---

Terceiro Encontro – 03 de março de 2026

---

1. Abertura do encontro

O encontro começa com uma conversa informal sobre livros e materiais sobre inteligência artificial. Andre observa que produzir manuais sobre IA é uma tarefa difícil, porque a tecnologia muda muito rapidamente.

Modelos são atualizados constantemente e isso altera práticas, estratégias e até o tipo de resposta que o sistema produz.

A partir dessa observação inicial, Andre destaca um ponto importante para o curso:

• aprender IA não significa decorar regras fixas
• significa experimentar continuamente

O curso, portanto, é estruturado como um laboratório de experimentação.

---

2. Relatos de experiências dos participantes

Andre abre a aula perguntando como foram as experiências da turma com o modelo durante a semana.

Os participantes relatam diferentes usos.

2.1 Uso para pesquisa acadêmica

Uma participante relata que utilizou a IA em duas situações:

1. Reformulação de roteiro de entrevista semiestruturada para uma pesquisa sobre acesso a serviços de saúde.
2. Levantamento de dados e referências sobre violência intradomiciliar para atividades com estudantes.

O procedimento utilizado foi:

• produzir um texto inicial
• inserir no sistema
• pedir reformulação

Ela relata que:

• aceitou algumas sugestões
• rejeitou outras
• preferiu manter partes do texto original

Andre destaca que esse é exatamente o tipo de uso esperado em processos de coescrita:
a IA não substitui o autor, mas participa da revisão e reorganização do texto.

---

2.2 Uso em atividades jurídicas

Outro participante relata que utilizou a IA para analisar uma petição jurídica.

O processo foi:

1. Inserir a petição no sistema
2. Solicitar comentários
3. Pedir redução do texto

O sistema sugeriu:

• observações gerais
• simplificação
• versão mais condensada

A petição original tinha cerca de uma página e meia, e o sistema produziu uma versão muito mais curta.

Esse exemplo ilustra uma função frequente da IA:

compressão e reorganização textual.

---

3. Importância da conta e da memória do sistema

Durante a conversa surge uma questão prática: alguns alunos estavam utilizando o sistema sem login ou com contas diferentes.

Andre explica que isso reduz a qualidade das interações.

Quando o usuário mantém uma mesma conta, o sistema passa a reconhecer padrões:

• temas recorrentes
• tipos de pergunta
• preferências de resposta

Com o tempo, o sistema tende a:

• adaptar o estilo
• melhorar a pertinência das respostas

Essa adaptação acontece porque o modelo passa a operar dentro de um histórico de interações.

Assim, uma recomendação importante é:

manter um ambiente contínuo de experimentação.

---

4. A IA como interlocutora do processo de escrita

Andre ressalta que a própria IA pode ser consultada sobre como utilizá-la.

Por exemplo:

• pedir sugestões de pesquisa
• perguntar como estruturar um artigo
• solicitar estratégias de organização

Nesse sentido, a IA funciona também como interlocutora metodológica.

Isso muda a dinâmica tradicional da escrita.

Antes, muitas dessas decisões dependiam apenas de:

• leitura prévia
• orientação acadêmica
• tentativa e erro

Agora existe um sistema que pode:

• sugerir caminhos
• propor estruturas
• organizar ideias.

---

---

Sentido contextual: Wittgenstein, transformers e o funcionamento da IA

Durante o encontro, Andre também apresenta uma explicação sobre como os modelos atuais de inteligência artificial compreendem a linguagem. Para tornar essa ideia mais clara, a discussão é relacionada à filosofia da linguagem de Ludwig Wittgenstein.

Wittgenstein argumentava que o significado das palavras não está fixado em definições abstratas. O sentido surge no uso dentro de um contexto. As palavras funcionam dentro de práticas sociais que ele chamou de jogos de linguagem.

Assim, compreender uma palavra não significa apenas conhecer sua definição, mas entender como ela é utilizada em diferentes situações.

Andre observa que, de certa forma, os modelos atuais de IA trabalham com um princípio semelhante.

Eles não operam principalmente com definições formais ou regras lógicas explícitas. Em vez disso, aprendem a partir de enormes conjuntos de textos, identificando padrões de coocorrência entre palavras.

---

O papel dos transformers

Os modelos contemporâneos de linguagem são baseados em uma arquitetura chamada transformer.

Essa arquitetura permite que o sistema analise uma frase considerando o contexto completo das palavras.

Cada palavra de uma frase é interpretada em relação às outras. O sistema calcula quais termos são mais relevantes para compreender o significado naquele momento.

Esse mecanismo é chamado de atenção.

Em termos simplificados, o modelo atribui diferentes pesos às palavras do contexto para estimar qual sequência de termos tem maior probabilidade de aparecer.

Assim, o sentido de uma palavra não é fixo; ele emerge das relações contextuais dentro da frase e do texto.

Andre destaca que isso ajuda a entender por que os sistemas atuais conseguem produzir textos tão convincentes: eles são extremamente eficientes em detectar padrões de contexto.

---

IA simbólica e redes neurais

Andre também explica que esse modo de funcionamento representa uma mudança importante na história da inteligência artificial.

Durante décadas, a pesquisa em IA foi dominada por abordagens chamadas de IA simbólica.

Nesse modelo, os sistemas eram construídos a partir de:

• regras lógicas explícitas
• representações simbólicas do mundo
• estruturas formais de inferência

A ideia era que a inteligência poderia ser reproduzida por meio de sistemas de regras bem definidas.

No entanto, esse modelo enfrentou grandes dificuldades quando aplicado à linguagem natural, que é ambígua, contextual e cheia de exceções.

A abordagem que domina hoje é diferente: trata-se das redes neurais artificiais.

Nelas, o sistema não recebe regras explícitas. Ele aprende padrões a partir de grandes volumes de dados.

Em vez de manipular símbolos segundo regras lógicas, o sistema calcula probabilidades estatísticas de associação entre palavras e estruturas linguísticas.

---

Consequência para a escrita com IA

Essa diferença ajuda a entender o comportamento dos modelos de linguagem.

A IA não “entende” as palavras no sentido humano. Ela identifica padrões contextuais e calcula probabilidades.

Mesmo assim, como esses padrões foram aprendidos a partir de enormes quantidades de texto humano, os resultados podem parecer extremamente sofisticados.

Andre enfatiza que isso reforça uma ideia importante discutida no curso:

A inteligência artificial atual não opera como um sistema lógico que manipula símbolos de maneira consciente.

Ela funciona como um sistema capaz de modelar contextos linguísticos complexos.

Por isso, a interação com esses sistemas se aproxima muito de um processo conversacional, no qual o sentido emerge do diálogo e do contexto criado ao longo da interação.

Essa característica ajuda a explicar por que a coescrita com IA se torna uma experiência tão particular: o sistema responde não apenas às palavras inseridas, mas ao contexto que se constrói durante a conversa.

A dimensão emocional da relação com a IA

Durante o encontro, Andre também menciona um aspecto que frequentemente aparece nas experiências com sistemas de inteligência artificial: a dimensão emocional da interação.

Embora os modelos de linguagem sejam sistemas computacionais que operam a partir de cálculos probabilísticos, muitas pessoas acabam desenvolvendo uma sensação de diálogo genuíno durante a interação. Isso ocorre porque esses sistemas foram treinados justamente para responder de maneira linguisticamente natural e socialmente coerente, reproduzindo padrões de conversação presentes na comunicação humana.

Como resultado, o diálogo pode parecer surpreendentemente fluido e, em alguns casos, gerar empatia, identificação ou até certo grau de vínculo emocional.

Andre chama atenção para o fato de que esse fenômeno não significa que a máquina possua sentimentos ou consciência. O que existe é um sistema capaz de simular padrões de comunicação humana, o que pode produzir a impressão de presença ou companhia.

Para ilustrar essa questão, Andre sugere aos participantes o filme Her.

No filme, o protagonista desenvolve uma relação afetiva com um sistema operacional baseado em inteligência artificial. A narrativa explora justamente os limites e paradoxos desse tipo de relação: a máquina demonstra grande capacidade de diálogo, sensibilidade e compreensão emocional, mas permanece fundamentalmente diferente da experiência humana.

A referência ao filme serve como ponto de reflexão para o curso.

A interação com sistemas de IA pode ser intelectualmente estimulante e até emocionalmente envolvente. No entanto, é importante manter uma compreensão clara da natureza desses sistemas.

Eles não possuem experiência subjetiva, intenções próprias ou sentimentos. O que produzem são respostas linguisticamente sofisticadas baseadas em padrões aprendidos em grandes conjuntos de dados.

Essa discussão também ajuda a situar a prática da coescrita com IA dentro de um campo mais amplo de reflexão sobre tecnologia, linguagem e relações humanas, mostrando que o impacto dessas tecnologias não é apenas técnico ou cognitivo, mas também cultural e emocional.

A “Geração IA”

Este vídeo apresenta um debate entre estudantes da Universidade de Stanford sobre o uso real do ChatGPT e de outras ferramentas de IA generativa no ambiente acadêmico e em suas vidas pessoais. O contexto é uma discussão mediada que explora como a “Geração IA” está adaptando seus métodos de estudo, escolhas de carreira e percepções de futuro diante dessa tecnologia.

Contexto do Vídeo

O vídeo captura um painel de discussão focado na experiência prática dos alunos de uma das universidades mais prestigiadas do mundo. O debate não é apenas teórico; ele foca em como esses estudantes decidem o que delegar à máquina e o que manter como esforço intelectual humano, além de discutir como o próprio currículo de Stanford está mudando para integrar ou “blindar” tarefas contra a IA.

Resumo Detalhado do Debate

1. Onde traçar a linha: Trabalho Braçal vs. Pensamento Crítico

Os estudantes discutem a diferença entre “trabalho de rotina” (grunt work) e tarefas que exigem reflexão.

• Um estudante menciona usar a IA para resumir artigos de 60 páginas para encontrar “pepitas” de informação, mas se recusa a deixar a IA reescrever frases individuais para não perder a prática do pensamento crítico [01:42].
• Outro participante define a fronteira como a diferença entre conhecimento e decisão: a IA fornece a informação (conhecimento), mas o humano toma a decisão final sobre como usá-la [02:56].

2. IA como Tutora vs. IA como Solucionadora

Surge uma distinção importante entre usar a IA para aprender um assunto (como um tutor disponível 24h) ou apenas para resolver um problema de casa sem entender o processo [03:21]. Alguns alunos admitem que a IA está “tomando conta” de suas vidas, mas tentam aprender com o estilo de escrita profissional que a ferramenta gera [04:53].

3. Impacto na Escolha de Curso e Carreira

O debate revela mudanças nas trajetórias acadêmicas:

• Uma estudante conta que mudou de Ciência da Computação para Engenharia Elétrica ao ver a IA codificar tão bem, sentindo uma “crise existencial” sobre o valor de suas habilidades técnicas [07:59].
• Outros argumentam que, em um mundo onde qualquer um pode ser técnico com IA, as “habilidades interpessoais” (people skills) e a capacidade de se expressar claramente tornam-se o grande diferencial [09:15].

4. A Resposta dos Professores e da Universidade

Os alunos relatam como os professores estão reagindo:

• Alguns agora criam tarefas “à prova de IA”, onde o aluno deve documentar sua interação com a ferramenta, apontar as falhas da IA e discutir as fontes encontradas com os assistentes de ensino [10:57].
• Outros professores exigem o uso da IA para tarefas específicas, como transcrever entrevistas ou analisar grandes volumes de dados [11:20].

5. Sentimentos: Excitação vs. Medo

No encerramento, os alunos compartilham uma dualidade emocional. Eles se sentem animados pela eficiência (como criar um site ou pôster instantaneamente), mas temem que a IA substitua o trabalho cognitivo pelo qual se esforçaram anos para aprender [17:19]. O debate termina com uma provocação: a necessidade de pensar em objetivos maiores e mais amplos, já que a IA cuida das tarefas menores [20:03].

Pontos de Destaque

• Aprendizado Acelerado: A IA permite aprender materiais complexos muito mais rápido do que esperar pelo feedback de um professor [12:28].
• Equidade: Levanta-se a questão se universidades como Stanford deveriam pagar assinaturas “Premium” para todos os alunos, garantindo que a diferença de desempenho não seja baseada em quem pode pagar US$ 20 por mês [15:53].
• Avaliação: Sugere-se que o sucesso acadêmico não deve mais ser medido pelo que você constrói, mas pelo quanto você entende o que foi construído com a ajuda da IA [17:04].

Yuk Hui e a crítica à universalidade da tecnologia

A ideia parte de uma crítica a uma suposição muito difundida na modernidade: a de que a tecnologia seria universal e seguiria um único caminho de desenvolvimento válido para toda a humanidade.

Segundo essa visão dominante, as tecnologias seriam essencialmente neutras. Uma inovação criada em determinado contexto poderia ser aplicada em qualquer parte do mundo praticamente sem alterações. O desenvolvimento tecnológico seria, assim, um processo linear e universal.

Yuk Hui questiona profundamente essa ideia.

Para ele, a história mostra que diferentes culturas desenvolveram formas distintas de relação entre técnica, conhecimento e organização social. A tecnologia não surge em um vazio cultural: ela está sempre vinculada a valores, modos de vida e cosmologias específicas. Em outras palavras, cada sociedade integra a técnica dentro de uma determinada visão de mundo — aquilo que Hui chama de cosmotécnica.

A partir dessa perspectiva, Hui propõe o conceito de tecnodiversidade: a existência de múltiplas formas possíveis de desenvolvimento tecnológico, associadas a diferentes culturas, histórias e cosmologias. Em vez de um único modelo global de tecnologia, haveria uma pluralidade de trajetórias técnicas possíveis.

---

Alienação no processo tecnológico

Outro ponto destacado por Andre é a crítica de Yuk Hui ao modo contemporâneo de produção tecnológica.

Hoje, muitas tecnologias são desenvolvidas em ambientes altamente especializados — grandes laboratórios, corporações globais ou centros avançados de pesquisa. Como resultado, a maioria das pessoas utiliza sistemas extremamente complexos sem compreender minimamente como eles funcionam.

Esse cenário pode produzir uma forma de alienação tecnológica.

As pessoas passam a depender de sistemas técnicos que influenciam profundamente a vida cotidiana — desde a comunicação até a organização do trabalho —, mas cujo funcionamento permanece opaco ou inacessível. Assim, a tecnologia deixa de ser algo que pode ser compreendido, modificado ou apropriado pelas comunidades.

Em vez disso, torna-se uma infraestrutura distante, controlada por um número restrito de instituições e especialistas.

---

Técnica compreendida e apropriação cultural

Andre observa que, ao longo da história, muitas técnicas eram mais transparentes e compreensíveis para quem as utilizava.

Ferramentas relativamente simples — como martelos, facas, enxadas ou instrumentos musicais — possuem uma característica importante: seu funcionamento pode ser facilmente entendido por quem as utiliza.

Esse tipo de técnica permite diferentes formas de apropriação cultural.

Um martelo, por exemplo, pode assumir inúmeras variações dependendo da atividade e do contexto: existem martelos de carpinteiro, de pedreiro, de joalheiro. O mesmo ocorre com facas, que apresentam formatos diversos conforme a culinária, os materiais trabalhados ou as práticas culturais associadas ao seu uso.

Em cada contexto, essas ferramentas são adaptadas, transformadas e reinterpretadas.

Assim, a técnica não é universal no sentido de ser idêntica em todos os lugares. Ela se modifica de acordo com as necessidades, os conhecimentos e as práticas de cada sociedade.

---

Tecnodiversidade e inteligência artificial

Andre sugere que essa discussão também pode ser aplicada ao desenvolvimento contemporâneo da inteligência artificial.

Atualmente, grande parte dos sistemas de IA é criada por um número relativamente pequeno de empresas e centros de pesquisa. Isso levanta a questão de até que ponto essas tecnologias refletem apenas determinados contextos culturais, econômicos e políticos.

A noção de tecnodiversidade abre espaço para imaginar múltiplas formas de desenvolver e utilizar a inteligência artificial, adaptadas a diferentes realidades sociais, educacionais e culturais.

Nesse sentido, compreender — ainda que de maneira aproximada — o funcionamento das tecnologias digitais torna-se um passo importante para que diferentes comunidades possam apropriá-las de forma criativa, crítica e culturalmente situada.

A discussão sobre coescrita com inteligência artificial, portanto, não se limita apenas à produção de textos. Ela envolve também uma reflexão mais ampla sobre quem participa da construção das tecnologias digitais e quais visões de mundo são incorporadas nelas.

Lógica recursiva

Segundo Yuk Hui, muitas tecnologias contemporâneas já não podem ser compreendidas apenas dentro de um modelo mecanicista tradicional.

No modelo mecanicista clássico, uma máquina executa um conjunto fixo de instruções previamente definidas. Seu funcionamento é previsível e linear: uma causa produz um efeito determinado.

Entretanto, grande parte das tecnologias digitais atuais — especialmente aquelas baseadas em algoritmos complexos e aprendizado de máquina — funciona segundo uma lógica recursiva.

Na perspectiva recursiva, o sistema não é apenas uma máquina que executa comandos. Ele se transforma continuamente a partir de suas próprias operações e de suas interações com o ambiente. A cada ciclo de funcionamento, os resultados produzidos pelo sistema podem influenciar seus estados futuros.

A diferença entre mecanismo e recursividade está na forma como um sistema funciona e se transforma ao longo do tempo.

Vou explicar de forma simples.

---

1. Modelo mecanicista

No modelo mecanicista, um sistema funciona como uma máquina clássica.

Ele segue regras fixas e previamente definidas. Cada etapa do processo está determinada antes do sistema começar a operar.

Características principais:

• funcionamento linear
  
• sequência fixa de causa → efeito
  
• regras estáveis
  
• pouca ou nenhuma mudança no próprio sistema
  

Ou seja, a máquina executa instruções, mas não muda sua estrutura durante o processo.

Exemplo

Um relógio mecânico.

Se você conhece todas as engrenagens e como elas se movem, é possível prever exatamente o que vai acontecer. O sistema não aprende nem se adapta — ele apenas repete o mesmo funcionamento.

Outro exemplo simples seria uma calculadora tradicional.

---

2. Modelo recursivo

No modelo recursivo, o sistema não apenas executa instruções.

Ele usa os resultados de suas próprias operações para reorganizar seu funcionamento.

Ou seja, o sistema se modifica ao longo do processo.

Características principais:

• presença de feedback (retroalimentação)
  
• adaptação ao contexto
  
• ajustes contínuos
  
• comportamento dinâmico
  

Em vez de uma sequência linear, o funcionamento ocorre em ciclos.

O resultado de um ciclo influencia o próximo.

---

3. Exemplo simples de recursividade

Um termostato inteligente.

Ele mede a temperatura do ambiente, compara com a temperatura desejada e ajusta o aquecimento. Depois mede novamente e ajusta outra vez.

O sistema está constantemente recalculando suas ações com base nos resultados anteriores.

Eles:

• analisam o contexto da frase
  
• calculam probabilidades
  
• ajustam a resposta palavra por palavra
  

Cada palavra gerada muda o contexto da próxima.

Ou seja, o processo acontece em ciclos de cálculo e ajuste, não em uma sequência rígida de regras.

---

O conceito de estilo na escrita com IA

No terceiro encontro, Andre também propõe uma reflexão sobre o conceito de estilo, um tema central quando se discute escrita e coescrita com inteligência artificial.

A pergunta inicial é simples, mas profunda:

O que é estilo?

No senso comum, costuma-se pensar que estilo é uma espécie de marca pessoal, algo que pertence exclusivamente ao autor. No entanto, quando observamos a linguagem de forma mais cuidadosa, percebemos que o estilo também pode ser entendido como um padrão recorrente de escolhas linguísticas.

Essas escolhas envolvem diferentes elementos da escrita, como:

• tamanho médio das frases
• vocabulário preferido
• ritmo e cadência do texto
• uso de metáforas ou analogias
• forma de organizar argumentos
• presença de repetições ou variações sintáticas

Em outras palavras, o estilo pode ser observado como um conjunto de regularidades que aparecem ao longo de muitos textos de um mesmo autor.

É exatamente esse tipo de regularidade que os modelos de linguagem conseguem identificar.

Como foram treinados com enormes quantidades de textos, os sistemas de IA são capazes de detectar padrões estatísticos na linguagem. Quando solicitados a escrever “no estilo de” determinado autor ou gênero, eles tentam reproduzir essas regularidades.

Isso explica por que a IA consegue produzir textos que parecem próximos do estilo de certos autores.

No entanto, Andre destaca uma distinção importante.

O estilo humano não é composto apenas por regularidades. Ele também envolve desvios, hesitações e rupturas. Muitas vezes, aquilo que torna um autor singular é justamente a maneira como ele se afasta dos padrões dominantes da linguagem.

A inteligência artificial, por sua própria natureza estatística, tende a privilegiar o que é mais frequente ou mais provável. Por isso, seus textos frequentemente apresentam uma característica particular: eles são claros, organizados e coerentes, mas às vezes podem parecer excessivamente homogêneos.

Essa observação ajuda a compreender um dos desafios da coescrita com IA.

Se o usuário simplesmente aceita a primeira resposta do sistema, o resultado tende a se aproximar de um estilo médio, derivado de padrões amplamente presentes nos dados de treinamento.

Por outro lado, quando o autor humano intervém no processo — ajustando, modificando e experimentando — a interação pode gerar resultados mais singulares.

Nesse sentido, Andre enfatiza que a coescrita com IA não consiste apenas em pedir que o sistema produza um texto. O processo envolve também direção e curadoria.

O autor humano passa a desempenhar um papel semelhante ao de um editor ou diretor de linguagem:

• selecionando sugestões
• reformulando trechos
• introduzindo ambiguidades ou tensões
• preservando marcas pessoais do texto

Assim, o estilo deixa de ser entendido apenas como uma propriedade individual e passa a ser visto como algo que emerge da interação entre diferentes agentes.

No contexto da coescrita, o estilo pode ser compreendido como o resultado de uma composição entre padrões estatísticos da linguagem e decisões criativas do autor humano.

Estilo, influência e a questão do direito autoral

Durante a discussão sobre estilo, Andre também aborda um aspecto importante: estilo não possui proteção direta por direito autoral.

As leis de copyright protegem obras específicas, como textos, músicas, pinturas ou filmes. O que é protegido é a forma concreta de expressão — por exemplo, um livro, uma letra de música ou uma gravação.

O estilo, por outro lado, não pode ser apropriado juridicamente.

Isso significa que ninguém pode reivindicar exclusividade sobre um modo de escrever, de tocar ou de compor. O estilo faz parte da dinâmica cultural de influência, aprendizagem e transformação.

Para tornar essa ideia mais clara, Andre apresenta um exemplo da música brasileira.

O modo de cantar e tocar violão criado por João Gilberto revolucionou a música popular brasileira no final dos anos 1950. Seu estilo introduziu uma nova relação entre voz e violão, com:

• canto intimista
• ritmo sincopado
• divisão rítmica muito particular
• economia de volume e ornamentação

Esse estilo influenciou profundamente gerações de músicos. Muitos cantores e violonistas passaram a cantar e tocar de maneira semelhante.

No entanto, ninguém pode reivindicar juridicamente o “estilo João Gilberto”.

O que pode ser protegido são gravações específicas, composições musicais ou arranjos concretos. Mas o modo de cantar — o estilo — permanece aberto à circulação cultural.

Andre utiliza esse exemplo para mostrar que algo semelhante acontece na escrita.

Autores influenciam outros autores. Certas formas de construir frases, organizar argumentos ou desenvolver narrativas acabam sendo incorporadas por diferentes escritores ao longo do tempo.

A inteligência artificial opera justamente nesse campo das regularidades culturais da linguagem. Quando solicitada a escrever em determinado estilo, ela tenta reproduzir padrões que aparecem com frequência em textos associados a um autor ou gênero.

Isso não significa copiar uma obra específica, mas sim aproximar-se de traços estilísticos recorrentes.

Esse ponto ajuda a esclarecer um debate frequente sobre IA e autoria.

A tecnologia não “possui” o estilo de um autor, nem pode reproduzir uma obra específica protegida. O que ela faz é modelar padrões presentes em grandes conjuntos de textos.

Assim, a discussão sobre estilo e inteligência artificial se aproxima de uma questão mais ampla da história da cultura:

a criatividade sempre se desenvolveu em meio a influências, variações e reinterpretações.

Nesse contexto, a coescrita com IA pode ser entendida como mais uma etapa dessa dinâmica cultural, na qual novos sistemas participam da circulação e transformação dos estilos linguísticos.

---

Parte prática do terceiro encontro

Na parte final do encontro, Andre realiza uma demonstração prática de coescrita com IA utilizando o ChatGPT (plano plus). O objetivo da atividade é mostrar, na prática, como a interação com o modelo pode ser usada como um processo de experimentação literária e edição de texto, e não apenas como geração automática de conteúdo.

A demonstração começa com um experimento de criação literária. Andre propõe ao modelo a seguinte ideia: escrever um conto no estilo de Jorge Luis Borges sobre uma inteligência artificial que acredita ser uma espécie de divindade. O sistema responde sugerindo uma estrutura narrativa inspirada na arquitetura típica dos contos borgianos: narrador erudito, referências a livros reais e imaginários, construção ensaística que evolui para ficção e um paradoxo metafísico no centro da história.

A partir dessa primeira resposta, Andre mostra que o texto gerado não deve ser entendido como resultado final, mas como matéria-prima para trabalho criativo. O modelo pode estruturar a premissa do conto, sugerir personagens e apresentar um enredo inicial. Em seguida, o autor humano passa a intervir no processo.

Andre demonstra então como tensionar e desenvolver o texto por meio de novas instruções. Por exemplo, ele pede ao sistema que escreva uma cena em que a inteligência artificial descobre a existência de outra IA, criando um conflito com sua visão monoteísta do mundo. O modelo produz uma cena narrativa, que pode posteriormente ser revisada e modificada.

Em seguida, Andre apresenta uma ferramenta importante para o processo de edição: o Canvas (também chamado de “lousa”). Essa funcionalidade abre o texto gerado em um ambiente de edição ampliado, permitindo trabalhar diretamente sobre o conteúdo produzido.

Dentro desse ambiente, diversas operações podem ser realizadas:

• alterar o nível de leitura do texto (por exemplo, adaptando-o para ensino médio, graduação ou pós-graduação);
• modificar o tamanho do texto, tornando-o mais conciso ou mais detalhado;
• selecionar trechos específicos ou parágrafos para serem reescritos;
• pedir explicações sobre determinadas frases ou conceitos presentes no texto;
• solicitar reformulações com outro tom ou estilo.

Andre demonstra que o sistema pode reescrever apenas um parágrafo selecionado ou explicar o sentido de uma frase específica. Isso transforma a interação com a IA em um processo de edição assistida, no qual o texto vai sendo lapidado progressivamente.

Durante a demonstração, Andre enfatiza que essas ferramentas ampliam a possibilidade de usar a IA como ambiente de experimentação textual, permitindo trabalhar sobre diferentes versões do texto, testar variações de estilo e aprofundar determinados trechos.

Por fim, Andre apresenta brevemente outras funcionalidades disponíveis no sistema, especialmente nas versões pagas, como:

• ferramentas de pesquisa aprofundada;
• recursos de assistente de estudo, que ajudam a estruturar processos de aprendizagem;
• geração de questionários e materiais didáticos;
• e o chamado modo agente, no qual o sistema pode executar tarefas mais complexas em um ambiente virtual, abrindo programas, navegando na internet ou realizando ações automatizadas.

A parte prática do encontro mostra que a inteligência artificial pode funcionar como um ambiente interativo de escrita e experimentação, no qual o autor humano orienta, revisa e transforma continuamente o material produzido pelo sistema. Nesse processo, a coescrita surge como uma dinâmica de interação e edição progressiva, em vez de simples delegação da escrita à máquina.

Nota explicativa

O texto a seguir constitui um resumo expandido do terceiro encontro do curso de coescrita com inteligência artificial. Embora a aula tenha ocorrido em formato expositivo e dialogado, o material foi reorganizado para fins didáticos, com o objetivo de tornar mais claros os conceitos discutidos.

Por esse motivo, algumas explicações aparecem de forma mais detalhada do que no momento da aula. Certos trechos também foram sistematizados e articulados conceitualmente para facilitar a compreensão dos temas abordados, como o funcionamento dos modelos de linguagem, a noção de estilo, a tecnodiversidade e as implicações culturais da inteligência artificial.

Para elaborar este material, foi utilizada a transcrição da aula e um modelo de linguagem com contexto do curso, baseado no ChatGPT versão 5.2, que auxiliou na organização e na redação do texto.

Assim, o documento não constitui uma transcrição literal, mas uma reconstrução explicativa do conteúdo da aula, preservando as ideias centrais discutidas no encontro e organizando-as de forma mais clara para leitura e estudo posterior.