By Marina Sousa 
A Inteligência Artificial (IA) generativa não é apenas uma ferramenta; ela se estabelece como uma máquina cultural poderosa, capaz de moldar significados, distribuir visibilidade e determinar o que circula e o que é silenciado. Essa distinção, sutil para alguns, é profunda: enquanto uma ferramenta executa, uma máquina cultural produz sentido e organiza informações segundo uma lógica própria, influenciando o que consumimos, encontramos e, crucialmente, lembramos. Diferente de um martelo ou uma calculadora, a IA generativa se assemelha mais a uma editora, um museu ou uma rádio, tomando decisões curatoriais em escala industrial, 24 horas por dia, em múltiplas línguas.
A Ruptura do Documento Tradicional
Por séculos, o conceito de arquivo esteve atrelado a um depósito de rastros do passado, onde eventos eram registrados, e esses registros, guardados. A sequência era clara: algo acontecia, era documentado, e o documento servia como prova da existência prévia. Essa lógica, contudo, foi radicalmente interrompida pela IA generativa. Atualmente, sistemas de inteligência artificial produzem ‘documentos’ — textos, imagens, sons — sem que nenhum evento prévio os justifique. Um texto surge de um cálculo estatístico, não de um testemunho humano; uma imagem emerge de distribuições de probabilidade aprendidas sobre milhões de outras imagens, e não de uma cena fotografada. O que resulta é funcionalmente idêntico a um documento, com aparência, estrutura e coerência, mas sua genealogia é completamente diferente. Chamamos isso de ‘documento algorítmico’: não o traço de uma ação ou evento, mas a materialização de uma inferência estatística. Essa transformação altera fundamentalmente o trabalho de quem lida com arquivos.
Os Pilares da Arquivologia em Xeque
A Arquivologia, disciplina dedicada à gestão e preservação de documentos, foi construída sobre a premissa de garantir a confiabilidade dos registros. As respostas clássicas se baseavam em três pilares: autenticidade (verificar se o documento é o que parece ser, produzido por quem diz ter sido, no momento certo), proveniência (saber a origem de cada documento e seu contexto de criação) e custódia (garantir que o documento não foi adulterado ao longo do tempo). Todas essas categorias pressupunham a existência de um autor humano identificável, um ato de origem rastreável e um momento de criação bem definido. O documento algorítmico dissolve cada um desses pressupostos. Seu ‘autor’ é uma rede neural com bilhões de parâmetros; seu ato de origem não é uma decisão humana, mas uma operação matemática complexa; e seu momento de criação se estende desde meses de treinamento do modelo até frações de segundo de inferência. Não se trata de afirmar que os documentos algorítmicos são falsos, mas sim que as ferramentas e os conceitos que possuímos para avaliá-los foram desenhados para um tipo de objeto radicalmente diferente.
Protoarquivos: Onde a Memória é Calculada
Pensadores como Vilém Flusser e Michel Foucault já antecipavam, de maneiras distintas, essa complexidade. Flusser, ao analisar imagens técnicas como fotografia e cinema, notou que elas simulam coerência referencial sem derivar necessariamente de um referente empírico direto. A IA generativa vai além, dispensando até a ‘câmera’, criando probabilidade onde antes havia cena. Foucault, por sua vez, concebeu o arquivo não como um depósito, mas como o sistema que determina o que pode ser dito em uma época, delimitando o campo do dizível. Essa ideia, antes abstrata para a prática arquivística, materializa-se hoje nos grandes modelos de linguagem. Eles são sistemas que delimitam o que pode ser gerado, o que é estatisticamente plausível, o que o modelo considera um enunciado coerente. São, em um sentido preciso, ‘arquivos do possível’. Propomos chamá-los de ‘protoarquivos’: infraestruturas que antecedem o documento e condicionam sua emergência, organizando não textos finalizados, mas domínios de possibilidade. A diferença crucial é que o arquivo foucaultiano é histórico, moldado por práticas sociais e relações de poder; o protoarquivo algorítmico é estatístico, baseado em distribuições de frequência aprendidas em bilhões de textos, imagens e sons que compõem sua ‘memória comprimida’ da cultura humana. Quando um sistema de IA gera conteúdo, a resposta emerge desse protoarquivo invisível, reproduzindo e amplificando o que já é dominante, e marginalizando o que é sub-representado nos dados de treinamento. Isso não ocorre por censura consciente, mas por matemática, transformando uma questão técnica em política.
Preservar Não é Apenas Guardar
Nesse novo cenário, preservar não pode mais significar apenas guardar. Precisa implicar em projetar condições de visibilidade para o que, de outra forma, seria invisível. A autoria de um documento algorítmico é distribuída em rede, tornando impossível responsabilizar um único nó. Frank Pasquale, em sua análise da sociedade da caixa-preta, enfatiza a necessidade de auditoria desses sistemas. Bruno Latour nos lembra que artefatos técnicos não são passivos; eles agem, reconfiguram possibilidades. Um modelo de linguagem não é uma ferramenta neutra; é um agente não-humano que co-produz documentos ao lado de humanos. A ‘caixa-preta’ — a opacidade sobre como um modelo foi treinado, com quais dados, com quais escolhas de filtragem — impede a avaliação crítica e a preservação responsável. Daí a importância dos ‘paradados’: dados e metadados sobre o processo de geração, e não apenas sobre o produto final. Registrar o modelo, sua versão, seu corpus de treinamento, o prompt que o ativou e as condições da inferência é uma tentativa de devolver ao documento algorítmico uma genealogia rastreável, algo que ele não possui por natureza.
Bernard Stiegler argumentou que cada tecnologia de inscrição exterioriza a memória humana, transformando nossa relação com o tempo. A IA generativa é a etapa mais radical, não apenas armazenando, mas gerindo, reorganizando e recalculando a memória de forma autônoma. A memória deixa de ser um olhar retrospectivo para se tornar processual e prospectiva; o arquivo não é mais onde o tempo se deposita, mas onde ele se produz. Terry Cook já alertava que o arquivista deveria ser um agente ativo na construção da memória social. Na era algorítmica, essa proposta se intensifica: o arquivista precisa se tornar um arquiteto das infraestruturas que produzem memória, ampliando seu objeto de trabalho do documento estabilizado para o ecossistema técnico que o torna possível. Jacques Derrida identificou o poder arquivístico como político, capaz de decidir o que merece ser lembrado e o que pode ser esquecido. Esse poder migrou para os centros de dados, os algoritmos e as políticas das grandes empresas de tecnologia. Quem controla o protoarquivo, controla, em grande parte, o que poderá ser lembrado.
Não se trata de um cenário catastrofista. Sistemas algorítmicos também ampliam o acesso e permitem recombinações criativas. A questão não é evitá-los, mas usá-los com transparência e mecanismos de responsabilização. O arquivo sempre foi um campo de poder; a novidade algorítmica não inventou essa dimensão, mas a radicalizou, tornando-a mais opaca e subtraindo o humano do centro. Se a IA se tornará a infraestrutura central da memória coletiva, e há bons motivos para acreditar que sim, a Arquivologia precisa estar dentro dessa infraestrutura, participando das decisões sobre curadoria de dados, treinamento de modelos e documentação de saídas. O arquivo que não guarda — que calcula, projeta e reconfigura — ainda é um arquivo, mas exige de nós uma nova forma de atenção e atuação.
Fonte: jornal.usp.br