☕ Um Café no Bellacosa Mainframe
Gostou do conteúdo? Ajude a manter o café quente, o COBOL compilando e o mainframe acordado. 😄
☕ Pague um café ao Bellacosa

Translate

Mostrar mensagens com a etiqueta Cambridge Analytica. Mostrar todas as mensagens
Mostrar mensagens com a etiqueta Cambridge Analytica. Mostrar todas as mensagens

sábado, 7 de novembro de 2026

🥊 DRAGON BALL Z: MR. SATAN CONTRA O ALGORITMO INVISÍVEL — O DIA EM QUE O FACEBOOK ENTROU NA ARENA DO BREXIT!

 

Bellacosa Mainframe e os 10 anos do Brexit até onde o Facebook esta envolvido?

☕ UM CAFÉ NO BELLACOSA MAINFRAME

🥊 DRAGON BALL Z: MR. SATAN CONTRA O ALGORITMO INVISÍVEL — O DIA EM QUE O FACEBOOK ENTROU NA ARENA DO BREXIT!

Bellacosa Mainframe — Arqueologia da Computação, COBOL, IBM Z, Segurança Digital e os Fantasmas da Democracia



🎬 Prólogo — O homem que derrotou Cell sem derrotar Cell

Senhoras e senhores, sejam bem-vindos!

Estamos novamente reunidos para tomar um café no Bellacosa Mainframe, onde computadores de sessenta anos continuam processando transações, sistemas bancários exigem auditoria e personagens de anime aparecem para explicar problemas que muitos especialistas levam anos tentando compreender.

Hoje recebemos uma celebridade.

Um homem de bigode monumental, cabelos encaracolados, uniforme de artes marciais e confiança suficiente para enfrentar qualquer adversário — desde que as câmeras estejam ligadas.

Mr. Satan, o campeão mundial de artes marciais!

Quem acompanhou Dragon Ball Z conhece a história.

Quando Cell ameaçou destruir a humanidade, Mr. Satan apareceu diante das câmeras garantindo que resolveria o problema.

Discursos grandiosos, poses impressionantes, gritos de vitória antecipados.

Tudo aquilo que uma população assustada gostaria de ouvir.

O detalhe inconveniente era que Mr. Satan não possuía condições de derrotar Cell.

Entretanto, dominava uma habilidade extraordinária: compreender o espetáculo televisivo e influenciar a percepção pública.

E aqui começa nossa investigação.

Em junho de 2016, o Reino Unido realizou um referendo para decidir sua permanência na União Europeia.

O resultado foi apertado: 51,9% votaram pela saída e 48,1% pela permanência.

A decisão produziria mudanças duradouras na economia, no comércio, na imigração e nas relações diplomáticas britânicas.

Nos bastidores daquela disputa, plataformas digitais, empresas de análise de dados e campanhas políticas participaram de uma nova modalidade de comunicação eleitoral.

O Facebook permitia dirigir anúncios a públicos específicos. A Cambridge Analytica tornou-se símbolo de uma crise internacional de privacidade. E a empresa AggregateIQ prestou serviços digitais efetivos a campanhas do referendo.

Nossa missão é compreender o que aconteceu, distinguir fatos de especulações e descobrir o que programadores COBOL podem aprender com tudo isso.

Afinal, numa sociedade cada vez mais dependente da tecnologia, proteger dados e preservar a transparência também são responsabilidades da engenharia de software.

Mr. Satan ajeita o cinturão.

— Deixem comigo! Vou derrotar esse tal algoritmo!

Antes que ele destrua algum servidor, vamos começar pela história.



🥊 Capítulo I — Quem é Mr. Satan e por que ele é nosso professor?

Mr. Satan, também conhecido como Hercule em algumas versões internacionais de Dragon Ball, foi criado por Akira Toriyama.

É um campeão de artes marciais perfeitamente humano num universo onde personagens conseguem destruir montanhas, voar e disparar rajadas de energia.

Sua principal característica é a distância entre sua reputação pública e suas capacidades reais diante dos guerreiros mais poderosos.

Durante os Jogos de Cell, apresenta-se como salvador da humanidade. A transmissão televisiva, o público e sua própria confiança contribuem para construir sua imagem.

Mas Mr. Satan não é simplesmente um farsante sem qualidades.

Ele demonstra coragem em determinados momentos e desenvolve uma relação importante com Majin Buu. Sua humanidade, empatia e capacidade de mobilizar pessoas também desempenham papéis positivos na narrativa.

Essa dualidade torna o personagem especialmente interessante.

Mr. Satan representa tanto o perigo da autoridade construída pelo espetáculo quanto a possibilidade de utilizar a popularidade para promover cooperação.

A grande lição não consiste em desconfiar automaticamente de toda pessoa famosa.

Consiste em compreender que popularidade, competência, honestidade e veracidade são características diferentes.

Uma pessoa pode ser admirada e estar errada.

Uma publicação pode ter milhões de compartilhamentos e apresentar números incorretos.

Um anúncio pode ser tecnicamente sofisticado e intelectualmente desonesto.

Um sistema pode executar perfeitamente suas instruções e, ainda assim, produzir resultados socialmente prejudiciais.

Esse último ponto é especialmente importante para os profissionais de informática.

COBOL não sabe se uma afirmação política é verdadeira.

Db2 não determina se uma promessa eleitoral é justa.

RACF não verifica automaticamente a honestidade de uma campanha.

Esses sistemas executam regras estabelecidas por seres humanos.

Portanto, o problema começa muito antes da programação: começa com os requisitos, os controles, as responsabilidades e as decisões sobre quais informações serão processadas.



🇬🇧 Capítulo II — 23 de junho de 2016: o torneio que dividiu o Reino Unido

O Reino Unido ingressou na Comunidade Econômica Europeia em 1973 e, em 1975, realizou um referendo que confirmou sua permanência.

Décadas depois, as relações britânicas com a integração europeia continuavam provocando debates.

Havia discussões sobre soberania parlamentar, livre circulação de pessoas, regulamentações econômicas, comércio, imigração e contribuições financeiras.

Para muitos defensores da saída, a União Europeia limitava a autonomia britânica.

Para muitos defensores da permanência, a integração proporcionava vantagens econômicas, oportunidades individuais e influência internacional.

Ambas as posições reuniam cidadãos com preocupações legítimas, ainda que propostas e argumentos específicos pudessem ser questionados.

O referendo de 2016 não surgiu simplesmente porque alguém publicou uma notícia no Facebook.

Existia uma longa história de disputas políticas e insatisfações sociais.

O Facebook entrou nesse cenário como uma infraestrutura poderosa de distribuição de mensagens.

Resultado oficial:

  • Saída da União Europeia: 17.410.742 votos.

  • Permanência na União Europeia: 16.141.241 votos.

  • Participação eleitoral: 72,2%.

  • Diferença: aproximadamente 1,27 milhão de votos.

A Escócia e a Irlanda do Norte votaram majoritariamente pela permanência, enquanto Inglaterra e País de Gales votaram majoritariamente pela saída.

Essa divisão territorial revela um fato importante: não existia um único Reino Unido politicamente homogêneo.

Havia diferentes experiências econômicas, identidades nacionais, prioridades e percepções sobre a integração europeia.

Mr. Satan observa os números.

— Mas eu poderia ter resolvido tudo com um grande discurso na televisão!

Talvez ele conseguisse atenção.

Mas atenção não é o mesmo que convencimento, e convencimento não é necessariamente sinônimo de compreensão.

Foi justamente essa distinção que a publicidade digital tornou ainda mais importante.



📱 Capítulo III — O Facebook transforma a campanha numa arena invisível

Imagine uma campanha eleitoral tradicional.

Um candidato aparece na televisão fazendo determinada afirmação.

Milhões de pessoas recebem aproximadamente a mesma mensagem.

Jornalistas podem analisá-la, adversários podem contestá-la e instituições podem solicitar correções.

Agora imagine outro modelo.

Um cidadão preocupado com empregos recebe anúncios sobre salários.

Outro, interessado em imigração, recebe mensagens sobre fronteiras.

Um terceiro, interessado em empresas, recebe conteúdos sobre regulamentações e impostos.

Um quarto recebe publicidade relacionada à sua região.

Não estamos afirmando que esses quatro anúncios específicos circularam durante o Brexit. Trata-se de um exemplo didático das possibilidades de segmentação digital.

O problema democrático potencial surge quando a publicidade política passa a ser distribuída de maneira pouco transparente.

Se cada grupo recebe mensagens diferentes, como verificar se uma campanha está apresentando afirmações contraditórias?

Como identificar quem financiou determinado anúncio?

Como saber quantas pessoas foram alcançadas?

Como distinguir persuasão legítima de utilização abusiva de dados pessoais?

Essas perguntas transformaram-se em objetos de investigações parlamentares e regulatórias.

O Facebook não inventou a propaganda política nem a utilização de pesquisas para identificar preferências eleitorais.

Campanhas realizam segmentação há décadas.

A novidade estava na escala, na velocidade, na granularidade dos públicos e na capacidade de automatizar a distribuição.

Curiosidade: a comunicação pode ser personalizada sem conhecer o nome da pessoa

Um anunciante não precisa necessariamente conhecer pessoalmente cada indivíduo.

Pode trabalhar com categorias e públicos definidos por características agregadas ou identificadores digitais.

Por exemplo:

  • Pessoas residentes numa determinada região.

  • Utilizadores interessados em assuntos econômicos.

  • Públicos que interagiram anteriormente com determinados conteúdos.

  • Conjuntos de contas associados a listas fornecidas por anunciantes.

O funcionamento exato depende das ferramentas e regras da plataforma em cada período.

A conclusão essencial permanece: a personalização permite modificar a experiência informacional de diferentes grupos.

O risco não é conversar sobre temas diferentes com pessoas diferentes. É impedir que cidadãos e fiscalizadores compreendam o conjunto das mensagens que está sendo distribuído.


🧠 Capítulo IV — Cambridge Analytica: quando os dados pessoais viraram escândalo

A Cambridge Analytica tornou-se conhecida mundialmente em 2018, quando vieram a público detalhes sobre a obtenção e utilização de informações de utilizadores do Facebook.

Um aplicativo chamado This Is Your Digital Life, associado ao pesquisador Aleksandr Kogan, coletava informações de participantes e, por mecanismos então disponíveis na plataforma, também alcançava dados relacionados a seus contatos.

Parte dessas informações foi posteriormente compartilhada com a Cambridge Analytica.

O escândalo provocou investigações, discussões sobre consentimento e mudanças no debate mundial sobre privacidade.

Imagine a seguinte situação fictícia.

Você instala um aplicativo que promete revelar qual guerreiro de Dragon Ball corresponde à sua personalidade.

Responde a perguntas aparentemente inofensivas.

O aplicativo obtém informações que, combinadas com outras fontes, permitem inferir interesses e características comportamentais.

Agora suponha que essas informações sejam utilizadas fora da finalidade originalmente apresentada.

O problema não está em responder a um questionário sobre Dragon Ball.

Está na coleta excessiva, na finalidade não autorizada, no compartilhamento indevido e na falta de transparência.

Uma correção histórica indispensável

Muitos relatos apresentam a Cambridge Analytica como a empresa que decidiu o Brexit.

Essa conclusão não foi demonstrada pelas investigações oficiais.

A Comissão Eleitoral britânica investigou a relação da Cambridge Analytica com o grupo Leave.EU e concluiu não haver evidências de prestação de serviços contratados ou doações de serviços que devessem ser declaradas naquela campanha.

Houve contatos preliminares e apresentações comerciais, mas a investigação não encontrou contrato operacional firmado.

Isso não apaga as irregularidades de privacidade reveladas no escândalo.

Significa apenas que duas histórias diferentes não devem ser confundidas.

Mr. Satan interrompe:

— Mas todo mundo disse que foi ela!

Exatamente, campeão.

Uma afirmação repetida milhares de vezes não se transforma automaticamente em fato comprovado.

Essa será nossa primeira regra de auditoria.


💰 Capítulo V — AggregateIQ: seguindo o dinheiro em vez dos gritos

Quando um analista de sistemas investiga um incidente financeiro, não começa necessariamente pela declaração mais barulhenta.

Começa pelos registros.

Quem pagou?

Quem recebeu?

Qual serviço foi contratado?

Quando ocorreu a transação?

Qual documento comprova a operação?

No caso do Brexit, essas perguntas conduzem a uma empresa canadense chamada AggregateIQ.

Diferentemente das alegações não comprovadas sobre a atuação operacional da Cambridge Analytica para Leave.EU, a participação da AggregateIQ em serviços de campanhas relacionadas ao referendo foi documentada.

A Comissão Eleitoral britânica identificou despesas coordenadas entre Vote Leave e BeLeave que deveriam ter sido contabilizadas conjuntamente.

O resultado foi a identificação de gastos de aproximadamente £7,45 milhões atribuíveis a Vote Leave, acima do limite legal de £7 milhões.

Vote Leave pagou multas relacionadas às infrações identificadas e retirou seu recurso.

É importante acrescentar que Darren Grimes venceu posteriormente um recurso contra a penalidade individual que lhe havia sido imposta.

Esse detalhe demonstra por que um artigo responsável precisa acompanhar o desenvolvimento completo de uma investigação, inclusive decisões judiciais posteriores.

O caso revela um problema que qualquer programador COBOL conhece.

Quando operações pertencentes ao mesmo processo são registradas separadamente de maneira inadequada, os relatórios podem apresentar uma realidade incompleta.

Um sistema de auditoria deveria conseguir reconhecer relações entre despesas, organizações e prestadores de serviços.

É hora de transformar essa lição num laboratório.


💻 Capítulo VI — Laboratório COBOL: construindo um pequeno auditor de campanhas

Nosso primeiro programa será chamado SATANAUD.

Não vamos processar informações pessoais de eleitores, opiniões políticas ou preferências individuais.

Vamos utilizar números financeiros fictícios para aprender como verificar limites de despesas.

A situação será simples.

Uma organização possui um limite de gastos de 7 milhões de unidades monetárias.

Recebemos três registros de despesas.

Precisamos somá-los e descobrir se o limite foi ultrapassado.

Passo 1 — Compreendendo a estrutura

Um programa COBOL tradicional pode possuir quatro divisões principais:

IDENTIFICATION DIVISION: identifica o programa.

ENVIRONMENT DIVISION: descreve recursos externos quando necessários.

DATA DIVISION: define os dados utilizados.

PROCEDURE DIVISION: contém as instruções executáveis.

Nosso primeiro exemplo utiliza dados declarados internamente e não necessita de arquivos externos.

Passo 2 — O código-fonte

       >>SOURCE FORMAT FREE
IDENTIFICATION DIVISION.
PROGRAM-ID. SATANAUD.

DATA DIVISION.
WORKING-STORAGE SECTION.

01 WS-LIMITE       PIC 9(9)V99 VALUE 7000000.00.
01 WS-DESPESA-1    PIC 9(9)V99 VALUE 3200000.00.
01 WS-DESPESA-2    PIC 9(9)V99 VALUE 2500000.00.
01 WS-DESPESA-3    PIC 9(9)V99 VALUE 1800000.00.
01 WS-TOTAL        PIC 9(9)V99 VALUE ZERO.
01 WS-EXCESSO      PIC 9(9)V99 VALUE ZERO.

PROCEDURE DIVISION.

    ADD WS-DESPESA-1
        WS-DESPESA-2
        WS-DESPESA-3
        GIVING WS-TOTAL

    DISPLAY "TOTAL: " WS-TOTAL
    DISPLAY "LIMITE: " WS-LIMITE

    IF WS-TOTAL > WS-LIMITE
        COMPUTE WS-EXCESSO =
            WS-TOTAL - WS-LIMITE
        DISPLAY "ALERTA: LIMITE EXCEDIDO"
        DISPLAY "EXCESSO: " WS-EXCESSO
    ELSE
        DISPLAY "DESPESAS DENTRO DO LIMITE"
    END-IF

    GOBACK.

Passo 3 — Entendendo os campos

A declaração PIC 9(9)V99 representa um campo numérico decimal com nove dígitos inteiros e duas casas decimais implícitas.

O V não ocupa uma posição física.

Ele indica onde o programa interpreta a separação decimal.

Isso permite trabalhar com valores monetários sem depender de números de ponto flutuante.

Observe que WS-TOTAL possui espaço suficiente para armazenar a soma do nosso exemplo.

Em aplicações financeiras reais, os tamanhos precisam ser calculados conforme os limites máximos esperados, incluindo a possibilidade de overflow.

Passo 4 — Executando mentalmente

Temos:

3.200.000 + 2.500.000 + 1.800.000 = 7.500.000.

O limite permitido é 7.000.000.

Portanto, o programa identifica um excesso de 500.000 unidades monetárias.

Esses valores são inteiramente fictícios e servem exclusivamente ao aprendizado.

Passo 5 — Testando o programa

No GnuCOBOL, salve o código como satanaud.cbl e utilize, caso tenha o compilador instalado:

cobc -x -free -o satanaud satanaud.cbl
./satanaud

No Windows, a execução pode exigir satanaud.exe, conforme o ambiente.

Em IBM z/OS, seria necessário utilizar o compilador Enterprise COBOL e procedimentos JCL apropriados à instalação. O exemplo não é um JCL pronto para produção.

Mr. Satan comemora:

— Eu sabia! Derrotei a corrupção com seis variáveis!

Ainda não, campeão.

Detectar uma soma acima do limite é fácil.

A dificuldade verdadeira está em garantir que todas as despesas relevantes foram registradas, que pertencem à organização correta e que ninguém modificou os registros.

Um sistema que recebe dados incompletos produz uma auditoria incompleta.


🗃️ Capítulo VII — Db2: seguindo as relações escondidas entre organizações

Agora vamos aprofundar o problema.

Imagine uma estrutura financeira fictícia com três entidades:

Campanha A, Campanha B e Fornecedor C.

A Campanha A contrata determinados serviços.

A Campanha B também contrata o Fornecedor C.

Existe a possibilidade de que algumas despesas estejam relacionadas a um projeto conjunto.

Isso não significa automaticamente irregularidade.

O objetivo do auditor é identificar relações e investigar quando existe obrigação legal de consolidar os gastos.

Em um banco de dados relacional, poderíamos criar um modelo simplificado com registros como:

CampanhaGrupo de auditoriaValor fictício
Campanha AGRUPO013.200.000
Campanha BGRUPO012.500.000
Campanha CGRUPO011.800.000
Campanha DGRUPO02900.000

A coluna GRUPO_AUDITORIA representa uma classificação previamente validada.

Ela não deve ser preenchida automaticamente apenas porque duas campanhas contrataram o mesmo fornecedor.

Num ambiente Db2, uma consulta didática poderia ser:

SELECT
    GRUPO_AUDITORIA,
    SUM(VALOR) AS TOTAL_GASTO
FROM DESPESAS
GROUP BY GRUPO_AUDITORIA;

O resultado permite identificar os valores consolidados por grupo.

Mas o trabalho não termina aí.

Precisamos saber quem classificou os registros, quando a classificação foi realizada e quais documentos justificam a associação.

Uma boa arquitetura de auditoria preserva evidências e permite contestar classificações incorretas.

Dica Bellacosa

Nunca transforme uma suspeita automaticamente em uma conclusão.

Um relatório deve diferenciar:

  • Registro validado.

  • Inconsistência encontrada.

  • Operação pendente de investigação.

  • Irregularidade confirmada pela autoridade competente.

Confundir esses estados pode prejudicar pessoas inocentes e comprometer a confiança no próprio sistema.


🛡️ Capítulo VIII — RACF e o princípio de que nem todo mundo pode fazer tudo

Mr. Satan acaba de descobrir uma coisa fascinante.

Mesmo que o programa COBOL funcione perfeitamente, alguém pode tentar alterar os dados de entrada.

É exatamente por isso que sistemas empresariais exigem controle de acesso.

No ambiente IBM Z, RACF é uma das ferramentas utilizadas para administrar identidades, permissões e proteção de recursos.

Imagine nosso sistema de auditoria.

Um operador pode consultar determinadas despesas.

Um responsável autorizado pode registrar novas operações.

Um auditor independente pode analisar relatórios.

Um administrador de segurança controla permissões, mas não deveria ser o responsável por aprovar todas as operações financeiras.

Esse é o conceito de segregação de funções.

Não devemos concentrar todas as capacidades críticas numa única pessoa.

A mesma lógica vale para plataformas digitais.

Quem financia um anúncio político não deveria controlar, sozinho, todos os mecanismos utilizados para declarar, verificar e fiscalizar aquele financiamento.

E os dados pessoais utilizados na publicidade precisam estar sujeitos a permissões e finalidades legítimas.

O erro que devemos evitar

Utilizar um cadastro recolhido para uma finalidade e reaproveitá-lo silenciosamente para outra.

Um cidadão que fornece um endereço eletrônico para receber informações sobre determinado serviço não está necessariamente autorizando a utilização desse endereço em campanhas políticas.

Consentimento, base legal, finalidade e transparência não são detalhes burocráticos.

São partes da arquitetura de proteção de dados.


📜 Capítulo IX — SMF: toda operação importante precisa deixar vestígios

Os profissionais experientes de mainframe conhecem bem a importância dos registros operacionais.

No z/OS, o System Management Facilities, ou SMF, fornece registros de atividades e medições conforme a configuração e os componentes envolvidos.

Esses registros podem apoiar auditoria, segurança, desempenho e investigação de incidentes.

Imagine agora um sistema de publicidade política que preserve, de maneira proporcional e respeitando a privacidade, informações auditáveis sobre:

Quem financiou o anúncio?

Qual organização assumiu a responsabilidade?

Qual foi o período de circulação?

Quanto foi gasto?

Qual mensagem foi exibida?

Quais critérios gerais de distribuição foram utilizados?

Quais alterações ocorreram durante a campanha?

O objetivo não é vigiar a preferência política individual dos cidadãos.

É permitir o escrutínio da operação publicitária e de seus responsáveis.

Essa distinção é fundamental.

Uma democracia precisa de transparência sobre o poder e proteção da privacidade dos cidadãos.

Um arquivo contendo todos os anúncios, seus patrocinadores e informações públicas de distribuição pode contribuir para a fiscalização.

Um banco de dados secreto contendo perfis íntimos de milhões de eleitores pode representar exatamente o problema que pretendemos evitar.

Easter egg mainframe

Existe uma ironia tecnológica interessante nessa história.

Durante décadas, programadores de sistemas financeiros aprenderam que alterações importantes precisam deixar registros verificáveis.

No universo das redes sociais, parte do debate político passou a depender de mecanismos publicitários cuja visibilidade pública era limitada.

A lição não é que computadores antigos sejam moralmente superiores aos modernos.

É que boas práticas de engenharia de sistemas não deveriam desaparecer quando a tecnologia muda de plataforma.


🚌 Capítulo X — Os £350 milhões semanais: quando um número precisa de auditoria

Uma das mensagens mais conhecidas do referendo britânico apareceu num ônibus vermelho.

A campanha Vote Leave apresentava a ideia de que o Reino Unido enviava £350 milhões por semana à União Europeia, sugerindo que esses recursos poderiam ser direcionados ao NHS, o serviço público de saúde.

O problema não era a existência de um debate sobre contribuições financeiras.

O problema estava na maneira como o valor era apresentado.

A autoridade britânica de estatísticas advertiu que o número bruto não incorporava adequadamente o abatimento britânico e outros fluxos financeiros relevantes.

Utilizá-lo como se fosse um valor líquido integralmente disponível era enganoso.

Como explicar isso a um programador COBOL iniciante?

Imagine um sistema financeiro no qual alguém apresente apenas o valor bruto de uma operação.

O relatório ignora descontos, compensações e ajustes.

O resultado pode ser numericamente verdadeiro em uma coluna específica e, ao mesmo tempo, inadequado para responder à pergunta que realmente interessa.

É um erro de interpretação de dados.

Considere este exemplo fictício:

VALOR BRUTO:       350
ABATIMENTO:         85
VALOR APOS ABATE:  265

O exemplo é apenas ilustrativo e não reproduz o cálculo completo das relações financeiras entre Reino Unido e União Europeia.

O ensinamento é simples.

Se alguém utilizar o valor bruto como se fosse o montante efetivamente disponível, estará apresentando uma conclusão que não decorre corretamente dos dados.

Três perguntas que todo profissional deveria fazer

Primeira: qual é a origem do número?

Segunda: quais deduções, condições e limitações foram consideradas?

Terceira: a conclusão apresentada corresponde realmente ao que o número mede?

Isso vale para política, investimentos, estatísticas de segurança, inteligência artificial e relatórios empresariais.

Mr. Satan encontra um gráfico impressionante.

— O número é enorme! Portanto, deve estar certo!

Não, campeão.

Tamanho não é qualidade.


🌍 Capítulo XI — O que o Reino Unido enfrentou depois do referendo?

O referendo aconteceu em junho de 2016.

O Reino Unido deixou formalmente a União Europeia em 31 de janeiro de 2020.

O período de transição terminou em 31 de dezembro de 2020, e uma nova relação comercial começou em 1º de janeiro de 2021.

Essas datas são fundamentais.

Muitos acontecimentos econômicos e políticos ocorridos depois de 2016 também foram influenciados pela pandemia, pela crise energética, pela inflação internacional e por outras transformações globais.

Por isso, não é correto atribuir toda dificuldade posterior exclusivamente ao Brexit.

Ainda assim, existem efeitos próprios da mudança institucional.

O comércio com a União Europeia passou a enfrentar novas exigências administrativas e barreiras não tarifárias.

Cidadãos britânicos perderam os direitos gerais de livre circulação associados à cidadania europeia.

Empresas precisaram adaptar procedimentos.

As relações com a Irlanda do Norte exigiram acordos específicos.

Por outro lado, o Reino Unido passou a possuir maior autonomia formal em determinadas decisões migratórias, comerciais e regulatórias.

Defensores e críticos do Brexit interpretam de maneira diferente o valor dessas mudanças.

Uma análise responsável precisa reconhecer tanto os objetivos políticos declarados quanto seus custos e consequências observáveis.

O Office for Budget Responsibility mantém a projeção de que a nova relação comercial reduzirá a produtividade potencial de longo prazo em aproximadamente 4% relativamente a um cenário de permanência na União Europeia.

Essa é uma estimativa econômica contrafactual, não uma medição direta de queda de 4% em determinado ano.

Especialistas também discutem a magnitude dos efeitos estimados.

A lição mais importante para nosso estudo é que decisões políticas podem produzir consequências que ultrapassam muitos anos e diferentes governos.

Isso aumenta a importância de informações transparentes antes da votação.


🤖 Capítulo XII — Dez anos depois, a inteligência artificial entra no torneio

Em 2016, a atenção estava concentrada em dados pessoais, publicidade direcionada e plataformas sociais.

Em 2026, existe um desafio adicional: sistemas de inteligência artificial capazes de produzir textos, imagens, vozes e vídeos convincentes.

Uma mensagem política falsa pode apresentar um personagem público aparentemente fazendo declarações que nunca realizou.

Uma fotografia pode ser manipulada.

Uma gravação pode imitar uma voz.

Um conjunto de contas automatizadas pode aumentar artificialmente a visibilidade de determinado conteúdo.

Essas tecnologias também possuem utilizações legítimas.

A inteligência artificial pode auxiliar jornalistas na análise de documentos, pesquisadores na identificação de padrões e cidadãos na compreensão de propostas complexas.

Portanto, o problema não é simplesmente utilizar IA.

O problema está na ausência de mecanismos adequados de transparência, identificação de conteúdo manipulado, responsabilidade e fiscalização.

Como a IA pode ajudar na defesa?

Imagine um sistema que compare afirmações numéricas com documentos oficiais.

O usuário recebe uma mensagem afirmando que determinado orçamento aumentou 500%.

Uma ferramenta consulta a série histórica correspondente, identifica o período utilizado e apresenta fontes para a comparação.

Outra ferramenta detecta possíveis inconsistências entre registros financeiros declarados.

Uma terceira auxilia auditores a localizar operações duplicadas.

Nenhuma delas deveria decidir automaticamente quem está mentindo ou qual opinião política o cidadão deve adotar.

Seu papel seria fornecer evidências verificáveis e indicar limitações.

Isso nos leva a uma regra importante:

A inteligência artificial deve ampliar a capacidade humana de verificar informações, não substituir o julgamento democrático dos cidadãos.


🧪 Capítulo XIII — Laboratório avançado: criando uma trilha de auditoria em COBOL

Agora Mr. Satan vai aprender que não basta identificar uma despesa acima do limite.

Precisamos registrar o motivo do alerta.

Vamos construir uma rotina simples capaz de gerar uma mensagem de auditoria.

       >>SOURCE FORMAT FREE
IDENTIFICATION DIVISION.
PROGRAM-ID. SATANLOG.

DATA DIVISION.
WORKING-STORAGE SECTION.

01 WS-ID-OPERACAO    PIC X(10) VALUE "OP00000001".
01 WS-VALOR          PIC 9(7)V99 VALUE 7500000.
01 WS-LIMITE         PIC 9(7)V99 VALUE 7000000.
01 WS-STATUS         PIC X(20).
01 WS-MENSAGEM       PIC X(60).

PROCEDURE DIVISION.

    IF WS-VALOR > WS-LIMITE
        MOVE "ALERTA"
            TO WS-STATUS
        MOVE "VALOR SUPERIOR AO LIMITE CONFIGURADO"
            TO WS-MENSAGEM
    ELSE
        MOVE "REGULAR"
            TO WS-STATUS
        MOVE "VALIDACAO NUMERICA CONCLUIDA"
            TO WS-MENSAGEM
    END-IF

    DISPLAY "OPERACAO: " WS-ID-OPERACAO
    DISPLAY "STATUS:   " WS-STATUS
    DISPLAY "MOTIVO:   " WS-MENSAGEM

    GOBACK.

O que aprendemos?

O programa não declara que uma pessoa cometeu fraude.

Ele identifica uma condição objetiva: determinado valor ultrapassou um limite configurado.

A diferença é importante.

Um excesso pode decorrer de erro operacional, classificação equivocada, duplicidade ou irregularidade real.

É necessária investigação para estabelecer as causas.

Como evoluir o laboratório?

Numa aplicação empresarial, poderíamos acrescentar identificação autenticada do responsável, data e hora da operação, referência ao documento original, versões anteriores e trilhas de alterações.

Também precisaríamos de tratamento de erros, validação de campos, testes de limites, proteção contra registros duplicados, controles transacionais e política de retenção de dados.

Registros críticos poderiam ser enviados a um repositório protegido contra alterações não autorizadas.

Em produção, a arquitetura deveria prever monitoramento, segregação de permissões e auditoria independente.

Uma observação importante sobre privacidade

Não devemos construir registros contendo mais informações pessoais do que o necessário.

Auditar não significa acumular indiscriminadamente dados sobre cidadãos.

Em muitos casos, a melhor solução é registrar informações sobre organizações, contratos, anúncios e valores financeiros, evitando identificar individualmente os destinatários das mensagens.


⚖️ Capítulo XIV — Dez princípios para reduzir o risco de novos escândalos

Chegamos à parte mais importante do nosso treinamento.

Mr. Satan percebeu que não existe um golpe secreto capaz de resolver todos os problemas da democracia.

Precisamos de processos, instituições, fiscalização e responsabilidade.

1. Transparência da publicidade política

Anúncios eleitorais devem possuir identificação verificável do responsável e informações acessíveis sobre seu financiamento, conforme a legislação aplicável.

2. Proteção de dados pessoais

A utilização de informações de cidadãos deve respeitar finalidades legítimas, bases legais, minimização de dados e direitos individuais.

3. Fiscalização independente

Organizações responsáveis por campanhas não podem ser as únicas fontes de verificação de suas próprias despesas.

4. Rastreabilidade financeira

Gastos conjuntos, prestadores de serviços e estruturas relacionadas precisam ser analisados conforme as regras eleitorais.

5. Educação midiática

Os cidadãos devem receber ferramentas para distinguir publicidade, opinião, informação jornalística e conteúdo manipulado.

6. Verificação de estatísticas

Números políticos relevantes devem ser acompanhados de fontes, definições e limitações.

7. Responsabilidade das plataformas

Redes sociais precisam oferecer mecanismos proporcionais de transparência e resposta a abusos, com respeito aos direitos fundamentais.

8. Proteção da liberdade de expressão

Combater fraudes, publicidade ilegal e uso indevido de dados não pode transformar-se em autorização ilimitada para censura ou perseguição política.

9. Direito de contestação

Sistemas automatizados que produzam consequências relevantes devem possuir mecanismos adequados de revisão, explicação e contestação.

10. Auditoria contínua

A fiscalização não deve começar apenas depois de uma crise.

Assim como sistemas bancários precisam de monitoramento permanente, infraestruturas digitais de grande impacto necessitam de controles contínuos, proporcionais e verificáveis.

Nenhuma dessas medidas garante a ausência absoluta de manipulação ou desinformação.

Entretanto, elas podem reduzir oportunidades de abuso e facilitar a responsabilização quando ocorrerem problemas.


🐉 Capítulo XV — O segredo de Mr. Satan: popularidade também pode servir ao bem

Existe uma razão especial para escolher Mr. Satan como tutor desta investigação.

Seria muito fácil utilizar apenas suas mentiras e exageros como metáfora da propaganda política.

Mas isso deixaria a análise incompleta.

Em Dragon Ball, Mr. Satan também descobre que sua popularidade pode ser empregada para ajudar outras pessoas.

Durante os acontecimentos envolvendo Majin Buu, sua relação com o personagem demonstra compaixão e capacidade de estabelecer vínculos inesperados.

Mais adiante, sua influência pública desempenha papel importante na mobilização da humanidade.

Esse aspecto oferece uma segunda interpretação.

Uma rede social pode amplificar informações falsas, mas também pode divulgar pesquisas científicas, mobilizar ajuda humanitária, aproximar comunidades e permitir que denúncias legítimas cheguem ao conhecimento público.

A tecnologia não determina sozinha o resultado moral de sua utilização.

Instituições, incentivos econômicos, decisões de projeto, regras, cultura e ações humanas importam.

O mesmo acontece com COBOL.

Um programa pode administrar benefícios sociais, processar pagamentos ou manter registros financeiros.

Sua confiabilidade técnica é indispensável.

Entretanto, a legitimidade de sua utilização depende também das finalidades, dos controles e da responsabilidade humana.

Precisamos de sistemas que ajudem a sociedade a compreender o que acontece, não de sistemas que tornem a fiscalização impossível.


🎁 Easter eggs — Cinco curiosidades escondidas nesta aventura

Easter egg 01 — O campeão que não possuía superpoderes

Mr. Satan é extraordinariamente popular entre humanos comuns, mas seus poderes são modestos diante dos grandes guerreiros de Dragon Ball. Isso permite à obra brincar com a diferença entre reputação e realidade.

Easter egg 02 — O mundo já possuía uma rede antes do Facebook

A propaganda política direcionada existia muito antes das redes sociais. O avanço digital aumentou a escala, a velocidade e a precisão de algumas práticas, além de criar novos problemas de transparência.

Easter egg 03 — Um anúncio não precisa ser falso para exigir fiscalização

Uma campanha pode apresentar uma mensagem verdadeira e ainda assim descumprir regras sobre financiamento ou tratamento de dados. A integridade da comunicação possui diferentes dimensões.

Easter egg 04 — O mainframe conhece o valor da evidência

COBOL, Db2, RACF e SMF não são tecnologias especificamente eleitorais. Mas os princípios de validação, registro, autorização e reconciliação aplicados nesses ambientes são úteis para pensar sistemas auditáveis.

Easter egg 05 — A democracia não é um programa com saída binária

Um programa pode retornar REGULAR ou ALERTA. Já a avaliação democrática envolve direitos, instituições, escolhas legítimas, transparência e interpretações conflitantes. Nenhuma variável isolada consegue representar toda essa complexidade.


☕ Epílogo — A última luta do campeão mundial

O torneio terminou.

Mr. Satan encontra-se no centro da arena, cercado por jornalistas.

Seu cinturão brilha sob os refletores.

Atrás dele, um terminal 3270 apresenta um relatório de auditoria.

Os registros financeiros foram reconciliados.

As permissões foram verificadas.

As afirmações numéricas foram comparadas com suas fontes.

As inconsistências identificadas foram encaminhadas para análise humana.

Nenhum cidadão precisou revelar suas preferências políticas para que os controles básicos funcionassem.

Um jornalista aproxima-se.

— Mr. Satan, o senhor derrotou o algoritmo?

O campeão abre um sorriso monumental.

Levanta os braços.

Prepara um discurso histórico.

Então olha para o terminal.

Pela primeira vez, parece compreender que a vitória não depende de uma pessoa extraordinária.

Depende de cidadãos informados, profissionais responsáveis, instituições capazes de fiscalizar e mecanismos que permitam questionar o poder.

Ele respira profundamente.

— Desta vez, quem venceu foi a auditoria!

E talvez essa seja a maior lição do Brexit.

Não podemos garantir que os cidadãos sempre recebam informações corretas, que políticos nunca exagerem ou que empresas jamais abusem de seus poderes.

Mas podemos desenvolver instituições e tecnologias que dificultem a utilização indevida dos dados, aumentem a transparência e permitam verificar alegações.

Para um programador COBOL iniciante, o aprendizado é igualmente valioso.

Antes de escrever uma linha de código, pergunte:

De onde vêm os dados? Quem pode alterá-los? Como validá-los? Quem fiscaliza o resultado? E quais consequências existirão se o sistema estiver errado?

Essas perguntas ajudam a construir bons sistemas financeiros.

Também ajudam a compreender os riscos da comunicação política digital.

Porque, no fim das contas, a democracia não precisa de um campeão que grite mais alto.

Precisa de regras confiáveis, informação verificável, liberdade para discordar e mecanismos que permitam responsabilizar quem descumpre a lei.

E, no Bellacosa Mainframe, até Mr. Satan aprende que um bom registro de auditoria vale mais do que mil discursos de vitória.


Bellacosa Mainframe

Arqueologia da Computação, COBOL, IBM Z, Inteligência Artificial e os fantasmas dos sistemas que continuam sustentando o mundo.

Fim do episódio. O café esfriou. O mainframe continua funcionando.


segunda-feira, 26 de outubro de 2026

🥷 THE EMINENCE IN SHADOW: CID KAGENOU CONTRA O ALGORITMO INVISÍVEL DA META — QUEM ESTÁ MANIPULANDO AS SOMBRAS DA DEMOCRACIA?

 

Bellacosa Mainframe quando a Meta do Instagram e Facebook é suspeita de imparcialidade

☕ UM CAFÉ NO BELLACOSA MAINFRAME

🥷 THE EMINENCE IN SHADOW: CID KAGENOU CONTRA O ALGORITMO INVISÍVEL DA META — QUEM ESTÁ MANIPULANDO AS SOMBRAS DA DEMOCRACIA?

Facebook, Instagram, Cambridge Analytica, eleições brasileiras de 2026 e os misteriosos algoritmos que continuam recomendando conteúdos políticos mesmo quando o usuário os rejeita. Sob a tutela de Cid Kagenou, vamos investigar as engrenagens invisíveis das redes sociais e descobrir como COBOL, JCL, Db2, RACF e a auditoria de sistemas podem ajudar a compreender o poder dos algoritmos.

Bellacosa Mainframe — Arqueologia da Computação, COBOL, Inteligência Artificial, Segurança Cibernética e os Fantasmas dos Algoritmos



🎬 Prólogo — Quando Cid Kagenou descobriu que alguém estava controlando as sombras

Era uma noite particularmente tranquila no Reino de Midgar.

Cid Kagenou caminhava pelas ruas, aparentemente despreocupado, enquanto os habitantes seguiam suas rotinas.

Na superfície, tudo funcionava normalmente.

Comerciantes vendiam mercadorias. Nobres discutiam política. Aventuras eram anunciadas nas tavernas.

Mas Cid tinha uma obsessão: tornar-se uma eminência nas sombras, alguém capaz de exercer um poder extraordinário sem que os demais percebessem sua verdadeira identidade.

De repente, seu olhar encontrou uma enorme tela luminosa.

Nela, milhares de mensagens apareciam, desapareciam e voltavam a aparecer.

Algumas defendiam o governo. Outras o atacavam. Muitas provocavam medo, indignação ou entusiasmo.

Cid tentou ignorá-las.

Entretanto, quanto mais tentava afastar determinadas mensagens, mais conteúdos semelhantes surgiam.

— Interessante... — murmurou.

Alpha aproximou-se.

— Meu senhor, detectamos uma entidade que organiza praticamente tudo aquilo que os cidadãos conseguem enxergar.

— O Culto de Diablos?

— Não exatamente. Chama-se algoritmo de recomendação.

Cid sorriu.

Finalmente, um adversário digno de uma verdadeira eminência nas sombras!

Naturalmente, a situação era muito menos cinematográfica do que ele imaginava.

Não havia uma sociedade secreta comprovadamente comandando cada publicação. Existiam sistemas matemáticos, modelos de aprendizado de máquina, objetivos comerciais, milhares de sinais comportamentais e decisões humanas sobre o funcionamento da plataforma.

Mas a pergunta permanecia fascinante:

Quem controla o que podemos ver quando uma empresa privada administra grande parte da nossa comunicação pública?

Era hora de abrir um terminal 3270.

E talvez preparar um café.

Nota narrativa: Cid Kagenou e Shadow Garden são personagens de ficção. Seus diálogos e participações nesta investigação são criações literárias. Os fatos históricos e as análises técnicas são apresentados separadamente.



🥷 Capítulo I — Quem é Cid Kagenou e por que ele deveria investigar a Meta?

The Eminence in Shadow, originalmente Kage no Jitsuryokusha ni Naritakute!, nasceu das light novels escritas por Daisuke Aizawa, ilustradas por Tozai.

Sua adaptação para anime estreou em 5 de outubro de 2022, produzida pelo estúdio Nexus e dirigida por Kazuya Nakanishi.

O protagonista é Cid Kagenou, um jovem cuja ambição não consiste simplesmente em tornar-se herói ou vilão.

Ele deseja ser uma figura misteriosa que interfere nos acontecimentos a partir dos bastidores.

Depois de reencarnar em um mundo de fantasia, Cid desenvolve a identidade de Shadow e organiza, inicialmente quase por brincadeira, uma sociedade chamada Shadow Garden.

O detalhe delicioso da narrativa é que suas invenções sobre uma organização inimiga acabam correspondendo a ameaças reais daquele universo.

Cid acredita estar participando de uma encenação grandiosa, enquanto suas companheiras enfrentam conspirações verdadeiras.

Essa combinação de fantasia, humor, ação e equívocos é perfeita para uma investigação sobre algoritmos.

Mas precisamos evitar uma armadilha.

Em The Eminence in Shadow, existe um culto secreto dentro do universo ficcional.

Na vida real, não podemos transformar todo resultado inesperado de um algoritmo em prova de conspiração.

Uma análise séria deve começar justamente pela distinção entre intenção, comportamento e consequência.

E isso nos leva ao primeiro laboratório de Shadow Garden.



🕵️ Capítulo II — O algoritmo invisível: por que bloquear uma página não resolve o problema?

Imagine um usuário brasileiro navegando pelo Facebook.

Ele acompanha publicações sobre história, informática, cinema e política.

Subitamente aparece um vídeo partidário que não deseja assistir.

O usuário bloqueia a página.

No dia seguinte surge outro vídeo semelhante, produzido por outro perfil.

Novamente bloqueia.

Dois dias depois aparece uma terceira publicação com discurso parecido.

A experiência gera uma pergunta perfeitamente razoável:

Se eu já disse que não quero receber esse conteúdo, por que a plataforma continua oferecendo material semelhante?

A resposta começa pela arquitetura dos mecanismos de recomendação.

A Meta não possui um único algoritmo universal que decide tudo.

Facebook Feed, Instagram Reels, Stories, Explore, anúncios e recomendações de contas podem utilizar modelos e sistemas diferentes.

Cada sistema interpreta informações para prever comportamentos futuros.

Entre os sinais possíveis estão:

  • Publicações curtidas.

  • Vídeos assistidos.

  • Tempo de permanência.

  • Comentários.

  • Compartilhamentos.

  • Perfis acompanhados.

  • Conteúdos ocultados.

  • Histórico de interações com autores semelhantes.

Em junho de 2023, a Meta divulgou documentação sobre 22 sistemas de inteligência artificial utilizados em seus produtos.

A empresa reconheceu expressamente o uso de sinais comportamentais e mecanismos de previsão para ordenar conteúdos.

E aqui encontramos um paradoxo.

O usuário pode assistir a um vídeo político não porque concorda com ele, mas porque deseja compreender uma afirmação absurda, verificar uma notícia ou criticar determinado argumento.

Para um modelo preditivo, porém, o tempo de visualização pode representar um sinal de interesse.

Interesse não significa concordância.

Esse é um problema clássico de interpretação de dados.

A curiosidade de Cid

Cid observa um relatório.

— Alpha, o usuário assistiu ao vídeo durante um minuto.

— Sim, meu senhor.

— Então ele gostou?

— Não necessariamente.

— Talvez ele estivesse indignado?

— Exatamente.

Cid fecha os olhos.

— Um sistema que sabe quanto tempo alguém observa algo, mas não sabe por quê...

Esse pequeno diálogo ilustra uma limitação importante da modelagem comportamental.

Sistemas podem prever probabilidades de interação sem compreender plenamente as motivações humanas.

Bloquear um perfil, por sua vez, normalmente impede interações com aquela fonte específica.

Não equivale a instruir todos os mecanismos da plataforma a eliminar qualquer publicação de orientação política semelhante.

E identificar automaticamente a orientação ideológica de toda publicação também é uma tarefa complexa.

Uma reportagem criticando um partido pode conter os mesmos nomes, palavras e imagens utilizados pela propaganda daquele partido.

A classificação precisa considerar contexto, ironia, citações e objetivos da mensagem.

Primeira lição de Shadow Garden: uma preferência precisa ser definida corretamente antes de ser aplicada por um programa.



📚 Capítulo III — Cambridge Analytica: a primeira grande organização das sombras digitais

Para entender por que a Meta desperta tanta desconfiança, precisamos retornar à década de 2010.

Em 2016 aconteceram dois acontecimentos políticos extraordinários.

O Reino Unido votou pela saída da União Europeia.

Nos Estados Unidos, Donald Trump venceu a eleição presidencial.

Dois anos depois, o escândalo Cambridge Analytica revelou uma extensa controvérsia envolvendo a obtenção indevida de dados de usuários do Facebook e sua utilização para perfis comportamentais e campanhas políticas.

Informações de milhões de pessoas foram coletadas por meio de um aplicativo e de mecanismos de acesso a dados que existiam na plataforma.

A controvérsia envolveu privacidade, consentimento, publicidade política e possível segmentação psicológica.

Mas precisamos separar três coisas:

Primeira: houve um escândalo documentado de obtenção e utilização indevida de dados pessoais.

Segunda: técnicas de publicidade segmentada foram usadas em campanhas políticas.

Terceira: não foi demonstrado que a Cambridge Analytica tenha determinado o resultado do Brexit ou da eleição americana.

No caso britânico, investigações também examinaram empresas, organizações de campanha e outros mecanismos de direcionamento de mensagens políticas.

O erro seria confundir a existência comprovada de um mercado de influência política baseada em dados com a demonstração de que determinada empresa decidiu sozinha uma eleição.

Ainda assim, a descoberta foi suficientemente grave para alterar profundamente o debate internacional sobre privacidade.

O verdadeiro poder dos perfis comportamentais

Imagine três cidadãos.

O primeiro preocupa-se principalmente com empregos.

O segundo acompanha notícias sobre imigração.

O terceiro manifesta grande interesse por segurança pública.

Uma campanha digital pode tentar apresentar mensagens distintas a esses públicos.

O problema não está simplesmente em anunciar propostas diferentes.

O risco aparece quando informações pessoais são obtidas sem consentimento adequado, quando mensagens enganosas são distribuídas de maneira pouco transparente ou quando não existe fiscalização sobre o direcionamento.

Em uma praça pública, qualquer cidadão pode ouvir o discurso de um candidato.

Na publicidade digital altamente segmentada, duas pessoas podem receber mensagens contraditórias sem perceber.

Cid provavelmente chamaria isso de magia das sombras.

Um auditor chamaria de ausência de transparência e rastreabilidade.


📊 Capítulo IV — O grande experimento científico com 208 milhões de usuários

Em julho de 2023, a revista científica Science publicou um estudo especialmente relevante.

Pesquisadores examinaram dados agregados de aproximadamente 208 milhões de usuários americanos do Facebook durante as eleições de 2020.

O objetivo era investigar como pessoas de orientações políticas diferentes eram expostas a notícias.

Os cientistas distinguiram três níveis:

Exposição potencial: notícias que poderiam aparecer para os usuários.

Exposição efetiva: notícias efetivamente apresentadas.

Engajamento: notícias com as quais as pessoas interagiram.

Essa distinção é importantíssima.

O fato de um conteúdo estar disponível não significa que tenha sido mostrado.

E aparecer no feed não significa que tenha recebido atenção.

Os pesquisadores encontraram elevada segregação ideológica, que aumentava da exposição potencial até o engajamento.

Também identificaram assimetrias entre os públicos conservadores e liberais.

Uma parcela significativa das fontes de notícias políticas era consumida quase exclusivamente por conservadores, sem um setor liberal diretamente equivalente nas dimensões analisadas.

Grande parte da desinformação identificada pelo programa de verificação de fatos da Meta concentrava-se nesse setor conservador.

Isso não demonstra que Zuckerberg tenha programado o Facebook para favorecer políticos conservadores.

Demonstra que o ecossistema de distribuição de notícias apresentava assimetrias importantes.

E oferece uma pergunta científica:

Quanto dessas diferenças decorre das escolhas dos usuários, quanto da oferta de conteúdos e quanto dos mecanismos de recomendação?

Não existe uma resposta universal para todos os países e períodos.

A segunda descoberta surpreendente

Outra pesquisa publicada na Science, também em 2023, examinou os efeitos da substituição de feeds algorítmicos por feeds cronológicos durante a campanha americana de 2020.

Os participantes passaram a receber publicações em ordem temporal.

A mudança alterou significativamente o conteúdo visto e reduziu o tempo de utilização das plataformas.

Entretanto, durante o experimento de três meses, os pesquisadores não encontraram mudanças estatisticamente significativas nas principais medidas de polarização e atitudes políticas avaliadas.

Portanto, a influência dos algoritmos sobre a exposição a informações não deve ser confundida automaticamente com influência demonstrada sobre o voto.

Alpha registra essa observação no relatório.

Cid responde:

— Então controlar a vitrine não significa controlar completamente a mente do cliente.

Exatamente.


🏛️ Capítulo V — Janeiro de 2025: quando a Meta mudou suas regras

Em 7 de janeiro de 2025, a Meta anunciou mudanças importantes em suas políticas de moderação e recomendação.

Entre elas estavam a transição, começando pelos Estados Unidos, do programa de checagem independente para um modelo de notas da comunidade e a revisão de restrições aplicadas a determinados discursos.

A empresa também declarou que voltaria a recomendar mais conteúdos políticos conforme sinais de interesse dos usuários.

Isso marcou uma revisão relevante da estratégia adotada anteriormente, quando a Meta havia procurado reduzir a circulação de certos conteúdos políticos nas recomendações.

A justificativa oficial incluía ampliar a liberdade de expressão e reduzir erros de moderação.

Críticos apontaram riscos relacionados à desinformação e ao enfraquecimento de mecanismos de proteção.

A questão técnica mais interessante, entretanto, está na definição de interesse.

Se a plataforma passa a recomendar mais conteúdo político com base em sinais explícitos e implícitos, torna-se fundamental verificar se a rejeição do usuário recebe peso suficiente.

Um sistema pode reconhecer corretamente que determinada pessoa acompanha assuntos eleitorais e, ainda assim, falhar ao interpretar quais conteúdos ela deseja evitar.

Conhecer o assunto de interesse do usuário não é o mesmo que compreender sua preferência em relação às mensagens sobre aquele assunto.


🇧🇷 Capítulo VI — Eleições brasileiras de 2026: o algoritmo entra no tribunal

Em outubro de 2026, a discussão sobre a Meta deixou de ser exclusivamente acadêmica.

A campanha de Luiz Inácio Lula da Silva, do PT, questionou restrições envolvendo publicações eleitorais e a ferramenta Meta AI.

Entre as reclamações estava a alegação de que determinados comandos de geração de imagens envolvendo Lula eram recusados, enquanto solicitações semelhantes relacionadas a Flávio Bolsonaro, do PL, poderiam ser atendidas.

Em 15 de outubro, o Tribunal Superior Eleitoral determinou medidas para garantir tratamento igualitário às candidaturas.

No dia seguinte, o plenário manteve unanimemente a decisão.

Posteriormente, o tribunal exigiu esclarecimentos técnicos sobre distribuição de conteúdo, utilização de inteligência artificial e propaganda eleitoral.

Esses acontecimentos demonstram a existência de uma controvérsia institucional real.

Entretanto, uma investigação precisa considerar também a resposta da empresa.

A Meta afirmou que a falha envolvendo a geração de imagens estava relacionada ao reconhecimento de nomes e números eleitorais utilizados nas solicitações.

Segundo a empresa, havia proteções que identificavam nomes completos ou expressões conhecidas, mas determinadas combinações de nomes comuns e números eleitorais podiam escapar às verificações.

A Meta também apresentou dados de alcance ao TSE.

Em sua manifestação de 6 de novembro de 2026, informou que, entre 16 de agosto e 25 de outubro, o conteúdo orgânico das contas oficiais de Lula registradas no TSE alcançou aproximadamente uma vez e meia o público alcançado pelas contas comparadas de Flávio Bolsonaro.

Esses números são informações apresentadas pela própria empresa, e não uma auditoria independente.

Além disso, a quantidade total de pessoas alcançadas não demonstra, isoladamente, que todas as publicações foram tratadas corretamente em cada momento.

Pode existir um erro localizado mesmo quando o alcance agregado de uma campanha é superior.

O erro que Shadow Garden não cometeria

Cid observa dois relatórios.

Um mostra maior alcance total da campanha de Lula.

Outro descreve restrições técnicas que prejudicaram publicações específicas.

— Alpha, qual está correto?

— Os dois podem estar corretos, meu senhor.

É isso!

Dados agregados e incidentes individuais não são necessariamente contraditórios.

O alcance acumulado mede uma coisa.

O funcionamento de uma regra em determinado instante mede outra.

Para demonstrar favorecimento deliberado, seria necessário encontrar evidências adicionais de decisões conscientes, instruções internas ou configurações dirigidas especificamente a produzir vantagem partidária.

Até aqui, os fatos públicos examinados não sustentam afirmar como comprovada uma operação deliberada da Meta para favorecer o PL.

Mas sustentam a necessidade de fiscalização técnica das falhas apontadas.


💻 Capítulo VII — Laboratório COBOL: construindo um pequeno algoritmo de recomendação

Chegou a hora de abandonar o mundo das suposições e entrar no território onde os programadores se sentem confortáveis.

Vamos construir um modelo didático de recomendação usando COBOL.

O objetivo não é reproduzir os sistemas reais da Meta, que são muito mais complexos.

Queremos compreender como sinais comportamentais podem influenciar uma decisão automática.

Passo 1 — Definindo o problema

Nosso pequeno sistema receberá:

  • Uma pontuação inicial de relevância.

  • Tempo de visualização.

  • Quantidade de curtidas.

  • Informação de rejeição explícita.

Depois calculará uma pontuação final.

O exemplo utiliza números arbitrários, exclusivamente para ensinar lógica de programação.

Passo 2 — Escrevendo o programa

       >>SOURCE FORMAT FREE
identification division.
program-id. SHADOW01.

environment division.

data division.
working-storage section.

01 ws-score           pic s9(5) value zero.
01 ws-tempo           pic 9(4) value 45.
01 ws-curtidas        pic 9(3) value 2.
01 ws-rejeitado       pic x value 'N'.

procedure division.

    move 50 to ws-score

    compute ws-score =
        ws-score + ws-tempo

    compute ws-score =
        ws-score + (ws-curtidas * 10)

    if ws-rejeitado = 'S'
        subtract 100 from ws-score
    end-if

    display 'SHADOW GARDEN - AUDITORIA'
    display 'PONTUACAO FINAL: ' ws-score

    if ws-score >= 80
        display 'DECISAO: RECOMENDAR'
    else
        display 'DECISAO: NAO RECOMENDAR'
    end-if

    goback.

Passo 3 — Entendendo o programa

A instrução IDENTIFICATION DIVISION identifica o programa.

PROGRAM-ID determina seu nome.

A DATA DIVISION declara os campos de trabalho.

A WORKING-STORAGE SECTION contém as variáveis utilizadas durante a execução.

Na declaração:

01 ws-score pic s9(5) value zero.

o campo aceita um número inteiro com sinal e até cinco dígitos decimais.

O S indica que o valor pode ser negativo.

Isso é útil porque uma rejeição pode produzir pontuação inferior a zero.

Em seguida, o programa define o tempo de visualização e a quantidade de curtidas.

A PROCEDURE DIVISION reúne as instruções executáveis.

A primeira operação atribui 50 pontos ao conteúdo.

Depois acrescentamos 45 pontos pelo tempo de visualização e 20 pontos pelas duas curtidas.

O resultado é 115.

Como a rejeição está inicialmente definida como N, nenhuma penalidade é aplicada.

O sistema decide recomendar.

Passo 4 — Simulando a rejeição

Agora altere:

01 ws-rejeitado pic x value 'N'.

para:

01 ws-rejeitado pic x value 'S'.

A nova pontuação será:

115 - 100 = 15.

Como 15 é inferior ao limite de 80, a recomendação deixa de ocorrer.

Simples, certo?

Mas existe uma questão.

Quem decidiu que uma rejeição deveria descontar exatamente 100 pontos?

O programador!

Ou, em sistemas de aprendizado de máquina, uma combinação de decisões de projeto, dados de treinamento, métodos de otimização e regras operacionais.

O modelo matemático não elimina a responsabilidade pelas escolhas que determinam seu funcionamento.

Passo 5 — Descobrindo uma limitação

Nosso programa considera uma única recomendação.

Mas imagine que o usuário rejeitou o autor A, enquanto o autor B publica conteúdo muito semelhante.

Se o sistema apenas registrar o bloqueio do autor A, o conteúdo do autor B poderá continuar recebendo pontuação elevada.

Esse é um dos problemas que precisamos resolver.


🗃️ Capítulo VIII — O arquivo sequencial: registrando as decisões do usuário

Em um sistema corporativo, uma rejeição não deveria simplesmente desaparecer depois que o programa termina.

Precisamos persistir o evento.

Um modelo elementar pode utilizar um arquivo sequencial.

O registro conterá um identificador fictício de usuário, um tipo de conteúdo, a ação solicitada e a pontuação final calculada.

O objetivo é demonstrar como uma aplicação COBOL registra informações para posterior auditoria.

       >>SOURCE FORMAT FREE
identification division.
program-id. SHADOW02.

environment division.
input-output section.
file-control.

    select arquivo-auditoria
        assign to "auditoria.dat"
        organization is line sequential
        file status is ws-file-status.

data division.
file section.

fd arquivo-auditoria.
01 registro-auditoria.
   05 reg-usuario       pic 9(6).
   05 reg-categoria     pic x(20).
   05 reg-acao          pic x(12).
   05 reg-pontuacao     pic s9(5).

working-storage section.
01 ws-file-status       pic xx.
01 ws-erro              pic x value 'N'.

procedure division.

    open extend arquivo-auditoria

    if ws-file-status not = '00'
        display 'ERRO AO ABRIR: '
                ws-file-status
        move 'S' to ws-erro
    else
        move 123456 to reg-usuario
        move 'POLITICA' to reg-categoria
        move 'MOSTRAR MENOS' to reg-acao
        move 15 to reg-pontuacao

        write registro-auditoria

        if ws-file-status not = '00'
            display 'ERRO NA GRAVACAO: '
                    ws-file-status
            move 'S' to ws-erro
        end-if

        close arquivo-auditoria

        if ws-file-status not = '00'
            display 'ERRO NO FECHAMENTO: '
                    ws-file-status
            move 'S' to ws-erro
        end-if
    end-if

    if ws-erro = 'N'
        display 'AUDITORIA GRAVADA'
    end-if

    goback.

Este exemplo utiliza recursos compatíveis com implementações COBOL que oferecem arquivos sequenciais em linhas, como o GnuCOBOL.

Em um ambiente IBM Enterprise COBOL no z/OS, a definição do arquivo e sua associação a um DD statement exigiriam adaptações apropriadas.

Uma curiosidade importante

O comando OPEN EXTEND permite acrescentar registros ao arquivo, em vez de sobrescrever os registros anteriores.

Mas essa pequena trilha de auditoria ainda não é suficiente para comprovar integridade.

Uma solução corporativa precisaria de controles adicionais, incluindo data e hora confiáveis, identificação do programa que produziu o evento, controle de acessos, retenção de registros e mecanismos para detectar alterações indevidas.

Para lidar com informações pessoais reais, também seria necessário aplicar minimização de dados e medidas de privacidade.

Cid observa o arquivo.

— Alpha, agora sabemos que o usuário rejeitou a categoria.

— Sim, meu senhor.

— Mas sabemos se o algoritmo realmente respeitou a rejeição?

— Ainda não.

Exatamente!

Registrar a preferência não comprova que ela foi utilizada corretamente.

Precisamos de mais uma camada.


🧠 Capítulo IX — O que o Db2, o RACF e o JCL ensinariam à Meta?

Um sistema bancário possui exigências severas de integridade.

Imagine que o cliente solicita o bloqueio de um cartão.

A instituição registra o bloqueio, mas algumas autorizações continuam sendo aprovadas.

Não bastaria o banco responder que o cliente foi compreendido pelo sistema.

Seria necessário investigar se o bloqueio foi propagado corretamente e por que determinadas operações passaram pelas verificações.

Esse raciocínio pode ser aplicado à governança de recomendações.

Db2 — Preservando o histórico

Um banco de dados relacional poderia registrar cada evento de preferência com campos como:

CampoFinalidade
USER_IDIdentificador pseudonimizado
EVENT_IDIdentificador único do evento
CONTENT_CLASSClassificação do conteúdo
ACTION_CODEAção solicitada
EVENT_TIMESTAMPData e hora
POLICY_VERSIONVersão da regra aplicável
PROCESSING_STATUSSituação do processamento

Uma estrutura desse tipo permitiria consultar o histórico de eventos e verificar mudanças de comportamento.

Por exemplo, uma rotina de auditoria poderia identificar recomendações incompatíveis com preferências explícitas ainda válidas.

Mas, novamente, esse é um modelo conceitual.

Não representa o desenho interno dos bancos de dados da Meta.

RACF — Quem pode alterar as regras?

No IBM z/OS, o RACF permite implementar controles de autenticação, autorização e proteção de recursos.

Uma arquitetura inspirada nesses princípios poderia exigir permissões específicas para modificar parâmetros sensíveis de recomendação.

Pense no risco de uma alteração não autorizada em um sistema utilizado por milhões de pessoas.

Sem controle adequado, alguém poderia modificar filtros, critérios de classificação ou políticas de distribuição.

A questão fundamental seria:

Quem alterou?

Quando?

Com qual autorização?

Qual versão foi colocada em produção?

Quem aprovou?

Essas são perguntas conhecidas de qualquer auditor experiente em ambientes corporativos.

JCL — Executando auditorias periódicas

O Job Control Language, ou JCL, permite organizar a execução de programas em lotes no z/OS.

Em um cenário didático, uma tarefa noturna poderia analisar registros de recomendações e rejeições.

O fluxo seria:

  1. Ler o histórico de preferências.

  2. Identificar usuários com rejeições explícitas.

  3. Comparar os eventos com conteúdos recomendados posteriormente.

  4. Detectar possíveis inconsistências.

  5. Gerar relatórios estatísticos.

  6. Encaminhar casos relevantes à equipe responsável.

Em um ambiente real, o trabalho poderia combinar COBOL, Db2, SQL, JCL e ferramentas modernas de análise.

Não seria necessário usar COBOL para todas as partes.

O ponto é que tecnologias consolidadas de processamento e auditoria continuam oferecendo princípios valiosos para a governança de sistemas contemporâneos de inteligência artificial.


🔬 Capítulo X — Shadow Garden investiga o algoritmo durante sete dias

Agora vamos realizar uma investigação simples.

Nada de teorias secretas.

Nada de conclusões antes de reunir evidências.

Cid organiza uma equipe imaginária.

Alpha ficará responsável pela documentação.

Beta registrará observações.

Gamma examinará as estatísticas.

Eta estudará os sistemas de recomendação.

E Cid, naturalmente, ficará observando tudo das sombras.

Primeiro dia — Estabelecendo uma linha de base

Abra o Facebook ou o Instagram normalmente.

Escolha uma superfície específica: Feed, Reels ou recomendações.

Não misture anúncios patrocinados com recomendações orgânicas.

Registre, por exemplo, as primeiras trinta publicações apresentadas em uma sessão habitual.

Anote quantas são políticas, quantas não são e quais possuem orientação identificável.

Utilize categorias como direita, esquerda, centro, ambígua e não política.

Evite classificar uma publicação somente porque menciona determinada figura pública.

Uma reportagem jornalística não é necessariamente propaganda partidária.

Segundo dia — Registrando a rejeição

Utilize os comandos disponíveis para indicar que não deseja receber determinadas publicações.

Registre a data, o conteúdo e a ação utilizada.

Não é necessário armazenar informações pessoais de terceiros.

O importante é verificar se a plataforma aparentemente reconhece a preferência.

Terceiro dia — Examinando conteúdos semelhantes

Observe se novas publicações do mesmo assunto ou da mesma orientação continuam aparecendo.

Distinga conteúdos de páginas bloqueadas, conteúdos de novos autores e anúncios pagos.

Essa separação ajuda a evitar interpretações incorretas.

Quarto dia — Testando outro feed

Experimente utilizar a visualização de contas seguidas, quando disponível.

Compare com a superfície de recomendações.

A experiência poderá mudar bastante porque as fontes selecionadas são diferentes.

Mas um feed cronológico também não significa ausência completa de filtros ou decisões da plataforma.

Quinto dia — Comparando horários

Repita a observação em horários diferentes.

Uma mudança na distribuição pode decorrer de acontecimentos políticos, publicações recentes e atividade dos usuários.

Um único período não caracteriza necessariamente uma tendência duradoura.

Sexto dia — Examinando a persistência das preferências

Verifique se o conteúdo rejeitado diminuiu.

Considere também se a plataforma começou a recomendar novos autores com mensagens semelhantes.

Essa diferença é essencial para distinguir bloqueio de fonte e redução de categoria.

Sétimo dia — Produzindo o relatório

Calcule as proporções observadas.

Compare os resultados antes e depois das rejeições.

Anote limitações metodológicas.

Uma amostra individual não prova viés político global.

Entretanto, pode revelar problemas concretos de personalização e produzir informações úteis para uma reclamação técnica fundamentada.

O cuidado estatístico de Eta

Um erro comum seria concluir que a plataforma tem preferência partidária porque 60% das publicações políticas observadas pertencem a determinada orientação.

É necessário saber quais fontes estavam disponíveis, quais contas eram seguidas, como o conteúdo foi classificado e quais acontecimentos dominaram o noticiário.

Para demonstrar um viés algorítmico sistemático, pesquisadores precisam comparar situações equivalentes e controlar fatores externos.

O método científico exige paciência.

Até mesmo de Cid Kagenou.


⚖️ Capítulo XI — A diferença entre falha, viés e manipulação deliberada

Este talvez seja o capítulo mais importante de toda a investigação.

Imagine três situações.

Cenário A — Falha operacional

Uma atualização de software faz determinadas solicitações serem classificadas incorretamente.

Alguns usuários ou campanhas sofrem restrições indevidas.

A empresa identifica o defeito, corrige o programa e documenta o incidente.

Temos uma falha operacional.

Ela pode ter consequências graves sem que exista intenção política.

Cenário B — Viés estrutural

Um algoritmo aprende com padrões de interação.

Determinados tipos de conteúdo passam a receber mais circulação porque provocam comportamentos valorizados pelo sistema.

A empresa não precisa ter programado explicitamente uma preferência ideológica para que uma assimetria apareça.

Temos um possível viés estrutural.

Sua identificação exige dados e testes adequados.

Cenário C — Manipulação deliberada

Uma equipe recebe instruções para alterar regras especificamente com o objetivo de favorecer determinado candidato.

Os registros mostram mudanças seletivas, decisões conscientes e tratamento diferenciado injustificado.

Aqui estaríamos diante de evidências de manipulação intencional.

Mas uma acusação dessa gravidade exige provas compatíveis.

A mera presença de conteúdo partidário no feed não demonstra o cenário C.

Da mesma forma, a ausência de prova de intenção deliberada não significa que os problemas dos cenários A e B sejam irrelevantes.

A gravidade das consequências e a intenção de quem age são questões distintas.

Shadow Garden não deve confundir suspeita com prova, nem ausência de conspiração comprovada com ausência de responsabilidade empresarial.


🎩 Capítulo XII — O grande segredo: a inteligência artificial também precisa ser auditada

Durante décadas, os profissionais de mainframe aprenderam uma lição fundamental.

Sistemas críticos não podem depender apenas da confiança no fabricante ou no programador.

Precisam de controles, registros, segregação de funções, testes e auditorias.

Um programa bancário que processa pagamentos precisa produzir resultados corretos e verificáveis.

Um sistema de gestão de riscos precisa demonstrar como aplica suas regras.

Uma aplicação que registra informações sensíveis precisa proteger o acesso e preservar a integridade.

Agora pense nas plataformas digitais.

Elas não processam apenas dinheiro.

Processam atenção, reputação, circulação de informações e oportunidades de comunicação.

Quando o assunto envolve eleições, essas decisões podem assumir relevância democrática.

E aqui surge uma proposta interessante: aplicar princípios maduros de governança corporativa aos sistemas de recomendação.

Não seria necessário divulgar publicamente todos os detalhes internos dos algoritmos, expondo sistemas a fraudes ou ataques.

Mas seria desejável oferecer mecanismos independentes e seguros para verificar:

  • Se preferências explícitas são respeitadas.

  • Se conteúdos semelhantes recebem tratamento consistente.

  • Se mudanças de algoritmos são documentadas.

  • Se restrições eleitorais são aplicadas de maneira isonômica.

  • Se falhas podem ser reconstruídas posteriormente.

  • Se auditores autorizados conseguem examinar evidências sem comprometer dados pessoais.

O desafio não é pequeno.

Algoritmos modernos envolvem modelos estatísticos de alta complexidade, processamento distribuído e milhares de variáveis.

Entretanto, complexidade não deveria servir de justificativa automática para ausência de responsabilidade.

Uma curiosidade do mundo dos mainframes

Sistemas legados são frequentemente criticados por utilizar tecnologias antigas.

Mas muitos ambientes corporativos preservaram práticas robustas de controle justamente porque não podiam aceitar resultados impossíveis de reconstruir.

Um programa COBOL com décadas de existência pode oferecer uma trilha transacional cuidadosamente administrada.

Isso não significa que sistemas antigos sejam necessariamente superiores aos modernos.

Significa que a evolução tecnológica não elimina a necessidade de governança.

O futuro da inteligência artificial talvez dependa tanto de novos modelos quanto da recuperação de disciplinas tradicionais da engenharia de sistemas.


🥚 Easter Egg — O comando secreto de Shadow Garden

Nos antigos ambientes de processamento corporativo, códigos de retorno ajudam a comunicar o resultado de uma execução.

Em aplicações IBM, um código de retorno zero normalmente indica uma conclusão sem problemas detectados pelo programa.

Mas uma execução tecnicamente bem-sucedida não garante que a regra de negócio esteja correta.

Imagine um algoritmo que entrega recomendações perfeitamente, sem erros de infraestrutura, mas ignora sistematicamente uma preferência importante do usuário.

Do ponto de vista operacional, a tarefa pode terminar com sucesso.

Do ponto de vista da experiência do usuário, o resultado pode ser inadequado.

Cid observa a mensagem na tela:

RETURN-CODE = 0

Alpha pergunta:

— Missão cumprida, meu senhor?

Cid responde:

— O computador executou exatamente aquilo que lhe mandaram fazer. Ainda precisamos descobrir se mandaram fazer a coisa certa.

Essa é a verdadeira piada escondida nesta aventura.

Um sistema pode funcionar perfeitamente e produzir resultados indesejáveis porque o problema está na especificação, e não na execução.

É por isso que testes de software não devem verificar apenas se o código roda.

Também precisam verificar se a aplicação cumpre o propósito para o qual foi construída.


🌑 Epílogo — I Am Atomic: o poder de enxergar aquilo que permanece invisível

A investigação chegava ao fim.

Cid Kagenou estava diante de um imenso painel.

Milhões de publicações percorriam canais digitais.

Algumas informavam.

Outras entretinham.

Muitas disputavam atenção.

Nenhum cidadão conseguia acompanhar integralmente o processo que determinava quais mensagens receberia.

Alpha aproximou-se com o último relatório.

— Meu senhor, não encontramos provas suficientes de uma organização única controlando deliberadamente todas as recomendações políticas.

Cid permaneceu em silêncio.

— Mas encontramos sistemas de classificação complexos, assimetrias documentadas, falhas de moderação, mudanças empresariais e dificuldades de auditoria.

Cid sorriu.

— Então encontramos algo mais interessante do que uma conspiração.

— O quê, meu senhor?

— Um sistema cujo poder precisa ser compreendido.

Afinal, a verdadeira questão não é decidir antecipadamente se determinado algoritmo pertence à esquerda ou à direita.

É descobrir como ele seleciona informações, quais objetivos orientam suas decisões e quais mecanismos permitem identificar erros ou abusos.

O cidadão que bloqueia repetidamente conteúdos indesejados e continua recebendo mensagens semelhantes tem motivos legítimos para questionar a eficácia das ferramentas de personalização.

Mas transformar essa experiência em conhecimento exige observação, documentação e análise.

E a ciência já demonstrou que a circulação de notícias políticas nas redes pode apresentar assimetrias importantes.

As controvérsias brasileiras de 2026 reforçam a necessidade de fiscalização.

Por outro lado, demonstrar manipulação eleitoral deliberada exige evidências específicas que não podem ser substituídas por impressões ou resultados isolados.

A grande lição para o programador COBOL iniciante

Nunca confunda entrada de dados com compreensão da intenção.

Nunca confunda um bloqueio registrado com um bloqueio corretamente aplicado.

Nunca confunda uma execução sem erro com a validade da regra de negócio.

Nunca confunda um relatório agregado com a análise de cada incidente.

E, principalmente, nunca aceite que um sistema crítico seja considerado confiável apenas porque seus responsáveis afirmam que ele funciona.

O verdadeiro poder não está em controlar as sombras. Está em iluminar os processos que permitem que elas existam.

Cid Kagenou recolhe seu manto.

O terminal 3270 continua brilhando.

Na última linha aparece uma mensagem:

SHADOW GARDEN AUDIT COMPLETE

SYSTEM STATUS: REVIEW REQUIRED

RETURN-CODE: 0000

Cid sorri.

— I am atomic.

E o operador responde:

— Muito bem, Shadow. Agora documente a alteração, abra o chamado e não esqueça o backup!

☕ Fim de mais um café no Bellacosa Mainframe.


📚 Fontes e referências para aprofundamento

Ciência e algoritmos

  • González-Bailón, Sandra et al. Asymmetric Ideological Segregation in Exposure to Political News on Facebook. Science, 2023. DOI: https://doi.org/10.1126/science.ade7138

  • How Do Social Media Feed Algorithms Affect Attitudes and Behavior in an Election Campaign? Science, 2023. DOI: https://doi.org/10.1126/science.abp9364

  • Meta. How AI Influences What You See on Facebook and Instagram. 29 de junho de 2023.

  • Meta. More Speech and Fewer Mistakes. 7 de janeiro de 2025.

Eleições brasileiras de 2026

  • Agência Brasil. Campanha de Lula vai ao TSE após IA da Meta restringir buscas. 14 de outubro de 2026.

  • Agência Brasil. TSE decide manter ordem para Meta garantir isonomia a candidatos. 16 de outubro de 2026.

  • Tribunal Superior Eleitoral. Corregedor do TSE dá 24 horas para Meta e X explicarem possível tratamento desigual de candidaturas nas redes. 23 de outubro de 2026.

  • Meta. A Meta não está interferindo nas eleições brasileiras. Estes são os fatos. Atualização de 6 de novembro de 2026.

Anime

  • Aizawa, Daisuke. The Eminence in Shadow / Kage no Jitsuryokusha ni Naritakute!

  • Estúdio Nexus. Adaptação para anime, estreia em outubro de 2022.

  • Site oficial: https://shadow-garden.jp/

Bellacosa Mainframe — Porque até o algoritmo mais moderno precisa prestar contas ao velho e bom espírito da auditoria.

Vagner Renato Bellacosa, IBM Champion e especialista em IBM Mainframe
IBM Z17 SYSTEM ONLINE
Sobre o autor

Vagner Renato Bellacosa

IBM Champion 2026 • Especialista em IBM Mainframe

Vagner Renato Bellacosa trabalha com IBM Mainframe desde 1988 , é IBM Champion e especialista em COBOL, CICS, Db2, z/OS e IBM Z. Compartilha experiências profissionais, conhecimento técnico, história da computação e práticas do universo mainframe para aproximar novas gerações das tecnologias que sustentam empresas, bancos e governos ao redor do mundo.

IBM Champion IBM Z COBOL CICS Db2 z/OS Mainframe desde 1988
GitHub LinkedIn
Inicializando conteúdo...