Computação e Inteligência Artificial: Uma Nova Dimensão Transversal para Todas as Áreas do Conhecimento e Profissões no Século XXI

Por muito tempo, a computação foi vista como um assunto reservado exclusivamente para engenheiros, programadores, matemáticos ou especialistas em sistemas. Em universidades e ambientes corporativos, falar de computação significava falar de laboratórios, códigos, servidores, bancos de dados ou softwares. No entanto, essa visão estreita já não é suficiente para explicar o mundo atual. No século XXI, a computação deixou de ser uma disciplina isolada para se transformar em uma infraestrutura transversal e fundamental da vida econômica, científica, educacional, social e cultural.

Hoje, praticamente nenhuma profissão pode ser compreendida fora dos dados, dos algoritmos, das plataformas digitais, da automação e da inteligência artificial (IA).

• A medicina analisa imagens de diagnóstico com modelos de aprendizagem profunda (deep learning).
• O setor jurídico utiliza ferramentas avançadas de busca e análise documental.
• A educação incorpora tutores inteligentes.
• A agricultura baseia-se em sensores, drones e modelos preditivos.
• A indústria trabalha com robótica, manutenção preditiva e gêmeos digitais (digital twins).
• As ciências sociais processam grandes volumes de texto para mapear a opinião pública e o comportamento digital.
• As artes exploram novas fronteiras de criação assistida por inteligência artificial.

Essa rápida expansão confirma que a IA não opera simplesmente como uma tecnologia setorial, mas sim como uma tecnologia de propósito geral que transforma economias, organizações e práticas sociais inteiras (OCDE, 2019; Stanford HAI, 2025).

Portanto, o grande debate não deveria mais se concentrar em saber se a IA pertence ou não estritamente à engenharia. A pergunta mais importante é outra: Como capacitar todos os profissionais para compreender, usar e direcionar criticamente a inteligência artificial em seus próprios campos de conhecimento?

A Computação Não É Mais Apenas Programação

Uma das mudanças de paradigma mais importantes das últimas décadas é que a computação deixou de ser entendida unicamente como a capacidade de programar. Embora escrever código continue sendo importante, a computação engloba muito mais: é uma forma de pensar, modelar, conceitualizar problemas, organizar informações, identificar padrões e projetar soluções.

Jeannette Wing propôs o conceito de pensamento computacional para se referir a uma habilidade fundamental que não deveria ser exclusiva dos cientistas da computação. Para Wing (2006), pensar computacionalmente envolve formular problemas e suas soluções de modo que possam ser processados efetivamente por um agente de processamento de informações — seja uma máquina ou um ser humano seguindo procedimentos formais. Essa ideia é fundamental porque eleva a computação ao mesmo nível de outras competências gerais, como ler, escrever, argumentar ou raciocinar matematicamente.

Sob essa perspectiva, um médico, advogado, administrador, biólogo, comunicador ou designer não precisa necessariamente se transformar em um engenheiro de software. No entanto, eles precisam entender como os dados são estruturados, como os processos são automatizados, como os modelos são treinados, o que significa uma previsão algorítmica e quais são os limites de uma resposta gerada por IA. Como apontam Lockwood e Mooney (2017), o pensamento computacional tornou-se uma competência educacional cada vez mais relevante, embora ainda existam lacunas significativas sobre como integrá-lo de forma ampla nos currículos acadêmicos.

Em suma, a computação está se tornando a nova linguagem universal da vida profissional.

A Inteligência Artificial como Tecnologia de Propósito Geral

A inteligência artificial possui uma característica definidora que a diferencia da maioria das outras tecnologias: em vez de transformar um único setor, ela pode modificar quase todos os campos da atividade humana. Por isso, é frequentemente compreendida como uma tecnologia de propósito geral, semelhante ao impacto histórico da eletricidade, da máquina a vapor, do computador pessoal ou da internet.

A OCDE destacou que a IA está reconfigurando ativamente economias e sociedades ao gerar novas capacidades de produtividade, eficiência, automação, análise de informações e tomada de decisões. Ao mesmo tempo, adverte que sua adoção generalizada apresenta desafios profundos relacionados aos valores humanos, equidade, privacidade, segurança e responsabilidade (OCDE, 2019). Essa dupla condição é fundamental: a IA não é uma ferramenta neutra projetada apenas para acelerar o que já fazíamos. É uma força transformadora que muda a maneira como tomamos decisões, investigamos, produzimos, ensinamos, diagnosticamos, desenhamos políticas públicas e interpretamos a realidade.

Agrawal, Gans e Goldfarb (2018) propõem uma ideia muito poderosa: a inteligência artificial reduz drasticamente o custo da previsão. Isso significa que muitas decisões que antes dependiam unicamente da intuição e da experiência humana agora podem ser apoiadas por sistemas capazes de antecipar comportamentos, riscos, demandas, padrões ou cenários. A consequência é profunda: se a previsão se torna mais barata e mais acessível, inúmeras profissões precisarão redefinir suas estruturas de tomada de decisão.

Na mesma linha, Iansiti e Lakhani (2020) sustentam que as organizações que competem na era da IA não apenas incorporam novos softwares; elas redesenham completamente seus modelos operacionais em torno de dados, algoritmos, plataformas e redes digitais. Portanto, o impacto da IA não se limita à eficiência técnica; ele transforma fundamentalmente a estratégia, a arquitetura organizacional e a geração de valor.

Uma Competência Transversal para Todas as Profissões

Falar da computação e da inteligência artificial como uma área transversal significa reconhecer que já não basta treinar especialistas isolados. Todas as profissões exigem agora uma base mínima de letramento algorítmico, pensamento computacional e compreensão crítica da IA.

As aplicações já estão por toda parte:

• Na saúde: a IA apoia diagnósticos, classifica imagens médicas, prevê riscos e personaliza tratamentos.
• Na educação: ajuda a identificar dificuldades de aprendizagem, gera rotas personalizadas e apoia o trabalho docente.
• Nas finanças: permite detectar fraudes, avaliar riscos e automatizar decisões de crédito.
• Na indústria: melhora processos por meio de manutenção preditiva, visão computacional e robótica.
• Na agricultura: facilita a gestão de cultivos, solos, clima e pragas.
• No governo: pode apoiar o direcionamento de políticas públicas, o atendimento ao cidadão e a análise de dados territoriais.

Mas em todos esses casos, surge a mesma pergunta crítica: Quem interpreta, valida e governa essas decisões automatizadas?

Aqui está o ponto central. A IA não substitui a responsabilidade profissional; pelo contrário, torna as exigências de responsabilidade mais rigorosas. Um profissional do século XXI não deve apenas saber usar ferramentas inteligentes; deve também compreender suas consequências técnicas, éticas, sociais e organizacionais. Russell (2019) adverte que o avanço rápido da IA nos força a repensar o alinhamento entre os sistemas inteligentes e values humanos, especialmente quando esses sistemas participam de decisões que afetam diretamente vidas humanas.

Do Letramento Digital ao Letramento Algorítmico

Durante anos, falou-se em letramento digital (ou alfabetização digital) como a capacidade básica de usar computadores, navegar na internet, acessar plataformas, gerenciar planilhas ou usar ferramentas de comunicação. Embora essa base continue necessária, ela já não é suficiente.

A nova era exige um letramento algorítmico e inteligência artificial aplicada. Isso implica compreender, ao menos em nível fundamental, o que são dados, como um algoritmo opera, como um modelo aprende, o que envolve treinar uma IA, o que constituem os vieses algorítmicos, como uma previsão é avaliada e por que uma resposta gerada automaticamente nunca deve ser aceita às cegas, sem um julgamento crítico.

A UNESCO (2024) propôs um marco de competências em IA para professores que inclui fundamentos de IA, ética, pedagogia, desenvolvimento profissional e uma abordagem centrada no ser humano. Embora direcionado ao ambiente educacional, esse marco serve como um excelente modelo para pensar a formação transversal de qualquer profissional, pois insiste que a IA não deve ser ensinada apenas como técnica, mas também como uma prática ética, crítica e socialmente situada.

Isso representa um mandato claro para o ensino superior. Se a IA está permeando todos os setores, as universidades não podem responder apenas com disciplinas optativas ou cursos isolados. É necessária uma reforma estrutural: incorporar a computação e a IA como componentes formativos transversais em todas as carreiras.

A IA como Método Ampliado de Pesquisa

Além de automatizar tarefas profissionais, a inteligência artificial está mudando fundamentalmente a forma como produzimos conhecimento em todas as disciplinas acadêmicas.

• Ciências Naturais: Permite analisar dados genômicos, imagens de satélite, modelos climáticos e padrões ecológicos.
• Ciências Sociais: Facilita o processamento de grandes volumes de texto, dinâmicas de redes sociais, pesquisas e registros administrativos.
• Humanidades: Abre possibilidades para a análise computacional de arquivos históricos, discursos políticos, iconografia, linguística e patrimônio cultural.
• Engenharia: Permite simular sistemas complexos, otimizar processos e projetar soluções avançadas por meio de modelos preditivos.

Significa que a IA está se tornando um método ampliado de pesquisa. Ela não substitui a teoria fundamental, nem a interpretação humana, nem o julgamento disciplinar. Em vez disso, amplia nossa capacidade de observar, classificar, correlacionar, simular e descobrir padrões que antes eram invisíveis ou impossíveis de processar manualmente.

O relatório AI Index Report 2025 da Stanford mostra que a inteligência artificial se expandiu rapidamente na pesquisa científica, indústria, investimentos, regulamentação e adoção empresarial, confirmando que a IA já não é uma tendência tecnológica emergente e marginal, mas sim uma força estrutural na ciência, economia e sociedade contemporâneas (Stanford HAI, 2025).

Uma Nova Área Comum do Conhecimento Humano

A tese de fundo é clara: a computação e a inteligência artificial devem ser entendidas como uma nova área comum do conhecimento. Não porque todas as pessoas devam se tornar especialistas em redes neurais, programação avançada ou arquitetura de modelos, mas porque todas as profissões serão inevitavelmente atravessadas por decisões mediadas por sistemas inteligentes.

Assim como a estatística se tornou indispensável para interpretar dados na saúde, economia, psicologia, administração ou ciências sociais, a IA está se tornando uma competência fundamental para navegar e agir em um mundo automatizado. Assim como a escrita permitiu organizar e transmitir o conhecimento, e a matemática ofereceu uma linguagem para a ciência moderna, os algoritmos estão se tornando a linguagem operacional da sociedade digital.

Por isso, as universidades deveriam pensar em uma formação transversal em IA estruturada em pelo menos cinco níveis progressivos:

1. Letramento em IA: Compreender conceitos básicos, incluindo dados, algoritmos, modelos de aprendizado de máquina e automação.
2. Pensamento Computacional: Formular problemas por meio de abstração, lógica, reconhecimento de padrões e processos modeláveis.
3. Uso Profissional da IA: Aplicar ferramentas inteligentes a problemas específicos de cada disciplina.
4. Analítica para a Decisão: Interpretar dados, previsões algorítmicas, visualizações complexas e cenários projetados.
5. Ética e Governança: Avaliar criticamente vieses, riscos, restrições de privacidade, transparência, responsabilidade e impactos sociais mais amplos.

Esse modelo estruturado permitiria superar dois extremos perigosos: a ideia equivocada de que a IA deve ser deixada apenas para as elites técnicas, e a suposição igualmente perigosa de que basta usar essas ferramentas sem entender como funcionam.

O Desafio Ético: Nem Tudo o que é Tecnicamente Possível é Socialmente Desejável

Uma perspectiva acadêmica sobre a IA não pode se limitar ao entusiasmo tecnológico. A inteligência artificial também apresenta riscos profundos: pode reproduzir vieses estruturais, afetar direitos fundamentais, aumentar as desigualdades socioeconômicas, concentrar o poder tecnológico, precarizar o trabalho, invadir a privacidade ou automatizar decisões sem a devida transparência.

Portanto, capacitar em IA não deve significar apenas ensinar a usar ferramentas; deve focar em cultivar o julgamento crítico.

Russell (2019) insiste que um dos maiores desafios do nosso tempo é garantir que os sistemas inteligentes estejam estritamente alinhados com os valores humanos. Essa preocupação não é um dilema filosófico abstrato. Em campos como saúde, justiça, educação, emprego ou crédito, uma decisão automatizada afeta diretamente o destino de uma pessoa.

Por essa razão, a computação e a IA devem ser sempre ensinadas ao lado de ética, responsabilidade profissional, pensamento crítico, análise social e governança tecnológica. A própria OCDE (2019) afirma que o desenvolvimento da IA deve ser guiado por princípios de confiança, transparência, robustez, segurança e responsabilidade, especialmente quando seu uso se estende a setores sensíveis da sociedade.

Conclusão: Um Novo Letramento para uma Nova Era

A computação e a inteligência artificial representam uma das transformações mais profundas do século XXI. Sua verdadeira importância não reside apenas na proliferação de novos softwares, mas sim na emergência de uma forma inteiramente nova de pensar, pesquisar, produzir, decidir e exercer as profissões.

A IA não pode mais ser vista como um assunto exclusivo de engenheiros ou cientistas de dados; deve ser compreendida como uma dimensão transversal de todas as áreas do conhecimento humano. Cada profissão precisa desenvolver seu próprio diálogo especializado com essas tecnologias: a medicina com a IA diagnóstica, o direito com a IA documental, a educação com a IA pedagógica, a biologia com a IA computacional, a administração com a IA estratégica, as artes com a IA criativa e o governo com a IA pública.

O desafio para as universidades, empresas e instituições públicas vai muito além de ensinar a usar softwares da moda. O verdadeiro mandato é formar profissionais capazes de compreender a lógica dos sistemas inteligentes, aplicá-los com responsabilidade em seus campos, questionar seus resultados e direcionar seu poder para fins humanos, éticos e socialmente valiosos.

A computação na era da inteligência artificial é o novo letramento profissional do século XXI: uma competência comum, crítica e estratégica necessária para participar ativamente do futuro da nossa sociedade do conhecimento.

Referências

Agrawal, A., Gans, J., & Goldfarb, A. (2018). Prediction machines: The simple economics of artificial intelligence. Harvard Business Review Press.

Agrawal, A., Gans, J., & Goldfarb, A. (2022). Power and prediction: The disruptive economics of artificial intelligence. Harvard Business Review Press.

Iansiti, M., & Lakhani, K. R. (2020). Competing in the age of AI: Strategy and leadership when algorithms and networks run the world. Harvard Business Review Press.

Lockwood, J., & Mooney, A. (2017). Computational thinking in education: Where does it fit? A systematic literary review. arXiv. https://arxiv.org/abs/1703.07659

OECD. (2019). Artificial intelligence in society. OECD Publishing. https://doi.org/10.1787/eedfee77-en

Russell, S. (2019). Human compatible: Artificial intelligence and the problem of control. Viking.

Russell, S., & Norvig, P. (2021). Artificial intelligence: A modern approach (4th ed.). Pearson.

Stanford Institute for Human-Centered Artificial Intelligence. (2025). Artificial Intelligence Index Report 2025. Stanford University.

UNESCO. (2024). AI competency framework for teachers. UNESCO.

Wing, J. M. (2006). Computational thinking. Communications of the ACM, 49(3), 33–35. https://doi.org/10.1145/1118178.1118215