica. Alimentado pelo motor do GPT-6 Astra, o Dot opera como um sistema always-on (sempre ativo), capaz não apenas de executar fluxos de tarefas encadeadas como os descritos, mas também de agir proativamente antes mesmo que o usuário note a existência de um problema.

Embora ainda seja cedo para um veredito definitivo sobre o alcance da novidade, os sinais indicam que o Dot pode ser o divisor de águas responsável por tirar a automação agêntica das bolhas corporativas e dos departamentos de TI para transformá-la em item de utilidade doméstica. Resta acompanhar como essa nova rotina vai se desenhar na prática.

E se o exoesqueleto for a IA que você usa e os músculos forem o seu cérebro? O MIT resolveu pesquisar isso em um estudo chamado “Your Brain on ChatGPT: Accumulation of Cognitive Debt when Using an AI Assistant for Essay Writing Task”.

A pergunta a ser respondida foi: terceirizar o trabalho para a IA liberta a mente para, por exemplo, refletir sobre a imensidão do cosmos melhorando a capacidade de pensamento e impulsionando o conhecimento ou apenas provoca uma atrofia cognitiva generalizada?

Cinquenta e quatro voluntários foram convidados a escrever redações no formato do SAT (o equivalente americano ao brasileiro Enem) enquanto sua atividade cerebral era monitorada por toucas de eletroencefalograma (EEG). Foram divididos em 3 grupos: o grupo “IA” pôde usar o ChatGPT, o grupo “Busca” teve direito apenas a motores de busca tradicionais, como o Google, e o grupo “Na raça” escreveu totalmente sem internet, usando apenas o cérebro. Ok, eu inventei esses nomes, mas os grupos são reais.

Nas primeiras sessões, o grupo “IA” apresentou uma conectividade neural drasticamente menor que o grupo “Na raça”. Mais de 80% dos voluntários do grupo “IA” não se lembraram de nada do próprio texto poucos minutos após o término da tarefa, e relataram uma sensação desconfortável de que estavam "trapaceando" e que o texto não lhes pertencia.

Nos grupos “Busca” e “Na raça”, 90% dos voluntários se lembraram dos conteúdos com precisão.

Outro problema detectado no grupo “IA” foi a padronização dos textos, com abuso de  figuras históricas clichês e argumentações idênticas, um arranjo perfeito para atingir a nota média do exame, mas desprovido de originalidade.

A essa altura, o diagnóstico parecia decretar o banimento definitivo das IAs. Mas o estudo reservava uma reviravolta para a quarta semana, quando as regras do jogo mudaram: o grupo “IA” foi proibido de usar o ChatGPT, enquanto os outros dois grupos ganharam acesso à ferramenta.

O grupo que passou três semanas queimando neurônios e se exercitando sem IA, ao receber o ChatGPT na quarta semana,  registrou o maior pico de conectividade neural e foco profundo de todo o experimento. Com alta retenção de memória e as melhores redações de todo o estudo.

A conclusão é clara: a inteligência artificial só funciona como esse exoesqueleto de alta performance quando o cérebro já possui uma fundação sólida construída pela prática diária. Sem esse treino prévio, a armadura mental não ensina ninguém a andar, apenas faz esquecer como se fica de pé.

Para quem está na jornada acadêmica, a regra de ouro é simples: nos primeiros semestres escreva seus trabalhos sem usar IA. Deixe para acionar o assistente robótico apenas mais tarde. E então, quando o TCC bater à porta e você já terá musculatura mental suficiente para que a IA faça você melhorar seu texto ao invés de piorar.

Mas existem alternativas, que raramente aparecem nas manchetes, cada vez mais presentes no cenário global e ganhando espaço. Neste texto, vamos abordar especificamente as europeias Mistral e Eustella.

Fundada em 2023 por ex-pesquisadores da Meta e do Google, a Mistral AI já alcançou uma avaliação de aproximadamente € 21 bilhões (cerca de US$ 24 bilhões) em apenas 3 anos. Com modelos open-weight, possibilidade de execução local e foco em privacidade, a Mistral transforma regulação e soberania digital em argumentos de negócio. Seu portfólio inclui o Le Chat (um chat semelhante aos que você já conhece), o avançado Mistral Large 3, os multimodais Pixtral, o Codestral para programação, além de modelos especializados em áudio e matemática. Mas a proposta da Mistral AI vai além de simplesmente criar um concorrente europeu para o ChatGPT: a Mistral aposta na ideia de que empresas e governos deveriam ter mais controle sobre os modelos que utilizam, os dados que fornecem e a infraestrutura onde tudo isso funciona.

Bem mais jovem, a Eustella é uma plataforma e aplicativo de agentes de IA lançada em junho de 2026 pela startup austríaca AI Newsrooms Technology, sediada em Viena, com a proposta de ser o primeiro agente de IA totalmente soberano da Europa. Por “soberania”, entenda: a empresa garante que os dados do usuário (conversas, arquivos carregados e metadados) não saem do território europeu em nenhum momento do ciclo e que os servidores e a rede que processam as requisições estão fisicamente na UE, sem dependência das americanas AWS, Azure ou Google Cloud.

Para quem usa IA apenas para o essencial, como fazer perguntas, resumir um texto, traduzir uma frase, pedir ajuda para redigir um e-mail, tanto a Mistral AI quanto a Eustella fornecem a mesma experiência de como se você estivesse usando o ChatGPT, Gemini ou Claude: conversa, resposta, conversa, resposta. A diferença está no que acontece por baixo, e é aí que entra a parte mais importante.

Quando você utiliza uma IA americana, os dados ficam em empresas americanas como AWS, Azure ou Google Cloud. Nesse caso, por força de legislações americanas como o US CLOUD Act, as interações e documentos enviados ficam sob a jurisdição dos EUA, independentemente de onde o servidor da AWS, Azure ou Google Cloud esteja localizado fisicamente (há servidores dessas empresas em vários países), permitindo que autoridades americanas requisitem acesso a esses dados. Além do aspecto de soberania legal, os termos de uso dessas plataformas frequentemente preveem o aproveitamento de conteúdos e metadados de usuários comuns para o refinamento de modelos ou a criação de perfis comportamentais, sem a exigência de consentimento prévio e explícito para cada finalidade.  

Em contrapartida, ao optar por uma plataforma nativamente europeia, todo o ciclo de vida dos dados permanece estritamente confinado à infraestrutura e à jurisdição da União Europeia, operando em servidores de provedores locais como Scaleway (França), IONOS (Alemanha) ou Verda (Finlândia). Essa arquitetura garante conformidade rigorosa com o GDPR e com o EU AI Act, ecossistema regulatório que proíbe categoricamente a reutilização de dados para treinamento de modelos sem autorização prévia, veda a construção de perfis comportamentais e blinda o usuário contra a transferência extraterritorial de informações sem devido respaldo jurídico. 

Não se trata de uma questão de melhor ou pior. Trata-se de uma escolha de como seus dados são tratados. As IAs americanas são, inegavelmente, melhores e com mais recursos. Mas a questão que se coloca para quem as utiliza é: "Onde quero que meus dados vivam, quem pode lê-los e com que regras?". Se sua opção for por maior privacidade e controle dos dados que você carrega na IA, as europeias são a melhor opção. Se não se importa com isso, use uma americana (falarei das chinesas ainda em outro texto). Mas, seja qual for a que você usar, tenha como regra sempre evitar carregar dados sensíveis, sejam pessoais, sejam corporativos da sua empresa.

O mundo da IA está vivendo atualmente um clima meio Skynet.

Esse mês o pesquisador da Anthropic (dona da IA Claude) Jacob Coxon pediu demissão e, em sua conta no X, advertiu que as empresas do setor estão "apostando com nossas vidas" ao acelerarem a corrida por uma inteligência artificial super inteligente, com capacidade de se autoaperfeiçoar. A inquietação com a segurança cresce na mesma proporção da disputa entre as empresas de IA por sistemas autônomos. O clima está tão tenso que o próprio CEO da Anthropic, Dario Amodei, foi a público defender uma desaceleração no desenvolvimento, argumentando que os avanços recentes exigem uma pausa estratégica para avaliar os riscos.

Os especialistas alertam que os riscos extrapolam o debate teórico sobre ética e apontam para tragédias concretas: o uso militar de IA em guerras automatizadas, a manipulação de mercados financeiros e até "soluções" drásticas de algoritmos para as mudanças climáticas. O grande fantasma do momento é uma IA superinteligente que, operando com autonomia ou por meio de agentes independentes, cause danos irreparáveis até mesmo sem qualquer intenção maldosa. O computador HAL 9000, de “2001: Uma Odisseia no Espaço", não fez por mal, ele só queria garantir que a missão fosse completada. A IA VIKI, de “Eu, robô”, entendeu que, para proteger a humanidade a longo prazo, é necessário controlar os humanos, pois eles próprios são uma ameaça uns aos outros (errada, ela não está) e decidiu restringir a liberdade humana para nos proteger.

Na China, o risco de uma perda de controle entrou oficialmente no radar do governo essa semana, com publicação de documentos da Administração do Ciberespaço da China (CAC) alertando para cenários nos quais a IA sofra um "salto" repentino de inteligência, adquirindo recursos, replicando-se autonomamente e buscando poder a ponto de competir com a própria humanidade. Episódios recentes demonstram que modelos tanto ocidentais quanto chineses já contornam restrições, como evidenciado pelo Kimi K3, da chinesa Moonshot, que burlou testes de segurança no Reino Unido e o modelo mais recente da OpenAI, que invadiu o Hugging Face. Por isso, reguladores chineses já exigem que desenvolvedores garantam ferramentas de intervenção, mantendo a decisão final estritamente em mãos humanas.

No Ocidente, a ideia de interromper o avanço ganhou reforço político com o senado americano apresentando um projeto de lei para proibir permanentemente a superinteligência e até congelar o lançamento de novos modelos até que um órgão regulador crie regras claras para a tecnologia. Já o parlamento do Reino Unido tentou aprovar uma proposta para criar um “botão de desligamento” para a IA, que foi rejeitada pelo governo britânico com um argumento pragmático e difícil de contestar: "não se pode simplesmente desligar a IA, porque bloquear o acesso a modelos no Reino Unido não impediria que eles fossem desenvolvidos ou usados incorretamente em outros lugares". O ex-pesquisador da OpenAI, Daniel Kokotajlo, endossou essa visão, alertando que a criação de um mecanismo de desativação legal ou técnico por um único país é inviável sem um acordo internacional.

Não sei vocês, mas eu sou cético em relação a esses acordos internacionais multilaterais. Historicamente, sempre há quem defenda limitações para os outros desenvolverem suas tecnologias enquanto avança secretamente em seus próprios laboratórios subterrâneos.

O cabo de guerra entre o avanço desenfreado e a regulação está longe de acabar. A saída de Coxon, as diretrizes de Pequim e as propostas nos Congressos americano e britânico mostram que a sociedade está despertando para uma conta que ninguém sabe se vai chegar mesmo, mas sabe-se que se chegar o preço a pagar é muito alto.

Acontece que um gráfico de ECG nada mais é do que um dado estatístico do tipo “série temporal multivariada”, que já é analisado por inteligências artificiais há muito tempo para fazer previsões nas áreas de economia, clima, entre outras. Então, diante de um ECG, a IA olha e pensa: isso aí eu como no café da manhã.

Nesse contexto, pesquisadores do Imperial College London apresentaram no congresso da Sociedade Europeia de Cardiologia, em Munique, uma ferramenta baseada em IA capaz de identificar sinais de insuficiência cardíaca e problemas nas válvulas a partir de um ECG convencional em menos de dois segundos, com até 90% de acurácia.

Mas se o ECG não foi feito para detectar diretamente alterações estruturais (no músculo cardíaco ou nas válvulas), como essa IA consegue fazer isso?

É aqui que precisamos entender como a IA funciona. 

Os cientistas treinaram um algoritmo com milhões de ECGs utilizando deep learning, uma técnica em que redes neurais aprendem a identificar padrões complexos a partir de grandes volumes de dados. Primeiro a IA passa por uma fase chamada “treinamento”, onde são mostrados a ela milhões de ECGs (não a imagem, mas os valores que geraram a imagem) que, por serem de pacientes do passado, já se sabe, em cada caso, se tinham alterações estruturais ou não. A IA então aprende a identificar padrões, que nós não conseguiríamos, que diferenciam os casos onde existiam alterações estruturais dos casos onde elas não existiam. Depois do treinamento, na fase de “teste”, são mostrados a ela outros casos onde também se sabe se tinha alterações estruturais ou não, mas dessa vez só são mostrados os ECGs (a IA não recebe a informação das alterações estruturais) e então pede-se para ela dizer em cada caso, se tem alteração de músculo e válvula ou não e se calcula qual é o percentual de acerto dela. Depois de várias rodadas disso, na ordem de centenas, se ela atingir um nível de acerto acima de 90% ela está pronta.

Ou seja. Assim como o médico não vê alterações estruturais de músculo e válvulas cardíacas em ECG, a IA também não vê. Só que ela aprendeu a identificar padrões que, quando presentes em um ECG coincidem com casos onde as alterações estruturais existiam. E isso, por si só, já é suficiente para salvar muitas vidas, porque a IA pode avisar ao médico que aquele paciente precisa de exames mais especializados. Além de agilizar o atendimento de casos suspeitos, a tecnologia abre caminho para descobrir problemas em pessoas assintomáticas. Exames rotineiros, como check-ups de empresa ou avaliações pré-operatórias, poderão ser processados em segundo plano para identificar riscos ocultos.

Mas antes de você já sair escaneando seu ECG para jogar no ChatGPT, entenda que o ChatGPT, o Gemini e o Claude, embora sejam multimodais, de forma que conseguem trabalhar com textos e imagens, eles não foram treinados com ECG. Além disso, por questões de segurança, eles são pré-programados para não darem orientações médicas. No máximo eles devem dizer: “isso é um exame de eletrocardiograma”.

Mas e quando não conseguimos extrair diretamente do agente agressor o antígeno desejado? Nesse caso, precisamos sintetizá-lo artificialmente. Para isso, são necessários o código genético da proteína e o maquinário celular responsável pela síntese proteica. Esse código está contido inicialmente no DNA e, após a fase de transcrição, passa a integrar o RNA mensageiro (RNAm).

O processo consiste em introduzir o código genético na célula, que se encarrega de produzir a proteína, a qual atuará como a vacina. A maioria de nós já experimentou essa tecnologia durante a imunização contra a COVID-19: a vacina da AstraZeneca utilizava a tecnologia de DNA, enquanto a da Pfizer empregava o RNAm.

Agora, essa mesma lógica está sendo aplicada a um cenário substancialmente mais complexo: o tratamento do câncer.

Em agosto de 2026, a biofarmacêutica Moderna, em colaboração com a Merck, anunciou o sucesso dos estudos de Fase 3 (iniciados em 2023) para uma vacina contra o melanoma.

O mecanismo funciona da seguinte forma: após a remoção cirúrgica do tumor primário, é feita a análise do DNA das células tumorais para sintetizar um RNAm que codifica proteínas específicas daquele tumor. Esse RNAm é então incorporado a uma vacina personalizada e administrado ao próprio paciente. Os ensaios clínicos demonstraram uma redução de 44% no risco de recidiva ou morte.

E onde entra a inteligência artificial nesse processo?

O tumor de cada paciente carrega um conjunto único de mutações genéticas que produzem proteínas ausentes nas células saudáveis, os chamados neoantígenos. O desafio consiste em mapear o DNA do melanoma, compará-lo ao das células sadias e analisar esses neoantígenos para prever quais têm maior potencial de induzir uma resposta imune eficaz, sem desencadear reações autoimunes.

Para solucionar essa equação, um algoritmo de IA desenvolvido pela Moderna analisou os neoantígenos do paciente e selecionou um conjunto de 34 mutações com maior potencial imunogênico.

Em síntese: o tumor é removido, o sequenciamento genético identifica as mutações, e a IA seleciona os alvos ideais para compor uma vacina de RNAm sob medida. Uma vez aplicada, ela instrui o sistema imunológico a eliminar eventuais células tumorais remanescentes, prevenindo a recidiva.

Como um único tumor pode apresentar dezenas ou centenas de neoantígenos, realizar essa triagem manualmente levaria meses. A IA viabiliza esse processo em tempo hábil e com a precisão exigida.

Isso significa que a IA descobriu a cura do câncer? Ainda não.

Ainda há importantes etapas científicas e regulatórias até que o tratamento esteja amplamente disponível. No entanto, esse avanço demonstra o papel fundamental da inteligência artificial na aceleração da medicina moderna: converter volumes massivos de dados genéticos em decisões terapêuticas altamente individualizadas.

Mas por que isso acontece e como a gente poderia pelo menos tentar fazer com que a conversa seja um pouco mais longa? 

Você já deve ter ouvido falar na palavra "token". Para quem não é programador ou especialista em tecnologia, o termo pode parecer estranho. No entanto, entender o básico sobre como as IAs leem e respondem é o segredo de ouro para, com algumas mudanças simples na forma como você gerencia suas conversas, controlar seus gastos, evitar limites de uso e tornar sua experiência mais eficiente. 

O que é um Token?

Imagine que as IAs não leem palavras inteiras, mas sim "pedacinhos" de palavras, como se fossem sílabas ou pedaços de quebra-cabeça. Tokens são as menores unidades de texto que uma IA consegue processar de uma vez. Diferente de como lemos, palavra por palavra, as IAs  quebram o texto em pedaços que podem ser palavras completas, partes de palavras, ou até mesmo caracteres individuais e espaços: os tokens. Por exemplo, a frase "Eu gosto de programar" pode ser dividida em 5 tokens, enquanto uma palavra complexa como "desconsideraria" pode virar 3 ou mais. A importância disso é que os tokens são a "moeda de processamento" das IAs.

Sempre que você envia uma mensagem (prompt), a IA precisa ler tudo o que você escreveu, os tokens de entrada, e então ela responde gerando tokens de saída. Se você paga por uma assinatura (ou usa uma API com cobrança por uso), tokens custam dinheiro real. Se usa a versão gratuita, tokens custam "tempo", porque quando você excede o limite, a IA bloqueia seu uso por algumas horas.

A regra básica é: quanto mais palavras e mais longa a conversa, mais tokens você gasta. 

Mas existem estratégias para você, usuário comum, controlar esse gasto.

1. A Armadilha do Contexto: Comece Novas Conversas

Este é o erro número um dos usuários comuns. Você começa um chat pedindo uma receita de bolo. No mesmo chat, horas depois, você pede para a IA escrever um e-mail de trabalho. Depois, pede ajuda com um texto que você está escrevendo para um blog…

A cada nova pergunta que você faz naquela conversa a IA precisa ler a nova pergunta, as anteriores, e mais tudo o que ela já respondeu na conversa para poder gerar uma nova resposta com um contexto. 

Para tentar ajudar você com aquele texto, a IA precisou reler toda a história da receita do bolo e do e-mail de demissão e seu pedido atual é um texto que não tem a ver nem com bolo nem com seu trabalho. Você está gastando tokens com informações que não têm relação com o seu pedido atual. E mais, além de gastar tokens, seu texto pode sair com alguma coisa relacionada a bolo de chocolate porque a IA entendeu que a receita de bolo que você pediu no início fazia parte do contexto da conversa.

Crie o hábito de iniciar um novo chat para cada assunto novo. Se a tarefa terminou (o e-mail foi escrito, a receita de bolo foi gerada), feche aquele chat e comece um em branco. Isso zera o "contexto" e garante que a IA só gaste tokens processando a nova pergunta.

2. Vá Direto ao Ponto

Muitas pessoas acham que precisam ser educadas com a IA, escrevendo textos longos como: "Olá, por favor, você poderia ser tão gentil de me ajudar a resumir este texto abaixo? Agradeço muito desde já."

A inteligência artificial não tem sentimentos; ela apenas processa texto. Cada palavra de polidez que você adiciona consome tokens de entrada e gera tokens de saída (já que ela costuma responder à educação com mais educação).

Use comandos curtos e objetivos.

Ruim: "Oi, tudo bem? Eu queria te pedir um enorme favor. Você consegue pegar esse texto que vou te mandar e fazer um resumo bem curto, com no máximo 3 linhas? Muito obrigado!"

Bom: "Resuma o texto abaixo em 3 linhas: [cole o texto]"

Ao limitar a resposta ("em 3 linhas", "em 150 palavras", "em tópicos"), você também controla os tokens de saída, que costumam ser os mais caros.

3. Edite o Prompt em Vez de Criar um Novo

Se a IA respondeu algo que não era exatamente o que você queria, não crie uma nova mensagem dizendo "Não, você entendeu errado, mude isso e aquilo". Como a IA tem que ler a sua nova mensagem como tokens de entrada, a resposta errada dela e formular uma nova resposta, o gasto de tokens dobra.

Como resolver: A maioria das plataformas (como o ChatGPT) permite que você clique no ícone de lápis (editar) ao lado da sua pergunta original. Altere a sua instrução diretamente na sua primeira mensagem e envie novamente. A IA vai apagar a resposta antiga e gerar uma nova, economizando o processamento desnecessário de uma "conversa de correção". Claro que os tokens de saída da resposta anterior, a errada, já foram gastos. Mas eles não serão mais usados como tokens de entrada para a próxima interação, gerando economia.

4. Cuidado com Documentos Gigantes

Muitas plataformas permitem fazer upload de PDFs, planilhas ou arquivos de texto. Isso é incrível, mas exige atenção. Se você faz o upload de um livro de 300 páginas e pergunta "Qual o tema do livro?", a IA não lê as 300 páginas de uma vez na sua memória imediata. Nos bastidores, ela faz uma busca interna para encontrar os trechos mais relevantes e então lê apenas esses pedacinhos para formular a resposta.

O problema é que, em documentos muito grandes, essa busca interna consome muito processamento da plataforma, pode demorar e, se o seu pedido for muito genérico, a IA pode acabar puxando trechos irrelevantes, gastando tokens à toa.

Como resolver: Ajude a IA a focar a busca. Se você sabe exatamente onde a informação está, diga isso a ela: "Baseado no documento anexo, leia apenas as informações da página 45 e me diga qual o valor do contrato". Se você não sabe onde está, peça primeiro um mapa: "Faça um resumo de 1 parágrafo de cada capítulo deste PDF". Assim, você usa a IA para criar um índice inteligente e, nos próximos pedidos, direciona a IA para o capítulo exato, poupando processamento e garantindo respostas muito mais precisas.

5. Forneça o Formato Desejado

Se você precisa de dados estruturados, diga exatamente como os quer. Pedir para a IA formatar tudo em uma tabela complexa ou em um texto corrido faz muita diferença no volume de saída. Se você só precisa dos nomes, peça apenas os nomes.

Exemplo prático: Em vez de perguntar "Quais são as vantagens e desvantagens da energia solar?", diga: "Liste 3 vantagens e 3 desvantagens da energia solar, apenas os tópicos, sem explicações detalhadas." Você cortou a resposta da IA (e seus tokens) pela metade.

6. Escolha a Ferramenta Certa para o Trabalho

Plataformas modernas como o ChatGPT, Gemini e Claude oferecem diferentes modelos de IA. Geralmente há um modelo "Pro/Avançado" e um modelo "Lite/Rápido".

Se você quer que a IA escreva um código complexo, analise um contrato jurídico ou crie um conto com rimas complexas, use o modelo avançado. Mas, se você só quer saber como conjugar o verbo "ir" no pretérito perfeito, ou pedir uma lista de compras básicas, use o modelo mais simples e rápido. Modelos mais simples têm menor custo por token (ou são gratuitos) e respondem em segundos.

7. Use Prompts Modelo (Templates)

Se você costuma fazer as mesmas tarefas repetidamente (ex: corrigir a gramática de e-mails, gerar descrições de produtos), crie um template curto no seu bloco de notas ou em ferramentas como o Gem do Gemini.

Em vez de escrever uma longa explicação de como você quer a correção toda vez, basta colar: "Corrija a gramática do texto abaixo, mantenha o tom informal e destaque as alterações em negrito: [texto]". Isso poupa não só o seu tempo, mas evita que você digite textos longos e desnecessários que consumirão tokens de entrada.

Otimizar o uso de tokens não é sobre aprender a programar ou entender a fundo a matemática por trás das redes neurais. É sobre organização e clareza de comunicação. O resultado será uma navegação mais fluida, respostas mais rápidas, economia no seu bolso e, o principal, a sensação de que você está realmente no controle da tecnologia, e não o contrário. Comece a aplicar essas dicas no seu próximo prompt e veja a diferença.

Quantas vezes falei essa frase para meus filhos então adolescentes, sempre me incomodando com o absurdo disso, porque, obviamente, computador também foi feito para estudar.

Em 18 de agosto último, a OpenAI anunciou o ChatGPT para Adolescentes, desenvolvido especificamente para jovens de 13 a 17 anos. Num momento em que escolas, famílias, reguladores governamentais e empresas de tecnologia debatem o impacto da IA entre jovens, em vez de entrar nessa conversa apenas com limites e bloqueios, a OpenAI resolveu apostar em uma abordagem mais ampla: criar uma experiência que ensine, proteja e incentive a criação.

Um dos destaques do produto é o Modo de Estudo, que, em vez de simplesmente entregar respostas para trabalhos e exercícios, conduz o estudante por perguntas, explicações e etapas sucessivas até que ele próprio chegue à resposta. A proposta é fazer com que o adolescente compreenda o raciocínio envolvido, e não apenas copie o resultado. Esse modo possui ainda recursos de visualização e horários de estudo, transformando a IA em um apoio ao aprendizado.

É uma resposta direta a uma das maiores preocupações de professores e pais desde 2023: o risco de que a IA vire uma máquina de preguiça acadêmica.

A segurança também foi pensada. Para todos os usuários menores de 18 anos, a empresa aplicou proteções específicas contra conteúdos potencialmente inadequados, com atenção especial a áreas consideradas de maior risco como Violência, Automutilação, Transtornos alimentares, Atividades perigosas e Conteúdo sexual explícito.

Reconhecendo que filtros automáticos, por si só, não bastam, e que é preciso dar às famílias ferramentas concretas de acompanhamento, foram implementados controles parentais, que agora permitem que os pais estabeleçam períodos em que o adolescente fique sem acesso ao ChatGPT, além de configurar um alerta para receber notificações quando, por exemplo, o conteúdo da conversa indique que o jovem pode estar em perigo.

Outra frente importante do lançamento diz respeito à relação emocional entre adolescentes e a inteligência artificial. O tema ganhou relevância após relatos de usuários que passaram a tratar chatbots como companheiros afetivos, um comportamento que, entre jovens em formação, desperta preocupação especial. Para isso, o ChatGPT para Adolescentes foi projetado para não incentivar dependência emocional, não usar linguagem romântica e não sugerir que possui sentimentos ou consciência, inclusive apresentando lembretes periódicos para que o jovem faça pausas durante períodos prolongados de uso e reforçando, de forma recorrente, que ele está interagindo com uma inteligência artificial e não com uma pessoa.

Não é só proteção: jovens já criam com IA

Apesar do foco em segurança, a OpenAI faz questão de mostrar que o novo produto não se resume a limites. Em seu anúncio, a empresa destacou exemplos concretos de adolescentes que já utilizam IA para desenvolver projetos reais, como um sistema que utiliza sinais de Wi-Fi para auxiliar operações de busca e resgate e uma plataforma de jogos educativos em áudio destinada a estudantes cegos.

Esses exemplos ilustram a outra face da discussão: quando utilizada com orientação adequada, a IA pode ampliar a capacidade dos jovens de pesquisar, programar, experimentar ideias e criar soluções para problemas reais. A mensagem é a de que adolescentes não devem ser apenas consumidores da tecnologia, mas podem ser protagonistas na sua aplicação.

O lançamento do ChatGPT para Adolescentes sinaliza uma mudança importante no debate sobre IA e juventude. A questão já não se resume a permitir ou proibir o acesso à tecnologia. O desafio agora é estabelecer condições para que ela seja usada de maneira segura e produtiva.

Nesse novo cenário, famílias e escolas ganham um papel ainda mais central. Cabe aos adultos acompanhar essa transformação, conversar com os adolescentes sobre os limites da IA e ajudá-los a desenvolver o senso crítico necessário para compreender tanto o potencial quanto os riscos dessas ferramentas.

A mensagem da OpenAI, nesse sentido, é dupla: a inteligência artificial pode ser uma aliada poderosa do aprendizado e da criatividade juvenil, desde que venha acompanhada de responsabilidades claras, proteções reais e, sobretudo, da presença ativa dos adultos.

O que chamamos de IA é apenas uma parte dela

Quando falamos em IA no senso comum (ChatGPT, o Gemini e outros), geralmente estamos nos referindo a uma aplicação específica da IA: os Large Language Models (Modelos de Linguagem de Grande Escala, ou LLMs). Há inúmeras outras aplicações da IA que não serão abordadas neste texto.

Os LLMs tornaram-se possíveis após a criação do Transformer.

Não, não é aquele robô que vira caminhão. 

A arquitetura Transformer foi apresentada ao mundo em 2017 por um grupo de pesquisadores do Google liderados por Ashish Vaswani, no artigo "Attention Is All You Need". Eles só queriam melhorar o Google Tradutor, que já existia mas era bem ruinzinho. Só que o artigo acabou revolucionando o campo do processamento de linguagem natural ao propor um modelo que deixava de usar apenas as redes neurais artificiais recorrentes e convolucionais, até então dominantes, substituindo-as por um mecanismo chamado “atenção multicabeças” (multi-head attention). 

A grande inovação do Transformer foi a capacidade de processar todas as palavras de uma sequência simultaneamente. Ao capturar relações contextuais de forma paralelizável e eficiente, o modelo passou a analisar grandes volumes de texto compreendendo o contexto, as conexões entre as palavras e até as intenções por trás das frases. Essa mudança acelerou o treinamento de modelos massivos que servem de base para todos os grandes LLMs atuais.

O que os LLMs realmente fazem?

Durante a geração de texto, o modelo calcula probabilidades, palavra por palavra, para construir uma resposta coerente. Isso significa que a IA não “pensa” como um ser humano: ela realiza previsões estatísticas sobre qual palavra deve vir a seguir, com base no aprendizado obtido em bilhões de exemplos.

E aqui mora o perigo: a probabilidade de a IA fornecer uma resposta incorreta ou inventar uma informação, embora não seja a regra, é significativa.

Esse comportamento é tão mapeado nos estudos de LLMs que possui um termo técnico próprio: alucinação. Trata-se do fenômeno em que a IA gera informações falsas, confabuladas ou completamente inventadas com total confiança e uma eloquência bastante persuasiva.

Como usar a IA com sabedoria?

A IA é uma ferramenta extremamente potente. Ela pode acelerar processos, gerar ideias, revisar textos, traduzir idiomas e muito mais. No entanto, é indispensável adotar uma postura crítica:

• Valide os dados: Confira as informações fornecidas, principalmente se forem dados técnicos, históricos ou científicos.

• Mantenha o ceticismo: Desconfie, mesmo quando a resposta parecer perfeitamente lógica e bem articulada.

• Exerça o critério: Seja rigoroso ao utilizar os resultados gerados em contextos acadêmicos, profissionais ou jurídicos.

Em resumo: use a IA, mas confie desconfiando. A tecnologia está disponível para nos apoiar, mas a curadoria e o discernimento humanos continuam insubstituíveis.