Há dois anos, falar em inteligência artificial generativa era quase um exercício de ficção científica. Hoje, ferramentas como o ChatGPT, o Gemini, o Copilot da Microsoft ou o Claude da Anthropic fazem parte da rotina de milhões de pessoas — incluindo portugueses. Mas até onde chegam, de facto, estas tecnologias? E onde continuam a falhar?
É importante separar o entusiasmo do marketing da realidade prática. A IA generativa é genuinamente poderosa em determinados contextos, mas ainda tem limitações sérias que nem sempre são discutidas com honestidade.
O que já é possível fazer – e funciona bem
A lista do que estas ferramentas já conseguem fazer de forma útil e fiável é, reconheça-se, impressionante.
Escrita e edição de texto são talvez os casos de uso mais maduros. Redigir e-mails profissionais, resumir documentos longos, corrigir erros gramaticais ou adaptar o tom de um texto são tarefas em que modelos como o GPT-5 da OpenAI ou o Claude Sonnet 4.6 da Anthropic se saem extremamente bem. Para quem escreve em inglês e português, a qualidade é comparável — um avanço notável face a versões anteriores.
Geração de código é outra área onde a IA generativa já prova o seu valor. Programadores de todo o mundo usam o GitHub Copilot ou o ChatGPT para gerar blocos de código, depurar erros ou aprender novas linguagens. Não substitui um programador experiente, mas acelera significativamente o trabalho.
Criação de imagens com ferramentas como o Midjourney, o DALL-E 3 ou o Flux atingiu um nível de qualidade que, há três anos, seria considerado impossível. Criadores de conteúdo, designers e marketeers portugueses já utilizam estas plataformas no seu dia a dia para protótipos visuais, ilustrações e campanhas.
Assistentes de pesquisa e síntese são igualmente uma das aplicações mais práticas. Pedir a um modelo que resuma um artigo científico, explique um conceito jurídico de forma simples ou compare produtos com base em especificações técnicas poupa tempo real — desde que o utilizador saiba validar as respostas.
- Redação e edição de conteúdos
- Apoio à programação e debugging
- Geração de imagens e visuais criativos
- Síntese de documentos e investigação
- Tradução com contexto e nuance
- Atendimento ao cliente automatizado
O que ainda falha – e importa saber
Aqui reside o território que muitos entusiastas preferem ignorar. A IA generativa tem falhas estruturais que não desaparecem apenas com modelos maiores.
As alucinações continuam a ser um problema real — e, em certos casos, pioraram. A OpenAI admitiu formalmente, na sua própria investigação, que o GPT-5 continua a alucinar, embora com menor frequência quando em modo de raciocínio.
Mais perturbador ainda: os modelos especializados em raciocínio aprofundado, como o o3, alucinam mais em questões factuais simples do que os seus antecessores — o o3 atingiu uma taxa de 33% em perguntas sobre pessoas concretas, mais do dobro dos 16% do o1.
Datas erradas, referências bibliográficas inexistentes, nomes trocados — quem usar estas ferramentas sem verificação crítica vai, inevitavelmente, propagar erros.
O raciocínio matemático e lógico complexo melhorou, mas continua a não ser infalível. Os modelos atuais resolvem problemas intrincados de forma convincente, mas em cálculos multi-passo ou problemas de lógica muito elaborados, a taxa de erro mantém-se relevante.
Um estudo matemático de 2025 confirmou que as alucinações não podem ser completamente eliminadas sob as arquiteturas atuais de LLM — são uma consequência estrutural de como estes sistemas funcionam, não apenas um problema de engenharia a resolver.
A memória e o contexto prolongado são limitações que afetam a utilização prática. Os modelos Gemini 3 suportam janelas de contexto de 1 milhão de tokens, o que mitiga bastante este problema para documentos extensos, mas manter coerência num projeto complexo e de longa duração ainda exige algum esforço do utilizador.
A personalização real é ainda superficial. Apesar das funcionalidades de “memória” do ChatGPT ou dos perfis do Gemini, estes sistemas não “conhecem” o utilizador de forma genuína. Adaptam-se ao estilo da conversa, mas não têm uma compreensão profunda do contexto de vida de cada pessoa.
Privacidade e segurança dos dados continuam a ser uma preocupação legítima, especialmente em contexto empresarial e regulatório europeu. O RGPD impõe restrições claras, e muitas organizações portuguesas ainda navegam com cautela quando se trata de integrar IA generativa em processos que envolvem dados sensíveis.
O contexto português: adoção ainda tímida, mas a crescer
Em Portugal, a adoção destas ferramentas está a crescer, mas de forma desigual. Startups tecnológicas, agências de marketing e profissionais independentes estão na vanguarda.
Nas grandes empresas e no setor público, a integração é mais lenta — condicionada por questões regulatórias, resistência cultural e falta de literacia digital específica.
O Governo português tem apostado em iniciativas de digitalização, mas a formação em IA generativa para o mercado de trabalho ainda é insuficiente. Há uma janela de oportunidade que está, neste momento, a ser aproveitada de forma desigual.
Conclusão: ferramenta poderosa, não solução mágica
A IA generativa é, sem dúvida, uma das tecnologias mais transformadoras da última década. Já é possível fazer coisas que há poucos anos seriam impensáveis — e isso é genuinamente entusiasmante.
Mas tratá-la como uma solução infalível é um erro que custa caro, seja em credibilidade, em segurança ou em decisões baseadas em informação errada.
O utilizador informado é aquele que aproveita o que a IA tem de melhor — velocidade, síntese, criatividade assistida — sem abdicar do pensamento crítico. Atualmente, saber usar bem estas ferramentas é tão importante quanto saber as suas limitações. E em Portugal, ainda há muito caminho a percorrer nessa literacia.
