O Que Conta como IA? Uma Definição Útil para Engenharia em 2026
A definição padrão de manual de IA — "sistemas que executam tarefas que normalmente requerem inteligência humana" — já mostrava a idade há uma década. Em 2026 é activamente inútil. Quase qualquer software moderno executa tarefas que "normalmente requerem inteligência humana". Uma tabela dinâmica numa folha de cálculo normalmente requer inteligência humana. Uma consulta SQL normalmente requer inteligência humana. Chamar-lhes IA é um erro de categoria; fingir que não o são também.
Os engenheiros precisam de uma definição que guie decisões, não que guie press releases. A proposta que Georgios Fradelos expõe em Updated Definition of Artificial Intelligence (dezembro 2025) é o enquadramento de engenharia mais limpo que vi há tempos. Vale a pena trabalhá-la, porque adoptá-la muda como delimitas projectos, avalias vendors e fazes orçamento de infraestrutura.
A Definição
Tirar as referências e fica:
Qualquer software que analisa e/ou gera dados (mesmo para o seu próprio treino) e pode produzir rotineiramente, com apenas intervenção humana excepcional:
- Melhores resultados para tarefas de análise e/ou síntese do que o profissional humano médio actual, dentro da mesma cultura profissional, independentemente do custo energético; ou
- Resultados comparáveis para tarefas de análise e/ou síntese, conseguidos mais rápido e/ou com um custo energético mensuravelmente mais baixo; ou
- Ambos.
Três coisas tornam esta definição útil para decisões de engenharia.
Está ligada a resultados, não a arquitectura. Não interessa se o sistema usa redes neuronais, IA simbólica, pesquisa ou regras escritas à mão. Se o sistema desplegado supera rotineiramente uma linha de base profissional (em qualidade, velocidade ou energia), conta. Se não, não conta, seja qual for a mecânica interna. Isto mata o debate de "X é mesmo IA?" e substitui-o por um teste mensurável.
É consciente de energia. O custo energético é uma dimensão de primeira ordem da definição, não uma externalidade. Um sistema que produz resultados "comparáveis" aos de um profissional humano mas usa 100× a energia para o fazer não é uma melhoria — é uma degradação com passos extra. Isto força honestidade sobre se o desplegamento de IA é realmente uma melhoria líquida ou um aumento de custo da moda.
Está delimitada por cultura profissional. A linha de base de referência é "o profissional humano médio actual, dentro da mesma cultura profissional". Não a mediana humana. Não uma linha de base dos anos 90. Não um objectivo aspiracional. Isto ancora a comparação em algo mensurável e actual, e obriga a reavaliar à medida que a linha de base se move.
Porque Isto Ajuda um CTO
Três decisões concretas tornam-se mais fáceis sob este enquadramento.
Avaliação de vendors
Quando um vendor diz que o seu produto é "alimentado por IA", a pergunta torna-se específica: contra que linha de base profissional supera, por que margem e a que custo energético? Se o vendor não pode responder, não tens uma afirmação de IA — tens uma afirmação de marketing.
Na prática esta conversa faz aflorar muito. Uma fracção não desprezável de ferramentas "de IA" em 2026 entrega qualidade comparável à de um profissional júnior a um custo de infraestrutura mais alto que um profissional júnior. Isso não é um desplegamento de IA; é uma experiência de IA. Ambos são legítimos, mas devem ser orçamentados de forma diferente.
Delimitação de projectos
A definição dá-te um critério de entrega. O sistema é entregável quando produz rotineiramente outputs (a) melhores, (b) mais rápidos ou (c) mais baratos por resultado do que a linha de base humana que substitui ou aumenta. Não "o demo é impressionante". Não "à liderança gostam das capturas". Rotineiro, mensurável, ancorado a linha de base.
Esta é a barreira que a maioria dos pilotos GenAI silenciosamente não consegue passar. A resposta honesta é: nunca medimos a linha de base, por isso não podemos dizer se a passámos. Estabelecer a linha de base primeiro e voltar a medi-la à medida que o modelo melhora elimina essa ambiguidade.
Contabilidade de energia e custo
A maioria das discussões de custo de IA hoje foca-se em custos de tokens. Necessário mas não suficiente. O custo total de energia e infraestrutura — tempo de GPU, arrefecimento, egress de dados, orquestração de queries, infraestrutura de eval — é o que importa para a comparação energética. Uma definição que põe a energia no mesmo nível que a qualidade do output força esta contabilidade a acontecer mesmo.
Versão prática: para qualquer iniciativa de IA, deves poder responder "quanta energia consome o sistema de IA por output útil e como se compara com a linha de base humana a fazer a mesma tarefa". Se não podes, ainda não estás pronto para entregar em produção — estás pronto para instrumentar.
A Cláusula de "Intervenção Humana Excepcional"
Há uma cláusula escondida na definição que faz muito trabalho: com apenas intervenção humana excepcional. A nota clarificadora especifica que "excepcional" significa reorientar o software em situações matemáticas que quebrem as suas aproximações.
Em termos de engenharia: um fluxo constante de prompt engineering, ajuste de pipelines RAG, filtragem de saída e correcção com humano no loop não é intervenção excepcional. É intervenção de rotina. Um sistema que requer intervenção humana de rotina para produzir output útil é, segundo esta definição, software de IA em desenvolvimento, não IA desplegada.
Isto importa porque a maioria dos "desplegamentos de IA" que vejo em 2026 ainda está no regime de intervenção de rotina. Produzem saídas que precisam de curadoria humana para serem fiáveis. É uma fase de desenvolvimento legítima, mas chamar a esses sistemas "IA desplegada" deturpa o custo operacional. Adoptar esta definição força honestidade sobre que sistemas se graduaram realmente.
Para Onde Esta Definição Te Empurra
Algumas coisas tornam-se mais difíceis de afirmar uma vez adoptado este enquadramento:
"IA pela IA." Se o sistema não supera a linha de base humana em qualidade, velocidade ou energia, o desplegamento não produz valor. Isso não significa matá-lo — pode ser um degrau para um sistema que o fará. Mas deve estar honestamente etiquetado como I&D, não como IA em produção.
"IA como checkbox de feature." Pôr um botão alimentado por LLM no produto porque os concorrentes têm um está bem como marketing. Não é, segundo esta definição, um desplegamento de IA, porque não tem um sobre-desempenho medido contra uma linha de base. Não o orçamentes como tal.
Afirmações de arquitectura "salto quântico". A definição é agnóstica de arquitectura. Um algoritmo clássico bem afinado que supera uma linha de base neuronal a um custo energético mais baixo é, segundo esta definição, mais IA do que a linha de base neuronal que substituiu. É um correctivo útil contra a assunção de que maior e mais complexo é sempre mais IA.
O Que Esta Definição Te Permite Defender
Também torna defensáveis algumas posições pouco em voga.
Uma consulta SQL de 200 linhas que supera consistentemente um analista júnior numa classe específica de relatórios, corre em segundos e custa cêntimos a executar é, segundo esta definição, IA. Analisa dados, produz resultados melhores que a linha de base profissional média, mais rápido e a custo energético inferior às alternativas a linha de base humana. O facto de não ser uma rede neuronal é irrelevante.
Não é floreado retórico. É uma postura prática. A consulta SQL faz o trabalho. A alternativa cara baseada em LLM pode fazê-lo pior e mais lentamente a custo mais alto. Adoptar a definição permite-te entregar a consulta SQL e ser honesto sobre o facto de que entregaste IA — sem o enquadramento de desculpa de que IA "real" requer arquitecturas neuronais.
O Que Sugiro Fazer Com Isto
Três acções concretas para o trimestre:
- Para cada sistema que actualmente chamas "IA", escreve a linha de base humana. Qualidade, velocidade e energia. Se não podes, ainda não sabes se o sistema passa a fasquia.
- Re-orçamenta IA-de-marketing e IA-de-produção em separado. Se um sistema não supera rotineiramente uma linha de base, é I&D. I&D vai num orçamento de I&D com expectativas de I&D.
- Adiciona energia/custo-por-output-útil aos teus dashboards de IA. Se a tua roadmap de IA tem orçamento mas não telemetria de custo por output, voas às cegas na parte da definição que realmente limita a viabilidade a longo prazo.
As definições de manual de IA existem por continuidade académica. A definição de engenharia existe para tomar melhores decisões de desplegamento. Vale a pena adoptar uma de cada.
Fonte: Fradelos, G. Updated Definition of Artificial Intelligence (Genebra, 14 de dezembro de 2025). SSRN 6292000.
Se a tua roadmap de IA está cheia de pilotos e curta em sistemas entregues que realmente superam as suas linhas de base, fala com um CTO sobre desplegar capacidade de engenharia focada em resultados de IA mensuráveis, não demos.
