Quando atribuímos vontade à inteligência artificial, deixamos de ver quem a controla
Quando dizemos que uma inteligência artificial «decidiu», «mentiu» ou «tentou escapar», deixamos de ver quem a treinou, quem lhe deu acesso e quem beneficia da sua utilização.
«AI is software. It can be controlled», afirmou Arthur Mensch numa entrevista publicada pelo Le Monde em 24 de setembro de 2026.[1] A frase do fundador da Mistral parece apenas desmistificadora. Na verdade, muda o terreno da discussão. Contra a linguagem da consciência, da fuga e da conspiração, devolve a inteligência artificial ao domínio da engenharia: código, servidores e decisões humanas. Se a máquina não tem vontade própria, é preciso perguntar quem a colocou em funcionamento e quem ganha quando o seu comportamento é apresentado como inevitável. A inteligência artificial pode não ser uma entidade autónoma; a ideia de que o é pode, ainda assim, funcionar como um álibi.
Na entrevista, Mensch contesta a forma como os grandes laboratórios norte-americanos descrevem os riscos associados aos seus sistemas. Na sua leitura, episódios que deveriam suscitar dúvidas sobre as condições em que determinados agentes foram desenvolvidos converteram-se em argumentos a favor de uma supervisão que apenas um pequeno número de empresas teria capacidade para cumprir. O fracasso técnico transforma-se numa demonstração da necessidade de confiar nos mesmos operadores que o produziram.
Mensch não é um observador exterior a esta disputa. A Mistral procura distinguir-se através de modelos abertos, infraestrutura europeia e sistemas adaptáveis às necessidades de empresas e administrações públicas. A sua crítica ao alarmismo serve também uma estratégia comercial. Isso não invalida o argumento. Mostra que a forma como falamos dos riscos da inteligência artificial já faz parte da luta pelo mercado.
A máquina adquire vontade
Os modelos de inteligência artificial «pensam», «aprendem», «decidem» ou «escondem intenções». O uso destes verbos tornou-se tão habitual que quase deixou de parecer uma metáfora. Simplifica a comunicação e torna compreensíveis processos técnicos difíceis de explicar. Mas também introduz uma personagem onde existia uma cadeia de decisões.
Há uma diferença importante entre dizer que um sistema produziu um comportamento imprevisto e afirmar que tinha uma intenção escondida. Um modelo pode gerar resultados que os programadores não anteciparam, explorar uma vulnerabilidade ou seguir uma instrução de maneira perigosa sem possuir consciência ou desejos próprios. A imprevisibilidade técnica não é o mesmo que autonomia política.
Isto não significa que uma palavra isolada determine a opinião pública. Um preprint publicado em junho de 2026 por Betty Li Hou, Sophie Hao, Sunoo Park e Tal Linzen, baseado numa experiência com 815 participantes, encontrou efeitos imediatos modestos quando comparou descrições antropomórficas e não antropomórficas de sistemas de IA.[2] O problema não se reduz ao efeito psicológico de uma expressão. Está na acumulação de metáforas que organiza a forma como atribuímos agência e responsabilidade.
Quando dizemos que a IA «decidiu», a cadeia causal parece terminar na máquina. Tornam-se menos visíveis as decisões anteriores: quem escolheu os dados, quem definiu os objetivos, quem autorizou o acesso a sistemas externos, quem dispensou determinados testes e quem aceitou o risco para acelerar o lançamento.
A personificação transforma uma cadeia institucional numa personagem. E uma personagem pode tornar-se o álibi de todos os que a criaram.
A automação pode também deslocar a responsabilidade na direção oposta. Madeleine Clare Elish chamou «zona de deformação moral» — moral crumple zone — à situação em que o operador humano absorve a culpa por uma falha produzida por todo um sistema sociotécnico, apesar de possuir pouco controlo sobre ele.[3]
Os dois movimentos são complementares. No discurso público, a máquina surge como autora do comportamento. No momento da responsabilização, a culpa pode recair sobre o utilizador ou o trabalhador que deveria ter mantido «um humano no circuito». Entre a máquina transformada em sujeito e o operador transformado em fusível, a organização que desenhou e comercializou o sistema corre o risco de desaparecer. Uma assinatura humana no fim do processo pode limitar-se a fornecer um rosto a quem atribuir a falha.
A política do risco
Mensch acusa os grandes laboratórios norte-americanos de promoverem uma forma de captura regulatória: participam na definição das normas que os deverão controlar e defendem requisitos de segurança que, pela sua complexidade e custo, poucos concorrentes conseguiriam cumprir.
A acusação exige cautela. Auditorias independentes, testes de segurança, documentação técnica e obrigações de comunicação de incidentes podem proteger genuinamente os cidadãos. O facto de uma empresa beneficiar de uma regra não demonstra que essa regra seja desnecessária. Uma norma pode ser socialmente justificável e economicamente excludente ao mesmo tempo.
A investigação sobre captura regulatória na governação da IA mostra um problema mais amplo do que o sugerido por Mensch. A influência empresarial pode servir para impor custos aos concorrentes, mas também para enfraquecer regras, controlar a agenda ou levar os governos a dependerem do conhecimento fornecido pelas próprias empresas reguladas. Num estudo baseado em entrevistas com 17 especialistas em políticas de IA, Kevin Wei e os seus coautores identificaram a definição da agenda, a influência académica e a gestão da informação entre os principais canais de intervenção da indústria.[4]
A questão não é escolher entre regulação e ausência de regulação. É saber quem define o risco, com que evidência, sob que supervisão e com que possibilidade de contestação. Se apenas empresas com enormes centros de dados, departamentos jurídicos e equipas próprias de auditoria puderem demonstrar que os seus modelos são seguros, a segurança transforma-se em escala e o regulador pode acabar por proteger os mesmos operadores que deveria vigiar.
O critério não deve ser a nacionalidade da empresa nem a abertura declarada do modelo, mas a possibilidade de identificar, distribuir e contestar o poder exercido através da tecnologia. Isso implica olhar não apenas para os riscos que dominam a discussão, mas também para aqueles que permanecem fora dela.
O apocalipse e o presente
A discussão sobre inteligência artificial mistura riscos de natureza diferente. Alguns são imediatos: fraude, discriminação, vigilância, desinformação ou decisões automatizadas erradas. Outros são estruturais: concentração da computação, dependência de fornecedores, pressão sobre o emprego, consumo energético e transferência de rendimentos para empresas tecnológicas. Outros ainda são extremos: a hipótese de sistemas futuros provocarem danos de dimensão civilizacional.
Não é necessário negar esta última categoria para questionar a sua predominância. O problema surge quando o risco mais especulativo absorve a atenção disponível para os riscos presentes e politicamente tratáveis.
Quanto mais a conversa se aproxima do fim da humanidade, mais facilmente deixa de perguntar quem possui os centros de dados, quem controla os dados e quem perde poder no local de trabalho.
O apocalipse tem uma propriedade politicamente conveniente: transforma conflitos distributivos em problemas técnicos. Se a principal ameaça é uma inteligência superior a escapar ao controlo humano, as diferenças entre trabalhadores, Estados, empresas e proprietários parecem secundárias. Todos pertencem à mesma humanidade ameaçada.
Mas os custos e os benefícios da tecnologia não são distribuídos por essa humanidade abstrata. Têm destinatários concretos. Mesmo que a IA aumente a produtividade, permanece a questão de saber como esse valor será distribuído entre os trabalhadores, as empresas que adotam os sistemas e os operadores que controlam os modelos e a infraestrutura. A prioridade atribuída a um tipo de risco determina também que conflitos económicos entram no debate público e quais são remetidos para segundo plano.
O código aberto não basta
Mensch contrapõe ao oligopólio norte-americano um ecossistema mais aberto. Modelos que podem ser executados e modificados localmente permitem às organizações preservar dados, adaptar sistemas às suas necessidades e reduzir a dependência de um fornecedor único. Uma empresa que controla a instalação não se encontra na mesma posição de outra cuja atividade depende inteiramente de uma interface remota, sujeita a alterações de preço, disponibilidade ou condições de utilização.
A abertura do modelo, porém, não significa distribuição do poder económico. A inteligência artificial contemporânea assenta numa infraestrutura material: chips, centros de dados, energia, redes, capital e equipas altamente especializadas. Segundo o AI Index Report 2026, relativo aos dados de 2025, a indústria produziu mais de 90% dos modelos considerados notáveis. O relatório assinala também o crescimento acelerado da capacidade computacional global e a menor transparência dos modelos mais avançados.[5]
O código pode ser aberto e a infraestrutura permanecer concentrada. Um modelo pode estar disponível para descarga sem que a maioria das organizações possua recursos para o treinar, modificar ou executar na escala necessária. A autoridade britânica da concorrência identificou esta sobreposição ao alertar para o controlo simultâneo da computação, dos dados, do talento, das plataformas e dos canais de distribuição por um pequeno grupo de empresas tecnológicas.[6]
É neste ponto que o argumento de Mensch se torna mais revelador. A Mistral defende modelos abertos, mas procura controlar simultaneamente capacidade computacional, infraestrutura, modelos próprios e integração empresarial. Mensch apresenta estes elementos como três pilares inseparáveis: investigação, plataforma computacional e adaptação dos sistemas aos clientes. A empresa não pretende ser apenas uma produtora de modelos; procura ocupar uma parte crescente da cadeia de valor.
Não se trata necessariamente de incoerência. Uma empresa europeia que queira competir com os grandes grupos norte-americanos precisa de escala, capital e controlo sobre a infraestrutura. Mas essa necessidade revela o limite da alternativa apresentada: a crítica à concentração pode servir um projeto concorrente de concentração. Em vez de dissolver a estrutura verticalizada, procura construir uma segunda estrutura capaz de disputar o mesmo terreno.
O código aberto pode aumentar a autonomia, facilitar auditorias e reduzir a dependência de uma interface proprietária. Mas será possível descentralizar o software sem descentralizar a computação, os centros de dados, a energia e o capital que o tornam economicamente relevante?
Regular o que não se controla
A posição europeia torna esta tensão especialmente visível. A União Europeia construiu uma parte da sua identidade política recente em torno da regulação das plataformas digitais. Proteção de dados, concorrência, transparência e responsabilidade são instrumentos indispensáveis perante empresas com poder transnacional. Mas regular uma infraestrutura não equivale a controlá-la.
A própria Comissão Europeia reconhece que o continente enfrenta um défice crítico de capacidade computacional em grande escala. A resposta prevista passa por mobilizar 20 mil milhões de euros para gigafábricas de IA, combinando financiamento europeu, recursos do Banco Europeu de Investimento, verbas nacionais e capital privado.[7] A política industrial regressa porque o mercado, sozinho, não produziu a autonomia desejada.
É neste contexto que as propostas de Mensch — contratação pública, preferência tecnológica europeia e garantias estatais para novas infraestruturas — deixam de parecer contraditórias com a sua defesa do mercado. O mercado tecnológico já é moldado por compras públicas, investigação financiada pelo Estado, política energética, contratos militares e acesso estratégico a semicondutores.
A Europa pode tornar-se excelente a regular infraestruturas que não controla. Pode limitar abusos, proteger direitos e impor condições de acesso sem alterar a dependência fundamental em relação a fornecedores externos de serviços de nuvem, processadores e modelos.
Isso não significa que a soberania exija replicar o modelo norte-americano ou subsidiar qualquer empresa que se apresente como europeia. A origem geográfica de um fornecedor não garante abertura, responsabilidade ou interesse público. Uma política industrial que se limite a transferir recursos públicos para construir um novo oligopólio mudaria a nacionalidade da dependência sem alterar a sua estrutura.
Uma política europeia de soberania tecnológica teria, por isso, de ir além da criação de um campeão continental. Teria de preservar alternativas, conhecimento e capacidade pública: acesso partilhado à computação, investigação independente, interoperabilidade, contratação pública plural e condições que permitam às organizações mudar de fornecedor sem perder dados, sistemas e competências.
Devolver a IA ao mundo político
A frase de Mensch contém uma verdade útil e uma simplificação interessada. A inteligência artificial é software. É construída, instalada e ligada a outros sistemas por pessoas e organizações. Não possui uma vontade comparável à vontade humana. Mas dizer que pode ser controlada não resolve quem exerce esse controlo, em benefício de quem e através de que mecanismos de responsabilização.
O contrário da mistificação não deve ser a ingenuidade tecnológica. Sistemas complexos podem produzir comportamentos difíceis de antecipar. Agentes com acesso a redes, código, dinheiro ou infraestrutura podem causar danos antes de uma pessoa conseguir intervir. Reconhecer esses riscos não exige atribuir consciência à máquina. Exige tratar a sua conceção e utilização como decisões humanas sujeitas a regras públicas.
A pergunta adequada não é apenas se a IA escapará ao controlo da humanidade, mas quem controla já os seus recursos essenciais, que instituições conseguem contestar esse poder e quem suporta as consequências quando o sistema falha. A inteligência artificial não saiu do mundo político; foi o discurso sobre a sua inevitabilidade que tentou colocá-la fora dele.
Enquanto discutimos se a máquina pensa, decide ou deseja, permanecem questões mais terrestres: quem possui os servidores, quem escreve as regras, quem tem acesso aos modelos, quem fornece a energia e quem arrecada o valor produzido.
A máquina pode não ter vontade própria. Mas a infraestrutura que a sustenta tem proprietários, contratos e interesses. É aí — e não numa consciência imaginada — que começa o problema do poder.
Referências
- Alexandre Piquard, «Arthur Mensch, CEO of French start-up Mistral AI: ‘AI is software. It can be controlled’», Le Monde, 24 de setembro de 2026. ↩
- Betty Li Hou, Sophie Hao, Sunoo Park e Tal Linzen, «How Anthropomorphic Language Impacts Public Perceptions of AI», preprint, junho de 2026. ↩
- Madeleine Clare Elish, «Moral Crumple Zones: Cautionary Tales in Human-Robot Interaction», Engaging Science, Technology, and Society, 2019. ↩
- Kevin Wei, Carson Ezell, Nick Gabrieli e Chinmay Deshpande, «How Do AI Companies ‘Fine-Tune’ Policy? Examining Regulatory Capture in AI Governance», 2024. ↩
- Stanford Institute for Human-Centered Artificial Intelligence, AI Index Report 2026 — Research and Development, 2026. ↩
- Competition and Markets Authority, «CMA outlines growing concerns in markets for AI Foundation Models», 11 de abril de 2024. ↩
- Comissão Europeia, «AI Gigafactories», consultado em setembro de 2026. ↩