Na disputa tecnologica, eficiência, energia e direitos exigem uma pergunta maior: quem responde pelo poder de decidir?

Por Charles Machado

O mundo aprendeu a medir o progresso da inteligência artificial pelo tamanho dos modelos, pela quantidade de respostas que oferecem e pelos investimentos bilionários necessários para sustentá-los. A corrida transformou chips, centros de dados e energia elétrica em ativos estratégicos.

Mas uma tecnologia apresentada em setembro de 2026 introduziu uma pergunta capaz de mudar os termos dessa disputa: quanto custa cada decisão tomada por uma máquina?

O Jev, desenvolvido pela TypeSafe AI, não nasceu para escrever poemas, manter conversas ou produzir pareceres. Foi concebido para analisar informações e devolver escolhas estruturadas que outros programas possam utilizar. Se essa abordagem se consolidar, parte da revolução da IA poderá ocorrer fora das telas, sem diálogos e, sobretudo, sem solicitar a atenção das pessoas afetadas por seus resultados.

Apresentado em 15 do ultimo mês pelo pesquisador Diogo Almeida, que trabalhou na OpenAI, o Jev inaugura a linha que a empresa denomina System One Models. A referência vem da distinção popularizada por Daniel Kahneman entre um sistema mental rápido, intuitivo, e outro lento, deliberativo. A analogia não significa que o modelo pense como uma pessoa.

Seu funcionamento é concebido para receber informações, examinar alternativas previamente definidas e devolver classificações, pontuações ou probabilidades em formato utilizável diretamente por programas.

Em lugar de pedir a um sistema que redija uma justificativa sobre cada caso, uma empresa pode solicitar que identifique prioridades, encaminhe uma ocorrência ou estime a probabilidade de determinado evento. É a passagem da inteligência artificial que conversa para a inteligência artificial que participa das rotinas de decisão.

A diferença econômica entre conversar e decidir é relevante. Modelos generativos costumam construir respostas em sequência; o Jev foi concebido para produzir alternativas e probabilidades em formato estruturado, com processamento orientado à automação.

Inteligência especializada

A TypeSafe anuncia, em fluxos selecionados, desempenho até 193,6 vezes mais rápido e custo até 444,6 vezes menor em suas comparações. São números divulgados pelo próprio fornecedor, cujo relatório reconhece que provavelmente representam a parte superior dos ganhos alcançáveis no mundo real.

Não se trata de uma prova de superioridade universal nem de que os grandes modelos tenham se tornado dispensáveis. Trata-se da possibilidade de utilizar inteligência especializada onde a linguagem sofisticada é desnecessária.

A prudência encontra fundamento em testes externos. Em estudo divulgado no arXiv em 29 de setembro de 2026, Tobias Deußer, Lorenz Sparrenberg e Rafet Sifa avaliaram a versão 1.13 do Jev em 37 conjuntos de dados e mais de 346 mil requisições. Em várias tarefas de classificação, o modelo apresentou resultados competitivos a custos muito baixos.

O desempenho, entretanto, variou conforme a natureza da atividade, inclusive na análise de cláusulas jurídicas e em juízos que exigem distinções finas.

O estudo também mostrou que probabilidades úteis exigem limiares de decisão adequados. É uma advertência fundamental: rapidez para classificar não equivale à capacidade de compreender o contexto normativo nem autoriza transferir automaticamente o julgamento jurídico a um programa.

Isso não diminui a dimensão econômica do avanço. Uma instituição financeira processa alertas de fraude; uma seguradora precisa organizar ocorrências; uma plataforma comercial classifica solicitações; uma equipe tributária identifica divergências documentais que exigem exame humano.

Quando o custo de milhões dessas operações cai, novas atividades tornam-se viáveis. A inteligência deixa de aparecer apenas como uma aplicação com a qual se conversa e se incorpora ao próprio funcionamento do software.

O ganho de produtividade pode alcançar organizações que hoje não conseguem contratar os modelos mais sofisticados para cada pequena tarefa. Mas há uma fronteira que a redução de custos não apaga: a diferença entre selecionar um caso para análise e decidir, de modo definitivo, sobre crédito, trabalho, patrimônio ou exercício de um direito.

Eletricidade e equipamentos

Há um exemplo revelador, embora limitado. Em estudo de caso publicado pela própria TypeSafe, a plataforma Jack & Jill informa uma redução de 88% no custo de determinada etapa de triagem de candidatos, com desempenho declarado semelhante ao anterior. É uma experiência descrita pelo fornecedor, não um resultado aplicável indistintamente ao mercado.

Ela sugere, porém, um ponto estrutural: a IA pode começar a disputar não apenas quem responde melhor, mas quem executa mais operações úteis por real investido. E quando o preço da classificação se aproxima do custo operacional de uma simples função informática, o poder de selecionar pessoas e oportunidades pode se espalhar por sistemas invisíveis ao público.

Mas a discussão ganha dimensão política quando se observa o suporte material da chamada economia imaterial. A inteligência artificial depende de eletricidade, equipamentos, redes de comunicação, sistemas de refrigeração e grandes investimentos. Segundo a Agência Internacional de Energia, os centros de dados consumiram aproximadamente 415 terawatts-hora em 2024, cerca de 1,5% da eletricidade mundial.

No cenário central da agência, esse consumo poderá chegar a 945 terawatts-hora em 2030. São projeções para o conjunto dos centros de dados, não para o Jev ou exclusivamente para a inteligência artificial. Mesmo assim, mostram que o avanço da tecnologia encontra limites físicos e disputará recursos com atividades industriais, cidades e serviços públicos.
Nesse contexto, desenvolver modelos capazes de resolver tarefas com menos operações computacionais pode ser tão importante quanto inaugurar novas usinas ou ampliar a produção de semicondutores.

Se uma classificação requer menor tempo de processamento e menos trabalho efetivo dos aceleradores, existe a possibilidade de reduzir a energia consumida por decisão. A redução, entretanto, não pode ser deduzida automaticamente da velocidade ou do preço cobrado.

A medição correta exige conhecer a potência utilizada, a quantidade de memória movimentada, a carga dos servidores, sua taxa de ocupação, o resfriamento e o funcionamento de todo o sistema.

Até o momento, não há dados públicos independentes suficientes para afirmar quanto o Jev economiza em quilowatt-hora por tarefa. Velocidade é evidência de desempenho; economia elétrica precisa de medição própria.

Armazenamento e baterias

O mesmo cuidado vale para memória e baterias. Respostas mais curtas e estruturadas podem reduzir a quantidade de informações geradas, transmitidas e armazenadas em determinadas aplicações.

Isso não demonstra, por si só, que o modelo ocupe menos memória RAM ou memória de vídeo: tal conclusão depende de sua arquitetura efetiva, do tamanho dos parâmetros e da implementação, informações que não podem ser substituídas por slogans.

Nos dispositivos móveis, uma interação mais rápida pode diminuir o tempo de uso de alguns componentes, mas o gasto de bateria depende de onde a inferência acontece, da comunicação com servidores, da tela e de outros processos. O potencial é relevante; confundir potencial com resultado seria empobrecer a análise.

A produtividade energética interessa especialmente aos países que não dominam a fabricação dos chips mais avançados. Economias com infraestrutura computacional limitada poderão aproveitar modelos especializados para automatizar serviços sem reproduzir integralmente a escala dos gigantes tecnológicos. Isso não elimina dependências em relação a servidores, redes, propriedade intelectual e fornecedores estrangeiros.

Altera, contudo, parte da competição: não bastará perguntar quem possui a maior capacidade de processamento, mas quem consegue obter dela mais resultados socialmente úteis. A eficiência pode tornar-se instrumento de desenvolvimento e soberania digital; também pode aprofundar a concentração se poucos proprietários controlarem as interfaces pelas quais milhões de empresas passam a tomar decisões.

É aqui que o próprio nome Jev introduz uma advertência histórica. A empresa homenageou William Stanley Jevons, economista britânico que, em 1865, observou uma contradição da Revolução Industrial. Máquinas a vapor mais eficientes tornavam o uso do carvão economicamente mais atraente e estimulavam a expansão das atividades dependentes dele.

A elevação da eficiência não garantia redução do consumo total; podia, ao contrário, aumentar a demanda. A ideia ficou conhecida como paradoxo de Jevons. Ao batizar seu modelo com essa referência, a TypeSafe sinaliza que espera algo semelhante na economia da inteligência: a redução do custo de decidir multiplicará as situações em que sistemas automatizados passarão a decidir.

Substituição de modelos

Essa é a contradição mais importante do debate ambiental. Uma tecnologia capaz de gastar menos energia para executar determinada tarefa pode levar, pela queda do preço, à execução de bilhões de tarefas adicionais. A economia por operação pode coexistir com aumento do consumo agregado de eletricidade, de semicondutores e de água para refrigeração.

O resultado dependerá da intensidade dessa expansão, da fonte energética, da eficiência dos centros de dados e das políticas de infraestrutura. Portanto, não basta perguntar se um novo modelo é mais rápido. É necessário perguntar quantas novas decisões ele tornará economicamente possíveis e qual será a conta material de sua disseminação. O ganho de eficiência é uma oportunidade, não uma licença automática para proclamar sustentabilidade.

Também por isso a nova corrida não parece ser simplesmente a substituição dos modelos gerais por um sistema especializado. Grandes modelos continuarão indispensáveis para pesquisa, interpretação, criação e tarefas abertas. Sistemas como o Jev podem atuar em etapas repetitivas e delimitadas, compondo com outras tecnologias uma arquitetura de níveis distintos de complexidade.

O problema econômico será escolher a ferramenta proporcional ao trabalho; o problema político será saber quem controla essas escolhas. Quando uma infraestrutura privada passa a determinar quais casos seguem adiante, quais transações recebem atenção e quais solicitações são recusadas, a eficiência técnica deixa de ser assunto exclusivo de engenharia: converte-se em matéria de concorrência, governança e distribuição de poder.

No Brasil, a discussão precisa ultrapassar o fascínio pelos números divulgados por startups. Energia competitiva, conectividade, pesquisa, formação profissional e infraestrutura nacional determinarão se os ganhos da automação poderão gerar valor local. Nos mercados financeiro e de capitais, na indústria, na saúde e na administração pública, o potencial é expressivo. Mas desenvolvimento não se resume a importar programas e pagar por decisões tomadas em sistemas estrangeiros.

É necessário estimular pesquisa aplicada, testar desempenho em português, prevenir dependências excessivas e exigir que a tecnologia seja auditável. Também cabe perguntar como os ganhos de produtividade serão distribuídos, quais empresas recolherão a renda dessa infraestrutura e quem suportará os custos de seus equívocos.

direitos de revisão, transparência e controle

O Direito já oferece uma resposta inicial à ideia de que decisões algorítmicas seriam meros fatos técnicos. A Lei Geral de Proteção de Dados, no artigo 20, assegura ao titular o direito de solicitar a revisão de decisões tomadas unicamente com base em tratamento automatizado de dados pessoais que afetem seus interesses, inclusive as relacionadas a perfis pessoais, profissionais, de consumo e de crédito.

Seu § 1º exige, quando solicitadas, informações claras e adequadas sobre critérios e procedimentos utilizados, preservados os segredos comercial e industrial; o § 2º prevê a possibilidade de auditoria pela autoridade nacional nas circunstâncias ali estabelecidas. Não é correto afirmar que a lei exija, em todos os casos, revisão obrigatoriamente feita por pessoa natural. O essencial é que a automação não faça desaparecer direitos de revisão, transparência e controle sobre o tratamento de dados.

Esse comando da LGPD não esgota o problema. Os princípios da finalidade, da necessidade, da transparência, da não discriminação e da responsabilização, previstos no artigo 6º, devem acompanhar a utilização de dados pessoais também quando a máquina é veloz e barata. No crédito, no emprego e nos serviços públicos, um sinal probabilístico pode orientar prioridades; não pode servir como escudo para decisões arbitrárias ou discriminatórias.

A responsabilidade jurídica permanece com os agentes que definem finalidades, critérios e usos do sistema, conforme o regime legal aplicável. O que precisa ser exigido é proporcionalidade ao risco: registro das operações relevantes, avaliação de vieses, revisão de critérios, supervisão efetiva quando necessária e mecanismos compreensíveis de impugnação.

O Direito não precisa competir com a velocidade da máquina; precisa impedir que ela converta sua rapidez em irresponsabilidade.

Essa questão dialoga diretamente com A Era da Desatenção. Durante a expansão das redes sociais, a atenção humana transformou-se em recurso econômico: mais tempo conectado, mais dados, mais publicidade, mais influência. A inteligência artificial generativa levou essa lógica ao limite, produzindo conteúdos em volume quase ilimitado. O Jev aponta para uma segunda dimensão da economia digital. A máquina já não precisa conquistar nossos olhos para participar da organização de nossas vidas.

Um candidato poderá ser classificado antes de falar com alguém; uma operação poderá receber um sinal de risco sem que seu titular saiba como ele foi produzido; um cidadão poderá ser encaminhado a uma fila por critérios que nunca lhe foram apresentados. A desatenção, nesse cenário, deixa de ser apenas distração diante das telas e passa a ser desconhecimento sobre a infraestrutura que condiciona nossas possibilidades.

Há uma promessa legítima de emancipação nessa transformação: retirar das pessoas tarefas mecânicas e liberar tempo para criatividade, cuidado, pesquisa e julgamento. O risco é substituir a abundância confusa de informações por uma cadeia de decisões silenciosas, legitimadas pela aparência de neutralidade matemática.

O número exibido na tela pode ocultar escolhas humanas anteriores: quais dados foram utilizados, que erros se consideraram aceitáveis, qual probabilidade bastou para recusar uma proposta e quem definiu esse limite. A redução do custo por decisão não elimina seu custo jurídico e social. Uma tecnologia eficiente pode produzir danos em escala igualmente eficiente.

Em matéria de direitos, a decisão estatística continua exigindo responsáveis identificáveis, registros, critérios defensáveis e possibilidade efetiva de contestação.

O Jev ainda precisa demonstrar a extensão real de seus ganhos em diferentes atividades, bem como seus efeitos mensuráveis sobre consumo de energia, memória e infraestrutura. Seu mérito imediato é deslocar a discussão: a corrida da inteligência artificial poderá ser disputada pela capacidade de gerar decisões úteis com menos recursos, e não apenas por construir modelos cada vez maiores.

Esse deslocamento interessa à economia, ao meio ambiente e ao desenvolvimento dos países. Para o Direito, entretanto, ele abre uma questão anterior a qualquer cálculo de eficiência: nenhuma redução de custo autoriza que a responsabilidade desapareça dentro do algoritmo. A inteligência artificial pode ter descoberto o preço de pensar; ainda estamos aprendendo a calcular o custo de permitir que ela decida.

Na Era da Desatenção, a verdadeira soberania humana talvez comece pelo direito de saber quem decidiu, com quais critérios e para quem.

(Charles Machado é advogado, consultor e articulista do Misto Brasil)