O problema com “artificial” — Por que o maior problema de marca da IA pode ser seu nome

Jack Dorsey reabriu uma questão básica sobre o termo mais conhecido da indústria de tecnologia. Em uma postagem de 6 de agosto, o diretor executivo da Block escreveu: “Inteligência artificial” é o pior termo. Sua breve observação desvia a atenção do desempenho dos modelos para a linguagem em torno da IA. Também levanta questões sobre como os nomes moldam confiança, adoção e expectativas comerciais.

A redação de Dorsey segue o esforço de Block para construir uma “camada de inteligência” em suas operações. Ele e o sócio Roelof Botha descrevem uma empresa organizada em torno de modelos compartilhados em vez de cadeias de gestão. A estrutura deles coloca as pessoas na borda da operação, onde lidam com o contexto, o julgamento e decisões difíceis. Essa descrição apresenta a IA como infraestrutura que apoia o trabalho, em vez de um ator artificial separado.

Por que a artificialidade cria desconforto

A Merriam-Webster define “artificial” como algo que os humanos produzem, muitas vezes para se assemelhar a algo natural. Seus sinônimos listados incluem falso, sintético, artificial e simulado. Esses significados não descrevem todo uso da IA moderna, mas acompanham o termo na linguagem cotidiana. Por outro lado, digital descreve um formato, enquanto inteligente geralmente sinaliza uma função ou capacidade adicional.

Inteligência também é uma palavra pesada, pois normalmente se refere ao pensamento e compreensão humanos. O NIST emprega terminologia menos ampla para sistemas de IA. Ele os descreve como sistemas que usam máquinas para fazer previsões, recomendações ou decisões sobre metas estabelecidas pelos humanos. Essa descrição técnica faz de objetivos e resultados o foco, mas não significa que o software pensa como uma pessoa.

Diversos estudos foram realizados para validar a ideia de que rótulos afetam as avaliações de sistemas automatizados. Existem alguns estudos que corroboram a ideia de que rótulos realmente influenciam a avaliação de um sistema automatizado.

O estudo CHI adotou os seguintes termos: IA, algoritmo, programa de computador, sistema automatizado e modelo estatístico. A linguagem impactou a complexidade percebida, justiça e confiança em ambos os estudos (397 participantes e 622 sujeitos). No entanto, um nome não pôde ser confirmado como nome seguro em cada contexto do estudo.

A cautela pública cria um ambiente rígido para qualquer marca de IA . O Pew Research Center relatou que metade dos adultos nos EUA se sentiu mais preocupada do que animada com o uso mais amplo da IA. Apenas 10% se sentiram mais animados, enquanto 38% relataram níveis iguais de ambos os sentimentos. Esses achados medem visões amplas sobre IA e não isolam a palavra “artificial”.

Velhos Nomes de Tecnologia Moldaram Expectativas

Enquanto isso, rótulos tecnológicos anteriores mostram como nomes podem simplificar sistemas complexos. A computação em nuvem substituiu descrições de servidores remotos, armazenamento compartilhado e processamento baseado na internet por uma metáfora compacta. Posteriormente , o NIST padronizou a nuvem em torno do acesso sob demanda a recursos computacionais compartilhados. Seu padrão também lista a escalonabilidade rápida e o serviço medido entre as características definidoras.

O big data seguiu um caminho diferente e fez da escala a mensagem central. O NIST o descreve como o grande volume de informações produzidas em um mundo em rede e cheio de sensores. Posteriormente, a agência desenvolveu um arcabouço comum usando o termo entre arquiteturas de dados. No entanto, o nome descreve escala e não a ferramenta, método ou resultado de negócio exato.

A criptomoeda vinculava a criptografia diretamente ao dinheiro, dando a softwares desconhecidos uma estrutura econômica familiar. A palavra une seu método técnico com uma função financeira. Posteriormente, os reguladores adotaram termos mais amplos, incluindo criptoativos e ativos digitais, para documentos legais e de mercado. A SEC agora define um ativo cripto por meio de seu registro de livro-razão distribuído criptograficamente protegido.

Reformulação de Blocos IA como uma Camada Operacional

Notavelmente, a linguagem preferida de Dorsey já aparece no novo modelo operacional de Block. A estrutura da empresa coloca capacidades, dados da empresa, dados de clientes e interfaces em torno de uma camada de inteligência. Essa camada compõe serviços quando seus modelos identificam uma necessidade específica do cliente. Ele funciona como software de coordenação dentro do negócio, e não como um produto vendido sob um selo de IA.

Block também organiza a equipe em torno de colaboradores individuais, indivíduos diretamente responsáveis e jogadores-treinadores. Sua estrutura publicada atribui o fluxo rotineiro de informações e o alinhamento ao sistema compartilhado. As pessoas lidam com trabalhos especializados, contato com clientes, contexto cultural, escolhas éticas e situações de alto risco. A descrição do podcast da Sequoia diz que a Block cortou 40% de sua força de trabalho durante essa reestruturação mais ampla.

A redação do Block separa a camada de software dos papéis de trabalhadores ao seu redor. “Inteligência artificial” pode sugerir um substituto para a inteligência humana, especialmente quando as empresas discutem cortes de empregos. “Camada de inteligência” descreve, em vez disso, uma função operacional central que conecta dados, serviços e funcionários. Ainda assim, uma mudança de redação não altera o número de funcionários, custos, controles ou desempenho do sistema.

Novos nomes carregam significados diferentes

No entanto, várias alternativas oferecem diferentes quadros, e cada uma muda o significado esperado. A inteligência de máquina identifica a origem do sistema, embora ainda compare software com a capacidade humana. A computação cognitiva enfatiza o raciocínio e o suporte à decisão. A IBM usa esse termo para sistemas que simulam partes da cognição humana.

Software inteligente soa mais familiar, mas cobre produtos com diferentes capacidades e riscos. Um nome de produto mais restrito pode fornecer informações mais claras do que um que substitui todo o campo. As empresas poderiam usar termos como “modelo de previsão”, “assistente de redação”, “motor de recomendação” ou “detector de fraudes”. Esses rótulos descrevem a tarefa do sistema antes de explicar seu design técnico.

O rebranding sozinho não resolve preocupações subjacentes sobre sistemas de IA. Pesquisas mostram que a rotulagem pode influenciar a confiança dos usuários, mas seu impacto depende do contexto, da experiência do usuário e de como a tecnologia é aplicada. Uma mudança de nome pode moldar a percepção, mas transparência, desempenho e responsabilidade continuam sendo os principais fatores que determinam a confiança pública.

Os reguladores também enfatizaram a necessidade de uma representação precisa. A Comissão Federal de Comércio tomou medidas contra empresas que fazem alegações não fundamentadas sobre capacidades de IA, reforçando que a terminologia deve estar alinhada com a funcionalidade real. As declarações de Dorsey destacam um debate contínuo sobre como a indústria descreve suas ferramentas, mas qualquer mudança na linguagem precisará equilibrar clareza, precisão e expectativas públicas.

Relacionado: Michael Saylor diz que Bitcoin é Capital Digital e IA é Inteligência Digital