Enquanto o mundo teme a IA, ela já está salvando vidas

A inteligência artificial tornou-se uma das expressões mais repetidas — e mais temidas — do século XXI. Governos a discutem. Empresas disputam sua liderança. Universidades criam centros especializados. E os investidores transformaram o setor no maior ímã de capital do mundo. Mas, enquanto o debate público se concentra no que ela pode destruir, a tecnologia já trabalha, em silêncio, para salvar.

Os números dão a dimensão do fenômeno. Segundo a consultoria PitchBook, em 2025 o capital de risco global movimentou US$ 512,6 bilhões — o segundo maior volume já registrado, atrás apenas de 2021 e 2022. A inteligência artificial sozinha respondeu por mais da metade desse valor e por quase um terço de todos os negócios fechados no planeta. Até outubro daquele ano, a PitchBook já contabilizava US$ 192,7 bilhões direcionados especificamente a startups de IA. A concentração é extrema: três empresas — OpenAI, Anthropic e xAI — capturaram boa parte das maiores rodadas. No primeiro trimestre de 2026, o ritmo só acelerou. As startups de IA levantaram US$ 255,5 bilhões em três meses, superando todo o ano anterior, com aquelas três companhias respondendo por mais de dois terços do total.

Apesar dessa avalanche de capital, a maior parte do debate público continua concentrada nos riscos da tecnologia. Fala-se sobre empregos ameaçados, manipulação de informações, vigilância digital, deepfakes e concentração de poder nas mãos de poucas corporações. São preocupações legítimas. Mas existe uma distorção crescente nessa narrativa. Ela frequentemente ignora aquilo que já está acontecendo em hospitais, laboratórios, universidades, fazendas, centros climáticos e operações de emergência espalhados pelo mundo.

A questão central deixou de ser o que a inteligência artificial poderá fazer. A pergunta agora é compreender o que ela já faz.

Quando a ciência ganha tempo

Poucos exemplos ilustram melhor essa mudança do que a pesquisa biomédica.

Durante mais de cinquenta anos, cientistas enfrentaram um dos maiores desafios da biologia moderna: prever a estrutura tridimensional das proteínas a partir de sua sequência de aminoácidos. Essas moléculas estão envolvidas em praticamente todos os processos da vida. O problema não era apenas científico, era econômico. Determinar experimentalmente a estrutura de uma única proteína podia consumir anos de trabalho e quantias na casa das centenas de milhares de dólares.

Em outubro de 2024, a Real Academia Sueca de Ciências concedeu o Prêmio Nobel de Química a três pesquisadores: metade do prêmio foi para David Baker, da Universidade de Washington, pelo design computacional de proteínas; a outra metade, dividida entre Demis Hassabis e John M. Jumper, do Google DeepMind, pela previsão de estruturas proteicas. O sistema desenvolvido por Hassabis e Jumper, o AlphaFold, estreou na competição internacional de previsão de estruturas em 2020, e o artigo que o descreveu, publicado em 2021, tornou-se uma das publicações científicas mais citadas de todos os tempos.

O impacto ultrapassa os limites da pesquisa acadêmica. A base pública construída a partir da tecnologia reúne previsões para cerca de 200 milhões de proteínas — praticamente todas as catalogadas por pesquisadores no mapeamento dos organismos da Terra. Até outubro de 2024, segundo o DeepMind, a ferramenta já havia sido utilizada por mais de dois milhões de cientistas em 190 países, acelerando investigações sobre câncer, Alzheimer, Parkinson, tuberculose, malária e doenças raras. Tarefas que antes levavam anos passaram a ser resolvidas em minutos.

A consequência prática é simples: a ciência ganhou tempo. E tempo, na medicina, significa vidas.

A nova etapa da indústria farmacêutica

O desenvolvimento de medicamentos é uma das atividades mais caras e demoradas do mundo. Segundo estimativas amplamente citadas do Tufts Center for the Study of Drug Development, levar um novo fármaco do laboratório ao mercado pode custar cerca de US$ 2,6 bilhões e consumir mais de uma década. Grande parte desse investimento desaparece em projetos que fracassam antes de chegar às farmácias.

Empresas como Pfizer, AstraZeneca, Novartis, Merck e Eli Lilly passaram a utilizar inteligência artificial para analisar bilhões de combinações moleculares, identificar compostos promissores e descartar alternativas com baixa probabilidade de sucesso. As estimativas do setor indicam que a IA pode comprimir as fases iniciais de descoberta em 30% a 40% e reduzir o tempo até a indicação de um candidato pré-clínico de três ou quatro anos para algo entre 13 e 18 meses.

Em 2025, esses esforços produziram o primeiro marco clínico concreto. A biotech Insilico Medicine publicou na Nature Medicine, em junho, os resultados de fase IIa do rentosertib — apontado como o primeiro fármaco a ter tanto o alvo biológico quanto a molécula inteiramente desenhados por inteligência artificial. O medicamento, voltado à fibrose pulmonar idiopática, uma doença grave e de poucas opções terapêuticas, mostrou segurança e sinais de eficácia. Uma revisão de registros de ensaios clínicos apontou que, até julho de 2025, mais de 29 programas terapêuticos guiados por IA já haviam avançado para estudos em humanos.

Aqui, porém, é preciso equilíbrio. O próprio balanço do ano trouxe fracassos: candidatos desenhados por IA foram engavetados após a fase II, e a Recursion Pharmaceuticals descontinuou seu principal composto, o REC-994, em maio de 2025, depois que dados de longo prazo não confirmaram resultados anteriores. A leitura mais sóbria do setor reconhece que a inteligência artificial acelera a descoberta inicial, mas ainda não resolveu o desafio de fundo: a taxa de fracasso de cerca de 90% nos ensaios clínicos. A tecnologia mudou a velocidade da partida, não garantiu a chegada.

Ainda assim, não estamos diante de uma hipótese futurista, e sim de uma mudança operacional em uma das indústrias mais importantes do planeta.

Hospitais e o segundo olhar

Os efeitos aparecem também na rotina dos hospitais, e a evidência mais robusta vem do rastreamento do câncer de mama.

Na Suécia, o estudo MASAI, conduzido por pesquisadores da Universidade de Lund sob coordenação de Kristina Lång, acompanhou cerca de 106 mil mulheres no primeiro ensaio clínico randomizado a testar a IA nesse contexto. Os resultados, publicados em etapas no Lancet Oncology, no Lancet Digital Health e, em sua versão final, no The Lancet em 2026, mostraram que o rastreamento apoiado por IA detectou 29% mais cânceres do que a leitura dupla tradicional, sem aumento nos falsos positivos, e reduziu em 44% a carga de leitura dos radiologistas. O acompanhamento de dois anos revelou ainda uma queda de 12% nos chamados cânceres de intervalo — tumores que surgem entre uma triagem e outra —, um dos indicadores mais importantes da eficácia de um programa de rastreamento.

No Reino Unido, o Serviço Nacional de Saúde (NHS) levou a abordagem à escala populacional. Anunciado em 4 de fevereiro de 2025, no Dia Mundial do Câncer, e financiado com £11 milhões do National Institute for Health and Care Research, o ensaio EDITH recrutou quase 700 mil mulheres em 30 unidades e coloca cinco sistemas de IA à prova. O contexto ajuda a entender a urgência: o NHS realiza mais de dois milhões de mamografias por ano e enfrenta escassez crônica de radiologistas — o Royal College of Radiologists relatou um déficit em torno de 29% na Inglaterra. Hoje cada mamografia é lida por dois especialistas; a expectativa é avaliar se um radiologista assistido por IA pode fazer o mesmo trabalho com segurança, liberando profissionais para casos mais complexos.

Nos Estados Unidos, hospitais como Mayo Clinic, Cleveland Clinic e Mass General Brigham incorporaram ferramentas semelhantes em diversas especialidades.

A pergunta mais frequente é se a inteligência artificial substituirá médicos. A experiência real sugere outra: quantos diagnósticos deixarão de ser perdidos porque uma segunda camada de análise passou a existir?

Produzir mais com menos no campo

A transformação alcança a agricultura.

A Organização das Nações Unidas para a Alimentação e a Agricultura (FAO) projeta que a produção global de alimentos precisará crescer cerca de 60% entre 2005/07 e 2050 em seu cenário de referência — em estimativas mais recentes, a entidade fala em produzir 50% mais do que em 2012. Tudo isso sob forte pressão sobre os recursos naturais: a agricultura já responde por cerca de 70% de toda a água doce retirada de rios, lagos e aquíferos e por aproximadamente um terço das emissões de gases de efeito estufa.

Em diversos países, sensores inteligentes monitoram a umidade do solo, drones identificam pragas e algoritmos calculam necessidades específicas de irrigação. Estudos sobre irrigação de precisão registram reduções expressivas no consumo de água sem perda de produtividade — em alguns experimentos, a economia chega à faixa de 20% a 60% em comparação com métodos tradicionais. Um sistema solar baseado em lógica difusa testado em Bangladesh, por exemplo, economizou cerca de 61% de água.

Num cenário de insegurança alimentar crescente, produzir mais utilizando menos recursos deixou de ser apenas uma vantagem competitiva. Tornou-se uma necessidade estratégica.

Antecipar o desastre

A inteligência artificial também começa a alterar a forma como sociedades enfrentam desastres naturais.

A escala dos prejuízos torna a corrida por antecedência crítica. Em janeiro de 2025, os incêndios florestais que devastaram a região de Los Angeles geraram, segundo estimativa preliminar da AccuWeather, danos e perdas econômicas entre US$ 250 bilhões e US$ 275 bilhões — algo equivalente a cerca de 4% do PIB da Califórnia e um dos desastres mais caros da história moderna dos Estados Unidos, muito acima dos US$ 13 bilhões a US$ 16 bilhões dos incêndios de Maui, em 2023. Diante de números como esses, sistemas inteligentes passaram a combinar imagens de satélite, sensores ambientais e dados meteorológicos para identificar focos iniciais antes que se transformem em catástrofes.

Na Índia e em Bangladesh, algoritmos auxiliam previsões de enchentes que afetam milhões de pessoas todos os anos. Na Europa, modelos climáticos baseados em aprendizado de máquina aceleram cálculos que antes exigiam longos períodos de processamento, encurtando para minutos previsões que demandavam horas em supercomputadores.

Ganhar horas de antecedência pode significar a diferença entre uma evacuação organizada e uma tragédia.

A independência que a tecnologia oferece

Há ainda uma dimensão menos visível, mas igualmente importante: a acessibilidade.

Milhões de pessoas com deficiência visual passaram a utilizar sistemas capazes de descrever ambientes, reconhecer objetos, interpretar documentos e identificar rostos. Ferramentas de reconhecimento de voz ajudam pessoas com limitações motoras severas a interagir com computadores e dispositivos móveis.

Em muitos casos, a tecnologia não oferece conveniência. Oferece independência.

Educação diante de um déficit global

Outro impacto significativo ocorre na educação.

A UNESCO estima que o mundo precisará recrutar 44 milhões de professores do ensino primário e secundário até 2030 para alcançar as metas globais de educação — um esforço cujo custo só em salários é calculado em cerca de US$ 120 bilhões por ano. O problema não é apenas de demanda, mas de retenção: a taxa de abandono entre professores do ensino primário praticamente dobrou, passando de 4,6% em 2015 para mais de 9% em 2022. A África Subsaariana é a região mais afetada, com necessidade estimada de 15 milhões de novos docentes.

Nesse contexto, sistemas inteligentes vêm sendo usados para personalizar conteúdos, identificar dificuldades específicas de aprendizagem e ampliar o acesso a materiais educacionais. Nenhum algoritmo substitui um professor. Mas um professor equipado com ferramentas adequadas pode alcançar mais estudantes e compreender melhor onde cada um trava.

A balança econômica

Existe também uma dimensão econômica frequentemente ignorada.

A McKinsey estima que a inteligência artificial generativa poderá adicionar o equivalente a US$ 2,6 trilhões a US$ 4,4 trilhões anuais à economia global a partir de 63 aplicações analisadas — valor que sobe para US$ 6,1 trilhões a US$ 7,9 trilhões quando se considera a integração da tecnologia ao conjunto do trabalho do conhecimento. Somando-se todas as camadas de software e serviços de IA, a consultoria projeta um potencial econômico de US$ 15,5 trilhões a US$ 22,9 trilhões por ano até 2040. Segundo a mesma análise, a IA generativa tem capacidade técnica de automatizar atividades que hoje ocupam de 60% a 70% do tempo dos trabalhadores — não necessariamente eliminando funções, mas acelerando-as.

Essa distinção é fundamental. As grandes transformações tecnológicas da história não prosperaram porque eliminaram capacidades humanas. Prosperaram porque as ampliaram.

O motor ampliou a força física. O computador ampliou a capacidade de cálculo. A internet ampliou o acesso à informação. A inteligência artificial amplia a capacidade de análise, descoberta e resolução de problemas.

Os dois lados da balança

Os riscos continuam existindo. A concentração de poder tecnológico preocupa — e os números de investimento, com três empresas capturando a maior parte do capital, reforçam essa inquietação. A manipulação informacional ameaça democracias. A privacidade exige proteção permanente. Nenhuma dessas questões pode ser minimizada.

Mas uma análise equilibrada exige observar os dois pratos da balança.

Enquanto especialistas discutem cenários futuros, a inteligência artificial já ajuda cientistas a compreender doenças, médicos a diagnosticar mais cedo, agricultores a produzir alimentos, pesquisadores a desenvolver medicamentos, pessoas com deficiência a conquistar autonomia e autoridades a responder melhor a emergências.

A história provavelmente registrará muitos erros cometidos durante a ascensão dessa tecnologia. Mas também registrará um fato incontornável: em diferentes continentes, milhares de avanços que melhoram a qualidade de vida humana já carregam a assinatura discreta da inteligência artificial.