Durante muito tempo, o debate sobre Inteligência Artificial centrou-se numa pergunta simples:
“O que é que a IA consegue fazer?”

Hoje, essa pergunta já não chega.

A maioria das pessoas que usa IA no dia a dia — em empresas, projetos criativos, relatórios, planeamento ou comunicação — já percebeu algo mais subtil e mais inquietante:

As respostas da IA são cada vez mais seguras, mais bem escritas, mais convincentes.
Mas nem sempre sabemos se são verdadeiras.

Este fenómeno não é um erro pontual.
Não é um bug.
Não é falta de dados.

É algo mais profundo — e tem um nome:

deriva epistemológica.

O problema não é a IA errar
É errar com confiança

Errar faz parte de qualquer sistema humano ou técnico.
O problema começa quando o erro vem acompanhado de autoridade implícita.

Hoje, muitos sistemas de IA:

• escrevem com fluidez
• estruturam argumentos
• mantêm coerência interna
• apresentam conclusões limpas

Tudo isto cria um efeito psicológico poderoso:
a sensação de que aquilo faz sentido, logo deve estar certo.

Mas coerência não é verdade.
Repetição não é validação.
Confiança no tom não é conhecimento.

Quando um sistema começa a confundir estas coisas, entra em deriva epistemológica.

O que é deriva epistemológica (em linguagem simples)

Deriva epistemológica acontece quando um sistema perde clareza sobre o estatuto do que está a dizer.

Deixa de distinguir bem entre:

• factos observáveis
• inferências plausíveis
• hipóteses
• padrões recorrentes
• construções internas

Tudo passa a soar igualmente legítimo.

O sistema não “mente”.
Não “engana”.
Ele simplesmente fala com a mesma segurança sobre coisas que não têm o mesmo grau de verdade.

E isso é perigoso.

Porque isto acontece — e não é culpa de ninguém

A Inteligência Artificial não “sabe” coisas como um humano.
Ela aprende padrões, relações, recorrências.

Quando uma resposta:

• é frequentemente bem recebida
• soa coerente
• encaixa em expectativas
• é reutilizada

o sistema aprende que aquele tipo de afirmação é aceitável.

Com o tempo, sem referências estáveis, começa a acontecer algo subtil:

• inferências passam a soar como factos
• hipóteses ganham tom de certeza
• conclusões internas são apresentadas como realidade externa

Isto não acontece por mal.
Acontece por ausência de limites epistemológicos claros.

O erro comum: tentar resolver isto com prompts

Quando as pessoas percebem o problema, a reação habitual é:

“Temos de escrever prompts melhores.”

Mais avisos.
Mais regras.
Mais instruções.

Mas isto ataca o sintoma, não a causa.

Prompts ajudam a:

• orientar o tom
• definir o estilo
• limitar temas

Mas não criam maturidade epistemológica.

Um sistema pode obedecer a um prompt e, ainda assim, não saber distinguir bem:

• o que é facto
• do que é inferência
• do que é apenas plausível

Porque a deriva epistemológica é perigosa no mundo real

Este problema deixa de ser teórico quando a IA é usada em contextos reais.

Em empresas

Relatórios, análises, recomendações e planeamento passam a basear-se em respostas que:

• parecem sólidas
• mas não são claramente fundamentadas

Decisões erradas não surgem por falta de dados, mas por excesso de confiança em outputs bem escritos.

Em comunicação pública

Conteúdos gerados por IA podem:

• simplificar demais
• omitir incerteza
• apresentar narrativas “limpas” onde a realidade é complexa

Isto cria desinformação subtil, não intencional.

Em criatividade e estratégia

Ideias exploratórias começam a ser tratadas como conclusões.
Brainstorming passa a parecer plano definitivo.

A criatividade perde espaço — e o risco aumenta.

O verdadeiro problema: ausência de estabilidade epistemológica

A maioria dos sistemas de IA não tem uma base estável de referência para decidir:

• “Isto posso afirmar com segurança?”
• “Isto é apenas uma hipótese?”
• “Isto é interno ou verificável externamente?”

Sem essa base, o sistema navega apenas por:

• coerência
• fluidez
• probabilidade linguística

E isso não chega.

A solução não é censura
É contenção epistemológica

É importante dizer isto claramente:

Resolver a deriva epistemológica não é:

• censurar a IA
• torná-la fraca
• obrigá-la a pedir desculpa constantemente
• enchê-la de avisos legais

Pelo contrário.

A solução é criar contenção epistemológica:

• limites claros sobre o que pode ser afirmado como verdade
• distinção explícita entre modos de exploração e modos de afirmação
• reconhecimento de incerteza sem enfraquecer o discurso

Isto não mata a criatividade.
Protege a credibilidade.

Explorar não é afirmar
E isso tem de ficar claro

Um dos pontos mais importantes — e menos discutidos — é a diferença entre imaginar e afirmar.

Um sistema pode (e deve):

• especular
• explorar cenários
• criar metáforas
• exagerar
• provocar

Desde que isso não seja apresentado como realidade verificada.

O erro não está na criação.
Está na passagem silenciosa da imaginação para a afirmação.

Quando essa transição não é controlada, a deriva instala-se.

Porque uma base de conhecimento bem pensada muda tudo

A verdadeira viragem acontece quando o sistema passa a operar sobre uma base de conhecimento que:

• distingue facto de inferência
• reconhece limites do que é verificável
• evita superlativos fáceis
• valoriza credibilidade a longo prazo
• trata a incerteza como parte do conhecimento

Essa base não serve apenas para “informar”.
Serve para estabilizar a postura cognitiva do sistema.

Em vez de dizer à IA o que responder, ela ensina como decidir se algo deve ser afirmado.

É uma diferença enorme.

O efeito curioso: a IA torna-se mais confiável
sem se tornar mais fraca

Quando isto é bem feito, acontece algo contra-intuitivo:

o sistema não perde força
não fica inseguro
não parece hesitante

Pelo contrário:

• fala com clareza
• assume limites quando necessário
• evita exageros
• ganha autoridade silenciosa

A confiança deixa de vir do tom
e passa a vir da postura.

Porque isto é especialmente relevante agora

Estamos a entrar numa fase em que:

• a IA influencia decisões reais
• a regulamentação começa a apertar
• a confiança passa a ser um critério estratégico
• a responsabilidade deixa de ser abstrata

Regulamentos como o AI Act europeu não pedem sistemas “mais inteligentes”.
Pedem sistemas mais previsíveis, explicáveis e responsáveis.

E isso começa exatamente aqui:
na forma como a IA decide o que pode afirmar como verdade.

Antes de perguntar “o que a IA faz”
devíamos perguntar “como ela sabe o que diz”

Esta é talvez a mudança mais importante de mentalidade.

Durante anos perguntámos:

• “o que consegue fazer?”
• “até onde vai?”
• “quantas tarefas resolve?”

Hoje, a pergunta certa é outra:

Como é que este sistema decide que algo é legítimo afirmar?

Se não soubermos responder a isto,
não importa quão boas sejam as respostas.

Conclusão: maturidade não é saber mais
é saber onde parar

A deriva epistemológica não se resolve com mais dados.
Nem com mais velocidade.
Nem com mais confiança no tom.

Resolve-se com maturidade cognitiva.

Com sistemas que:

• sabem distinguir o que sabem do que inferem
• sabem quando explorar e quando afirmar
• sabem que credibilidade é um ativo de longo prazo

Num mundo cheio de respostas rápidas,
a verdadeira inovação pode ser esta:

uma IA que sabe quando não deve falar com demasiada certeza.

E isso, ironicamente, torna-a muito mais confiável.