A IA é criativa — ou apenas parece criativa?
Modelos de IA já produzem ideias surpreendentes e vencem humanos em alguns testes. Mas criatividade envolve mais do que novidade estatística.
A Era da Inteligência
A IA é criativa — ou apenas parece criativa?
Durante muito tempo, criatividade pareceu uma das fronteiras mais seguras entre seres humanos e máquinas.
Uma calculadora podia calcular melhor. Um computador podia armazenar mais. Um algoritmo podia encontrar padrões que ninguém conseguiria acompanhar manualmente.
Mas criar uma ideia original, escrever uma história surpreendente, propor uma hipótese científica ou imaginar um produto novo parecia depender de algo mais humano: repertório, intenção, gosto, contexto, frustração, memória, desejo.
A IA generativa bagunçou essa divisão.
Hoje um modelo consegue produzir dezenas de slogans em segundos, criar variações visuais, sugerir metáforas, escrever cenas, propor nomes, combinar conceitos improváveis e até gerar ideias de pesquisa que especialistas consideram novas.
Então a pergunta deixou de ser apenas filosófica:
se uma máquina produz algo que nós julgamos criativo, faz sentido dizer que ela não é criativa?
A resposta depende do que estamos chamando de criatividade.
E esse detalhe muda quase tudo.
O erro é tratar criatividade como uma coisa só
Quando dizemos que alguém é criativo, normalmente misturamos vários componentes diferentes:
- produzir algo novo;
- fugir da resposta óbvia;
- combinar referências distantes;
- perceber valor numa ideia;
- escolher entre alternativas;
- perseguir uma intenção;
- aceitar ou rejeitar caminhos;
- assumir responsabilidade pelo resultado.
Um teste psicológico pode medir apenas parte disso.
Um avaliador pode olhar somente para o produto final.
Um artista pode considerar central o processo que levou à obra.
Um sistema jurídico pode perguntar quem efetivamente determinou os elementos expressivos do trabalho.
Por isso duas frases aparentemente contraditórias podem ser verdadeiras ao mesmo tempo:
uma IA pode gerar outputs altamente criativos;
isso não prova que ela possua criatividade no mesmo sentido em que atribuímos criatividade a uma pessoa.
Separar essas camadas é mais útil do que tentar vencer uma discussão semântica.
Em alguns testes, a IA já supera a média humana
Uma evidência importante veio de um estudo publicado em 2024 na Scientific Reports.
Os pesquisadores compararam participantes humanos com GPT-4 em três tarefas clássicas de pensamento divergente: Alternative Uses Task, Consequences Task e Divergent Associations Task.
Nessas tarefas, o objetivo não é descobrir uma única resposta correta. O participante precisa gerar respostas incomuns, variadas ou elaboradas.
O resultado chamou atenção: o GPT-4 apresentou desempenho superior ao dos participantes humanos nas medidas avaliadas de potencial criativo, incluindo originalidade e elaboração.
Isso importa porque destrói uma resposta confortável:
"IA apenas repete coisas que já existem, então nunca pode produzir novidade."
Na prática, recombinar padrões aprendidos pode gerar resultados suficientemente incomuns para serem avaliados como originais.
Aliás, humanos também criam sobre repertório anterior. Um compositor não inventa música fora de qualquer tradição; um programador não cria arquitetura ignorando tudo o que aprendeu; um escritor carrega linguagem, experiências e referências.
A diferença não pode ser resumida simplesmente a:
humano = cria do nada
IA = combina coisas existentes
Nenhum dos dois lados funciona assim.
Mas um estudo muito maior encontrou uma história mais interessante
Em dezembro de 2025, pesquisadores publicaram na Nature Human Behaviour uma comparação em escala muito maior.
O estudo reuniu 9.198 humanos e mais de 215 mil observações de LLMs em uma tarefa estabelecida de criatividade divergente.
O resultado não foi "IA venceu" nem "humanos venceram" de forma simples.
Na média, os humanos ficaram ligeiramente acima dos modelos.
A diferença mais importante apareceu nas extremidades.
Os humanos apresentaram maior variabilidade e os melhores desempenhos humanos se destacaram mais na cauda superior da distribuição.
Isso sugere uma distinção útil:
um modelo pode elevar muito o piso criativo sem necessariamente reproduzir o teto criativo humano.
Para tarefas cotidianas, marketing, brainstorming, nomes, alternativas de design ou primeiras versões, isso é enorme.
Uma pessoa que normalmente produziria três opções medianas pode agora explorar trinta.
Mas aumentar a quantidade e a média das alternativas não significa automaticamente produzir os raríssimos saltos que redefinem uma linguagem artística, uma teoria científica ou um mercado.
Pelo menos, as evidências atuais não justificam essa conclusão.
Criatividade não é só gerar; é selecionar
Imagine duas máquinas.
A primeira gera mil ideias.
A segunda recebe as mil ideias e escolhe exatamente a que vale desenvolver.
Qual delas fez o trabalho mais importante?
Dependendo do problema, talvez a segunda.
Esse ponto fica escondido quando avaliamos IA apenas pelo que ela consegue colocar na tela.
Gerar alternativas é uma etapa do processo criativo.
Mas criatividade aplicada quase sempre exige outras:
explorar
→ comparar
→ descartar
→ reconhecer potencial
→ adaptar ao contexto
→ insistir
→ revisar
→ assumir consequências
Um slogan não é bom porque é linguisticamente original. Ele precisa funcionar para aquela empresa, naquele momento, para aquele público, sem quebrar posicionamento ou gerar uma interpretação indesejada.
Uma arquitetura de software não é valiosa porque parece nova. Ela precisa sobreviver a custo, manutenção, falhas e crescimento.
Uma hipótese científica não importa apenas por parecer inédita. Precisa ser testável, relevante e capaz de sobreviver à evidência.
É aqui que "gerar algo novo" começa a se separar de "conduzir um processo criativo".
A IA também pode aumentar a criatividade humana
Outro estudo, publicado em 2024 na Nature Human Behaviour, analisou justamente a colaboração entre pessoas e ChatGPT.
Em cinco experimentos, participantes usaram ChatGPT para resolver problemas criativos do cotidiano e de inovação: escolher presentes, criar brinquedos, reaproveitar objetos e desenhar produtos.
Em média, as ideias produzidas com auxílio do ChatGPT receberam avaliações de criatividade superiores às produzidas sem tecnologia ou com busca convencional na web.
Esse resultado talvez seja mais importante para quem trabalha hoje do que a pergunta abstrata "a IA é criativa?".
A pergunta operacional é:
uma pessoa consegue produzir trabalho melhor ao criar com IA?
Em muitos contextos, sim.
Mas existe um efeito colateral.
A IA pode melhorar cada ideia e empobrecer o conjunto
Em 2025, uma análise publicada também na Nature Human Behaviour chamou atenção para um trade-off.
Usar ChatGPT em brainstorming pode aumentar a qualidade média das ideias individuais e, ao mesmo tempo, reduzir a diversidade do conjunto de ideias.
Esse é um risco muito prático.
Imagine dez profissionais trabalhando sozinhos.
Eles provavelmente vão errar de dez maneiras diferentes.
Agora imagine os dez começando pelo mesmo modelo, com prompts parecidos.
Todos recebem sugestões estatisticamente fortes — mas as sugestões podem convergir para regiões semelhantes do espaço de possibilidades.
Você ganha qualidade média e perde dispersão.
É uma espécie de monocultura criativa.
Para uma pessoa isolada, a IA amplia opções.
Para um grupo inteiro usando a mesma IA do mesmo jeito, ela pode aproximar demais as opções.
Isso muda a melhor prática.
Em vez de:
pergunte à IA qual é a melhor ideia
uma abordagem mais forte é:
gere hipóteses humanas independentes
→ peça alternativas à IA
→ force perspectivas conflitantes
→ compare origens
→ elimine convergência prematura
→ escolha com critérios explícitos
A IA funciona melhor como expansão do espaço de busca do que como oráculo de gosto.
E quando a tarefa é criar ideias científicas?
Esse teste é especialmente interessante porque ciência exige novidade, conhecimento técnico e julgamento de viabilidade.
Um estudo com mais de 100 pesquisadores de NLP comparou ideias escritas por especialistas humanos com propostas geradas por um agente baseado em LLM.
Na avaliação cega, as ideias do sistema foram julgadas mais novas, embora um pouco mais fracas em viabilidade.
Os próprios autores destacaram limitações importantes: avaliação de novidade é difícil, os sistemas tinham problemas de autoavaliação e havia falta de diversidade nas gerações.
Esse padrão aparece novamente:
novidade: forte
volume: forte
variação rápida: forte
autoavaliação: mais fraca
diversidade sustentada: problemática
viabilidade: não garantida
Então talvez estejamos usando uma palavra única — criatividade — para descrever um conjunto de capacidades que estão se separando tecnologicamente.
"Mas ela só prevê o próximo token"
Essa frase costuma aparecer como argumento definitivo contra criatividade de IA.
Ela é tecnicamente relacionada ao funcionamento de LLMs, mas não resolve a pergunta.
Dizer que um modelo produz texto por previsão probabilística de tokens não determina sozinho quais propriedades emergem do sistema completo.
Seria como dizer que um cérebro não pode produzir literatura porque neurônios operam por mecanismos eletroquímicos.
O mecanismo importa.
Mas o nível de descrição também importa.
A pergunta experimental é: que tipos de outputs e comportamentos o sistema consegue produzir?
Se um modelo gera uma solução que avaliadores independentes consideram original e útil, existe criatividade no produto, mesmo que ainda discutamos se existe criatividade no agente.
Essa distinção evita dois exageros:
- antropomorfizar o modelo e assumir que ele "quis criar";
- negar uma capacidade observável só porque o mecanismo não se parece com nossa experiência subjetiva.
Intenção continua sendo uma diferença relevante
Quando um artista decide trabalhar durante meses numa obra, existe algo que vai além da geração de formas.
Há propósito.
Pode haver uma experiência que ele quer comunicar, uma tradição contra a qual está reagindo, uma memória pessoal, uma escolha moral ou uma aposta estética.
O modelo não precisa de nada disso para produzir um resultado visual ou textual impressionante.
Ele pode gerar sem desejar gerar.
Pode surpreender sem sentir surpresa.
Pode criar uma metáfora sem ter vivido aquilo que a metáfora representa.
Isso não torna o output inútil.
Mas muda o tipo de autoria que estamos atribuindo.
A diferença aparece também fora da filosofia.
A lei ainda trata contribuição humana como central
Em janeiro de 2025, o U.S. Copyright Office publicou a segunda parte de seu relatório sobre Copyright and Artificial Intelligence.
A posição do órgão foi que materiais produzidos com IA podem integrar obras protegidas quando existe contribuição autoral humana suficiente.
O uso de IA como ferramenta não elimina proteção.
Mas a simples entrega de prompts, por si só, não foi considerada suficiente para transformar automaticamente o output gerado em expressão protegida por autoria humana.
Isso não responde à pergunta metafísica sobre se uma IA "é criativa".
Mas mostra que, institucionalmente, continuamos distinguindo:
geração do material
≠
autoria humana do material
E essa distinção provavelmente continuará importante em trabalho criativo, responsabilidade e propriedade intelectual.
Talvez a pergunta certa seja: onde está a criatividade?
Em vez de perguntar apenas:
"quem criou isto?"
podemos decompor o processo:
quem definiu o problema?
quem trouxe referências?
quem gerou alternativas?
quem reconheceu a alternativa promissora?
quem descartou as ruins?
quem alterou a direção?
quem decidiu que estava pronto?
quem responde pelo resultado?
Em alguns trabalhos, quase todas essas respostas ainda serão "uma pessoa".
Em outros, a IA já fará parte de várias etapas.
E em fluxos futuros, agentes poderão gerar, avaliar, testar e iterar com muito mais autonomia.
A fronteira, então, pode deixar de ser "humano versus máquina" e passar a ser a arquitetura do sistema criativo.
Um teste prático para usar IA sem terceirizar o gosto
Se você trabalha com conteúdo, design, produto, programação ou estratégia, vale separar quatro papéis.
1. Gerador
Produz possibilidades.
A IA já é excelente aqui.
Peça quantidade, contraste e alternativas deliberadamente diferentes.
2. Crítico
Procura defeitos.
Use IA para atacar a ideia, mas não dependa apenas dela. Modelos também podem validar ideias plausíveis demais ou repetir padrões de preferência.
3. Curador
Escolhe o que merece atenção.
Esse papel exige contexto local, prioridade e gosto.
Hoje ele continua sendo uma das áreas de maior valor humano.
4. Autor responsável
Decide publicar, construir, vender ou colocar em produção.
É quem aceita as consequências.
Quando esses quatro papéis são confundidos, a IA facilmente vira uma fábrica de material aceitável.
Quando são separados, ela vira multiplicador de exploração.
O perigo real pode não ser a IA ficar criativa demais
Existe um medo óbvio: a máquina se tornar tão criativa que humanos deixem de ter espaço.
Mas há outro risco, menos cinematográfico.
Podemos nos acostumar a escolher sempre a primeira alternativa razoavelmente boa produzida por um modelo.
Nesse cenário, não perdemos criatividade porque a IA "roubou" alguma capacidade misteriosa.
Perdemos porque deixamos de praticar:
- formular perguntas próprias;
- suportar o desconforto de uma página vazia;
- desenvolver referências;
- reconhecer clichês;
- defender escolhas;
- construir gosto.
A tecnologia aumenta a oferta de ideias.
Isso torna seleção ainda mais valiosa.
Quando gerar fica barato, saber o que merece existir pode ficar mais caro.
Então: a IA é criativa?
Se criatividade significar produzir novidade julgada original e útil, a resposta já não pode ser simplesmente "não".
Modelos atuais demonstram essa capacidade em testes controlados e em uso real.
Se criatividade significar possuir intenção, experiência subjetiva, gosto próprio, identidade, compromisso e responsabilidade pelo que é criado, as evidências não autorizam transferir automaticamente esses atributos humanos para o modelo.
Por isso eu prefiro uma resposta menos confortável:
a IA já participa de processos criativos e já produz outputs que merecem ser chamados de criativos. Mas isso não torna equivalente a criatividade do produto, a criatividade do processo e a criatividade do agente.
Essa separação importa porque evita tanto o excepcionalismo humano preguiçoso quanto a antropomorfização da máquina.
No primeiro capítulo desta série, a pergunta era se estávamos confundindo uma transformação tecnológica real com a euforia financeira ao redor dela.
Aqui a confusão é parecida.
Podemos errar ao negar uma capacidade só porque ela surgiu de um mecanismo diferente do nosso.
E podemos errar na direção oposta ao atribuir à máquina intenção, consciência ou autoria simplesmente porque o resultado nos impressiona.
A IA tornou a geração muito mais barata.
Agora a parte rara pode ser outra:
formular boas perguntas, reconhecer o que vale preservar e assumir responsabilidade pela escolha final.
Uma resposta