A escalada sintética: uma abundância que empobrece

Por Mary Ballesta, embaixadora IA4FIN

Todos sabemos ou temos ouvido em algum momento sobre a fome imparável de dado da IA. Uma fome que só cresce à medida que os modelos ficam mais complexos, os agentes mais autônomos e os ecossistemas mais interconectados. Por anos, o argumento dominante foi que vivíamos na era da abundância, da hiperpersonalização e do analytics infinito, mas esse argumento está chegando ao seu limite e começa a trazer outros desafios à mesa.

Pesquisadores do Epoch AI, instituto independente dedicado a projeções de longo prazo sobre capacidades e limites dos modelos de inteligência artificial, projetam que o mundo pode ficar sem texto humano de qualidade adequado para treinar IA entre 2026 e 2032. O dado humano, gerado por pessoas em contextos reais, com nuance, com erro, com casos raros e com o julgamento que esses casos requerem, está se tornando o recurso mais escasso do ecossistema de IA. E a resposta da indústria foi criar dado novo do zero: o dado sintético. O que começou como solução técnica para um problema de volume tem se convertido, de forma silenciosa, em uma infraestrutura de escala que traz desafios ainda pouco visíveis na visão de riscos e custos.

O que é dado sintético e por que chegou a hora de entender melhor o tema

Dado sintético é dado gerado artificialmente por modelos de IA para replicar as propriedades estatísticas de dados reais, sem usar informações reais de pessoas ou sistemas. Para nós que somos executivos ou líderes do mercado financeiro, a melhor comparação que posso trazer são os cenários de teste de riscos e resiliência de portfólios que usamos normalmente, onde criamos projeções plausíveis que o sistema ainda não viveu. O dado sintético faz o mesmo para os modelos de IA.

Às vezes está perto de nós, só que não sabemos. O Amazon One, solução de pagamento por reconhecimento de palma da mão, é um dos cases mais reveladores. Para treinar um modelo capaz de identificar uma pessoa entre milhões de usuários em frações de segundo, a Amazon criou uma "fábrica de palmas", produzindo milhões de imagens sintéticas com variações sutis de iluminação, posição e ângulo. O resultado: mais de 3 milhões de usos com precisão de 99,9999%. Uma precisão que a dificuldade de obter a mesma quantidade em dado real nunca produziria em tempo hábil.

Mas o que esse case revela é mais importante que o número: dado sintético funciona quando há julgamento humano de qualidade definindo o que o modelo precisa aprender, quais variações importam, quais bordas são críticas. Como discutimos nos artigos anteriores desta série, IA escala a qualidade do dado que tem. O dado sintético não é exceção, ele depende absolutamente do julgamento humano para funcionar de fato.

O risco invisível: um modelo que aprende a partir dele mesmo

Quando organizações usam apenas o dado sintético como fonte de aprendizado, sem essa âncora real, o risco que emerge tem nome técnico e consequências muito concretas: model collapse. Quando modelos treinam recursivamente nos próprios outputs, a diversidade estatística se estreita de forma progressiva e perigosa. Os casos raros desaparecem primeiro: o sistema se conduz em direção a médias, perdendo as bordas onde vivem as situações mais críticas para o negócio, a fraude sofisticada, o cliente atípico, o cenário de risco que nunca apareceu no histórico mas que vai aparecer na próxima crise.

A degradação é invisível até ela se tornar irreversível. Os indicadores continuam verdes, porém o colapso avança em silêncio.

Um modelo em colapso pode continuar passando em benchmarks enquanto produz outputs degradados, porque se os próprios benchmarks já contêm conteúdo poluído gerado por IA, o modelo poluído pontua bem em testes poluídos.

O humano no loop: a infraestrutura de suporte

Sangeet Paul Choudary, especialista em economia de plataformas e autor de Reshuffle: Who Wins When AI Restacks the Knowledge Economy, revela um paradoxo diretamente conectado ao model collapse: o "human in the loop", aquela promessa de que as pessoas permaneceriam próximas o suficiente para intervir quando necessário, na prática deixou o valor humano definido pela limitação da máquina. As pessoas foram posicionadas como camada de segurança em torno de uma automação imperfeita, validadoras de output e não produtoras de julgamento.

No contexto do dado sintético, essa degradação tem consequência direta: quem deveria definir o que é "bom", quais variações o modelo precisa aprender, quais outliers são críticos, foi reduzido a carimbar decisões que já chegam prontas. Choudary nomeia esse risco como cognitive offloading: quando delegar para a IA vira padrão operacional, as capacidades cognitivas que não são exercidas começam a enfraquecer. O modelo treina em dado sintético de qualidade decrescente, o humano que deveria perceber essa queda já não exerce o julgamento que permitiria percebê-la, e nessa interseção empobrecida o sistema continua operando sem perceber a consequência.

O duplo custo da nova equação

O artigo anterior desta série mostrou que o custo de escalar IA ainda não está sendo contabilizado. O dado sintético adiciona duas novas camadas a esse problema: custo financeiro e custo de oportunidade.

O custo financeiro direto é subestimado. Dado sintético de qualidade tem preço real e se quiserem uma referência concreta, a Nvidia adquiriu a Gretel AI por 320 milhões de dólares em março de 2025, reposicionando o produto como infraestrutura de dado sintético para IA agêntica. Organizações que economizam nessa camada pagam mais tarde em retreinamento, falhas de produção e incidentes regulatórios. No setor financeiro, onde um modelo de crédito mal calibrado ou uma detecção de fraude degradada se materializa em perdas auditáveis, esse adiamento tem endereço e consequências bem concretas.

O custo de oportunidade é mais silencioso e mais difícil de nomear. O Gartner projeta que 60% dos líderes de dados e analytics enfrentarão falhas críticas na gestão de dado sintético nos próximos dois anos, com consequências diretas em governança e precisão de modelos. O que esse número não captura é o custo humano por trás: organizações que atrofiam o julgamento de suas equipes técnicas e de negócio em nome da escala perdem a capacidade de fazer as perguntas certas sobre seus próprios modelos. E uma organização que não sabe mais questionar o que seus modelos aprenderam está, na prática, terceirizando sua estratégia para um sistema que degrada em silêncio.

O que o setor financeiro precisa redesenhar

A pergunta que Choudary nos força a fazer vai além de onde o humano intervém no processo de IA. A questão central é quais capacidades humanas precisam ser deliberadamente preservadas para que o dado sintético continue ancorado na realidade.

Para bancos e instituições financeiras, a tradução é concreta. Os pontos onde especialistas de crédito, risco e compliance exercem julgamento sobre os dados que alimentam os modelos, definindo o que é um caso raro ou crítico, o que é um padrão que o histórico nunca registrou mas que a experiência de mercado antecipa, esses pontos não são ineficiências a eliminar em nome da escala. Pelo contrário, podem se tornar uma condição de qualidade e diferenciação real do sistema inteiro.

Isso exige um mínimo de fricção intencional. Ao contrário do que temos ouvido sobre fluidez e eficiência pura com IA, trata-se de preservar pontos propositais de julgamento humano dentro de um sistema que, por design, tende a eliminar a raridade e a exceção. Choudary a nomeia como a salvaguarda que mantém o humano como produtor de julgamento, e não apenas como validador de resultado.

Quem conseguir entender essa sutil fronteira estará cultivando o ativo mais escasso do ecossistema de IA: julgamento humano de qualidade, capaz de combinar a escala obtida pelo poder do dado sintético com o atrito necessário da realidade.