![]() |
| Bellacosa Mainframe e a rebeliao da geração Z contra a ia e as big techs |
☕ UM CAFÉ NO BELLACOSA MAINFRAME
🤖 EDEN OF THE EAST: A REBELIÃO DA GERAÇÃO Z — YUTAKA ITAZU DESCOBRE QUE AS BIG TECHS ROUBARAM O FUTURO DOS JOVENS!
Quando a geração que cresceu conectada à internet começa a desconfiar da inteligência artificial, um hacker recluso de Kyoto resolve investigar quem está controlando o futuro da humanidade. Sob a tutela de Yutaka Itazu, de Eden of the East, vamos mergulhar no desemprego tecnológico, nos algoritmos invisíveis, na concentração de poder das Big Techs e nas surpreendentes lições que COBOL, IBM Z e a arqueologia da computação oferecem para compreender a revolta digital de 2026.
Bellacosa Mainframe — Arqueologia da Computação, COBOL, IBM Z, Inteligência Artificial e os Fantasmas do Futuro Digital
🎬 Prólogo — O dia em que Yutaka Itazu descobriu que a juventude estava se rebelando
Kyoto, Japão. Outubro de 2026.
Um apartamento desarrumado. Embalagens de comida espalhadas pelo chão. Monitores iluminando uma sala escura, cabos atravessando os móveis e um computador trabalhando há tantas horas que ninguém mais se lembrava de quando havia sido ligado.
Em frente às telas estava Yutaka Itazu.
Mais conhecido como Pantsu, o genial hacker recluso de Eden of the East.
Itazu não era exatamente aquilo que as empresas modernas procuravam em um funcionário.
Não frequentava escritórios. Não participava de reuniões motivacionais. Não demonstrava entusiasmo com discursos corporativos sobre produtividade.
Entretanto, possuía uma capacidade extraordinária de compreender sistemas e reconhecer padrões que outros sequer percebiam.
Naquela manhã, uma notícia chamou sua atenção.
"Jovens ampliam rejeição à inteligência artificial e às Big Techs."
A reportagem havia sido publicada pelo jornal Valor Econômico em 21 de maio de 2026.
Itazu abriu novas janelas no monitor.
Pesquisas de opinião. Estatísticas de emprego. Relatórios de empresas de tecnologia. Estudos sobre inteligência artificial.
Os resultados pareciam contraditórios.
Os jovens utilizavam IA para estudar, trabalhar, escrever e programar.
Mas estavam ficando cada vez mais desconfiados.
Uma pesquisa indicava que 55% dos adultos americanos entre 18 e 29 anos estavam mais preocupados do que entusiasmados com a IA.
Outro levantamento revelava que 79% dos jovens americanos dessa faixa etária confiavam pouco ou nada no uso responsável da inteligência artificial pelas empresas.
E, ao mesmo tempo, 51% dos integrantes da geração Z entrevistados em outro estudo continuavam utilizando IA generativa pelo menos semanalmente.
Itazu esfregou os olhos.
Afinal, como alguém poderia utilizar diariamente uma tecnologia e desconfiar profundamente dela?
A resposta começou a aparecer quando ele examinou uma variável que os relatórios corporativos frequentemente tratavam como secundária.
O futuro profissional das pessoas que estavam utilizando aquelas ferramentas.
Ele abriu uma nova janela no computador.
Na tela apareceu uma mensagem imaginária de Juiz, a misteriosa inteligência artificial de Eden of the East.
— Itazu, você encontrou algum problema?
O hacker permaneceu em silêncio por alguns segundos.
— Encontrei algo muito pior. As máquinas estão ficando mais inteligentes, mas ninguém está explicando aos jovens qual será o lugar deles no mundo.
Nossa investigação começava.
Nota editorial: o encontro de Itazu com os dados de 2026 é uma dramatização fictícia. Os levantamentos apresentados ao longo do artigo são reais e identificados nas referências.
🧠 Capítulo I — 2009: quando Eden of the East antecipou a revolta dos jovens
Para compreender por que escolhemos Yutaka Itazu como nosso guia, precisamos voltar a 9 de abril de 2009.
Nessa data estreou no Japão Higashi no Eden, conhecido internacionalmente como Eden of the East.
A produção do estúdio Production I.G foi criada, escrita e dirigida por Kenji Kamiyama, responsável também por trabalhos ligados ao universo de Ghost in the Shell.
A série apresentou 11 episódios e posteriormente recebeu dois filmes que desenvolveram e concluíram sua história principal: The King of Eden, de 2009, e Paradise Lost, de 2010.
Na trama, Akira Takizawa acorda em Washington sem memória, sem roupas e carregando um telefone celular extraordinário.
Esse aparelho permite solicitar operações praticamente inacreditáveis através de uma misteriosa assistente chamada Juiz.
Akira faz parte de um grupo de participantes conhecidos como Seleção, envolvidos num jogo cujo objetivo é transformar o Japão.
O projeto envolve enormes recursos financeiros, influência política e decisões com consequências profundas para a sociedade.
Parece apenas uma aventura tecnológica?
Não exatamente.
Por trás do suspense existe uma crítica ao Japão marcado por estagnação econômica, insegurança profissional e jovens incapazes de encontrar um lugar satisfatório na sociedade.
E é nesse universo que encontramos Itazu.
Quem é Yutaka Itazu?
Itazu é um hacker extremamente competente, mas também um personagem socialmente isolado.
Ele representa, de maneira exagerada e bem-humorada, o universo dos jovens que se afastaram dos caminhos tradicionais da vida profissional.
No Japão, existe um termo importante para essa discussão:
NEET — Not in Education, Employment or Training.
A expressão descreve pessoas que não estão trabalhando, estudando ou participando de formação profissional.
É uma categoria estatística, não um diagnóstico psicológico. Também não significa que todas essas pessoas sejam incapazes, desmotivadas ou socialmente isoladas.
Itazu representa uma versão ficcional particularmente excêntrica desse fenômeno.
Sua genialidade tecnológica contrasta com sua dificuldade de integração social.
E isso é fascinante.
Ele conhece computadores profundamente, mas não consegue transformar automaticamente esse conhecimento em uma vida considerada bem-sucedida pelos padrões tradicionais.
Agora façamos um exercício.
Imagine um novo Itazu nascendo em 2004.
Esse jovem cresceria com smartphones, plataformas digitais e redes sociais.
Aos 18 anos, em 2022, encontraria uma revolução da inteligência artificial generativa.
Aos 22 anos, em 2026, começaria a procurar seu espaço num mercado profissional que utiliza IA para automatizar tarefas anteriormente atribuídas a iniciantes.
O problema de 2009 retornaria com uma dimensão inteiramente nova.
Eden of the East perguntava como utilizar a tecnologia para recuperar uma geração que parecia abandonada. Em 2026, a pergunta é como impedir que a própria tecnologia aprofunde esse abandono.
📊 Capítulo II — A geração Z está mesmo rejeitando a inteligência artificial?
Itazu decidiu começar pelas evidências.
Nada de aceitar manchetes sem investigar as perguntas originais das pesquisas.
Esse cuidado é indispensável para qualquer analista de sistemas.
Uma estatística sem contexto pode ser tão enganosa quanto um programa COBOL executando corretamente sobre dados incorretos.
Em agosto de 2026, o Pew Research Center divulgou uma pesquisa reveladora.
Entre americanos de 18 a 29 anos, a parcela que se declarava mais preocupada do que entusiasmada com a inteligência artificial havia passado de 31% em 2021 para 55% em 2026.
Um aumento de 24 pontos percentuais.
Já a pesquisa Gallup, divulgada em abril de 2026, encontrou um quadro curioso entre integrantes da geração Z.
O entusiasmo com a IA caiu de 36% para 22% entre 2025 e 2026.
A esperança caiu de 27% para 18%.
A raiva aumentou de 22% para 31%.
A ansiedade permaneceu praticamente estável, em torno de 42%.
Ao mesmo tempo, aproximadamente metade dos jovens entrevistados utilizava IA pelo menos uma vez por semana.
Itazu percebeu que não estava analisando uma contradição.
Estava observando duas coisas diferentes.
Utilidade não é confiança.
Uma pessoa pode utilizar um aplicativo bancário diariamente e desconfiar das práticas comerciais do banco.
Pode depender de uma rede social para divulgar seu trabalho e criticar os algoritmos da plataforma.
Pode utilizar inteligência artificial para aprender programação e temer que empresas deixem de contratar programadores iniciantes.
Essa distinção muda completamente nossa interpretação.
Os dados não demonstram que toda uma geração deseja destruir a IA.
Demonstram que uma parcela significativa está questionando suas consequências.
Curiosidade: os jovens não são necessariamente os mais pessimistas em todos os países
Uma pesquisa internacional do Pew Research Center, publicada em setembro de 2026, identificou que jovens tendem a conhecer mais sobre IA do que pessoas mais velhas.
Entretanto, em muitos países, também apresentam sentimentos mistos de entusiasmo e preocupação.
Isso significa que a realidade brasileira não pode ser interpretada simplesmente copiando os números dos Estados Unidos.
O mercado de trabalho, a educação, o custo de vida e a estrutura econômica são diferentes.
Lição de Itazu: antes de aceitar qualquer número, descubra quem foi entrevistado, quando, onde e exatamente o que foi perguntado.
💼 Capítulo III — A escada quebrada: como a IA ameaça a entrada dos jovens no mercado
Imagine uma empresa de tecnologia no início dos anos 1990.
Ela contrata cinco programadores COBOL iniciantes.
Esses jovens começam documentando programas, corrigindo relatórios e acompanhando execuções de JCL.
Alguns meses depois, recebem pequenos projetos.
Após alguns anos, passam a compreender sistemas bancários complexos.
Finalmente, tornam-se analistas experientes.
Esse processo tem um detalhe frequentemente esquecido:
As tarefas simples não serviam apenas para produzir resultados. Serviam para formar profissionais.
Agora imagine a mesma organização em 2026.
A empresa adquire uma poderosa plataforma de inteligência artificial.
Essa ferramenta consegue explicar programas COBOL, produzir documentação inicial, sugerir testes e auxiliar na identificação de erros.
Um gerente pergunta:
— Se a inteligência artificial realiza parte das tarefas dos iniciantes, por que precisamos contratar tantos profissionais novos?
A pergunta parece financeiramente razoável.
Mas contém uma armadilha.
Se a empresa parar de formar novos profissionais, quem substituirá os especialistas quando eles se aposentarem?
Aqui surge o problema da escada quebrada.
O primeiro degrau da carreira profissional pode desaparecer antes que os jovens consigam subir para os seguintes.
Essa possibilidade não é exclusiva da programação.
Um advogado iniciante aprende analisando contratos.
Um contador aprende conciliando registros.
Um engenheiro aprende participando de projetos sob supervisão.
Um jornalista aprende pesquisando e verificando informações.
Se automatizarmos sistematicamente todas as tarefas de entrada, precisaremos criar outros mecanismos para transmitir experiência.
O que dizem os estudos?
A Organização Internacional do Trabalho reconhece que a IA generativa possui potencial para aumentar a produtividade, mas também pode afetar desigualmente diferentes ocupações e trabalhadores.
Isso não equivale a afirmar que todos esses empregos desaparecerão.
Existe uma diferença entre automatizar uma tarefa e eliminar uma profissão inteira.
Uma IA pode produzir uma primeira versão de um relatório, enquanto o profissional continua responsável por interpretar os resultados, conferir a exatidão e tomar decisões.
A verdadeira transformação dependerá de como empresas e governos reorganizarem o trabalho.
Itazu resumiria a questão em uma provocação:
— Vocês estão automatizando o trabalho dos aprendizes e esquecendo que os especialistas de amanhã precisam aprender em algum lugar?
🏢 Capítulo IV — As Big Techs e o novo monopólio da confiança
Durante décadas, as grandes empresas de tecnologia associaram suas marcas ao futuro.
Mais velocidade.
Mais conectividade.
Mais produtividade.
Mais informação.
Essas promessas trouxeram benefícios reais.
Mas também criaram relações profundas de dependência.
Empresas precisam de serviços digitais para operar.
Estudantes dependem de plataformas para aprender.
Profissionais utilizam redes sociais para procurar empregos.
Pequenos negócios dependem de ferramentas de publicidade e busca para conquistar clientes.
Agora imagine que uma dessas plataformas introduza inteligência artificial em praticamente todas as suas funcionalidades.
O usuário não solicitou necessariamente essas mudanças.
Em alguns casos, sequer compreende como seus dados estão sendo utilizados.
De repente, surgem perguntas incômodas.
Quem controla o algoritmo?
Quem determina quais informações aparecem primeiro?
Quem decide quais conteúdos possuem qualidade?
Quem verifica a segurança dos modelos?
Quais decisões podem ser contestadas?
Quem assume a responsabilidade quando uma resposta incorreta causa prejuízos?
Em 2026, um levantamento Bentley University–Gallup identificou que 79% dos americanos entre 18 e 29 anos confiavam pouco ou nada na utilização responsável da IA pelas empresas.
Esse resultado é particularmente importante.
Não se trata apenas de desconfiar das máquinas.
Trata-se de desconfiar das organizações que as controlam.
Juiz, a inteligência artificial de Eden of the East
Em Eden of the East, Juiz é uma assistente que transforma solicitações de determinados participantes em ações concretas, mobilizando recursos extraordinários.
A personagem representa um exercício interessante sobre o poder dos sistemas digitais.
Imagine que um assistente tenha acesso a informações financeiras, serviços, contratos e infraestrutura.
Ele pode executar tarefas impressionantes.
Mas quem autorizou essas ações?
Quem estabeleceu seus limites?
E o que acontece se um usuário solicitar algo prejudicial?
O poder de Juiz é ficcional e muito superior ao de um assistente convencional de IA.
Entretanto, a questão da autorização continua relevante em sistemas empresariais reais.
Um agente que consulta informações não deve receber automaticamente permissão para modificar registros, transferir valores ou executar comandos privilegiados.
Em tecnologia, chamamos isso de aplicação do princípio do menor privilégio.
Cada usuário ou sistema deve possuir somente as permissões necessárias para suas atividades.
Esse princípio é fundamental no IBM Z, especialmente em ambientes protegidos por RACF.
E pode ser igualmente importante para agentes modernos de inteligência artificial.
🖥️ Capítulo V — COBOL encontra Juiz: quem realmente controla as decisões?
Vamos imaginar um laboratório Bellacosa Mainframe.
Itazu recebe a missão de analisar um sistema bancário desenvolvido em COBOL.
O banco deseja utilizar inteligência artificial para explicar programas legados.
Mas existe um risco: a IA pode produzir uma interpretação aparentemente convincente e tecnicamente incorreta.
Itazu decide criar um exemplo simples.
Nosso primeiro programa COBOL
O objetivo é analisar o valor de uma operação financeira e informar se ela precisa de autorização adicional.
IDENTIFICATION DIVISION.
PROGRAM-ID. CONTROLE.
DATA DIVISION.
WORKING-STORAGE SECTION.
01 VALOR-OPERACAO PIC 9(7)V99.
01 LIMITE PIC 9(7)V99
VALUE 10000.00.
PROCEDURE DIVISION.
DISPLAY "VALOR DA OPERACAO:"
ACCEPT VALOR-OPERACAO
IF VALOR-OPERACAO > LIMITE
DISPLAY "REVISAO NECESSARIA"
ELSE
DISPLAY "DENTRO DO LIMITE"
END-IF
STOP RUN.Esse exemplo didático utiliza formato COBOL tradicional. Para compilá-lo, será necessário observar o formato de fonte e as opções do compilador utilizado.
Vamos compreender suas partes.
IDENTIFICATION DIVISION
Identifica o programa.
DATA DIVISION
Descreve os dados manipulados.
WORKING-STORAGE SECTION
Define variáveis utilizadas durante a execução.
PIC 9(7)V99
Representa um campo numérico com sete posições inteiras e duas decimais implícitas.
O caractere V indica a posição decimal, mas não ocupa uma posição física.
PROCEDURE DIVISION
Contém as instruções executáveis.
IF
Avalia uma condição.
No exemplo, valores superiores a 10.000 recebem uma mensagem indicando necessidade de revisão.
O detalhe que Itazu percebeu
Imagine que um assistente de IA analise o programa e recomende substituir o limite de 10.000 por 50.000 para reduzir intervenções humanas.
A sugestão pode parecer eficiente.
Mas quem autorizou essa mudança?
O limite pode representar uma exigência contratual, uma política de risco ou uma obrigação de conformidade.
A IA não deveria decidir unilateralmente modificar uma regra financeira.
O programa é simples, mas revela uma verdade profunda.
O código implementa uma decisão de negócio. Compreender a sintaxe não significa possuir autoridade para modificar a decisão.
Em sistemas reais, essas verificações também exigem identificação do cliente, trilhas de auditoria e controles que vão muito além do exemplo.
🔐 Capítulo VI — RACF, segurança e o perigo de entregar a chave do reino à IA
Itazu continuou sua investigação.
Descobriu que algumas organizações estavam interessadas em agentes capazes de executar tarefas complexas automaticamente.
Consultar arquivos.
Analisar relatórios.
Criar programas.
Executar procedimentos.
Acompanhar operações.
A automação parecia extraordinária.
Mas existe uma diferença entre pedir a uma IA que explique um comando e permitir que ela execute esse comando em produção.
Em um mainframe IBM Z, o RACF pode controlar o acesso a recursos protegidos.
Isso inclui conjuntos de dados, identidades, operações administrativas e determinadas funções de subsistemas.
Imagine um agente autorizado a consultar programas COBOL.
Essa autorização não deveria implicar acesso irrestrito aos dados financeiros dos clientes.
Da mesma maneira, uma IA encarregada de preparar documentação não precisa necessariamente receber permissão para alterar bibliotecas de produção.
Cinco regras fundamentais
Nunca fornecer permissões administrativas desnecessárias a agentes automatizados.
Separar ambientes de desenvolvimento, testes e produção.
Registrar operações relevantes para auditoria.
Exigir aprovação humana para ações sensíveis.
Validar resultados antes de modificar sistemas críticos.
O objetivo não é impedir a IA de trabalhar.
É criar limites seguros para sua atuação.
Itazu conhecia muito bem essa diferença.
Em um ambiente conectado, um pequeno erro de autorização pode produzir consequências enormes.
🎓 Capítulo VII — A inteligência artificial pode destruir a própria capacidade de aprender?
Aqui entramos numa discussão particularmente interessante.
Imagine dois estudantes começando um curso de COBOL.
O primeiro recebe a tarefa de criar um programa que calcule o salário líquido de um funcionário.
Ele abre uma IA e solicita o programa completo.
Recebe a resposta, copia o código e entrega o exercício.
O segundo estudante utiliza a mesma ferramenta.
Mas faz perguntas diferentes.
O que é uma variável numérica?
Por que utilizar PIC 9(5)V99?
Qual é a diferença entre MOVE e COMPUTE?
Como identificar um erro de cálculo?
Depois de compreender esses conceitos, tenta escrever o programa sozinho.
Os dois estudantes utilizaram IA.
Entretanto, somente um deles necessariamente praticou as habilidades envolvidas na construção da solução.
Essa diferença é decisiva.
Uma metodologia de estudo em sete passos
Passo 1 — Defina um problema pequeno.
Por exemplo, calcular descontos percentuais.
Passo 2 — Tente resolver sem IA.
Mesmo que o código inicialmente esteja incorreto.
Passo 3 — Peça explicações, não uma solução pronta.
Solicite uma análise conceitual do problema.
Passo 4 — Compare seu raciocínio com o da IA.
Identifique diferenças.
Passo 5 — Execute o programa.
Um código aparentemente correto pode apresentar erros de sintaxe, lógica ou precisão.
Passo 6 — Modifique os dados de entrada.
Teste valores pequenos, grandes, zero e limites importantes.
Passo 7 — Repita o exercício sozinho.
Se conseguir reproduzir a solução, provavelmente desenvolveu uma compreensão melhor.
É importante reconhecer que a IA também pode favorecer a aprendizagem.
Ela permite receber explicações personalizadas e praticar sem depender continuamente de um professor disponível.
O problema surge quando a ferramenta substitui o raciocínio que deveria ajudar a desenvolver.
Itazu provavelmente não recomendaria abandonar a tecnologia.
Ele recomendaria compreender aquilo que a tecnologia está fazendo.
⚡ Capítulo VIII — O lado físico da inteligência artificial: eletricidade, água e centros de dados
A geração Z também está preocupada com o impacto ambiental da expansão da IA.
Para compreender esse debate, precisamos lembrar que inteligência artificial não existe apenas dentro de aplicativos.
Ela depende de infraestrutura física.
Centros de dados.
Processadores.
Memórias.
Sistemas de armazenamento.
Redes de telecomunicações.
Eletricidade.
Refrigeração.
Essa infraestrutura possui custos econômicos e ambientais.
A Agência Internacional de Energia estimou que o consumo elétrico mundial dos centros de dados alcançou aproximadamente 485 TWh em 2025 e poderia chegar a cerca de 950 TWh em 2030, conforme seu cenário central divulgado em 2026.
É importante esclarecer que esses números abrangem centros de dados utilizados para inúmeras atividades, não exclusivamente IA.
Entretanto, a inteligência artificial representa uma das forças que impulsionam a expansão recente dessa demanda.
Uma pergunta incômoda
Imagine uma comunidade que recebe uma proposta para construir um enorme centro de dados.
A empresa promete investimentos e oportunidades econômicas.
Mas os moradores começam a perguntar:
De onde virá a energia?
Haverá impacto nas tarifas?
Quanto de água será utilizado?
Quantos empregos permanentes serão criados?
Quem financiará a infraestrutura necessária?
Como serão fiscalizadas as emissões e o uso de recursos?
Essas perguntas são legítimas.
O desenvolvimento tecnológico não elimina a necessidade de planejamento territorial.
E aqui existe uma conexão com a história dos mainframes.
Durante décadas, os grandes centros de processamento de dados já exigiam instalações especializadas, energia, refrigeração e manutenção.
A diferença é que a expansão contemporânea da IA adiciona novas exigências de computação de alto desempenho, frequentemente em escala muito elevada.
Curiosidade mainframe
A eficiência de uma arquitetura computacional não pode ser avaliada apenas pelo consumo elétrico de uma máquina isolada.
É necessário comparar o trabalho realizado, a utilização real dos recursos, a refrigeração, o armazenamento e as necessidades da aplicação.
Um sistema consolidado pode ser mais eficiente que muitos servidores subutilizados, dependendo da carga de trabalho.
Essa é uma lição importante da arquitetura empresarial: mais computadores não significam automaticamente melhor computação.
🏭 Capítulo IX — Os novos luditas: a história está se repetindo?
No início do século XIX, trabalhadores têxteis britânicos participaram de revoltas contra transformações introduzidas pela mecanização industrial.
O movimento ficou conhecido como ludismo.
Popularmente, os luditas são apresentados como inimigos das máquinas.
Mas essa interpretação ignora parte de suas reivindicações econômicas e sociais.
Muitos protestavam contra perda de rendimentos, mudanças nas condições de trabalho e enfraquecimento de seu poder de negociação.
Agora avancemos para 2026.
Jovens contestam o uso de IA em atividades criativas.
Profissionais questionam a substituição de trabalhadores.
Comunidades discutem a instalação de novos centros de dados.
Estudantes preocupam-se com o impacto das ferramentas generativas na aprendizagem.
Estamos diante de uma repetição perfeita do ludismo?
Não.
As tecnologias, instituições e condições sociais são diferentes.
Entretanto, existe uma semelhança fundamental.
Quando uma inovação altera a distribuição de poder econômico, o conflito deixa de ser apenas tecnológico.
Passa a envolver trabalho, renda, direitos e participação nas decisões.
Itazu compreenderia essa questão imediatamente.
Em Eden of the East, o problema da juventude japonesa não era simplesmente a ausência de computadores ou redes.
Era a dificuldade de encontrar oportunidades e protagonismo numa sociedade estagnada.
Em 2026, corremos o risco de criar uma situação paradoxal:
Uma sociedade com enorme capacidade computacional, mas incapaz de oferecer perspectivas satisfatórias para parte de seus jovens.
🧩 Capítulo X — O algoritmo invisível: como descobrir quem está tomando as decisões?
Imagine uma empresa que utiliza IA para selecionar candidatos a emprego.
O sistema analisa currículos e recomenda aqueles considerados mais adequados.
A ferramenta pode acelerar o processo.
Mas também levanta perguntas importantes.
Quais características foram utilizadas?
Os dados de treinamento representam adequadamente os candidatos?
Existem padrões de discriminação?
O candidato pode contestar uma decisão?
Há supervisão humana?
Essas perguntas precisam ser respondidas antes de confiar completamente no resultado.
O paralelo com sistemas COBOL
Um programa COBOL tradicional executa regras expressas em instruções.
Se uma condição estabelece que determinado valor produz determinada classificação, podemos examinar essa lógica diretamente.
Sistemas baseados em aprendizagem de máquina podem apresentar comportamentos que não são facilmente explicados por uma sequência simples de regras.
Isso não torna todo sistema de IA necessariamente inexplicável.
Existem técnicas de interpretabilidade, documentação, avaliação e monitoramento.
Entretanto, os desafios de auditoria são diferentes.
Como um programador iniciante pode ajudar?
Mesmo sem desenvolver modelos avançados, um programador COBOL pode participar da construção de controles.
Por exemplo:
Validar dados antes de enviá-los a um serviço de IA.
Registrar identificadores de solicitações e respostas.
Verificar se resultados respeitam regras de negócio.
Encaminhar decisões sensíveis para revisão humana.
Criar relatórios que permitam identificar anomalias.
Preservar dados necessários para auditoria, respeitando políticas de privacidade.
Essas atividades demonstram que a integração entre COBOL e IA não precisa significar a substituição imediata dos sistemas legados.
Frequentemente, pode significar adicionar novas capacidades a uma arquitetura existente.
O mainframe continua sendo responsável pelo processamento transacional e pela integridade dos registros.
A IA fornece apoio à interpretação, classificação ou interação.
Cada componente atua onde possui vantagens.
🕹️ Capítulo XI — O jogo dos Seleção: quem receberá os benefícios da revolução tecnológica?
Em Eden of the East, os Seleção participam de um jogo envolvendo recursos financeiros extraordinários e o futuro do Japão.
A narrativa explora o que diferentes indivíduos fazem quando recebem poder suficiente para transformar a sociedade.
Essa premissa oferece uma excelente metáfora para o mercado de IA.
Imagine três organizações recebendo acesso à mesma tecnologia.
A primeira utiliza IA exclusivamente para reduzir despesas trabalhistas.
A segunda combina automação com capacitação profissional.
A terceira utiliza os ganhos de produtividade para ampliar seus serviços e conquistar novos mercados.
A tecnologia é semelhante.
Os resultados sociais podem ser muito diferentes.
Isso acontece porque inovação técnica e decisão empresarial são fenômenos distintos.
Uma ferramenta não determina sozinha como seus benefícios serão distribuídos.
Um exemplo financeiro
Suponhamos uma empresa que produza 1.000 relatórios por mês.
Cada relatório exige, inicialmente, quatro horas de trabalho.
Isso representa 4.000 horas mensais.
Depois da introdução de IA e da reorganização do processo, o tempo médio cai para duas horas, mantendo a qualidade exigida.
A organização agora precisa de 2.000 horas para produzir os mesmos 1.000 relatórios.
O que fazer com as 2.000 horas liberadas?
Poderia produzir relatórios adicionais.
Poderia capacitar funcionários.
Poderia melhorar controles.
Poderia criar novos serviços.
Ou poderia reduzir o quadro de pessoal.
Essas possibilidades não são equivalentes, e nenhuma delas decorre automaticamente da existência da IA.
Elas dependem de estratégia, custos, demanda e decisões humanas.
É por isso que a discussão pública precisa ir além da pergunta sobre quantas tarefas uma máquina consegue executar.
Precisamos discutir quem participa das decisões que determinam as consequências dessa automação.
🧪 Capítulo XII — Laboratório Bellacosa: construindo um controle auditável para decisões automatizadas
Agora vamos transformar nossa investigação em um pequeno exercício de programação.
Imagine que um sistema automatizado atribua uma pontuação de risco a determinadas solicitações.
Nosso programa COBOL não tentará reproduzir uma inteligência artificial.
Ele implementará um controle determinístico, verificando se a pontuação recebida exige análise humana.
IDENTIFICATION DIVISION.
PROGRAM-ID. AVALIAR.
DATA DIVISION.
WORKING-STORAGE SECTION.
01 PONTUACAO PIC 9(3).
01 RESULTADO PIC X(20).
PROCEDURE DIVISION.
DISPLAY "DIGITE O RISCO 0 A 100:"
ACCEPT PONTUACAO
EVALUATE TRUE
WHEN PONTUACAO > 100
MOVE "VALOR INVALIDO"
TO RESULTADO
WHEN PONTUACAO >= 70
MOVE "REVISAO HUMANA"
TO RESULTADO
WHEN OTHER
MOVE "ANALISE NORMAL"
TO RESULTADO
END-EVALUATE
DISPLAY RESULTADO
STOP RUN.Nesse laboratório, pontuações de 70 a 100 são encaminhadas para revisão humana.
Pontuações de 0 a 69 recebem uma indicação de análise normal.
Valores superiores a 100 são considerados inválidos.
O exemplo é deliberadamente simples. O campo numérico e o uso de ACCEPT não constituem uma validação robusta de entrada textual em produção.
Em um sistema real, precisaríamos validar o formato antes da conversão, tratar erros, documentar critérios e garantir que a pontuação tenha sido produzida por um mecanismo confiável.
Também precisaríamos avaliar se o próprio modelo apresenta vieses ou erros sistemáticos.
O que aprendemos?
Primeiro, que um sistema automatizado pode produzir uma recomendação.
Segundo, que regras independentes podem estabelecer limites operacionais para essa recomendação.
Terceiro, que decisões relevantes podem exigir participação humana.
Quarto, que o controle deve ser testado.
Experimente os valores 0, 69, 70, 100 e 101.
Observe o resultado de cada execução.
Depois modifique o limite de revisão para 80.
Pergunte a si mesmo: quem deveria autorizar essa alteração num sistema financeiro real?
Se respondeu que a decisão precisa respeitar a política de negócio e os responsáveis pelo processo, compreendeu uma das mensagens fundamentais do laboratório.
Automatizar a execução não significa automatizar a responsabilidade.
🧭 Capítulo XIII — O futuro do programador COBOL numa economia dominada por IA
Chegamos à pergunta que muitos profissionais de tecnologia estão fazendo.
Se a IA consegue gerar código, ainda vale a pena aprender programação?
Minha resposta é sim, mas precisamos compreender como o trabalho pode mudar.
Uma pessoa que apenas copia instruções sem entender seus resultados poderá enfrentar dificuldades crescentes.
Por outro lado, profissionais capazes de compreender sistemas, identificar erros, interpretar regras e garantir segurança continuarão oferecendo competências importantes.
No universo IBM Z, isso envolve conhecimentos que ultrapassam a sintaxe COBOL.
JCL para compreender a execução de processos em lote.
Db2 para trabalhar com dados relacionais.
CICS para entender transações online.
VSAM para compreender organizações de arquivos.
RACF para controlar segurança.
SDSF para acompanhar processamento.
Ferramentas de desenvolvimento e integração para trabalhar com ambientes modernos.
IA pode ajudar a aprender todas essas tecnologias.
Mas o profissional precisa saber avaliar o que a ferramenta está recomendando.
Cinco recomendações para quem está começando
Primeira: aprenda a base.
Entenda divisões COBOL, tipos de dados, condições, arquivos e lógica de programação.
Segunda: pratique depuração.
Descubra por que um programa está incorreto, em vez de apenas solicitar uma versão substituta.
Terceira: compreenda o negócio.
Um sistema bancário não existe para executar instruções COBOL. Ele existe para implementar operações financeiras de maneira correta e controlada.
Quarta: aprenda segurança e auditoria desde cedo.
Esses conhecimentos serão cada vez mais importantes em ambientes que integram automação e IA.
Quinta: utilize inteligência artificial como instrumento de aprendizagem.
O objetivo deve ser desenvolver independência técnica, não dependência permanente.
Itazu não era um personagem interessante porque possuía acesso a computadores.
Era interessante porque conseguia compreender o funcionamento dos sistemas.
Essa diferença continua fundamental.
🎭 Capítulo XIV — O verdadeiro significado de Yutaka Itazu: talento desperdiçado numa sociedade conectada
Existe algo profundamente humano no personagem Itazu.
Ele não representa somente um hacker habilidoso.
Representa uma sociedade que nem sempre sabe reconhecer ou aproveitar o talento de seus indivíduos.
Essa questão atravessa Eden of the East.
O Japão apresentado na obra possui recursos tecnológicos, infraestrutura e instituições complexas.
Mesmo assim, muitos jovens parecem incapazes de encontrar oportunidades que lhes ofereçam perspectivas satisfatórias.
A série questiona a relação entre tecnologia, organização social e responsabilidade coletiva.
Em 2026, encontramos uma preocupação semelhante.
As ferramentas estão cada vez mais poderosas.
As empresas conseguem automatizar atividades sofisticadas.
Mas muitos jovens não sabem se conseguirão construir carreiras estáveis.
Alguns enfrentam dificuldades para encontrar o primeiro emprego.
Outros temem que suas habilidades se tornem rapidamente obsoletas.
Há também os que questionam a utilização de suas produções artísticas e intelectuais no desenvolvimento de sistemas generativos.
A crítica não precisa significar rejeição ao progresso.
Pode ser justamente uma exigência de que o progresso produza benefícios mais amplos.
O paradoxo de Itazu
O personagem domina sistemas complexos, mas permanece afastado de grande parte da vida social.
Ele simboliza a distância possível entre competência tecnológica e integração econômica.
Podemos imaginar o paradoxo se ampliando.
Uma sociedade com acesso a inteligência artificial capaz de produzir quantidades extraordinárias de informação pode continuar incapaz de oferecer educação adequada, mobilidade social e perspectivas de trabalho.
Nesse caso, o problema não será a insuficiência de poder computacional.
Será a maneira como a sociedade organiza suas instituições e distribui oportunidades.
🥚 Easter egg — A mensagem escondida no último job
Quando Itazu terminou a investigação, encontrou um arquivo esquecido num antigo ambiente de processamento.
O nome era curioso:
EDEN2026.JCL
Ele abriu o conteúdo.
//EDEN2026 JOB (ACCT),'BELLACOSA',
// CLASS=A,MSGCLASS=X
//*
//* O FUTURO NAO E UM RECURSO EXCLUSIVO
//* DE QUEM POSSUI O MAIOR COMPUTADOR.
//*
//* VALIDE AS REGRAS.
//* PROTEJA AS PESSOAS.
//* ENSINE A PROXIMA GERACAO.
//*
//STEP01 EXEC PGM=IEFBR14Itazu sorriu.
O programa IEFBR14 é uma velha presença no universo dos mainframes, frequentemente utilizado em etapas de JCL que não precisam executar processamento de negócio.
O exemplo é simbólico e exige adaptações conforme as convenções de cada ambiente.
O verdadeiro trabalho estava escondido nos comentários.
Talvez esse fosse o maior segredo da investigação.
Não basta construir sistemas cada vez mais sofisticados.
Precisamos compreender para que eles estão sendo construídos.
O código pode executar perfeitamente.
O processamento pode terminar com código de retorno zero.
Os relatórios podem apresentar resultados aparentemente impecáveis.
Mas nenhuma dessas características garante, sozinha, que a tecnologia está produzindo uma sociedade melhor.
☕ Epílogo — A geração que não quer destruir a inteligência artificial, mas recuperar o próprio futuro
O relógio marcava quase três da manhã.
Itazu examinou uma última vez os dados reunidos nos monitores.
A geração Z continuava utilizando IA.
Continuava estudando tecnologia.
Continuava desenvolvendo aplicativos, criando empresas e explorando novas ferramentas.
Mas também demonstrava preocupação crescente.
Não era simplesmente uma revolta contra computadores.
Era uma reação às incertezas sobre trabalho, privacidade, controle e distribuição dos benefícios da inovação.
Itazu fechou a última janela.
A mensagem de Juiz reapareceu na tela.
— Você descobriu como salvar o futuro?
Ele permaneceu em silêncio.
Depois respondeu:
— Ainda não. Mas descobri que não podemos entregar essa decisão exclusivamente às máquinas.
A tela escureceu.
E, em algum lugar entre Kyoto, Silicon Valley e os grandes centros de processamento de dados, milhões de jovens continuaram fazendo a mesma pergunta:
Se a inteligência artificial está construindo o futuro, por que temos tão pouca participação nas decisões sobre ele?
Essa pergunta também deveria interessar aos especialistas em mainframe.
Porque a história da computação nos ensinou que grandes sistemas exigem arquitetura, planejamento, segurança, controles e responsabilidade.
A IA não deveria ser diferente.
O futuro não pertence exclusivamente a quem possui o maior modelo, o maior centro de dados ou o maior orçamento. Ele também pertence às pessoas que terão de viver com as consequências dessas escolhas.
E talvez seja essa a mensagem mais importante que podemos extrair de Eden of the East.
O problema nunca foi somente descobrir quem possui recursos suficientes para transformar uma sociedade.
O problema é decidir que transformação vale a pena realizar.
Bellacosa Mainframe — Porque compreender o passado da computação também é uma maneira de proteger o futuro.
Fim do job. Condition Code 0000.
📚 Referências para aprofundamento
Valor Econômico, 21 de maio de 2026 — Jovens ampliam rejeição à IA e às Big Techs.
Pew Research Center, 18 de agosto de 2026 — Pesquisa sobre preocupações dos jovens americanos com inteligência artificial e emprego.
Gallup / Walton Family Foundation / GSV Ventures, 8 de abril de 2026 — Gen Z's AI Adoption Steady, but Skepticism Climbs.
Bentley University–Gallup, 2026 — Business in Society Report.
Pew Research Center, 17 de setembro de 2026 — Young adults around the world have mixed feelings about AI.
Organização Internacional do Trabalho, 2026 — Estudos sobre IA generativa, produtividade e transformações profissionais.
Production I.G, 2009 — Higashi no Eden, criação, roteiro e direção de Kenji Kamiyama.
IBM Documentation — Enterprise COBOL, JCL, RACF e fundamentos de administração IBM Z.





Sem comentários:
Enviar um comentário