Universidade Federal de Rondônia, Porto Velho - RO
v. 4, n. 06, jun. 2026
Inteligência Artificial e Arquivologia: transformações conceituais e desafios para os regimes contemporâneos de informação, por Charlley Luz
Inteligência Artificial e Arquivologia: transformações conceituais e desafios para os regimes contemporâneos de informação
Charlley Luz charlleyluz@gmail.com
Introdução
A crescente incorporação da Inteligência Artificial (IA) em diferentes esferas sociais e institucionais têm produzido transformações profundas nos modos de produção, organização, circulação e preservação da informação. Longe de se restringir a uma inovação tecnológica pontual, a IA configura-se como elemento estruturante de um novo regime informacional, no qual dados, algoritmos e infraestruturas digitais assumem papel central na mediação das práticas sociais, econômicas e culturais.
Nesse contexto, a Arquivologia, tradicionalmente dedicada à gestão, preservação e acesso a documentos, é diretamente impactada por essas transformações. A crescente interdependência entre dados, documentos e sistemas algorítmicos desafia categorias fundamentais do campo, como proveniência, autenticidade e evidência, exigindo sua reinterpretação diante de ambientes digitais complexos e altamente automatizados.
Este artigo tem como objetivo analisar a IA a partir de uma perspectiva arquivística, articulando duas dimensões complementares: (i) o contexto sociotécnico no qual a IA se consolida como tecnologia estruturante da economia baseada em dados e (ii) sua realidade conceitual, compreendida como um ecossistema que envolve modelos algorítmicos, infraestruturas tecnológicas e regimes de dados. A partir dessa articulação, busca-se evidenciar como a IA tensiona fundamentos teóricos da Arquivologia e impõe novos desafios à garantia de confiabilidade, inteligibilidade e preservação da informação.
Inteligência Artificial e Arquivologia: contexto e realidade conceitual
Antes de abordar os fundamentos conceituais e técnicos da Inteligência Artificial (IA), é necessário situá-la no quadro mais amplo das transformações estruturais que caracterizam a contemporaneidade digital. Esse contexto é marcado pela intensificação do paradigma informacional, no qual dados, informações e infraestruturas digitais assumem centralidade estratégica nas dinâmicas econômicas, políticas e sociais.
Conforme argumenta Rob Kitchin (2014), observa-se a consolidação de uma economia orientada por dados, na qual a produção, circulação e análise massiva de informações reconfiguram profundamente os modos de organização do conhecimento e de exercício do poder.
Essa transformação é sustentada por três vetores principais: o avanço exponencial da capacidade computacional, a consolidação de infraestruturas escaláveis de armazenamento e processamento, especialmente com a computação em nuvem, e o desenvolvimento de métodos estatísticos e algorítmicos cada vez mais sofisticados.
Nesse cenário, a IA emerge como tecnologia estruturante, desempenhando papel central na automação de processos, na análise de grandes volumes de dados e no apoio à tomada de decisão em múltiplos domínios institucionais. Organismos internacionais reforçam essa centralidade.
A Organisation for Economic Co-operation and Development (2019) destaca a IA como vetor estratégico para o crescimento econômico e a inovação, enquanto a UNESCO (2021) enfatiza suas implicações éticas, sociais e culturais, especialmente no que se refere à governança da informação, à transparência algorítmica e à proteção de direitos fundamentais. Esses enquadramentos convergem ao indicar que a IA deve ser compreendida como um fenômeno sociotécnico, no qual dimensões técnicas, institucionais e normativas se entrelaçam.
Essa perspectiva é aprofundada pela filosofia da informação de Luciano Floridi (2013), que propõe compreender a expansão das infraestruturas digitais como constitutiva de uma “infosfera”, na qual agentes humanos e não humanos interagem continuamente.
Nesse ambiente, a informação deixa de ser apenas objeto de gestão e passa a constituir o próprio meio de existência das práticas sociais e institucionais — um deslocamento que tem implicações diretas para a Arquivologia.
No campo da Ciência da Informação, e particularmente na Arquivologia, essas transformações assumem contornos ainda mais significativos. A incorporação de sistemas de IA em processos como classificação automática, extração de metadados, reconhecimento de padrões e análise preditiva altera profundamente as práticas tradicionais de produção, organização, descrição e preservação documental. Como argumenta Geoffrey Yeo (2018), a crescente interdependência entre dados, documentos e sistemas informacionais desafia categorias clássicas da área, exigindo abordagens mais integradas e interdisciplinares.
Nesse ponto, torna-se necessário avançar da contextualização macro para a compreensão mais precisa da natureza conceitual da IA. No campo da Ciência da Computação, a IA é frequentemente definida como o conjunto de métodos voltados à construção de agentes capazes de perceber o ambiente, interpretar informações e agir de forma orientada a objetivos, conforme sistematizado por Stuart Russell e Peter Norvig (2021). Essa definição enfatiza o caráter técnico-operacional da IA como disciplina voltada ao desenvolvimento de modelos algorítmicos que simulam ou ampliam capacidades cognitivas humanas.
Entretanto, quando transposta para o campo da governança e da gestão da informação, essa definição revela-se insuficiente. A norma ISO/IEC 38507:2022 amplia essa compreensão ao enquadrar a IA como um conjunto de tecnologias que potencializam o desempenho humano, viabilizam a automação inteligente e impactam diretamente as práticas de governança organizacional. Com isso, a IA passa a ser compreendida não apenas como tecnologia, mas como componente estratégico que influencia estruturas decisórias, fluxos informacionais e mecanismos de controle institucional.
O modelo da IA
Essa ampliação evidencia que a IA deve ser entendida como um ecossistema sociotécnico complexo, composto por modelos algorítmicos, infraestruturas computacionais, fluxos de dados e arranjos institucionais. Conforme destacam Fewster e Arias-Hernandez (2024), trata-se de um termo guarda-chuva que engloba múltiplas abordagens, como aprendizado de máquina, redes neurais artificiais e processamento de linguagem natural —, cada uma com capacidades, limitações e níveis de opacidade distintos.
Nesse ecossistema, os dados assumem papel absolutamente central. A afirmação de que “não existe IA sem dados” sintetiza o fato de que sistemas inteligentes dependem diretamente de grandes volumes de dados para treinamento, validação e operação. Como aponta o Instituto Brasileiro de Informação em Ciência e Tecnologia (2024), a eficácia desses sistemas está condicionada à qualidade, à organização e à governança dos dados que os alimentam.
Essa centralidade dos dados tem sido amplamente problematizada. Sérgio Amadeu da Silveira (2019) destaca que os sistemas algorítmicos operam em ecossistemas de plataformas digitais nos quais a coleta e o processamento massivo de dados sustentam tanto a geração de valor econômico quanto o exercício do poder informacional. Em linha semelhante, Giselle Beiguelman (2021) argumenta que essas infraestruturas reconfiguram os regimes de produção, circulação e preservação da informação, transformando plataformas em mediadores culturais centrais. No caso da IA generativa, Bruno Menotti (2025) ressalta a dependência intensiva de grandes bases de dados culturais, o que suscita questões críticas sobre autoria, apropriação e circulação do patrimônio informacional.
É nesse ponto que a Arquivologia assume uma posição estratégica renovada. Instituições como arquivos, bibliotecas e museus deixam de ser apenas espaços de guarda e acesso para se configurarem como infraestruturas de dados, cujos acervos são mobilizados como datasets para o treinamento e a operação de sistemas de IA. Esse deslocamento implica uma mudança profunda: os acervos passam a atuar não apenas como registros do passado, mas como insumos ativos em processos de geração contínua de informação.
No contexto da IA generativa, essa transformação torna-se ainda mais evidente. Conjuntos documentais passam a funcionar como matrizes informacionais a partir das quais novos conteúdos são produzidos, recombinados e reinterpretados. O documento arquivístico, nesse cenário, deixa de ser apenas evidência e passa a operar simultaneamente como dado e como recurso computacional. Essa condição híbrida tensiona diretamente categorias fundacionais da Arquivologia.
Princípios como proveniência, autenticidade, integridade e organicidade — historicamente associados à estabilidade e ao contexto de produção documental — são desafiados por ambientes caracterizados por processamento automatizado, recombinação algorítmica e opacidade técnica. Como argumentam Luciana Duranti e Randy Preston (2008), a garantia da autenticidade em ambientes digitais depende de mecanismos rigorosos de controle ao longo de todo o ciclo de vida da informação, o que se torna ainda mais crítico diante da mediação por sistemas de IA. Além disso, o uso de modelos probabilísticos e sistemas de baixa explicabilidade introduz desafios relacionados à auditabilidade, à rastreabilidade e à transparência dos processos informacionais. Essa realidade exige que a Arquivologia amplie seu escopo analítico, incorporando discussões sobre governança de dados, ética da informação e accountability algorítmica.
Dessa forma, a IA apresenta um caráter constitutivamente ambivalente. Por um lado, potencializa a eficiência, a automação e a escalabilidade dos processos informacionais; por outro, introduz novas camadas de complexidade, opacidade e risco. Essa ambivalência se manifesta tanto no plano conceitual, ao tensionar categorias fundamentais, quanto no plano técnico, ao se materializar em infraestruturas e sistemas complexos.
A articulação entre esses dois planos constitui condição necessária para compreender os desafios contemporâneos da Arquivologia. Não se trata apenas de incorporar novas tecnologias, mas de desenvolver referenciais capazes de garantir a inteligibilidade, a confiabilidade e a preservação da informação em ecossistemas altamente mediados por algoritmos.
Nesse enquadramento, a IA não deve ser compreendida como elemento externo aos sistemas arquivísticos, mas como componente constitutivo do regime informacional contemporâneo. Assim, a Arquivologia é chamada a assumir um papel ampliado, atuar como instância crítica de mediação entre dados, tecnologia e sociedade, assegurando que a informação, mesmo quando processada e reinterpretada por sistemas automatizados, continue a cumprir suas funções de evidência, memória e accountability.
Considerações finais
A análise desenvolvida ao longo deste artigo evidencia que a Inteligência Artificial não pode ser compreendida apenas como um conjunto de ferramentas tecnológicas aplicáveis aos processos arquivísticos. Trata-se, antes, de um elemento estruturante de um novo regime informacional, no qual dados, algoritmos e infraestruturas digitais redefinem profundamente as condições de produção, organização e preservação da informação. Nesse contexto, a Arquivologia é confrontada com um duplo desafio.
Por um lado, deve responder às demandas operacionais impostas pela crescente automação e pela escala dos sistemas informacionais contemporâneos, incorporando tecnologias capazes de lidar com grandes volumes de dados e processos complexos. Por outro, precisa reafirmar e reinterpretar seus fundamentos teóricos diante de um cenário em que documentos são continuamente transformados, recombinados e recontextualizados por sistemas algorítmicos. A centralidade dos dados na IA reforça a relevância dos princípios arquivísticos como mecanismos de qualificação da informação.
Proveniência, autenticidade, integridade e contexto tornam-se ainda mais críticos em ambientes nos quais decisões automatizadas dependem diretamente da qualidade dos dados utilizados. Nesse sentido, a Arquivologia contribui não apenas para a organização da informação, mas para a própria confiabilidade dos sistemas algorítmicos.
Ao mesmo tempo, a opacidade e a complexidade dos modelos de IA introduzem desafios inéditos, relacionados à explicabilidade, à auditabilidade e à responsabilização. Esses desafios demandam o desenvolvimento de novos instrumentos teóricos e metodológicos, capazes de garantir a rastreabilidade dos processos informacionais e a preservação do contexto de produção dos dados ao longo do tempo. Dessa forma, a Arquivologia é chamada a expandir seu escopo, dialogando com campos como a governança de dados, a ética da informação e a regulação tecnológica. Esse movimento não implica a substituição de seus fundamentos, mas sua atualização crítica, de modo a responder às condições impostas pelos ambientes digitais contemporâneos.
Por fim, pode-se afirmar que os arquivos, enquanto infraestruturas de confiança e memória, assumem papel estratégico na mediação entre dados, tecnologia e sociedade. Em um cenário no qual a produção de conhecimento é cada vez mais mediada por sistemas algorítmicos, garantir a inteligibilidade, a autenticidade e a preservação da informação torna-se não apenas uma função técnica, mas uma condição essencial para a manutenção da memória social, da transparência institucional e da própria democracia.
Referências
BEIGUELMAN, Giselle. Políticas da imagem: vigilância e resistência na era dos dados. São Paulo: Ubu Editora, 2021.
BOWKER, Geoffrey C.; STAR, Susan Leigh. Sorting things out: classification and its consequences. Cambridge: MIT Press, 1999.
COOK, Terry. Evidence, memory, identity, and community: four shifting archival paradigms. Archival Science, v. 13, n. 2-3, p. 95–120, 2013.
CRAWFORD, Kate. Atlas of AI: power, politics, and the planetary costs of artificial intelligence. New Haven: Yale University Press, 2021.
DURANTI, Luciana. Concepts and principles for the management of electronic records. In: EASTWOOD, Terry; MACNEIL, Heather (org.). Currents of archival thinking. Santa Barbara: Libraries Unlimited, 2010. p. 67–91.
DURANTI, Luciana; PRESTON, Randy (org.). International research on permanent authentic records in electronic systems (InterPARES 2): experiential, interactive and dynamic records. Padova: Associazione Nazionale Archivistica Italiana, 2008.
FEWSTER, Rachel; ARIAS-HERNANDEZ, Ricardo. Artificial intelligence as a socio-technical system: conceptual foundations and implications. Journal of Information Science, 2024. Ahead of print.
FLORIDI, Luciano. The ethics of information. Oxford: Oxford University Press, 2013.
GILLESPIE, Tarleton. The relevance of algorithms. In: GILLESPIE, Tarleton; BOCZKOWSKI, Pablo J.; FOOT, Kirsten A. (org.). Media technologies: essays on communication, materiality, and society. Cambridge: MIT Press, 2014. p. 167–194.
INSTITUTO BRASILEIRO DE INFORMAÇÃO EM CIÊNCIA E TECNOLOGIA (IBICT). Inteligência artificial e ciência da informação: fundamentos e aplicações. Brasília: IBICT, 2024.
KITCHIN, Rob. The data revolution: big data, open data, data infrastructures and their consequences. London: Sage, 2014.
MENOTTI, Bruno. Inteligência artificial generativa e cultura: desafios para memória e autoria. Revista de Estudos de Cultura Digital, v. 10, n. 1, p. 1–15, 2025.
OECD. Artificial Intelligence in Society. Paris: OECD Publishing, 2019.
RUSSELL, Stuart; NORVIG, Peter. Artificial intelligence: a modern approach. 4. ed. Hoboken: Pearson, 2021.
SILVEIRA, Sérgio Amadeu da. Democracia e os códigos invisíveis: como os algoritmos estão modulando comportamentos e escolhas políticas. São Paulo: Edições Sesc, 2019.
UNESCO. Recommendation on the Ethics of Artificial Intelligence. Paris: UNESCO, 2021.
YEO, Geoffrey. Records, information, data: exploring the role of record-keeping in an information culture. Archival Science, v. 18, n. 1, p. 1–17, 2018.
Professor do curso de Design da ESPM. Líder do grupo de estudos Preservia – Rede Cariniana/IBICT. Sócio-fundador da Feed Consultoria e Serviços LTDA.
Doutorando em Ciência da Informação pela Universidade de São Paulo. Mestre em Ciência da Informação pela Universidade de São Paulo. Bacharel em Arquivologia pela Universidade Federal do Rio Grande do Sul.
Declaração de Uso de IA
O autor declara que foi utilizada a ferramenta ChatGPT (OpenAI) como apoio à redação e revisão textual deste manuscrito.
O autor é integralmente responsável pelo conteúdo, interpretações, referências e conclusões apresentadas, em conformidade com a Política de Integridade na Atividade Científica do CNPq.
Quaisquer opiniões, constatações, sugestões ou recomendações expressas neste material são de responsabilidade dos autores e não refletem necessariamente as opiniões da Revista, seus Editores e Apoiadores.
