Quem constrói o mundo que você vê? Walter Lippmann, os meios de comunicação e a inteligência artificial

Você lê uma notícia sobre demissões, assiste a um vídeo sobre inteligência artificial e pergunta a um assistente digital se sua profissão está ameaçada. A resposta chega organizada, convincente e aparentemente completa. Em poucos minutos, acontecimentos dispersos se transformam em uma explicação sobre seu futuro.

Mas quais fatos entraram nessa explicação? Quais ficaram de fora? O que veio de pesquisa, de publicidade ou da interpretação de quem escreveu a notícia?

Essas perguntas aproximam uma inquietação atual de uma obra publicada em 1922: Public Opinion, de Walter Lippmann. Mais de um século depois, sua reflexão ajuda a compreender como os meios de comunicação participam da formação de nossas opiniões — e o que muda quando a inteligência artificial passa a interpretar o mundo conosco.

O mundo vivido e o mundo representado

Lippmann parte de um limite humano: não acompanhamos diretamente a maior parte dos acontecimentos sobre os quais precisamos decidir. Conhecemos guerras, políticas públicas, empresas e descobertas por relatos, imagens e explicações.

Entre o ambiente real e nossa reação, ele identifica um pseudoambiente: a representação do mundo que construímos mentalmente. O termo não significa necessariamente uma realidade falsa. Significa um ambiente conhecido de maneira indireta, seletiva e incompleta.

Imagine uma pessoa que passa a acreditar que determinada carreira desapareceu porque encontrou vários vídeos de profissionais assustados. Os vídeos podem ser autênticos. Ainda assim, podem mostrar apenas uma parcela do mercado, sem dados sobre novas contratações, diferenças regionais ou transformação das funções.

O mapa mental pode ser estreito; suas consequências são reais. Essa pessoa pode abandonar um curso ou desistir de uma oportunidade. A discussão de Lippmann alcança também especialistas e dirigentes: ninguém observa o mundo inteiro, e formação acadêmica não elimina a dependência de representações. [1]

Os estereótipos chegam antes da investigação

Outro conceito central é o de estereótipo. Em Lippmann, ele abrange padrões prévios que organizam nossa percepção, além dos preconceitos que hoje associamos à palavra. São atalhos: ajudam a reconhecer situações, mas podem dificultar a revisão das primeiras impressões.

No debate tecnológico, esses padrões aparecem em figuras familiares: a empresa inovadora que sempre melhora a sociedade, o trabalhador resistente que não quer aprender, a máquina inevitavelmente superior ou a tecnologia que necessariamente destruirá tudo.

Quando adotamos um desses enquadramentos, uma informação nova pode ser encaixada nele antes de ser examinada. A mesma implantação de IA pode parecer progresso incontestável para uma pessoa e prova de exploração para outra.

A pergunta útil é reconhecer o que está guiando a leitura: quais expectativas me fizeram perceber determinados aspectos e ignorar outros? Isso exige mais esforço quando a interpretação recebida combina com nossos medos, interesses ou identidade. [1]

Notícia e compreensão não são a mesma coisa

Lippmann distingue notícia e verdade. A notícia sinaliza acontecimentos; a investigação da verdade busca fatos menos visíveis, relações e contexto. Essa distinção ajuda a explicar por que uma informação correta pode sustentar uma compreensão insuficiente.

Considere um exemplo hipotético: uma empresa anuncia demissões e investimentos em IA na mesma semana. Os dois anúncios aconteceram. Concluir que a IA causou todos os desligamentos exige outras evidências: documentos, mudanças operacionais, situação financeira e comparação temporal.

Uma manchete curta pode aproximar os eventos. Um vídeo pode repetir a aproximação. Um assistente pode resumi-la como explicação causal. A repetição dá familiaridade à narrativa, sem necessariamente acrescentar evidência.

A responsabilidade editorial começa justamente nessa passagem: informar que duas coisas ocorreram não autoriza afirmar por que uma delas ocorreu. Para o leitor, perceber essa diferença permite fazer perguntas melhores. [1]

Lippmann, consentimento e poder: uma distinção necessária

Public Opinion também discute a fabricação do consentimento e o aperfeiçoamento das técnicas de persuasão. Entretanto, apresentar Lippmann apenas como alguém que denunciou manipuladores simplifica seu pensamento. Ele também questionava a capacidade de uma opinião pública espontânea compreender sociedades complexas e defendia estruturas especializadas de informação e análise.

Sua proposta abre uma tensão democrática: conhecimento especializado pode melhorar decisões, mas quem fiscaliza os especialistas e mantém suas conclusões abertas à crítica? Essa é uma pergunta para nossa leitura contemporânea, sem atribuir ao autor respostas sobre tecnologias que não conheceu. [1]

Edward S. Herman e Noam Chomsky retomaram a expressão em Manufacturing Consent, de 1988, com outra ênfase: os filtros econômicos e institucionais da produção de notícias, como propriedade, publicidade e dependência de fontes poderosas.

Há uma conexão, mas os enfoques diferem. Lippmann investiga como conhecemos um mundo distante; Herman e Chomsky examinam estruturas que favorecem certas versões desse mundo. Essa leitura estrutural não exige imaginar uma sala secreta coordenando todos os jornalistas. Tampouco demonstra, sozinha, que uma notícia específica é manipulada. [2]

Leia também: Fabricação do consentimento na era da IA.

O que a IA acrescenta à mediação

Aplicar Lippmann à IA é uma interpretação atual, não uma previsão feita por ele. Essa aplicação fica mais clara quando distinguimos três funções.

Sistemas de recomendação ordenam o que aparece em uma plataforma. IA generativa produz conteúdo, como textos e imagens, a partir de padrões aprendidos em treinamento. Assistentes conversacionais organizam respostas em diálogo com o usuário. Essas funções podem ser combinadas, mas não são equivalentes.

A recomendação influencia visibilidade. A geração permite multiplicar mensagens. A conversa oferece uma explicação ajustada à pergunta e às informações disponíveis naquele diálogo.

Imagine perguntar: “Por que os professores resistem à IA?”. A formulação já presume resistência. Uma resposta que aceita essa premissa pode desenvolver uma narrativa coerente sem perguntar se ela corresponde aos professores em questão. Uma pergunta melhor investigaria benefícios, dificuldades, condições de uso e evidências.

Outro risco aparece quando a síntese apaga divergências ou transforma incerteza em segurança verbal. Uma resposta fluente pode funcionar como uma voz de autoridade, mesmo quando suas fontes são incompletas.

Isso não torna toda mediação uma manipulação. Toda explicação seleciona informações. O problema ético cresce quando a seleção esconde interesses, omite evidências relevantes ou busca direcionar decisões por meio de engano.

O que a pesquisa mostra — e o que não mostra

Francesco Salvi, Manoel Horta Ribeiro, Riccardo Gallotti e Robert West publicaram em 19 de maio de 2025, na Nature Human Behaviour, um experimento com 900 participantes nos Estados Unidos. Compararam debates curtos com humanos e com GPT-4, com ou sem acesso a informações sociodemográficas.

A condição com GPT-4 e dados pessoais superou a comparação com humanos sem esses dados. O GPT-4 sem personalização não apresentou diferença estatisticamente significativa em relação a essa comparação. [3]

Uma correção publicada em 3 de setembro de 2026 acrescentou uma ressalva crucial: a comparação direta entre GPT-4 com e sem personalização não atingiu significância estatística — o critério usado na análise para avaliar se os dados sustentam uma diferença além da variação esperada ao acaso. Portanto, não se deve atribuir a vantagem observada exclusivamente à personalização. [4]

O experimento mediu concordância declarada após debates controlados. Não demonstrou mudança de voto, efeito duradouro ou controle de uma população. É evidência de capacidade persuasiva em condições específicas; extrapolar para domínio irrestrito das massas ultrapassa os resultados. [3]

Trata-se de pesquisa acadêmica revisada por pares, com vínculos declarados: West informou relação com a Microsoft Research e financiamento de Google e Microsoft. Segundo a declaração, essas empresas não participaram das decisões do estudo. [3]

Usar a IA para ampliar a investigação

A mesma tecnologia pode apoiar uma leitura mais cuidadosa quando seu uso favorece perguntas verificáveis. Em vez de solicitar apenas um resumo, podemos pedir a separação entre fatos documentados, interpretações e pontos ainda desconhecidos.

Um professor pode comparar uma notícia com o estudo citado e discutir com a turma o que a manchete deixou de fora. Um profissional pode conferir se a previsão sobre sua carreira se apoia em dados locais ou em declarações comerciais. Um leitor pode procurar a fonte original antes de compartilhar uma conclusão.

Uma solicitação prática seria: “Identifique as principais afirmações deste texto, indique quais exigem comprovação e explique que informação faltaria para avaliá-las. Não invente fontes e sinalize o que você não conseguiu verificar”.

A resposta continua precisando de conferência. Referências apresentadas pela IA devem ser abertas e lidas; diferentes veículos podem estar repetindo o mesmo comunicado. Também não basta equilibrar versões: alegações com evidências desiguais não merecem o mesmo peso.

Autonomia exige mais do que desconfiar

A contribuição de Lippmann permanece desconfortável: conhecer o mundo envolve depender de outras pessoas e instituições. Desconfiar de tudo não resolve essa dependência; pode apenas substituir apuração por suspeita.

A autonomia cresce quando conseguimos identificar fontes, compreender limites e revisar julgamentos. Também depende de jornalismo responsável, instituições transparentes e ferramentas que permitam examinar a base de suas respostas. Não é razoável transferir toda a responsabilidade ao indivíduo diante de um fluxo incessante de informação.

A pergunta que atravessa este artigo é simples: quem está ajudando a construir o mundo que você vê, com quais critérios e com que possibilidade de contestação?

Na convivência com a IA, vale preservar o hábito de perguntar como uma conclusão foi construída. Essa atitude serve à cidadania, à aprendizagem e ao desenvolvimento pessoal: impede que a facilidade de receber uma resposta elimine a disposição de pensar.

Referências

1. Walter Lippmann. Public Opinion (1922). Texto integral; especialmente capítulos I, VI, XV, XXIV e XXVI. Consultar fonte.
2. Edward S. Herman e Noam Chomsky. A Propaganda Model, trecho de Manufacturing Consent (1988). Consultar fonte.
3. Francesco Salvi, Manoel Horta Ribeiro, Riccardo Gallotti e Robert West. On the conversational persuasiveness of GPT-4. Nature Human Behaviour, 19/05/2025. Consultar fonte.
4. Os mesmos autores. Author Correction: On the conversational persuasiveness of GPT-4. Nature Human Behaviour, 03/09/2026. Consultar fonte.

Fontes consultadas em 6 de outubro de 2026. Imagem de capa ilustrativa gerada por IA. Os exemplos profissionais são hipotéticos; a aplicação de Lippmann à IA é uma interpretação contemporânea.