A verdadeira questão não é apenas «Conseguimos construí-lo?»

As tecnologias emergentes podem alargar as possibilidades humanas. Também podem reproduzir exclusões antigas a uma velocidade e escala maiores. A inovação responsável pergunta que tipo de progresso está a ser criado, para quem e sob o controlo de quem.

A inteligência artificial pode traduzir aulas, ajudar no diagnóstico e tornar ferramentas complexas mais fáceis de utilizar. As terapias genéticas e celulares podem tratar as causas biológicas de doenças que, anteriormente, eram apenas tratadas através do controlo contínuo dos sintomas. A neurotecnologia pode restabelecer a comunicação ou o movimento de algumas pessoas com deficiências graves. Cada desenvolvimento pode ser genuinamente valioso sem estar universalmente disponível, ser igualmente eficaz ou estar eticamente completo.

A distância entre a invenção e o benefício público é onde surgem muitas questões éticas. Um serviço pode existir tecnicamente, mas continuar inutilizável por ser demasiado caro, inacessível, não estar disponível na língua da pessoa ou depender de infraestruturas que a sua comunidade não possui. Um sistema pode funcionar bem em média, mas falhar repetidamente com um grupo mais pequeno. Um tratamento pode ser clinicamente impressionante, mas exigir centros especializados, cuidados prolongados, deslocações e acompanhamento, tornando o acesso muito mais complicado do que o seu preço, por si só, sugere.

Em 2025, a União Internacional das Telecomunicações estimou que 2,2 mil milhões de pessoas continuavam sem acesso à internet, sobretudo em países de rendimento baixo e médio.1 A conectividade expandiu-se enormemente, mas o número divulgado de utilizadores da internet não revela a qualidade da ligação, o acesso a dispositivos, a acessibilidade económica, as competências digitais, a acessibilidade ou a disponibilidade local de serviços úteis. Surgem camadas semelhantes nos cuidados de saúde, na educação e nos serviços públicos.

O acesso é uma cadeia com pelo menos seis ligações

Dizer que um produto está “disponível” pode ocultar a distância prática entre a sua existência e a capacidade de uma pessoa beneficiar dele em segurança.

Se alguma ligação essencial falhar, o acesso nominal pode trazer poucos benefícios. Uma plataforma de aprendizagem gratuita não é verdadeiramente acessível a um agregado familiar que partilha um dispositivo pouco fiável. Um modelo de diagnóstico não é equitativo se tiver um desempenho fraco num subgrupo e os profissionais de saúde não forem avisados. Um tratamento altamente avançado não chega a um doente apenas porque uma seguradora cobre o medicamento, se as deslocações, a preservação da fertilidade, o tempo de ausência do trabalho ou os cuidados prolongados continuarem a ser impossíveis.

Igualdade e equidade estão relacionadas, mas não são idênticas

Igualdade significa frequentemente disponibilizar o mesmo recurso ou aplicar a mesma regra. A equidade analisa se diferentes condições de partida e necessidades impedem que essa oferta formalmente igual produza uma oportunidade justa. Por vezes, a conceção mais justa é universal: legendas, linguagem clara e predefinições seguras ajudam muitas pessoas. Por vezes, é necessário apoio adicional: uma interface adaptada, assistência nas deslocações, um agente comunitário de saúde ou uma alternativa offline.

A desigualdade pode surgir em qualquer fase da inovação

O enviesamento não é apenas um defeito de um algoritmo. Pode começar pela escolha dos problemas que recebem financiamento, continuar através da investigação e da conceção, e voltar a surgir quando uma ferramenta entra num mundo desigual.

1. Seleção de problemas

   O investimento segue os incentivos, as prioridades políticas e o poder de compra. As necessidades que afetam pessoas com menor influência no mercado podem continuar pouco estudadas, mesmo quando o seu custo social é elevado.

2. Evidências e dados

   Quem participa influencia aquilo que os investigadores conseguem aprender. Grupos ausentes, medições deficientes, discriminação histórica e rótulos baseados em decisões passadas inadequadas podem moldar os resultados antes de um modelo ser treinado ou de um produto ser testado.

3. Opções de conceção

   A língua, as predefinições, os requisitos dos dispositivos, os pressupostos sensoriais e as definições de “normal” determinam quem pode utilizar confortavelmente um sistema e cujo comportamento é tratado como uma exceção.

4. Condições de implementação

   Uma ferramenta validada numa instituição pode comportar-se de forma diferente quando mudam os recursos humanos, as infraestruturas, a cultura, a prevalência de doenças ou os incentivos. O contexto faz parte do desempenho.

5. Resultados e encargos

   Meça não só a precisão ou a adoção, mas também o tempo de espera, as decisões erradas, a perda de privacidade, o trabalho não remunerado, o custo ambiental e as consequências de não ser possível recusar.

6. Feedback, reparação e saída

   As pessoas mais próximas de uma falha são muitas vezes as primeiras a detetá-la. Precisam de um canal de comunicação visível, de uma resposta humana atempada, da correção dos registos e de uma alternativa segura enquanto o problema é investigado.

Uma bússola ética para a tecnologia emergente

Os princípios éticos não geram uma resposta automática única. Tornam visíveis valores importantes, revelam conflitos e ajudam as instituições a explicar por que razão uma decisão é justificada.

Dos princípios à governação

A Recomendação da UNESCO sobre a Ética da Inteligência Artificial coloca os direitos humanos e a dignidade no seu centro e apela à equidade, à inclusão e à supervisão humana.2 O trabalho da OMS sobre IA na saúde e edição do genoma humano também relaciona a oportunidade científica com a segurança, a eficácia, a ética e instituições responsáveis.4 Estes quadros são valiosos porque abrangem o ciclo de vida de uma tecnologia, em vez de tratarem a ética como uma aprovação final.

O progresso responsável utiliza salvaguardas proporcionais ao risco

A escolha útil raramente é «inovação ou ética». A verdadeira tarefa é adequar as evidências, a supervisão e a reversibilidade à gravidade das possíveis consequências.

Um assistente de ortografia, um sistema de avaliação numa sala de aula, um dispositivo de diagnóstico baseado em IA e uma interface cerebral implantada não devem passar por filtros idênticos. A governação torna-se mais exigente quando é difícil reverter um sistema, quando este afeta direitos fundamentais, chega a muitas pessoas, atua sem uma escolha significativa, utiliza dados altamente sensíveis ou pode causar danos graves.

Inovação com aprovação por etapas

1. Defina o benefício pretendido e os danos inaceitáveis

   Defina a população, o contexto, o problema e os limites antes de construir. Registe quem ajudou a defini-los.

2. Teste os pressupostos antes de expandir

   Utilize dados representativos, condições realistas e comparação com alternativas existentes - não apenas uma demonstração favorável.

3. Implemente gradualmente enquanto persistir a incerteza

   Limite o âmbito, acompanhe de perto e proteja os participantes. Um espaço regulamentar de experimentação deve ser um ambiente controlado de aprendizagem, não uma isenção dos deveres relativos aos direitos ou à segurança.

4. Mantenha possível a reversão

   Defina limiares para a suspensão, alternativas manuais, correção de dados, resposta a incidentes e responsabilidades perante as pessoas afetadas durante a suspensão.

5. Volte a autorizar com base em evidência

   Reveja o desempenho, a distribuição dos resultados e os novos riscos. A autorização para continuar não deve ser automática apenas porque um sistema se tornou familiar.

O Regulamento da União Europeia sobre a IA ilustra uma abordagem baseada no risco: entrou em vigor em 2024 e aplica-se por fases, com obrigações diferentes para práticas proibidas, modelos de finalidade geral e determinados sistemas de alto risco.3 As obrigações legais exatas dependem do sistema, da função, da utilização e do calendário de implementação em vigor, pelo que as organizações devem consultar o texto oficial e aconselhamento jurídico qualificado, em vez de se basearem em classificações simplificadas.

Integre a inclusão na infraestrutura, na investigação e na prestação

O acesso equitativo não pode ser corrigido apenas com um desconto no final. Exige decisões coordenadas desde a primeira pergunta de investigação até ao financiamento, à implementação e ao apoio a longo prazo.

Use o poder de compra para recompensar uma conceção responsável

As entidades públicas, os hospitais, as escolas e os grandes empregadores podem incluir a acessibilidade, a proteção de dados, a interoperabilidade, o desempenho entre subgrupos, a comunicação de incidentes e o apoio à saída nos processos de aquisição. Os contratos podem exigir que os fornecedores divulguem alterações significativas, apoiem a migração de dados e continuem a prestar apoio essencial durante um período acordado.

No caso de terapias de elevado custo, experiências de financiamento podem associar o pagamento aos resultados ou coordenar a negociação entre pagadores. O modelo voluntário de acesso a terapias celulares e genéticas da CMS dos Estados Unidos, inicialmente centrado na doença falciforme, é um exemplo: os estados participantes e os fabricantes utilizam acordos baseados em resultados negociados pela CMS, enquanto o modelo também reconhece os apoios práticos associados ao tratamento.6 Deve ser avaliado como um modelo contínuo, não tratado como prova de que todos os problemas de acesso foram resolvidos.

Um roteiro prático para as pessoas que estão a moldar a tecnologia

A responsabilidade é partilhada, mas não pode tornar-se tão difusa que ninguém possa ser chamado a responder. Cada instituição dispõe de mecanismos de ação e deveres distintos.

Uma análise compacta do impacto na equidade

Utilize estas perguntas na fase de proposta, antes do lançamento e nos momentos de revisão programados. As respostas devem ser apoiadas por evidências e atribuídas a responsáveis identificados.

Evidências que vale a pena conservar

• Registo da finalidade: utilização prevista, utilizações proibidas, população-alvo, alternativas e critérios de sucesso.
• Registo de participação: quem esteve envolvido, como foi selecionado, como foi compensado e o que mudou.
• Registo de evidências: conjuntos de dados, populações estudadas, condições de teste, incerteza e limitações conhecidas.
• Registo de impacto: benefícios, erros, reclamações, recursos, obstáculos ao acesso e resultados nos grupos relevantes.
• Registo de decisões: responsáveis identificados, aceitação do risco, medidas corretivas, datas de revisão e razões para continuar ou parar.

A documentação não é valiosa apenas por existir. Deve ajudar uma pessoa responsável a compreender o sistema, rastrear uma decisão, identificar um padrão emergente e agir antes que os danos evitáveis se propaguem.

Mitos comuns e questões práticas

Slogans simples podem fazer com que os desacordos éticos pareçam mais fáceis do que realmente são. Estas distinções criam espaço para decisões melhores.

O progresso torna-se maior quando mais pessoas podem moldá-lo

A capacidade técnica de uma tecnologia é apenas parte da sua realização. O restante reside nas instituições e relações que a rodeiam: se a investigação reflete necessidades reais, se as evidências incluem as pessoas que dela dependerão, se o acesso é prático, se a escolha é respeitada e se os erros podem ser contestados e corrigidos.

A ética não deve adornar a inovação nem congelá-la. Deve ajudar a sociedade a orientar-se - tornando os riscos visíveis, estabelecendo limites, protegendo quem tem menos poder e preservando espaço para aprender. A inclusão melhora este processo porque as comunidades contribuem com conhecimentos que designers, investidores e reguladores distantes podem não possuir.

O objetivo não é um mundo em que todos utilizem a mesma tecnologia. É um mundo em que os avanços valiosos não se tornam privilégios por defeito, a vulnerabilidade não é tratada como autorização e as pessoas continuam a participar nas decisões que alteram a sua educação, saúde, trabalho, corpo e futuro.

Este artigo destina-se a fins educativos gerais e não constitui aconselhamento jurídico, médico, regulamentar, de investimento ou de políticas públicas. Os requisitos e a evidência mudam; consulte fontes oficiais atuais e profissionais qualificados para decisões com consequências significativas.

Perspetiva baseada na evidência e leituras adicionais

A reformulação substitui as estatísticas não fundamentadas e os programas inexistentes ou incorretamente descritos do artigo original por fontes institucionais primárias.

1. União Internacional de Telecomunicações — Factos e números 2025
   Estimativas globais sobre a utilização da Internet e as lacunas persistentes na conectividade, acessibilidade económica e qualidade.
2. UNESCO — Recomendação sobre a Ética da Inteligência Artificial
   Um quadro global centrado nos direitos humanos, na dignidade, na equidade, na inclusão, na transparência e na supervisão humana.
3. Comissão Europeia — Quadro regulamentar para a IA
   A visão geral oficial e o calendário atual de implementação faseada do Regulamento da Inteligência Artificial da União Europeia.
4. Organização Mundial da Saúde — Edição do genoma humano: um quadro de governação
   Valores, princípios, instituições e instrumentos de governação para a edição somática, germinal e hereditária do genoma humano.
5. Agência de Alimentos e Medicamentos dos EUA — Primeiras terapias genéticas aprovadas para a doença das células falciformes
   O anúncio da FDA de dezembro de 2023, incluindo o primeiro tratamento aprovado pela FDA que utiliza CRISPR/Cas9.
6. Centers for Medicare & Medicaid Services — Modelo de acesso a terapias celulares e genéticas
   Detalhes atuais do modelo sobre acordos baseados em resultados e apoio ao acesso à terapia genética para a doença das células falciformes.
7. Organização Mundial da Saúde — Ética e governação da inteligência artificial na saúde
   Orientações que ligam o potencial da IA na saúde à ética, aos direitos humanos e à responsabilização pública.
8. Instituto Nacional de Normas e Tecnologia dos EUA — Quadro de Gestão dos Riscos da IA
   Um quadro voluntário organizado em torno da governação, mapeamento, medição e gestão dos riscos da IA.