Como falar sobre “IA” sem cair em antropomorfização

Na nossa coluna para Tech Policy Press, nós argumentamos que a linguagem antropomorfizante impede discussões mais elucidativas sobre o que exatamente tecnologias de IA realmente fazem, quando e se devemos usá-las. Mas esses modos de falar estão profundamente disseminados no momento, sendo necessário um árduo trabalho para formar novos hábitos de conversa e escrita nesse tema. Esse trabalho envolve pelo menos três passos:

1. Identificar quais palavras são antropomorfizantes;
2. Encontrar alternativas;
3. Habituar-se a usar tais alternativas.

Na nossa pesquisa (resumida na coluna), nós temos trabalhado nos dois primeiros passos, categorizando os tipos de linguagem de antropomorfização e usando essas categorias para organizar potenciais alternativas.

Uma linguagem de desantropomorfização aborda sistemas computacionais em termos de funcionalidade (o que as pessoas construíram e usam para); atribui agência para as pessoas usando esses sistemas e não sistemas; e evita metáforas engrandecedoras sobre cognição.

Nós buscamos encontrar alternativas que sejam, na medida do possível, autoexplicativas, assim podemos simplesmente usá-las sem precisar detalhar. (Mas, é claro, se alguém perguntar “Porque você tá usando essa palavra?” temos uma ótima oportunidade de conversa).

Algumas das reescritas aqui podem soar estranhas e elas podem acabar sendo mais longas do que os termos antropomorfizados. Isso significa que é necessário um pouco mais de dedicação para usá-los, o que não é necessariamente algo ruim. Devemos parar e pensar na tecnologia que utilizamos ou mesmo discutindo e o que ela realmente faz. 

Percorremos agora as categorias de linguagem antropomorfizante que identificamos no artigo Inie et al 2026 e apresentar exemplos de versões de-antropomorfizante de cada.

Nossas sugestões:

Cognoscentes e produtos da cognição

A categoria é super frequente, pois é justo onde está o termo do marketing “inteligência artificial”. Esta é a linguagem que atribui pensamento ao algoritmo. Ao contrário, recomendamos descrever softwares como performar cálculos ou outras operações algorítmicas e posicionar o pensamento nas pessoas usando o sistema (em alguns casos, pessoas claramente não estão pensando quando os usam, mas elas ainda assim são quem deveriam estar).

Exemplos:

De modo geral, recomendamos evitar usar inteligência artificial ou IA em referência a tecnologias. Nós ainda falamos sobre a “indústria da IA”, porque é o nome de algo específico e falamos sobre IA como ideologia. Mas quando o referente pretendido é um sistema tecnológico, é sempre melhor nomear o sistema em si. Talvez seja um produto específico. Ou talvez seja um sistema com uma função particular como transcrição automatizada. De qualquer modo, vale a pena encontrar nomes que não sejam antropomorfizante. Se você precisa de um termo mais geral, nossa recomendação de automação probabilística proposta acima funciona para muitas (mas não todas) coisas vendidas como “IA”.

Também incluímos alucinação nesta categoria, pois em seu sentido original a palavra se refere à perceber coisas que não estão presentes, mas é claro que sistemas de software (e simuladores de conversa, em particular) não percebem nada. Nossa proposta de substituição individual é resultados indesejados, mas é também importante saber que todos os resultados de LLM são textos sinteticamente produzidos de forma probabilística; então não há uma diferença fundamental entre resultados desejados e indesejados no escopo do sistema, mas apenas para as pessoas os interpretando.

Emoção

Existem expressões e termos que dão a entender que sistemas de software possuem vidas emocionais. Nós não temos propostas de refraseamento aqui para recomendar, pois não existe modo preciso de falar sobre estados emocionais de computadores além de afirmar o óbvio: que não possuem emoções. O que é talvez mais sutil (e mais divertido para linguistas) sobre esta categoria é que tais alusões à experiência emocional podem brotar de formas surpreendentes. Se você fala que o ChatGPT se esforça para realizá-lo, ou que você têm que coagi-lo para chegar a um certo output, você o está descrevendo se esse produto tivesse estados emocionais.

Comunicação

Nessa categoria, encontramos palavras que posicionam sistemas automatizados, especialmente máquinas de exprimem conteúdo sintético, em pé de igualdade com pessoas em situações comunicacionais. Se nós perguntamos algo ao Claude nós estamos descrevendo Claude como um parceiro conversacional. Invés de verbos como perguntar, informar, discutir, utilize verbos apropriados para computadores como inserir (input) ou extrair (output). Outra estratégia é enfatizar o fato da simulação.

Exemplos:

Agência

Tipos de frase que atribuem agência às máquinas geralmente servem para ofuscar os interesses e objetivos de pessoas. Nós sugerimos revisões para posicionar o agência junto das pessoas ou escolher verbos que denotem um caráter de menor agência às máquinas.

Exemplos:

O elefante na sala dessa categoria é a palavra da moda “agente de IA” (e suas variantes como sistemas de IA agênticos). Esse é um termo para sistemas que conectam grandes modelos de linguagem (máquinas probabilísticas de exprimir textos sintéticos) e/ou outros componentes com outras sistemas que podem impactar o mundo, e sistemas previamente construídos para pessoas poderem fazer tarefas como agenda, marcar voos, ou fazer outras compras. Nossa solução para esse seria manipulador probabilístico de software não verificado (probabilistic unverified software manipulator) , que têm a vantagem de dar um acrônimo devidamente nojento (“Não, obrigado, eu não quero utilizar seu PUSMic system). Mas, nós definitivamente estamos abertas a receber outras ideias! Nos envie se alguma parecer particularmente apta e nós adicionaremos a essa lista.

Analogia do Papel Humano

Existem palavras que colocam sistemas como se estivessem fazendo o mesmo trabalho de pessoas em diferentes papéis, o que serve para esconder todas as formas como essa automação não alcança o que é preciso enquanto desvaloriza o real trabalho que pessoas fazem e os relacionamentos que formamos. Chamar sistemas de tutores ou co-criadores são afirmações exacerbadas que descreve o que um desenvolvedor pode até acreditar que pode desenvolver – para aqueles que querem substituir pessoas desses papéis.

Para essa categoria, nossa recomendação é usar linguagem que descreva como ferramentas (ou produtos) que as pessoas usam, invés de entidades quase-humanas, e claramente indicar a funcionalidade dos sistemas, evitando reforçar o plano de substituir pessoas.

Nomes e Pronomes

Os nomes e pronomes que nos referimos para esses sistemas também podem funcionar de forma a antropomorfizar. Com nomes de sistemas, é mais díficil, porque os desenvolvedores geralmente são quem dá os nomes e se elas/eles usam um nome próprio para isso, todos ficam presos a repetir essa escolha antropomofizadora (nós estamos olhando para você, Anthropic, com o Claude) ou cair em circunlocuções (simulador de conversa da Anthropic).

Pronomes são escolhidos a cada momento, e evitar pronomes usualmente reservados a pessoas (e pets), como ele e ela, ou elu é um bom primeiro passo (N.T.: aqui a autoria também faz referência ao uso singular do pronome they, normalmente utilizado por pessoas que não se identificam com ou somente com os pronomes he and she. Escolhemos colocar os equivalente em português brasileiro elu.). Mas escolhas sutis – como agrupar pessoas e algoritmos em vocês ou eles – pode ser antropomorfizador. Separar sistemas de pessoas e evitar pronomes coletivos é preferível.

Exemplos:

Metáforas Biológicas

Cientistas computacionais trabalhando em IA (e seus subcampos) têm incorporado metáforas biológicas para sua terminologia técnica por muito tempo. Essas fraseologias podem ter sido metafóricas na sua origem, mas elas funcionam para sugerir maior similaridade do que realmente existe. Quando revisamos nossas falas para fugir dessas metáfora, é importante se perguntar como a funcionalidade do sistema pode ser melhor descrita para dá para leitores maior clareza do que está acontecendo.

Reflexões

Nós encorajamos vocês a tentar as reescritas acima e criar as suas próprias no mesmo espírito. Pode parecer inicialmente estranho, mas na nossa experiência é mais fácil que continuamente usar a palavra antropomorfização, e então é isso.

Também pode parecer socialmente constrangedor, porque você está nadando contra correntes linguísticas e culturais, mas isso pode também ser recompensador em si mesmo. Emily foi perguntada por uma estudante como contribuir para resistência contra IA em conversas com amigos, sem parecer estraga prazeres. Emily disse: Seja uma estraga prazeres! Se você pensar sobre nossa atual situação como uma festa cheia de riscos, ser uma estraga prazeres na verdade é salvar o evento, e ajudar outras pessoas a saírem de uma furada (N.T.: Mudamos a metáfora utilizada pela autora pois não faria sentido em português brasileiro).

Emily M. Bender é é professora de linguística na Universidade de Washington, onde também atua como docente adjunta na Escola de Ciência da Computação e Engenharia e na Escola de Informação. Ela é especialista em linguística computacional e no impacto social da tecnologia da linguagem.

Nanna Inie é professora assistente na IT-University de Copenhague, na Dinamarca. Sua pesquisa concentra-se em tecnologias de aumento cognitivo — mais recentemente, no custo cognitivo da “IA” generativa no trabalho intelectual. Ela publicou artigos sobre *jailbreaking* de LLMs como uma forma de “invocação de demônios” e sobre o efeito da antropomorfização da “IA” na confiança, além de uma auditoria do custo total de CO2 associado ao uso de “IA” generativa em pesquisas de interação humano-computador realizadas em 2024.

Imagem destacada: Knowledge Sweatshop, por Leo Lau & Digit

---