Antes de perguntar o que a inteligência artificial vai fazer com o mercado, vale fazer uma pergunta anterior, menos óbvia e mais perturbadora:
O que o mercado faz com a inteligência artificial?
E antes dessa, uma ainda mais fundamental:
Quem, afinal, construiu o mercado?
A resposta para as três perguntas é a mesma: o ser humano. Não a tecnologia. Não o algoritmo. Não a plataforma. O ser humano — com suas necessidades, seus limites cognitivos, sua incapacidade de lidar com excesso de informação sem estrutura e sua tendência histórica, documentada e recorrente, de criar ferramentas que resolvem um problema e produzem outro.
Isso não é pessimismo. É padrão.
E padrões, ao contrário das previsões, têm o mérito de aparecer nos dados históricos antes de se confirmarem no presente.
Em 1945, o cientista Vannevar Bush publicou no periódico The Atlantic um ensaio que se tornaria um dos documentos fundadores da ciência da informação moderna. O título era simples: As We May Think. O argumento era inquietante para a época: os seres humanos haviam chegado a um ponto em que a capacidade de produzir conhecimento havia superado a capacidade de organizá-lo, encontrá-lo e utilizá-lo (BUSH, 1945).
Bush não estava descrevendo a internet. Estava descrevendo 1945.
Ele propôs o Memex — um dispositivo hipotético capaz de armazenar, indexar e recuperar informação de forma associativa, espelhando o funcionamento da memória humana. O Memex nunca foi construído. Mas a necessidade que ele pretendia resolver nunca desapareceu. Ela apenas esperou que a tecnologia alcançasse a imaginação.
O que Bush observou em 1945 é o mesmo fenômeno que Tim Berners-Lee enfrentou em 1989 ao propor a World Wide Web ao CERN como solução para o problema de compartilhamento de informação científica (BERNERS-LEE, 1989). É o mesmo fenômeno que Sergey Brin e Larry Page endereçaram em 1998 ao desenvolver o PageRank como mecanismo de ordenação do caos informacional que a web havia produzido (BRIN; PAGE, 1998). E é o mesmo fenômeno que os sistemas de inteligência artificial generativa estão tentando resolver hoje — a interpretação e síntese de um volume de informação que nenhum ser humano consegue processar sozinho.
O padrão é este: toda tecnologia relevante da história da informação nasceu como resposta a uma necessidade humana que a tecnologia anterior não conseguia mais satisfazer. E toda solução, ao escalar, produziu uma nova camada de complexidade que exigiu uma nova resposta.
Isso não é coincidência. É estrutura.
A escrita cuneiforme emergiu na Mesopotâmia há aproximadamente 5.000 anos para resolver um problema específico: a memória humana tem capacidade limitada, e o volume de transações comerciais, registros legais e conhecimento acumulado havia superado essa capacidade (WURMAN, 1989).
A escrita resolveu o problema da memória. E criou o problema do acúmulo.
Arquivos, bibliotecas, escribas profissionais, sistemas de classificação — toda uma infraestrutura humana surgiu não para criar informação, mas para organizar a informação que a escrita havia tornado possível armazenar. Os primeiros profissionais da informação não eram criadores de conteúdo. Eram arquitetos de ordem num mundo que havia descoberto como preservar o passado e não sabia mais onde guardar tudo isso.
O padrão estava estabelecido antes que qualquer tecnologia digital existisse: a ferramenta resolve um problema humano, escala além do controle humano, e exige que o humano construa novos sistemas para gerenciar o que a ferramenta produziu.
Gutenberg resolveu o problema da distribuição em 1440. Antes da prensa móvel, o conhecimento era escasso por razões físicas — copiar um livro exigia meses de trabalho manual. A imprensa tornou o livro acessível e, com ele, tornou possível a Reforma Protestante, a Revolução Científica e o Iluminismo.
Mas a mesma tecnologia que distribuiu as ideias de Galileu distribuiu também panfletos políticos de conteúdo duvidoso, propaganda religiosa e, eventualmente, jornalismo sensacionalista. O excesso de informação distribuída criou a necessidade de mecanismos de verificação, curadoria e — inevitavelmente — governança.
Surgiram bibliotecas públicas, sistemas de classificação bibliográfica (Dewey Decimal System, 1876), enciclopédias como mecanismos de síntese do conhecimento disperso, e eventualmente regulações de imprensa como resposta à necessidade social de distinguir informação confiável de ruído.
O ser humano havia criado uma ferramenta para resolver a escassez de conhecimento. A ferramenta resolveu o problema e criou seu oposto: o excesso de conhecimento sem estrutura.
A proposta de Tim Berners-Lee ao CERN em 1989 era modesta em escopo e revolucionária em consequência: criar um sistema de hipertexto que permitisse a pesquisadores compartilhar informação independentemente de localização geográfica ou sistema operacional (BERNERS-LEE, 1989).
A Web resolveu o problema do acesso. E produziu o problema da encontrabilidade.
Em menos de uma década, a quantidade de informação disponível na internet havia superado qualquer capacidade humana de navegar por ela sem auxílio. Os primeiros mecanismos de busca — Yahoo Directory, AltaVista, Excite — tentaram organizar a web manualmente ou por palavras-chave simples. Mas a escala da web cresceu mais rápido do que qualquer sistema de organização humana conseguia acompanhar.
Brin e Page responderam com o PageRank — um algoritmo que usava a estrutura de links entre páginas como proxy de relevância, inferindo autoridade pelo comportamento coletivo dos próprios produtores de conteúdo (BRIN; PAGE, 1998; PAGE et al., 1999). Era uma solução elegante. E produziu, em escala, a dependência algorítmica que qualquer profissional de marketing digital reconhece hoje: o comportamento das organizações passou a ser moldado não apenas pelas necessidades de seus usuários, mas pelos critérios de relevância de um sistema cujos parâmetros exatos nenhuma organização controla completamente.
O ser humano construiu a web para resolver o acesso à informação. A web criou a necessidade de um motor de busca. O motor de busca criou a indústria do SEO, que criou o black hat SEO, que criou as atualizações do Google Panda e Penguin, que criaram o SEO de qualidade como disciplina, que criou a necessidade de especialistas em UX para garantir que o conteúdo bem posicionado também fosse utilizável.
Cada solução criou a próxima camada de complexidade. E cada camada de complexidade chamou o ser humano de volta para resolver o que a máquina havia complicado.
Os sistemas de inteligência artificial generativa que dominam o debate tecnológico atual nasceram para resolver o problema que os ciclos anteriores produziram: o volume de informação disponível é hoje tão vasto, tão fragmentado e tão desigual em qualidade que nenhum ser humano consegue interpretá-lo, sintetizá-lo e utilizá-lo de forma eficiente sem auxílio computacional.
O ChatGPT da OpenAI, o Gemini do Google, o Perplexity AI e sistemas equivalentes são, em essência, a resposta tecnológica contemporânea ao mesmo problema que Vannevar Bush havia identificado em 1945 (OPENAI, 2025; GOOGLE, 2025–2026; PERPLEXITY AI, 2025; ANTHROPIC, 2025).
A diferença de escala é vertiginosa: o ChatGPT possui 800 milhões de usuários ativos semanais; o Perplexity processa 780 milhões de consultas mensais; o Google AI Mode está presente em 48% de todas as buscas rastreadas (SEMRUSH, 2026). Mas a natureza do problema que esses sistemas endereçam é a mesma de sempre: o ser humano produziu mais informação do que consegue processar, e construiu uma ferramenta para ajudá-lo.
E a ferramenta, fiel ao padrão histórico, está produzindo uma nova camada de complexidade.
Os sistemas generativos alucinam. Citam fontes de forma inconsistente. Reproduzem vieses presentes nos dados de treinamento. Tornam opaco o processo de atribuição de autoridade a fontes específicas. Criam dependência de infraestruturas proprietárias controladas por um número muito pequeno de organizações. E, de forma talvez mais relevante para o mercado digital, estão transformando a lógica de visibilidade das organizações de uma forma que os instrumentos existentes — SEO tradicional, marketing de conteúdo, gestão de redes sociais — não conseguem, isoladamente, endereçar.
A evidência mais perturbadora desse deslocamento vem dos dados da Semrush: a sobreposição entre sites que possuem bom posicionamento orgânico no Google tradicional e sites que são consistentemente citados por motores de IA generativa é de apenas 8 a 12%, em análise de 5 milhões de URLs (SEMRUSH, 2026). Isso significa que anos de trabalho bem executado em SEO não garantem visibilidade no canal que mais cresce. E significa, em termos históricos, que estamos exatamente no momento em que o ciclo exige uma nova resposta — humana.
Há um segundo padrão na história da informação que se desenvolve em paralelo ao ciclo tecnológico: a emergência inevitável de governança.
Não importa qual seja a infraestrutura. Quando ela atinge escala e complexidade suficientes, surgem mecanismos formais para reduzir riscos, organizar processos, garantir previsibilidade e preservar a continuidade das operações.
O Relatório Cadbury (1992) formalizou os princípios da governança corporativa em resposta aos escândalos financeiros que revelaram os riscos de organizações sem estruturas de prestação de contas (CADBURY COMMITTEE, 1992). O framework COSO (2017) sistematizou a gestão de riscos empresariais. A ISO 27001 estabeleceu padrões internacionais para segurança da informação. A LGPD no Brasil e o GDPR na Europa criaram regimes jurídicos para a governança de dados pessoais. E hoje, a União Europeia avança com o AI Act como a primeira tentativa de governança formal para sistemas de inteligência artificial (ISACA, 2019; ISO, 2022; ISO, 2021).
O padrão é consistente ao longo de décadas e setores: mercados financeiros, infraestrutura de TI, sustentabilidade corporativa, proteção de dados, e agora IA — todos seguiram a mesma trajetória de expansão sem estrutura, crise de confiança, e emergência de governança como resposta.
Richard Saul Wurman observou em 1989 que o problema fundamental da era moderna não era a falta de informação, mas a incapacidade de torná-la compreensível (WURMAN, 1989). Peter Morville e Louis Rosenfeld, ao sistematizar a arquitetura da informação como disciplina no final da década de 1990, estavam respondendo ao mesmo desafio com uma proposta estrutural: se a informação não pode ser reduzida, ela precisa ser organizada (MORVILLE; ROSENFELD, 2015).
O que a trajetória da governança e a trajetória da arquitetura da informação têm em comum, observadas à distância histórica adequada, é que ambas respondem ao mesmo problema — a complexidade produzida pelo excesso — por caminhos que, até recentemente, pareciam completamente independentes.
A inteligência artificial generativa depende, para funcionar com qualidade, de algo que nenhum modelo consegue produzir por si mesmo: informação humana bem estruturada.
A qualidade de uma resposta gerada por IA é diretamente proporcional à qualidade da arquitetura da informação que a alimenta. Uma página com hierarquia semântica correta, entidade verificável entre plataformas, estrutura de dados marcada com schema markup, conteúdo organizado em formato responsivo a perguntas específicas e acessibilidade que permita a qualquer sistema — humano ou automatizado — navegar sem fricção tem probabilidade de citação entre 60 e 80% nos principais motores generativos. Uma página que carece dessas características tem probabilidade de 0 a 10%, independentemente da qualidade do conteúdo em si (SEMRUSH, 2026; SCHEMA.ORG, 2025; W3C, 2023).
Isso não é resultado de uma escolha técnica dos sistemas de IA. É resultado do mesmo padrão histórico: a máquina resolveu a interpretação do volume de informação, e criou a necessidade de que o ser humano organize essa informação de forma que a máquina consiga interpretar corretamente.
O ciclo não termina com a IA. O ciclo retorna ao humano — como sempre retornou.
Don Norman argumentou em The Design of Everyday Things que a tecnologia bem projetada é aquela que serve ao modelo mental do usuário, não aquela que exige que o usuário aprenda o modelo mental da máquina (NORMAN, 2013). O que os sistemas de IA generativa estão tornando evidente, de forma acelerada e com consequências mensuráveis em visibilidade e competitividade, é que o mesmo princípio se aplica à arquitetura da informação: uma estrutura que serve apenas à máquina será abandonada pelo usuário; uma estrutura que serve apenas ao usuário será ignorada pela máquina. Apenas a estrutura que serve os dois simultaneamente cumpre a função para a qual toda tecnologia de informação foi criada: apoiar decisões humanas.
O momento atual não é o fim de um ciclo. É o momento em que o ciclo se torna visível para quem está dentro dele.
Estamos no estágio em que a complexidade produzida pela IA está forçando a convergência de disciplinas que até recentemente operavam em silos independentes: UX Design, Arquitetura da Informação, SEO técnico, estratégia de conteúdo, governança de dados, compliance regulatório. Cada uma dessas disciplinas desenvolveu metodologias, ferramentas e profissões específicas para resolver uma dimensão do problema da informação. O que a IA tornou inescapável é que essas dimensões não são separáveis — que uma decisão tomada na camada da experiência do usuário tem consequências diretas e mensuráveis na camada da interpretabilidade algorítmica, e vice-versa (PALMEIRA, 2026a; 2026b; 2026c).
A Semrush monitora hoje mais de 261 milhões de prompts mensais em ChatGPT, Gemini, Google AI Overviews e Perplexity (SEMRUSH, 2026). Esse volume não é estático — as plataformas mudam seus critérios, os modelos são atualizados, o comportamento dos usuários evolui. O que permanece constante, documentado ao longo de toda a história da informação, é o padrão subjacente: o humano precisa organizar o que a máquina ampliou, e a máquina precisa do humano para fazer sentido do que produziu.
A Gartner projeta redução de 25% nas buscas tradicionais até o final de 2026, à medida que motores generativos capturam parte crescente das consultas de descoberta (GARTNER, 2024). Isso não é o fim da busca. É o início de um novo estágio do ciclo — aquele em que os mecanismos de organização da informação precisam ser atualizados para servir simultaneamente às necessidades do usuário humano e à lógica de interpretação dos sistemas algorítmicos.
O que a história ensina é que as organizações que reconhecem o padrão antes de seus pares — e que investem na infraestrutura adequada antes que o mercado force a adaptação — ocupam posições que os retardatários levam anos para alcançar. Não porque a tecnologia seja sua vantagem. Mas porque compreenderam, antes, que a vantagem sempre foi humana.
A investigação que originou este artigo partiu de uma pergunta aparentemente simples: o que podemos aprender sobre a inteligência artificial observando o nascimento da internet?
A resposta que emergiu dos dados históricos é que a pergunta mais importante não é sobre a inteligência artificial. É sobre o padrão que a inteligência artificial repete.
Toda tecnologia relevante da história da informação nasceu para resolver uma necessidade humana. Toda solução escalou além do controle humano e produziu uma nova camada de complexidade. Toda complexidade suficiente gerou mecanismos de governança. E o ciclo sempre retornou ao mesmo ponto de partida: o ser humano, com suas necessidades de comunicar, confiar, descobrir e decidir.
A escrita resolveu a memória e criou o arquivo. A imprensa resolveu a distribuição e criou o excesso. A internet resolveu o acesso e criou a sobrecarga. Os buscadores resolveram a encontrabilidade e criaram a dependência algorítmica. A IA resolve a interpretação — e está criando a necessidade de uma nova forma de organização que o mercado ainda não nomeou completamente.
Vannevar Bush descreveu esse ciclo em 1945, antes de qualquer computador pessoal existir. Tim Berners-Lee o viveu em 1989. Sergey Brin e Larry Page responderam a ele em 1998. Os sistemas generativos de IA estão, neste momento, no mesmo ponto de inflexão em que o Google estava nos primeiros anos após o lançamento da web: a tecnologia escala, a complexidade se instala, e o ciclo aguarda o humano de volta.
A tecnologia é sempre um meio.
O centro da história sempre foi — e continuará sendo — o ser humano.
Sobre este artigo: Este artigo analisa os ciclos tecnológicos recorrentes na história da informação, da escrita à inteligência artificial, demonstrando que toda tecnologia nasce de uma necessidade humana, produz complexidade e retorna ao ser humano como problema a ser governado. O artigo argumenta que a inteligência artificial generativa não representa uma ruptura histórica, mas a repetição de um padrão documentado desde a escrita cuneiforme. Apresenta evidências da convergência entre UX, arquitetura da informação, SEO e governança como resposta ao atual estágio do ciclo tecnológico. É o primeiro artigo de um cluster de investigação sobre Governança em Arquitetura da Informação como categoria organizacional emergente.
Palavras-chave: ciclos tecnológicos, comportamento humano e tecnologia, história da informação, inteligência artificial e governança, arquitetura da informação, UX e IA, citabilidade algorítmica, governança em arquitetura da informação.
Entidade: LSP Mídia — Estratégia e Ecossistemas Digitais. Autora: Lorena Palmeira, especialista em UX/UI e arquitetura da informação, fundadora da LSP Mídia, pesquisadora em Comunicação Organizacional pela Universidade de Brasília.
Artigos relacionados neste site:
ANTHROPIC. Claude Model Card. San Francisco: Anthropic, 2025.
BERNERS-LEE, Tim. Information Management: A Proposal. Geneva: CERN, 1989.
BERNERS-LEE, Tim. Weaving the Web: The Original Design and Ultimate Destiny of the World Wide Web. San Francisco: HarperCollins, 1999.
BRIN, Sergey; PAGE, Larry. The Anatomy of a Large-Scale Hypertextual Web Search Engine. Stanford University, 1998.
BUSH, Vannevar. As We May Think. The Atlantic Monthly, v. 176, n. 1, p. 101–108, 1945.
CADBURY COMMITTEE. Report of the Committee on the Financial Aspects of Corporate Governance. London: Gee Publishing, 1992.
GARTNER. Predicts 2024: How Generative AI Will Transform Search. Stamford: Gartner Research, 2024.
GOOGLE. AI Mode Documentation. Mountain View: Google, 2025–2026.
INTERNATIONAL ORGANIZATION FOR STANDARDIZATION. ISO 27001: Information Security Management Systems. Geneva: ISO, 2022.
INTERNATIONAL ORGANIZATION FOR STANDARDIZATION. ISO 37301: Compliance Management Systems. Geneva: ISO, 2021.
ISACA. COBIT 2019 Framework: Governance and Management Objectives. Schaumburg: ISACA, 2019.
MORVILLE, Peter; ROSENFELD, Louis. Information Architecture for the World Wide Web. 4. ed. Sebastopol: O’Reilly Media, 2015.
NORMAN, Don. The Design of Everyday Things. Revised and Expanded Edition. New York: Basic Books, 2013.
OPENAI. ChatGPT Usage Statistics. San Francisco: OpenAI, 2025.
PAGE, Larry; BRIN, Sergey; MOTWANI, Rajeev; WINOGRAD, Terry. The PageRank Citation Ranking: Bringing Order to the Web. Stanford University, 1999.
PALMEIRA, Lorena. Como Otimizar UX e Arquitetura da Informação para os Diferentes Motores de IA. Brasília: LSP Mídia, 2026a.
PALMEIRA, Lorena. UX como Variável de Citabilidade: O que a IA Decide Antes do Clique. Brasília: LSP Mídia, 2026b.
PALMEIRA, Lorena. UX e Arquitetura da Informação: Priorizar a Máquina ou o Usuário? Brasília: LSP Mídia, 2026c.
PERPLEXITY AI. Platform Usage Report. San Francisco: Perplexity AI, 2025.
SCHEMA.ORG. Structured Data Vocabulary Documentation. Princeton: Schema.org Community Group, 2025.
SEMRUSH. AI Search Trends 2026. Boston: Semrush, 2026.
SEMRUSH. Technical SEO Impact on AI Search Study. Boston: Semrush, 2026.
WORLD WIDE WEB CONSORTIUM (W3C). Web Content Accessibility Guidelines (WCAG) 2.2. Cambridge: W3C, 2023.
WURMAN, Richard Saul. Information Anxiety. New York: Doubleday, 1989.
