May 29, 2026

Felipe Jordan: Médico Executivo. Doutorando FMUSP; MBAs FGV/FIAP; títulos em IA Harvard/MIT, VC (Columbia) e VBHC (Center Europe); Atuante em inovação e interop.

Podemos cometer um erro recorrente quando analisamos o momento atual, que é olhar para a inteligência artificial como protagonista do roteiro. Por mais que ela ocupe o centro da narrativa, não é ela quem está no comando. A IA é visível, tangível, demonstrável, e por isso captura atenção. Mas o que realmente está reorganizando o mundo é menos evidente, menos midiático e, paradoxalmente, mais estrutural. Trata-se da infraestrutura de dados que começa a operar de forma contínua, integrada e orientada à decisão, criando uma camada silenciosa de organização da realidade que passa a influenciar sistemas inteiros sem necessariamente aparecer como protagonista.

O que está emergindo, portanto, não é apenas uma capacidade maior de análise, nem um ganho incremental de eficiência computacional. É algo mais profundo, mais estrutural e, ao mesmo tempo, mais difícil de perceber no primeiro olhar. Trata-se da possibilidade concreta de influenciar trajetórias antes mesmo que elas se consolidem, deslocando o eixo do poder de quem reage ao que aconteceu para quem atua sobre o que pode vir a acontecer. Historicamente, a capacidade de predizer sempre esteve associada à leitura de contextos amplos, à interpretação de estruturas e, consequentemente, à tomada de decisão em níveis estratégicos. O que muda agora é a escala, a granularidade e, principalmente, a continuidade dessa leitura.

Se olharmos para sistemas como saúde, educação ou economia, veremos que todos foram estruturados, em maior ou menor grau, para operar olhando para trás. Dados eram registros, fotografias do que já aconteceu, organizados de forma fragmentada e, muitas vezes, desconectada. Mesmo quando analisados, careciam de continuidade, de integração e de um eixo único capaz de sustentar decisões mais complexas. Esse modelo não desaparece de uma vez, mas começa a ser progressivamente substituído por outro, no qual o dado deixa de ser pontual e passa a ser longitudinal, deixa de ser isolado e passa a ser integrado, e deixa de ser passivo para alimentar sistemas que operam em tempo quase real.

Nesse momento, ocorre a virada mais relevante, ainda pouco compreendida em sua profundidade. O dado deixa de ser apenas informacional e passa a ser direcional. Ele não apenas descreve o mundo, mas passa a influenciar o caminho que ele tende a seguir. Na saúde, isso se torna particularmente evidente quando conseguimos monitorar continuamente biomarcadores, comportamento, ambiente e resposta a intervenções. Nesse cenário, o sistema deixa de reagir ao desfecho e passa a atuar sobre a trajetória, deslocando o foco do evento para o percurso e criando a possibilidade de intervenção antes que algum problema se consolide como patologia.

Essa mudança não é apenas técnica, é conceitual. Não se trata mais de prever quem vai adoecer, mas de ajustar o caminho para que o adoecimento aconteça de outra forma, ou simplesmente não aconteça.

Isso altera a lógica do cuidado, altera a lógica de valor e, principalmente, altera a forma como entendemos intervenção. Quem influencia o percurso influencia o resultado com muito mais eficiência do que quem atua apenas ao final do processo. E isso redefine, silenciosamente, onde está o verdadeiro poder dentro do sistema.

Mas esse ponto precisa ser colocado com clareza, porque aqui existe um desvio comum de interpretação. Esse poder não está na inteligência artificial em si. Ele está na estrutura que permite que ela opere. A IA, nesse contexto, é meio, é mecanismo, é capacidade ampliada de processamento, de identificação de padrões e de geração de hipóteses. Ela expande a leitura humana em complexidade, mas não a substitui, e não deve substituir. Confundir essas camadas é um erro que pode custar caro.

E isso se torna crítico justamente no momento em que os dados passam a orientar decisões de forma cada vez mais antecipada. Porque, à medida que ganhamos capacidade de medir mais coisas, cresce também o risco de reduzir a complexidade do mundo àquilo que conseguimos medir. Ou, ainda mais grave, àquilo que já foi medido e passa a se retroalimentar continuamente.

Nesse cenário, o sistema começa a se organizar para performar métricas, e não para gerar significado, criando uma distorção silenciosa entre eficiência operacional e valor real.

Na saúde, isso pode se traduzir em decisões tecnicamente corretas, mas desalinhadas com aquilo que importa para o paciente. Na educação, pode gerar trajetórias eficientes, mas pobres em pensamento crítico e capacidade reflexiva. Na gestão, pode produzir uma sensação artificial de controle baseada em indicadores que não capturam a realidade em sua complexidade. Esse é, possivelmente, um dos maiores riscos contemporâneos para quem acredita que está conduzindo bem um sistema apenas porque consegue medi-lo com precisão.

Por isso, o ponto central não está em usar mais dados, mas em compreender o que fazer com eles e, principalmente, o que não delegar a eles. A inteligência artificial precisa ser tratada como uma camada de amplificação, e não como substituição. Ela organiza, sugere, antecipa, mas não decide. A decisão continua sendo humana, e precisa continuar sendo, especialmente em sistemas complexos como saúde e educação, onde o contexto e o valor não podem ser reduzidos a variáveis isoladas.

O que muda, de fato, é a qualidade da decisão possível. Com dados estruturados e análise contínua, o espaço de incerteza diminui, mas não desaparece. E é justamente nesse espaço que entram elementos que nenhum algoritmo captura plenamente, como valores, contexto, prioridades e o próprio conceito de risco aceitável. Curiosamente, em um momento em que tudo parece caminhar para o automatizado, o maior diferencial volta a ser profundamente humano, na capacidade de estabelecer conexões que ainda não existem e de interpretar aquilo que ainda não foi formalizado.

Ao mesmo tempo, a consolidação dos dados como infraestrutura disseminada cria uma nova forma de poder, menos visível, porém mais pervasiva. Não se trata do poder institucional clássico, mas da capacidade de influenciar caminhos de forma silenciosa. Quando sistemas passam a sugerir decisões, ajustar comportamentos e recomendar trajetórias, seja na saúde, na educação ou no consumo, eles deixam de apenas informar e passam a direcionar, criando uma camada de influência que atua antes mesmo da decisão consciente.

Essa influência pode ser extremamente positiva quando bem desenhada, aumentando eficiência, reduzindo erros e antecipando problemas. No entanto, quando mal governada, pode reduzir autonomia, criar dependência e, no limite, moldar escolhas sem que isso seja percebido de forma clara. Por isso, a discussão sobre dados deixa de ser técnica e passa a ser estratégica e ética, exigindo um nível de maturidade institucional que ainda está em construção.

Perguntas como quem define os critérios, quem controla os fluxos e quem garante que não estamos apenas reproduzindo vieses históricos em escala ampliada deixam de ser periféricas e passam a ser centrais.

Porque, no limite, estamos construindo sistemas que não apenas respondem ao mundo, mas ajudam a moldá-lo, influenciando trajetórias

individuais e coletivas de

forma contínua.

Nesse contexto, a integração entre saúde, educação e inovação aplicada ganha uma nova camada de complexidade. A saúde passa a depender de dados contínuos para operar de forma preditiva, a educação precisa formar indivíduos capazes de interpretar esses dados e decidir em ambientes incertos, e a inovação precisa garantir que essa infraestrutura permaneça conectada à realidade humana, e não apenas à eficiência técnica.

O Brasil, dentro desse cenário, tem uma oportunidade que vai além do trivial. A capacidade de operar em ambientes complexos, com restrição de recursos e alta diversidade, pode se tornar uma vantagem competitiva na construção de soluções mais adaptáveis e mais conectadas ao usuário final. No entanto, essa vantagem não se materializa de forma automática, ela exige intencionalidade, coordenação e clareza de direção.

Sem governança de dados, sem interoperabilidade real e sem compreensão de que tecnologia é meio e não fim, o risco é replicar modelos externos que não se sustentam no contexto local. E esse é um erro que já foi cometido antes. O que está em jogo não é apenas a adoção tecnológica, mas a definição de como esses sistemas serão estruturados e, principalmente, a serviço de quais objetivos.

Ao final, a questão não é se teremos mais dados ou mais inteligência artificial, porque isso já está dado. A questão central passa a ser quem orienta o uso disso e com qual propósito essa orientação se materializa. Porque, se o dado se tornou direcional, então decidir como ele será utilizado é, na prática, decidir quais futuros são possíveis.

E essa decisão, pelo menos por enquanto, ainda é humana. Ainda.