A epidemia de Ebola de 2014-2016 matou mais de 11 mil pessoas na África Ocidental. A OMS demorou 5 meses para declarar emergência de saúde pública internacional. Modelos matemáticos de propagação disponíveis à época subestimaram a velocidade de contágio por semanas. O rastreamento de contatos — processo manual, feito com papel, por agentes de campo — colapsou quando a curva de casos acelerou. Hoje, com a maturidade das ferramentas de GenAI e agentes autônomos, a pergunta que importa não é 'o que a IA teria feito diferente?', mas 'onde a IA teria falhado da mesma forma — e por quê?'
Onde agentes de IA teriam ajudado
Rastreamento de contatos é, estruturalmente, um problema de grafos. Cada caso é um nó; cada contato potencial é uma aresta. Em 2014, equipes de campo construíam esses grafos manualmente, em papel, e tentavam sincronizá-los de volta para coordenadores regionais por rádio e telefone. Um sistema de agentes com acesso a dados de geolocalização, registros de saúde e formulários digitais poderia ter construído esse grafo em tempo real, identificando clusters de transmissão antes que o volume de casos tornasse o rastreamento manual impraticável. A tecnologia existe hoje. O problema de 2014 não era ausência de IA — era ausência de digitalização básica de dados de campo.
Modelos de linguagem teriam utilidade real na interpretação de sintomas e triagem. Profissionais de saúde em zonas rurais de Guiné, Serra Leoa e Libéria frequentemente não tinham protocolos atualizados nem acesso a especialistas. Um sistema de triagem assistida por LLM — mesmo offline, rodando em tablet com conexão intermitente — poderia ter padronizado a aplicação de critérios diagnósticos nos primeiros contatos. Não para substituir o médico. Para dar ao agente de saúde local o mesmo protocolo que o especialista em Genebra estava usando.
Onde a IA teria falhado — e falharia hoje
O erro mais custoso da epidemia de Ebola não foi técnico. Foi de governança de informação. Países com casos iniciais subreportaram por medo de consequências econômicas — fechamento de fronteiras, queda de turismo, estigma. Nenhum modelo de IA funciona corretamente com dados deliberadamente incompletos ou enviesados. Um sistema de monitoramento epidemiológico baseado em IA é tão bom quanto a qualidade e a honestidade dos dados que recebe. Se os dados de entrada são manipulados por pressão política, o sistema vai modelar uma realidade que não existe — com velocidade e precisão maiores do que o sistema humano que ele substituiu. Garbage in, garbage out é mais perigoso quando o garbage parece confiante.
A lição que a Neurosia extrai do caso Ebola para sistemas de IA críticos é simples: o risco maior não é o modelo errar — é o modelo errar com autoridade. Um sistema de IA que produz outputs com aparência de precisão técnica cria pressão institucional para ignorar sinais de alerta humanos que contradizem seus outputs. Calibrar incerteza, tornar a ignorância do modelo visível, e manter humanos responsáveis nos pontos de decisão mais críticos: isso não é limitação da IA. É engenharia responsável. É o oposto do que a maioria dos vendors vende.