Soberania cognitiva na era da inteligência artificial: O controle das infraestruturas do conhecimento como novo fator de poder

Introdução

Toda ordem histórica organizou-se em torno de um fator dominante de poder. A terra estruturou as sociedades agrárias; as máquinas e o carvão, a economia industrial; a energia, as finanças e a informação, a geopolítica do século XX. O século XXI introduz uma ruptura de outra natureza: o ativo estratégico decisivo já não é a informação, e sim a inteligência - entendida como a capacidade de produzir inferências, sínteses e decisões em escala. Quem domina os meios de produzir inteligência ocupa, hoje, a posição que outrora coube a quem controlava a terra, a indústria ou o capital financeiro.

A tese deste artigo pode ser enunciada em uma frase: a inteligência artificial desloca a soberania digital para uma soberania cognitiva, porque o poder real passa a residir no controle das infraestruturas que produzem inteligência. Não se cuida de metáfora, mas de uma mudança verificável na estrutura material da economia e, por consequência, na distribuição da autoridade entre Estados, empresas e instituições.

O debate jurídico predominante ainda gravita em torno da proteção de dados, da privacidade e do controle de algoritmos. São agendas legítimas e necessárias, porém insuficientes, pois pressupõem que o problema essencial seja a coleta da informação, quando o problema decisivo já é outro: quem detém a capacidade de transformar informação em inteligência, segundo quais critérios e em proveito de quem. Deslocar o foco da coleta para a produção é o primeiro passo para compreender a economia que se forma.

Para sustentar esse argumento, o texto percorre nove movimentos: o nascimento da Idade Digital e a mutação do poder; a passagem da economia dos dados para a economia da inteligência; o capitalismo de vigilância como antecâmara dessa virada; a concentração das infraestruturas cognitivas; a soberania cognitiva como categoria jurídica; o paradoxo regulatório; a auditabilidade e o direito à compreensão; os efeitos sobre democracia, mercado e Estado; e, ao final, uma agenda normativa. O fio condutor é a convicção de que categorias jurídicas novas se tornam necessárias quando as antigas deixam de descrever a realidade que pretendem disciplinar.

1. O nascimento da idade digital e a transformação da natureza do poder

A digitalização costuma ser narrada como simples sucessão de inovações técnicas. A descrição é pobre. O que a eletricidade fez pela indústria e as ferrovias fizeram pela circulação de mercadorias, a infraestrutura digital fez pela informação: converteu-a em insumo universal e, ao fazê-lo, reorganizou a arquitetura do poder. Manuel Castells já demonstrara que a sociedade em rede não apenas acelera trocas, mas redefine onde se localiza a autoridade - nos nós que concentram conectividade e capacidade de processamento.

Concebido como máquina de cálculo, o computador tornou-se, com a internet, a computação em nuvem e a mobilidade, o substrato de quase toda atividade econômica. A filosofia da técnica oferece chave de leitura mais funda. Para Heidegger, a técnica moderna não é um conjunto de ferramentas, mas um modo de desvelar o mundo que tudo reduz a fundo de reserva disponível para uso - o que denominou Gestell, a armação. Jacques Ellul e Lewis Mumford, por caminhos diversos, advertiram que os sistemas técnicos tendem a impor a própria lógica às instituições que pretendem governá-los, e Gilbert Simondon insistiu em que compreender a técnica é condição para não se submeter a ela. A digitalização é a forma contemporânea desse processo: organiza a experiência segundo padrões que escapam, em larga medida, ao controle de quem a vive.

Nas primeiras décadas da economia digital, o centro de gravidade foram os dados. As empresas competiam pela capacidade de coletar, armazenar e correlacionar registros de comportamento; o usuário, ao navegar, pagava com a própria conduta. Foi essa dinâmica que Shoshana Zuboff descreveu como capitalismo de vigilância e que Nick Srnicek analisou sob a rubrica do capitalismo de plataforma - modelos de negócio cuja matéria-prima é a experiência humana convertida em dado, e o dado convertido em previsão. A singularidade do momento atual está em que essa matéria-prima encontrou, enfim, uma indústria capaz de refiná-la em algo de valor superior: a inteligência.

2. Da economia dos dados à economia da inteligência

Repetiu-se por anos que os dados seriam o novo petróleo. A imagem teve mérito didático e um limite analítico. O petróleo é matéria-prima e só vale depois de refinado; os dados ocupam posição idêntica, pois isolados pouco significam e tornam-se decisivos apenas quando organizados, interpretados e convertidos em conhecimento acionável. A etapa que realiza essa conversão - e que captura a maior parte do valor - é a inteligência. A economia dos dados cede lugar, assim, a uma economia da inteligência.

Os grandes modelos fundacionais são a infraestrutura dessa etapa. Não se limitam a armazenar: relacionam conhecimentos dispersos por milhões de documentos, sintetizam argumentos, reconhecem padrões imperceptíveis ao olhar humano, formulam hipóteses e assistem decisões. Daron Acemoglu e Simon Johnson lembram, em registro de economia política, que a direção do progresso técnico não é neutra e depende de escolhas institucionais sobre quem se apropria dos ganhos de produtividade. Kai-Fu Lee, observando a corrida sino-americana, mostra que a vantagem competitiva migrou do acesso ao dado para a qualidade do modelo e a escala da computação.

Os números dão a medida do deslocamento. Segundo o Stanford AI Index de 2026, o investimento privado em inteligência artificial alcançou cerca de US$ 285,9 bilhões nos Estados Unidos em 2025, aproximadamente vinte e três vezes os US$ 12,4 bilhões da China, com a Califórnia respondendo, sozinha, por mais de três quartos do total norte-americano - embora os dados privados subestimem o esforço chinês, canalizado por fundos estatais de orientação. A difusão foi a mais rápida já registrada: a inteligência artificial generativa atingiu mais da metade da população mundial em três anos, ritmo superior ao do computador pessoal e ao da internet. A produtividade deixa de crescer apenas pela automação de tarefas físicas e passa a crescer pela ampliação da capacidade cognitiva das organizações, o que confere à inteligência o estatuto de fator de produção de novo tipo.

3. O capitalismo de vigilância e a virada cognitiva

Compreender a economia da inteligência exige revisitar a sua antecâmara. O capitalismo de vigilância, na formulação de Zuboff, não se contenta em conhecer preferências: ambiciona prever e, no limite, modular condutas, extraindo da experiência humana um excedente que alimenta mercados de predição. Julie Cohen mostrou como o próprio direito foi remodelado para acomodar essa lógica informacional, e Frank Pasquale, em sua análise da sociedade da caixa-preta, denunciou a opacidade de sistemas que decidem sobre crédito, reputação e oportunidades sem prestar contas.

A virada cognitiva radicaliza o quadro. Enquanto a economia da vigilância capturava dados para vender previsões, a economia da inteligência internaliza o próprio ato de produzir conhecimento. Yochai Benkler celebrara a promessa de uma produção social do saber, distribuída e colaborativa; Lawrence Lessig advertira que o código é lei, isto é, que a arquitetura técnica regula condutas com força comparável à da norma jurídica. A síntese desses diagnósticos é desconfortável: o conhecimento segue sendo produzido socialmente - por bilhões de textos, imagens, decisões e pesquisas -, mas a inteligência construída a partir desse patrimônio comum converte-se em infraestrutura privada. Luciano Floridi descreve a infosfera como o ambiente em que passamos a habitar; resta saber quem o projeta e quem o administra.

4. A concentração das infraestruturas cognitivas

A inteligência, como fator de produção, repousa sobre uma base material extraordinariamente concentrada. Essa base - que se pode denominar infraestrutura cognitiva - reúne capacidade computacional, semicondutores avançados, energia, nuvem, bases de treinamento e modelos fundacionais. Em cada uma dessas camadas, a concentração é a regra, e não a exceção.

No nível dos semicondutores, Taiwan responde por cerca de 92% da capacidade mundial de lógica de ponta, e a TSMC, isoladamente, por aproximadamente 70% da receita global de fundição e pela quase totalidade dos chips que treinam e operam os grandes modelos. Na computação, as unidades de processamento gráfico da Nvidia detêm mais de 60% do mercado, e estima-se que os Estados Unidos concentrem cerca de três quartos da capacidade global de GPU. Na nuvem, três provedores - Amazon, Microsoft e Google - controlam aproximadamente dois terços do mercado mundial, com custos de migração que aprisionam a maior parte das cargas corporativas. Na camada dos modelos, os Estados Unidos produziram cinquenta dos sistemas notáveis de 2025, e a China, trinta; mais de noventa por cento desses modelos provêm de empresas privadas.

A concentração não é acidental. Decorre de efeitos de rede e de retornos crescentes de escala há muito estudados pela economia da concorrência. Jean Tirole demonstrou como os mercados de plataforma tendem ao domínio de poucos; Lina Khan e Tim Wu sustentaram que as categorias antitruste clássicas, centradas no preço ao consumidor, captam mal o poder das gigantes digitais; Luigi Zingales alertou para a captura do próprio processo político pelos incumbentes. O ciclo é cumulativo: mais usuários geram mais dados e mais receita; mais receita financia mais computação e melhores modelos; melhores modelos atraem mais usuários. Schumpeter via na destruição criadora o motor da renovação capitalista; a economia da inteligência arrisca-se a produzir o seu avesso - uma destruição que, em lugar de abrir espaço a novos entrantes, sela posições adquiridas.

Daí o salto da concentração econômica para a concentração cognitiva, e desta para a geopolítica. Joseph Nye ensinou que o poder também se exerce por atração e pelo controle de infraestruturas; Henry Kissinger e Graham Allison anteviram a inteligência artificial como eixo da competição entre potências; Ian Bremmer descreveu a ascensão das empresas tecnológicas à condição de atores de estatura quase soberana. A disputa internacional deixa de girar apenas em torno de território, energia e indústria para abranger centros de pesquisa, supercomputadores, semicondutores e o talento capaz de projetá-los - talento cuja mobilidade, registra o mesmo Stanford AI Index, tornou-se, ela própria, variável estratégica, com forte queda na atração de pesquisadores por um único polo.

5. A soberania cognitiva como categoria jurídica

A soberania sempre se redefiniu ao ritmo das transformações materiais do poder. Em Bodin, foi o poder supremo sobre um território; em Carl Schmitt, a competência para decidir sobre a exceção. A globalização acrescentou-lhe adjetivos - soberania econômica, monetária, energética, alimentar -, e a economia digital, mais recentemente, falou em soberania digital e soberania de dados. A inteligência artificial impõe novo deslocamento: o objeto da soberania deixa de ser a infraestrutura tecnológica em geral e passa a ser, especificamente, a infraestrutura que produz inteligência.

Por soberania cognitiva entende-se a capacidade de indivíduos, organizações e Estados preservarem autonomia sobre os mecanismos de produção, utilização, auditoria e evolução da inteligência artificial. A definição é deliberadamente institucional, e não autárquica. Não se postula autossuficiência - nenhum Estado produz sozinho toda a tecnologia de que necessita -, nem se recusa a cooperação internacional, da qual a própria inovação sempre dependeu. O que se afirma é a necessidade de conservar autonomia suficiente para impedir uma dependência estrutural permanente.

A distinção é jurídica antes de ser técnica. Uma sociedade pode utilizar tecnologia estrangeira e ainda assim permanecer soberana, desde que mantenha a capacidade de compreender, auditar, adaptar e, se preciso, substituir os sistemas dos quais depende. Perde a soberania cognitiva quando essa capacidade se extingue e a tomada de decisão - em saúde, justiça, defesa, finanças ou administração pública - passa a apoiar-se em infraestruturas cuja governança lhe é inacessível. A dependência tecnológica converte-se, então, em dependência decisória, e a questão migra do campo da política industrial para o do direito público.

A inteligência artificial é, hoje, infraestrutura transversal, pois atravessa ao mesmo tempo educação, indústria, finanças, defesa, justiça e ciência. Hannah Arendt definiu o poder como a faculdade humana de agir em concerto, e a sua corrupção como a substituição da ação plural pela imposição. Quando a capacidade de decidir se concentra em poucos centros que projetam a inteligência de todos, o risco não é só econômico: é a erosão da pluralidade que sustenta a vida pública. Sob esse ângulo, a soberania cognitiva é condição da liberdade institucional, e não bandeira de fechamento.

6. O paradoxo regulatório

Nenhuma tecnologia de impacto comparável dispensa regulação. Os riscos da inteligência artificial - discriminação algorítmica, desinformação, manipulação, vieses, vigilância - justificam marcos jurídicos robustos. Subsiste, porém, um paradoxo que a teoria econômica conhece bem e que a história da regulação confirma: normas concebidas para proteger a sociedade podem, sem que essa seja a intenção, consolidar a posição dos agentes que pretendem disciplinar.

O mecanismo é a economia da conformidade. Quanto mais sofisticadas as exigências de auditoria, certificação, documentação, compliance e cibersegurança, maiores os custos fixos de ingresso. Empresas consolidadas absorvem-nos; startups, universidades e laboratórios independentes, não. George Stigler descreveu, há mais de cinquenta anos, a captura do regulador pelo regulado; a inteligência artificial oferece-lhe ilustração contemporânea. O efeito tende a ser a elevação das barreiras de entrada e o reforço dos incumbentes - concentração que, por incidir sobre a produção de inteligência, é também concentração cognitiva.

A paisagem normativa agrava o problema pela fragmentação. A União Europeia adotou, no AI Act - em vigor desde agosto de 2024 e em aplicação progressiva nos anos seguintes -, uma abordagem baseada em risco; o Conselho da Europa abriu à assinatura, em setembro de 2024, a Convenção-Quadro sobre Inteligência Artificial, primeiro tratado internacional juridicamente vinculante na matéria, cujo primeiro aniversário foi assinalado em conferência sediada pela Universidad Complutense de Madrid. Em sentido oposto, os Estados Unidos revogaram, em janeiro de 2025, a ordem executiva que estruturava a governança federal de IA, substituindo-a por diretrizes de viés desregulatório voltadas à liderança tecnológica. O Stanford AI Index registra que, entre os quarenta e sete países com legislação de IA em vigor, apenas doze dispõem de mecanismos efetivos de aplicação, e que os custos de conformidade variam em até oito vezes conforme a jurisdição. O quadro é de descoordenação, não de convergência.

A isso soma-se a desconfiança pública. Ainda segundo o mesmo levantamento, apenas 31% dos cidadãos norte-americanos confiam no próprio governo para regular a inteligência artificial, contra uma média global de 54%, e é abissal o fosso entre especialistas e público quanto aos efeitos sobre o emprego. Regulação sem legitimidade e sem capacidade de aplicação não reduz risco: apenas redistribui vantagem. O desafio não está em optar entre regular e inovar, mas em desenhar uma regulação proporcional, que contenha danos sem transformar a conformidade em fosso competitivo.

7. Auditabilidade, transparência e o direito à compreensão

Se a concentração é o problema estrutural, a opacidade é o seu agravante. Os modelos fundacionais operam como arquiteturas de altíssima complexidade, e a tendência recente é de menor, não de maior, transparência: dos noventa e cinco modelos relevantes lançados em 2025, oitenta foram disponibilizados sem o respectivo código de treinamento. Cathy O'Neil mostrou como modelos opacos podem institucionalizar a discriminação sob a aparência de objetividade; Frank Pasquale insistiu em que a caixa-preta é incompatível com a prestação de contas exigível de quem exerce poder.

Emerge daí o que se pode chamar de direito à compreensão - categoria que tive a oportunidade de inaugurar e sistematizar na doutrina brasileira em estudo dedicado especificamente ao tema, publicado na Revista dos Tribunais (v. 1077, 2025). Sustentei, naquele trabalho, que o direito à compreensão constitui uma evolução dos princípios constitucionais da publicidade, da transparência e da motivação: as decisões das autoridades públicas não bastam ser públicas e transparentes, pois precisam ser compreensíveis, racionais e coerentes - ninguém compreende um ato arbitrário. Mais do que isso, o direito à compreensão ali se constrói sobre uma infraestrutura de bancos de dados jurídicos estruturados, estatística e inteligência artificial auditável, capaz de tornar a motivação pública rastreável, comparável e verificável. No plano comparado, Sandra Wachter e Brent Mittelstadt discutiram o alcance e os limites de um direito à explicação diante de decisões automatizadas; Daniel Solove reconstruiu a privacidade como questão de poder informacional, e não de mero sigilo; Cass Sunstein examinou como arquiteturas de escolha moldam condutas sem que o sujeito o perceba. O direito à compreensão não exige que cada cidadão domine a matemática dos modelos; exige que existam instituições - públicas e independentes - capazes de auditá-los em nome de todos.

O arcabouço técnico-normativo para tanto já começa a tomar forma. O NIST AI Risk Management Framework, de 2023, oferece uma gramática de gestão de riscos; as normas ISO/IEC 42001 e 23894 disciplinam sistemas de gestão e tratamento de riscos de IA, ao lado da tradição de segurança da informação das ISO/IEC 27001 e 27701; a recomendação da UNESCO sobre a Ética da Inteligência Artificial, de 2021, e os princípios da OCDE consolidam parâmetros globais de IA confiável. O que falta não é vocabulário, mas a institucionalização da auditabilidade como condição de validade, e não como simples recomendação.

8. Democracia, mercado e Estado

As consequências da concentração cognitiva ultrapassam a economia. Por séculos, o conhecimento foi produzido de modo relativamente distribuído: universidades publicavam, livros circulavam, patentes expiravam, descobertas ingressavam no patrimônio comum. A inteligência artificial conserva coletiva a produção do conhecimento, mas privatiza a inteligência dele extraída. Bernard Stiegler e Byung-Chul Han, em chaves distintas, advertiram para o risco de uma proletarização do espírito - a perda, pelo indivíduo, da própria capacidade de saber e de decidir - quando a cognição é delegada a sistemas que não controla.

A democracia constitucional aprendeu a desconfiar das concentrações de poder. Limitou o poder político pela separação de funções e disciplinou o poder econômico pelo direito da concorrência. A inteligência artificial introduz uma terceira dimensão - o poder cognitivo - que não substitui as anteriores, mas as potencializa. Quem controla a inteligência amplia a influência econômica; a influência econômica converte-se em capacidade política; a capacidade política favorece a expansão tecnológica. O círculo, se não for institucionalmente interrompido, tende a fechar-se.

O Estado também se transforma. Historicamente, cabia-lhe produzir a norma; ao mercado, a riqueza; à universidade, o conhecimento. Essas fronteiras esmaecem quando empresas privadas desenvolvem capacidades científicas comparáveis às dos maiores centros acadêmicos, fornecem modelos a governos e participam da definição dos próprios padrões que deveriam discipliná-las. Anne-Marie Slaughter descreveu um mundo de redes que atravessam a divisa entre público e privado; o desafio é assegurar que tais redes permaneçam submetidas ao escrutínio democrático.

Nada disso autoriza o pessimismo. A inteligência artificial é, provavelmente, a maior alavanca de produtividade e de progresso científico de nossa era: acelera descobertas, amplia o acesso ao conhecimento, qualifica diagnósticos e aperfeiçoa a administração pública. A história mostra que tecnologias transformadoras geram desenvolvimento mais consistente quando acompanhadas de instituições à sua altura. O problema não é a tecnologia, e sim a ausência de instituições capazes de distribuir os seus benefícios.

9. Conclusão: Por uma agenda normativa da soberania cognitiva

A soberania cognitiva não é nostalgia nacionalista nem recusa da cooperação internacional. É o reconhecimento de que, quando a inteligência se torna infraestrutura essencial, preservar autonomia sobre os mecanismos que a produzem deixa de ser estratégia tecnológica e passa a ser condição da própria autonomia das democracias, dos mercados e do Estado de Direito.

Uma agenda normativa à altura do problema pode organizar-se em torno de alguns eixos, sem pretensão de exauri-los. O primeiro é uma regulação proporcional, que module exigências conforme o risco e a materialidade, contendo danos sem erguer barreiras que só os incumbentes transponham. O segundo é a institucionalização da auditabilidade, com órgãos públicos e independentes dotados de competência técnica para inspecionar modelos de alto impacto, à semelhança do que o direito já fez com a auditoria contábil e a supervisão financeira. O terceiro é a garantia de interoperabilidade e de pluralismo tecnológico, como o direito da concorrência fez, em outras épocas, com as redes de telecomunicações. O quarto é o investimento público sustentado em capacidade computacional, formação de pesquisadores e pesquisa aberta, sem o qual a autonomia não passa de retórica. O quinto é a cooperação internacional fundada em direitos - de que a Convenção-Quadro do Conselho da Europa é o primeiro exemplo vinculante -, capaz de evitar tanto o vácuo regulatório quanto a corrida ao fundo do poço.

O fio que une esses eixos é a recusa de uma falsa alternativa. Não se trata de escolher entre inovação e controle, entre mercado e Estado, entre abertura e soberania, mas de construir as instituições que tornem esses valores compatíveis. A inteligência artificial deslocou o centro do poder para o controle das infraestruturas que produzem inteligência; cabe ao direito assegurar que esse poder permaneça distribuído, auditável e responsável. A soberania cognitiva é o nome dessa tarefa - e, talvez, uma das categorias indispensáveis para que a era da inteligência artificial permaneça compatível com o constitucionalismo democrático, a economia de mercado e a liberdade humana.

_______

Doutrina

ACEMOGLU, Daron; JOHNSON, Simon. Power and Progress: Our Thousand-Year Struggle over Technology and Prosperity. New York: PublicAffairs, 2023.

ALLISON, Graham. Destined for War: Can America and China Escape Thucydides's Trap? Boston: Houghton Mifflin Harcourt, 2017.

ARENDT, Hannah. A Condição Humana. Rio de Janeiro: Forense Universitária, 2007.

BENKLER, Yochai. The Wealth of Networks. New Haven: Yale University Press, 2006.

BODIN, Jean. Os Seis Livros da República [1576]. São Paulo: Ícone, 2011.

BREMMER, Ian. The Technopolar Moment. Foreign Affairs, v. 100, n. 6, 2021.

CASTELLS, Manuel. A Sociedade em Rede. São Paulo: Paz e Terra, 1999.

COHEN, Julie E. Between Truth and Power: The Legal Constructions of Informational Capitalism. Oxford: Oxford University Press, 2019.

ELLUL, Jacques. A Técnica e o Desafio do Século. Rio de Janeiro: Paz e Terra, 1968.

FLORIDI, Luciano. The Fourth Revolution: How the Infosphere is Reshaping Human Reality. Oxford: Oxford University Press, 2014.

HAN, Byung-Chul. Psicopolítica: o neoliberalismo e as novas técnicas de poder. Belo Horizonte: Âyiné, 2018.

HEIDEGGER, Martin. A Questão da Técnica. In: Ensaios e Conferências. Petrópolis: Vozes, 2007.

KHAN, Lina M. Amazon's Antitrust Paradox. The Yale Law Journal, v. 126, n. 3, 2017.

KISSINGER, Henry; SCHMIDT, Eric; HUTTENLOCHER, Daniel. The Age of AI: And Our Human Future. New York: Little, Brown, 2021.

LEE, Kai-Fu. AI Superpowers: China, Silicon Valley, and the New World Order. Boston: Houghton Mifflin Harcourt, 2018.

LESSIG, Lawrence. Code and Other Laws of Cyberspace, Version 2.0. New York: Basic Books, 2006.

MUMFORD, Lewis. Technics and Civilization. New York: Harcourt, Brace & Co., 1934.

NYE, Joseph S. The Future of Power. New York: PublicAffairs, 2011.

O'NEIL, Cathy. Weapons of Math Destruction. New York: Crown, 2016.

OSÓRIO, Fábio Medina. O direito à compreensão na era da complexidade tecnológica: fundamentos constitucionais, estatísticos e algorítmicos da transparência decisória. Revista dos Tribunais, São Paulo, v. 1077, jul. 2025.

PASQUALE, Frank. The Black Box Society: The Secret Algorithms That Control Money and Information. Cambridge: Harvard University Press, 2015.

SCHMITT, Carl. Teologia Política [1922]. Belo Horizonte: Del Rey, 2006.

SCHUMPETER, Joseph A. Capitalismo, Socialismo e Democracia [1942]. Rio de Janeiro: Zahar, 1984.

SIMONDON, Gilbert. Do Modo de Existência dos Objetos Técnicos [1958]. Rio de Janeiro: Contraponto, 2020.

SLAUGHTER, Anne-Marie. A New World Order. Princeton: Princeton University Press, 2004.

SOLOVE, Daniel J. Understanding Privacy. Cambridge: Harvard University Press, 2008.

SRNICEK, Nick. Platform Capitalism. Cambridge: Polity Press, 2017.

STIEGLER, Bernard. La Technique et le Temps. Paris: Galilée, 1994.

STIGLER, George J. The Theory of Economic Regulation. The Bell Journal of Economics and Management Science, v. 2, n. 1, 1971.

SUNSTEIN, Cass R.; THALER, Richard H. Nudge: Improving Decisions about Health, Wealth, and Happiness. New Haven: Yale University Press, 2008.

TIROLE, Jean. Economics for the Common Good. Princeton: Princeton University Press, 2017.

WACHTER, Sandra; MITTELSTADT, Brent; FLORIDI, Luciano. Why a Right to Explanation of Automated Decision-Making Does Not Exist in the GDPR. International Data Privacy Law, v. 7, n. 2, 2017.

WU, Tim. The Curse of Bigness: Antitrust in the New Gilded Age. New York: Columbia Global Reports, 2018.

ZINGALES, Luigi. A Capitalism for the People. New York: Basic Books, 2012.

ZUBOFF, Shoshana. The Age of Surveillance Capitalism. New York: PublicAffairs, 2019.

Normas e documentos internacionais

BRASIL. Lei n. 13.709, de 14 de agosto de 2018 (Lei Geral de Proteção de Dados Pessoais).

CONSELHO DA EUROPA. Framework Convention on Artificial Intelligence and Human Rights, Democracy and the Rule of Law (CETS n. 225). Vilnius, 2024.

ISO/IEC 42001:2023 — Artificial Intelligence Management System; ISO/IEC 23894:2023 — AI Risk Management; ISO/IEC 27001 e 27701 — Segurança e privacidade da informação.

NIST. Artificial Intelligence Risk Management Framework (AI RMF 1.0). U.S. Department of Commerce, 2023.

OCDE. Recommendation of the Council on Artificial Intelligence (OECD AI Principles). Paris, 2019 (atualizada em 2024).

UNESCO. Recommendation on the Ethics of Artificial Intelligence. Paris, 2021.

UNIÃO EUROPEIA. Regulamento (UE) 2024/1689 (Artificial Intelligence Act); Regulamento (UE) 2016/679 (GDPR).

ESTADOS UNIDOS. Executive Order 14110 (2023, revogada em 2025); Executive Order 14179 — Removing Barriers to American Leadership in Artificial Intelligence (2025).

Relatórios e bases empíricas

STANFORD HAI. Artificial Intelligence Index Report 2025 e 2026. Stanford Institute for Human-Centered Artificial Intelligence.

OECD.AI Policy Observatory — indicadores de políticas e investimento em IA.

SYNERGY RESEARCH GROUP; CANALYS. Dados de mercado de infraestrutura em nuvem, 2025-2026.

TRENDFORCE; TSMC. Relatórios de participação de mercado e resultados de fundição, 2025.

PEW RESEARCH CENTER; EDELMAN TRUST BAROMETER. Levantamentos sobre confiança pública e percepção da inteligência artificial.