Projeto editorial do Logosgrafia
A obra mostra o resultado. Aqui, preservamos o caminho.
O Laboratório documenta experiências em que a inteligência artificial não foi utilizada apenas para revisar, organizar ou acelerar uma tarefa. Ele começa quando surge um problema real de criação e a interação obriga o autor a modificar conscientemente o método de trabalho.
Entram na bancada as primeiras instruções, as versões inadequadas, os excessos recusados, as mudanças de estratégia, os critérios de seleção e a intervenção humana final. O objetivo não é exibir uma conversa por curiosidade, mas transformar o percurso em documentação de autoria.
Não basta que a inteligência artificial tenha participado. É preciso que alguma coisa tenha sido descoberta sobre como trabalhar com ela sem lhe entregar o comando da escrita.
Nem todo uso de IA entra no Laboratório.
Corrigir pontuação, eliminar repetições, organizar parágrafos, converter um texto em HTML ou acelerar uma revisão são usos legítimos. Podem aprimorar o acabamento, mas não necessariamente produzem uma descoberta metodológica sobre o ato de criar.
O Laboratório começa quando o método precisa mudar.
A experiência deve tornar visíveis escolhas, recusas e critérios humanos; produzir um procedimento que possa ser descrito; e permitir que outras pessoas compreendam, adaptem ou testem a estratégia sem confundi-la com uma receita universal.
Critérios de entrada
O que uma experiência precisa revelar?
Problema real
A criação precisa apresentar uma dificuldade concreta, não apenas utilizar tecnologia como ornamento.
Mudança de método
A interação deve provocar uma alteração consciente na forma de conduzir o trabalho.
Decisão autoral
Escolhas, recusas, critérios e intervenções humanas precisam permanecer identificáveis.
Procedimento analisável
O percurso deve poder ser descrito, examinado e adaptado a outras situações de criação.
técnica da enumeração
Tubo de ensaio 01
Minhas antigas vizinhas
Depois de duas versões completas que não encontravam a medida adequada, a inteligência artificial deixou de receber a tarefa de escrever a crônica inteira. Passou a produzir um banco numerado de possibilidades. O autor assumiu a seleção, a recusa, a sequência e a remontagem do material. Assim nasceu a técnica da enumeração.
Abrir o primeiro tubo de ensaioExperimentos documentados
Conheça os tubos de ensaio.
Cada tubo parte de uma obra publicada em sua estante original e abre a bancada de criação: problema, tentativas, erros, decisões, fundamentação, método encontrado e possibilidades de replicação.
Conceitos da bancada
A máquina produz possibilidades. A autoria começa no que fazemos com elas.
O Laboratório não parte da ideia de uma consciência artificial escondida atrás da tela. Seu ponto de partida é um sistema matemático capaz de gerar linguagem complexa e uma pessoa que precisa reconhecer, avaliar, recusar, reorganizar e assumir responsabilidade pelo que poderá permanecer na obra.
Geração não é experiência
Um modelo de linguagem pode relacionar palavras, reproduzir estruturas, sugerir metáforas e construir uma narrativa fluente. Mas não viveu a lembrança, não ocupou o lugar descrito e não possui a responsabilidade de quem assina. A linguagem pode ser gerada; a experiência precisa ser reconhecida pelo autor.
Fluência não é voz
Um texto pode estar correto, coeso e elegante e, ainda assim, soar genérico. A voz não nasce apenas do acabamento. Ela aparece nas escolhas que impedem o texto de servir igualmente para qualquer pessoa.
O contexto muda a resposta
Cada instrução, recusa, seleção ou comentário acrescenta novos sinais ao contexto da interação. O modelo não recebe apenas um pedido: recebe também o histórico das decisões que modificaram o caminho.
Fricção pode proteger a autoria
Nem sempre a melhor estratégia é fornecer mais ordens para obter um texto completo. Pode ser mais produtivo interromper a geração, pedir perguntas, separar possibilidades, comparar alternativas ou impedir temporariamente que a máquina conclua a obra.
O erro pode virar dado
Uma resposta clichê, excessiva ou inadequada não se transforma automaticamente em descoberta. Mas pode revelar uma instrução insuficiente, uma expectativa escondida ou um critério que o autor ainda não havia conseguido formular.
Autoria é também responsabilidade
Não basta perguntar quem digitou determinada frase. É preciso observar quem definiu o problema, reconheceu a inadequação, estabeleceu os critérios, alterou o método e decidiu que o trabalho estava concluído.
Do cálculo à decisão
O modelo continua a sequência. O autor decide o percurso.
De maneira simplificada, a inteligência artificial generativa calcula continuidades linguísticas a partir do contexto disponível. O trabalho autoral começa quando essas continuidades deixam de ser aceitas automaticamente e passam a ser submetidas a julgamento.Contexto
Instruções, exemplos, informações e mensagens anteriores orientam aquilo que poderá ser gerado.
Possibilidades
O sistema calcula diferentes continuidades e produz uma sequência linguística possível.
Fricção
O autor interrompe, compara, seleciona, recusa, questiona ou modifica a arquitetura da tarefa.
Decisão
A obra assume direção porque alguém responde pelo que permanece e também pelo que foi retirado.
Leitura para assinantes Semente
Replicar não é produzir o mesmo texto. É testar o mesmo princípio.
Nos tubos de ensaio, a experiência é apresentada como percurso: problema inicial, hipótese de trabalho, tentativas, ponto de virada, critérios autorais, resultado observado e limitações. A proposta não é oferecer receitas universais, mas permitir que cada leitor compreenda o procedimento e o adapte ao próprio contexto.
Fundamentação do projeto
Referências para pensar linguagem, autoria e inteligência artificial.
O Laboratório dialoga com pesquisas sobre modelos generativos, criatividade computacional, escrita colaborativa, formulação de instruções, ética e preservação da agência humana. Essas referências não transformam experiências editoriais em experimentos científicos controlados. Elas ajudam a formular perguntas, reconhecer limites e interpretar aquilo que acontece na interação entre autor e sistema.
Linguagem e funcionamento técnico
Tokenização, Transformers, geração probabilística e arquitetura dos modelos contemporâneos.
Autoria, criatividade e processo
Diferenças entre geração algorítmica, experiência humana, seleção, decisão e escrita colaborativa.
Ética, formação e responsabilidade
Preservação da voz, transparência, agência humana e limites do descarregamento cognitivo.
FALEIRO, Róger Sullivan; KLEIN, Ana Emília. A estilística genérica em produções de texto acadêmicas assistidas por Inteligência Artificial Generativa . Texto Livre, Belo Horizonte, v. 19, e60146, 2025. DOI: 10.1590/1983-3652.2026.60146.
Consultar publicaçãoHESSEL, Ana Maria Di Grado; LEMES, David de Oliveira. Criatividade da Inteligência Artificial Generativa. TECCOGS: Revista Digital de Tecnologias Cognitivas, São Paulo, n. 28, p. 119–130, 2024. DOI: 10.23925/1984-3585.2023i28p119-130.
Consultar publicaçãoLEE, Mina; LIANG, Percy; YANG, Qian. CoAuthor: Designing a Human-AI Collaborative Writing Dataset for Exploring Language Model Capabilities . CHI Conference on Human Factors in Computing Systems, 2022. DOI: 10.1145/3491102.3502030.
Consultar publicaçãoRÖHE, Anderson; SANTAELLA, Lucia. IAs Generativas: a importância dos comandos para texto e imagem . Aurora: Revista de Arte, Mídia e Política, São Paulo, v. 16, n. 47, p. 76–94, 2023. DOI: 10.23925/1982-6672.2023v16i47p76-94.
Consultar publicaçãoSAMPAIO, Rafael Cardoso. Escrita acadêmica ética, responsável e humana com inteligência artificial . Revista de Sociologia e Política, Curitiba, v. 33, e018, 2025. DOI: 10.1590/1678-98732433e018.
Consultar publicaçãoSANTAELLA, Lucia. A expansão artificial da inteligência humana. Revista da Universidade Federal de Minas Gerais, Belo Horizonte, v. 30, 2024. DOI: 10.35699/2965-6931.2023.48125.
SANTAELLA, Lucia; KAUFMAN, Dora. A inteligência artificial generativa como quarta ferida narcísica do humano . MATRIZes, São Paulo, v. 18, n. 1, p. 37–53, 2024. DOI: 10.11606/issn.1982-8160.v18i1p37-53.
Consultar publicaçãoSENNRICH, Rico; HADDOW, Barry; BIRCH, Alexandra. Neural Machine Translation of Rare Words with Subword Units . Proceedings of the 54th Annual Meeting of the Association for Computational Linguistics, Berlin, p. 1715–1725, 2016. DOI: 10.18653/v1/P16-1162.
Consultar publicaçãoVASWANI, Ashish et al. Attention Is All You Need. Advances in Neural Information Processing Systems, v. 30, 2017.
Consultar publicação