Em 2002, Minority Report mostrava Tom Cruise atravessando um shopping enquanto os anúncios escaneavam os olhos dele e o chamavam pelo nome. Lembrei dessa cena duas vezes neste ano.
A primeira foi em março, quando o Meta publicou o TRIBE v2, um modelo que prevê como o cérebro reage a um vídeo, uma imagem, um áudio ou um texto. Ele aprendeu com exames de ressonância de mais de 700 voluntários e consegue prever a reação até de pessoas que nunca participaram do treino.
A segunda foi em setembro, quando o Itaú contou que virou sócio da Simile, uma startup americana avaliada em US$ 2 bilhões que cria versões digitais de pessoas para testar como elas reagiriam a uma decisão antes que ela aconteça.
O que me chamou atenção é que nenhuma das duas precisa escanear o olho de ninguém. O TRIBE prevê a reação a partir do próprio conteúdo, e a Simile parte de entrevistas feitas antes. Se essas tecnologias chegarem ao dia a dia, a personalização vai acontecer antes de você entrar no shopping.
O que dá para afirmar hoje
O Meta apresentou o TRIBE v2 como ferramenta de neurociência e pesquisa clínica, e a licença proíbe que outras empresas usem o modelo comercialmente. Esse detalhe vale para quem baixa o código e não para o próprio Meta, que é dono do modelo e de uma das maiores plataformas de anúncio do mundo. Ninguém anunciou uso publicitário, mas a distância técnica até um pré-teste de anúncios é pequena.
A Simile nasceu de um estudo de Stanford que entrevistou 1.052 pessoas e criou um agente de IA para cada uma. Os agentes acertaram as opiniões dos participantes com 85% da precisão que os próprios participantes tiveram ao responder o mesmo questionário de novo, duas semanas depois. O estudo mediu opinião declarada, e compra ninguém mediu ainda.
No meio do caminho apareceu o MiroFish, projeto de código aberto que bombou no GitHub em março colocando milhares de agentes com personalidades inventadas para debater qualquer assunto. Ele não tem nenhum estudo independente que mostre que prevê alguma coisa. A diferença para a Simile está em ter ou não uma pessoa real por trás de cada agente.
Uma terça-feira em 2030
O que vem agora é ficção. Cada cena parte de algo que já existe em 2026.
7h. Marina, 34 anos, gerente de projetos numa indústria de Curitiba, rola o feed antes de levantar. Cada anúncio que aparece foi escolhido entre centenas de versões por um modelo que previu qual delas prenderia a atenção de um cérebro médio. O recurso vem de graça na plataforma e todo anunciante usa, então Marina acha os anúncios mais caprichados e um pouco mais parecidos entre si do que eram quatro anos antes.
12h30. No almoço, ela abre o app do banco e vê um produto novo de investimento. Antes do lançamento, o banco testou a oferta com milhares de clientes simulados, e duas versões foram descartadas porque esbarravam no mesmo medo: não conseguir resgatar o dinheiro numa emergência. A versão que chegou a Marina já resolvia isso na primeira tela.
15h. A empresa de Marina anunciou na semana anterior que vai abrir uma segunda fábrica e publicou cinco vagas de planejamento. Três fornecedores de software perceberam e escreveram para ela. Um fala do problema de coordenar duas fábricas com sistemas diferentes, os outros dois mandam a apresentação padrão, e ela responde só ao primeiro. Essa cena é a mais próxima do presente: segundo a 6sense, compradores de empresas já só procuram fornecedores depois de percorrer 61% da jornada, e por isso quem lê os sinais antes do contato sai na frente.
20h. Em casa, Marina e o marido discutem se trocam de apartamento. Entram na conversa o orçamento, a escola da filha, o medo de se endividar e uma experiência ruim com uma construtora anos atrás. Nenhum modelo participa dessa conversa, e a decisão fica para o mês seguinte.
O que eu aprendi montando esse exercício
A IA de 2030 deve influenciar muito o que chega até nós: o anúncio, a versão da oferta, o fornecedor que consegue a primeira resposta. As decisões grandes, que envolvem outra pessoa, dinheiro e memória, continuam acontecendo numa conversa que nenhuma das três tecnologias acompanha.
Para quem cria, isso tem uma consequência prática. Se o teste de peça virar recurso automático, testar melhor deixa de ser diferencial, e o trabalho que continua fazendo diferença é saber para quem falar, em que momento e com qual problema na cabeça dessa pessoa.
E para você, qual decisão de 2030 nenhuma dessas tecnologias vai conseguir prever?
