☕ Um Café no Bellacosa Mainframe
Antes do ChatGPT, Tinha a Biblioteca
🍺 Não aquela biblioteca: ghostwriters, senpais eternos, antiplágio, Teoria dos Jogos e o boteco do Manoel na universidade dos anos 1990
Existe uma narrativa muito confortável sobre a educação antes da inteligência artificial.
Ela costuma funcionar mais ou menos assim:
Antigamente o aluno pesquisava.
Lia livros.
Ia à biblioteca.
Escrevia o próprio trabalho.
Aprendia.
O professor lia tudo.
Corrigia.
E todos voltavam para casa intelectualmente enriquecidos.
Então surgiu o ChatGPT.
E aparentemente Satanás recebeu acesso ao Wi-Fi da universidade.
A partir daí, segundo essa versão da história, os estudantes pararam de pensar, começaram a terceirizar trabalhos para máquinas e obrigaram professores desesperados a recuperar tecnologias avançadíssimas como:
papel.
caneta.
prova oral.
Tenho uma pequena contribuição histórica para essa discussão.
Eu estava numa universidade entre 1993 e 1996.
E tenho más notícias.
O paraíso nunca existiu.
🕰️ Bem-vindo a 1994
Imagine o cenário.
Não existe Google.
Não existe Wikipédia.
Não existe ChatGPT.
Internet, quando existe, ainda parece uma experiência envolvendo ruídos estranhos, paciência e algum tipo de ritual de invocação eletrônica.
Pesquisar significa literalmente pesquisar.
Você vai até uma biblioteca.
Procura um livro.
Descobre que o livro está emprestado.
Procura outro.
Abre índices.
Consulta bibliografias.
Encontra três páginas úteis num livro de quatrocentas.
Marca.
Anota.
Fotocopia.
Volta para casa carregando uma pequena floresta convertida em papel.
Depois começa a fase dois.
Digitação.
Quem viveu aquela época talvez se lembre de WordStar, DOS, editores simples e computadores que hoje seriam considerados equipamentos arqueológicos.
O Microsoft Office ainda era um rapazinho tentando provar seu valor.
Uma alteração de última hora podia significar reorganizar páginas, imprimir novamente, descobrir que a impressora resolveu mastigar papel e começar uma negociação diplomática com uma Epson matricial às duas da manhã.
Produzir vinte páginas tinha custo.
Custava horas.
Custava xerox.
Custava transporte.
Custava papel.
Custava impressão.
Custava paciência.
E, naturalmente, quando existe custo...
surge mercado.
👻 Antes da IA, existia inteligência orgânica terceirizada
Já naquela época existiam alunos que faziam trabalhos para outros alunos.
Ghostwriters acadêmicos.
Não estou falando de uma conspiração secreta comandada por homens de sobretudo num estacionamento subterrâneo.
Era muito mais banal.
Todo mundo conhecia alguém que conhecia alguém.
O sujeito fazia um bom trabalho.
Depois fazia outro.
Guardava os arquivos.
Guardava bibliografias.
Guardava estruturas.
Guardava introduções.
Guardava conclusões.
Pouco a pouco começava a construir aquilo que hoje provavelmente seria vendido por uma consultoria com quinze slides e uma palavra em inglês:
Knowledge Base.
Só que a knowledge base estava num HD de algumas dezenas de megabytes.
Ou em disquetes.
E funcionava.
Chegava um novo cliente.
— Preciso de um trabalho sobre Administração Científica.
— Quantas páginas?
— Vinte.
— Para quando?
— Sexta.
— Professor?
E aqui aparecia uma das perguntas mais importantes de todo aquele sistema.
— Almeida.
Silêncio.
— Ahhh... Almeida.
Pronto.
Acabava de acontecer uma consulta ao banco de dados.
Porque aquele ghostwriter não conhecia apenas Frederick Taylor.
Ele conhecia Almeida.
E Almeida podia ser mais importante que Taylor.
🧠 Fine-tuning acadêmico de 1994
Um veterano experiente podia saber coisas que não estavam em nenhuma ementa.
Professor X gostava de bibliografia extensa.
Professora Y detestava introduções muito longas.
Professor Z desconfiava de textos perfeitos.
Fulano conhecia determinado livro de trás para frente.
Beltrano raramente aceitava trabalhos sem exemplos.
Ciclano lembrava trabalhos entregues em semestres anteriores.
Isso era inteligência institucional.
Hoje poderíamos chamar isso, brincando um pouco, de:
fine-tuning humano.
O ghostwriter conhecia não apenas o conteúdo.
Conhecia o ambiente.
Conhecia a cultura.
Conhecia a ameaça.
Conhecia o detector.
E adaptava o produto.
📚 Centenas de trabalhos prontos
Alguns desses personagens acumulavam dezenas ou centenas de trabalhos.
O primeiro trabalho sobre determinado assunto exigia pesquisa pesada.
O segundo reaproveitava referências.
O terceiro reaproveitava estrutura.
No décimo, boa parte do caminho já estava pavimentada.
A lógica era extraordinariamente semelhante a sistemas modernos:
corpus → recuperação → adaptação → geração → revisão → entrega
Não existia Large Language Model.
Existia:
Large Veteran Model.
LVM.
😂
Context window: memória do sujeito.
Retrieval: diretórios do HD.
Embedding: “acho que tenho alguma coisa sobre isso”.
RAG: procurar um trabalho antigo e misturar com material novo.
Temperature: quantidade de cerveja consumida.
Humanizer: erros ortográficos estrategicamente distribuídos.
E sim.
Essa última parte merece atenção.
🕵️ Quando chegaram os primeiros xerifes
Com a informatização do ambiente acadêmico começaram também a surgir ferramentas destinadas a encontrar semelhanças, reutilizações e plágio.
Na minha memória daquela época, as notícias sobre software antiplágio primeiro apareciam muito associadas ao mundo de teses e pesquisas avançadas.
Depois a lógica começou a descer a cadeia.
Doutorado.
Mestrado.
Graduação.
E aconteceu aquilo que sempre acontece quando um sistema cria uma defesa:
o outro lado começou a criar contramedidas.
O jogo havia começado.
♟️ Dicionário de sinônimos entra em produção
Se o software procurava frases iguais...
então não entregue frases iguais.
Troque palavras.
Mude estruturas.
Inverta parágrafos.
Modifique exemplos.
Misture trechos de fontes diferentes.
Faça citações indiretas.
Pegue material já usado num trabalho anterior e altere.
Se necessário, use um dicionário de sinônimos.
A frase:
“A administração científica procura aumentar a eficiência do trabalho.”
poderia se transformar em algo como:
“O gerenciamento científico busca ampliar a produtividade das atividades executadas.”
Pronto.
Mesma ideia.
Outra superfície textual.
Isso não era inteligência artificial.
Era inteligência artesanal adversarial.
🐞 O erro ortográfico como feature
Aqui começa uma das minhas partes favoritas dessa história.
Porque havia um problema curioso.
Se determinado aluno escrevia normalmente com dificuldades e, de repente, entregava um texto impecável, extremamente bem estruturado e com vocabulário quase acadêmico profissional...
aquilo também podia chamar atenção.
Perfeição demais gera suspeita.
Então surgia uma ideia brilhantemente perversa:
introduzir erros.
Um pequeno erro de ortografia aqui.
Uma construção menos elegante ali.
Uma vírgula questionável acolá.
O objetivo já não era produzir o melhor trabalho possível.
Era produzir o trabalho mais plausível para aquele aluno.
Isso é muito importante.
Porque mostra que o fraudador sofisticado não otimiza qualidade.
Ele otimiza credibilidade.
Em segurança da informação existe uma diferença enorme entre produzir algo perfeito e produzir algo que parece legítimo.
Em 1995 já havia gente entendendo isso sem usar nenhuma dessas palavras.
🎭 O texto precisava parecer humano antes de existir detector de IA
Décadas depois apareceriam ferramentas prometendo detectar textos gerados por inteligência artificial.
Depois apareceriam ferramentas prometendo “humanizar” esses mesmos textos.
É divertido olhar para trás e perceber que a lógica já existia.
O ghostwriter podia pensar:
“Esse texto está bom demais.”
Então piorava um pouco.
Hoje alguém diz para uma IA:
“Escreva como um aluno de primeiro semestre.”
“Use frases menos sofisticadas.”
“Não pareça perfeito.”
“Coloque pequenas inconsistências.”
Tecnologia nova.
Estratégia velha.
🧓 E então existiam os senpais eternos
Mas o personagem mais extraordinário daquele ecossistema não era necessariamente o melhor aluno.
Era o veterano eterno.
Todo campus parecia produzir alguns.
O sujeito estava ali havia sete, oito, dez anos.
Nunca se formava.
Ou parecia não ter nenhuma pressa especial em se formar.
Era mediano.
Debochado.
Conhecia todo mundo.
Sabia todas as histórias.
Já tinha cursado algumas disciplinas mais vezes do que determinados professores tinham ministrado.
O calouro olhava para aquela criatura e pensava:
“Esse cara está completamente perdido.”
Talvez.
Mas havia outra possibilidade.
Alguns precisavam continuar dentro do ecossistema.
Porque ali estavam os clientes.
💼 Quando ser estudante vira verniz profissional
Pense economicamente.
Para um aluno convencional, a função de utilidade é simples:
terminar curso rapidamente = bom.
Mas para alguém que ganha dinheiro produzindo trabalhos dentro daquele ambiente:
continuar circulando = acesso ao mercado.
A matrícula fornece legitimidade.
O campus fornece clientes.
A biblioteca fornece matéria-prima.
Os corredores fornecem inteligência.
As turmas novas fornecem demanda.
Os veteranos fornecem reputação.
Os professores fornecem especificações técnicas.
O aluno eterno deixa de ser apenas aluno.
Torna-se uma espécie de microempreendedor acadêmico informal.
O verniz é estudante.
Por baixo existe um pequeno negócio.
🤝 O marketplace era humano
Não existia plataforma.
Não existia aplicativo.
Não existia avaliação cinco estrelas.
Não existia checkout.
Existia uma frase:
— Fala com o Fulano.
Esse era o algoritmo de recomendação.
Alguém precisava de um trabalho.
Outro alguém conhecia alguém.
A reputação circulava.
— Ele entrega.
— É caro?
— Depende.
— É bom?
— O professor deu oito no meu.
Isso bastava.
Marketplace construído.
Sem venture capital.
Sem AWS.
Sem Kubernetes.
🍺 E então chegamos à Biblioteca
Agora preciso apresentar o coração de toda essa infraestrutura.
Havia um boteco.
Não era simplesmente um lugar para beber.
Era o lugar onde todo mundo acabava se encontrando.
Alunos.
Veteranos.
Professores.
Funcionários.
Ex-alunos.
Conhecidos.
Desconhecidos.
Figuras que ninguém sabia exatamente de qual curso eram.
E toda aquela extraordinária fauna noturna que São Paulo dos anos 1990 sabia produzir.
Uma pequena democracia alcoólica acadêmica.
O dono chamava-se Manoel.
E Manoel tinha senso de humor.
O boteco chamava-se:
BIBLIOTECA
Sim.
Acredite se quiser.
😂 “Mãe, eu estava na Biblioteca”
É difícil imaginar um nome mais eficiente.
— Onde você estava?
— Na Biblioteca.
Verdade.
— Até duas da manhã?
— Faculdade exige dedicação.
— Estudando?
— Conversando com veteranos.
Também verdade.
— Encontrou material para o trabalho?
— Encontrei.
Talvez sentado numa mesa segurando um copo.
— Fez pesquisa?
— De campo.
Manoel havia criado, sem saber, a melhor ferramenta de negação plausível universitária dos anos 1990.
🖥️ BIBLIOTECA/390
Hoje talvez descrevêssemos aquele lugar assim:
Sistema: BIBLIOTECA/390
Vendor: Manoel Systems
Interface: balcão
Authentication: reconhecimento facial do Manoel
Network: mesas
Protocol: conversa
Database: memória coletiva
Search engine: “Ô, alguém conhece alguém que...”
Recommendation engine: “fala com o Fulano”
Billing: caderneta
Knowledge management: fofoca
Threat intelligence: veteranos
Machine learning: repetir semestre
Cloud: fumaça de cigarro acumulada perto do teto
Batch window: depois da última aula
Disaster recovery: mais uma cerveja
Shutdown: quando Manoel decidia fechar
Era robusto.
Provavelmente tinha menos downtime que muito sistema moderno.
🌐 A universidade tinha departamentos. A Biblioteca tinha interoperabilidade.
Dentro da universidade formal havia divisões.
Curso.
Departamento.
Disciplina.
Professor.
Aluno.
Funcionário.
Na Biblioteca essas fronteiras ficavam mais porosas.
Professor conversava com estudante.
Veterano conversava com calouro.
Funcionário sabia histórias administrativas que ninguém mais sabia.
Aluno de outro curso aparecia.
Ex-aluno trazia notícia do mercado.
Alguém conhecia alguém procurando estágio.
Outro conhecia alguém vendendo alguma coisa.
Outro sabia quem fazia trabalhos.
Era uma rede social antes das redes sociais.
Mais importante:
era uma rede social de colisão.
As pessoas não estavam organizadas por algoritmo de recomendação.
Elas simplesmente esbarravam umas nas outras.
E conhecimento emergia dessa bagunça.
🧠 A Biblioteca oficial guardava livros. A outra guardava contexto.
Essa talvez seja uma das diferenças mais bonitas.
A biblioteca acadêmica tradicional guardava:
livros,
revistas,
artigos,
teses,
referências.
A Biblioteca do Manoel guardava:
quem sabia o quê,
quem conhecia quem,
qual professor gostava de quê,
qual disciplina derrubava alunos,
qual trabalho já tinha circulado,
qual veterano tinha material,
qual funcionário podia explicar determinado procedimento,
onde havia estágio,
quem estava contratando,
quem havia terminado namoro,
quem devia dinheiro,
e provavelmente umas cinquenta outras coisas muito mais importantes naquela noite.
Uma guardava informação.
A outra guardava relações entre informações e pessoas.
Não existia grafo de conhecimento.
Existia mesa de plástico.
♟️ E aqui entra a Teoria dos Jogos
O sistema de avaliação acadêmica nunca foi uma estrada de mão única.
Universidade cria regra.
Aluno reage.
Professor cria fiscalização.
Aluno adapta comportamento.
Software procura coincidência.
Ghostwriter altera texto.
Professor começa a desconfiar de trabalhos perfeitos.
Ghostwriter introduz imperfeições.
Novo detector aparece.
Nova técnica de evasão surge.
Formalmente podemos imaginar:
D₁ → E₁ → D₂ → E₂ → D₃ → E₃
Detecção.
Evasão.
Nova detecção.
Nova evasão.
Isso acontece em segurança cibernética.
Acontece no combate a spam.
Acontece em fraude bancária.
Acontece em doping esportivo.
Acontece em SEO.
Acontece em imposto.
E acontecia dentro da universidade.
A Teoria dos Jogos já estava sentada na Biblioteca bebendo uma cerveja muito antes de virar buzzword em apresentação corporativa.
📄 Mas há outra pergunta ainda mais desconfortável
Vamos imaginar 150 alunos.
Cada um entrega um trabalho de vinte páginas.
Temos:
3.000 páginas.
Agora olhe para o professor.
Ele dá aula.
Prepara aula.
Participa de reunião.
Corrige prova.
Orienta aluno.
Faz pesquisa.
Escreve artigo.
Responde burocracia.
Participa de banca.
Preenche sistema.
Corre atrás de prazo.
E recebe três mil páginas.
Existe uma pergunta que raramente fazemos:
ele realmente consegue ler tudo com profundidade?
Não estou dizendo que professores não leem trabalhos.
Muitos certamente fazem enorme esforço para isso.
Estou falando de física.
Tempo é finito.
Atenção também.
Se cada página exigir apenas dois minutos de leitura cuidadosa, três mil páginas exigem cem horas.
Uma única rodada.
Então talvez existisse uma segunda camada silenciosa de otimização.
O aluno aprendia a produzir um artefato que parecesse academicamente adequado.
O professor aprendia onde concentrar atenção.
Introdução.
Conclusão.
Bibliografia.
Coerência.
Trechos suspeitos.
Amostragem.
Experiência.
Ambos estavam navegando restrições.
🤖 Então chegou a IA e alguém gritou: “Agora acabou!”
ChatGPT apareceu e tornou possível produzir rapidamente textos extensos, organizados e razoavelmente sofisticados.
E muitas instituições reagiram.
Detectores de IA.
Restrições.
Trabalhos manuscritos.
Provas presenciais.
Apresentações orais.
Há uma ironia histórica enorme nisso.
Porque o sistema começa a falar:
“Agora não sabemos mais se o aluno realmente escreveu o trabalho.”
E o ghostwriter de 1995, em algum lugar do multiverso, levanta a mão.
— Professor...
Temos uma notícia.
✍️ Manuscrito não resolve terceirização intelectual
Mandar escrever à mão pode aumentar o custo.
Mas não prova autoria intelectual.
Um aluno pode pedir à IA:
“Produza duas páginas sobre determinado tema num estilo simples.”
Depois copiar tudo para o papel.
Agora o texto é manuscrito.
Mas o raciocínio continua terceirizado.
Parabéns.
Eliminamos a impressora.
A fraude sobreviveu.
🎙️ A prova oral muda o problema
Há uma diferença importante entre perguntar:
“Quem escreveu este texto?”
e perguntar:
“Este aluno domina esta ideia?”
A primeira pergunta pode gerar uma corrida armamentista infinita.
Detector.
Humanizador.
Novo detector.
Novo humanizador.
A segunda permite uma abordagem completamente diferente.
— Explique sua conclusão.
— Por que escolheu essa fonte?
— O que aconteceria se essa variável mudasse?
— Dê um contraexemplo.
— Discorde do seu próprio trabalho.
Essa última é maravilhosa.
Porque decorar não basta.
O aluno precisa manipular o conhecimento mentalmente.
😈 O professor faz Red Team do aluno
Imagine uma avaliação contemporânea.
O estudante entrega cinco páginas.
Pode usar IA.
Pode usar biblioteca.
Pode usar Google.
Pode conversar com colegas.
Pode consultar especialistas.
Mas depois precisa defender o resultado.
Professor:
— Você afirma X.
Aluno:
— Sim.
Professor:
— Agora vou remover sua premissa principal.
Aluno:
— ...
Professor:
— Reconstrua a conclusão.
Nesse momento não estamos mais detectando uma ferramenta.
Estamos testando competência.
É praticamente Red Team aplicado ao conhecimento.
🤯 Mas então o aluno usa IA para treinar a prova oral
E aqui a Teoria dos Jogos dá mais uma volta.
O estudante pode pegar o próprio trabalho e dizer para uma IA:
“Simule uma banca extremamente exigente. Faça perguntas inesperadas. Tente descobrir se eu realmente entendo este assunto.”
A IA começa:
— Por que você escolheu essa metodologia?
— Qual seria a principal crítica ao seu argumento?
— Que evidência derrubaria sua conclusão?
— Como esse conceito se aplica a outro contexto?
O aluno passa três horas treinando.
Até que surge a pergunta filosófica perfeita:
se ele estudou durante três horas para conseguir sustentar intelectualmente o trabalho... ainda estamos falando de fraude?
😂
Em algum momento, tentando trapacear, o sujeito acaba aprendendo.
Sócrates venceu novamente.
📚 Talvez o problema nunca tenha sido o ChatGPT
Durante décadas usamos determinados artefatos como proxies.
Vinte páginas significavam esforço.
Bibliografia significava pesquisa.
Texto sofisticado significava conhecimento.
Mas proxy não é realidade.
Um texto de vinte páginas pode representar:
vinte horas de pesquisa,
vinte minutos de geração,
pagamento a um ghostwriter,
reutilização de trabalho antigo,
colaboração,
ou uma mistura de tudo isso.
A IA não destruiu necessariamente a educação.
Ela destruiu a confiança automática no proxy.
🧪 O ChatGPT fez um teste de carga no sistema acadêmico
Imagine uma aplicação antiga.
Ela funciona há décadas.
Todo mundo acredita que é robusta.
Então alguém aumenta brutalmente o volume de transações.
De repente começam a aparecer gargalos que sempre estiveram lá.
Timeout.
Fila.
Deadlock.
Campo pequeno demais.
Tabela mal indexada.
Regra de negócio esquecida.
A inteligência artificial fez algo parecido com determinados modelos educacionais.
Ela aumentou a escala da terceirização intelectual.
O problema existia.
Mas era caro.
Humano.
Limitado.
Local.
Agora ficou barato.
Automático.
Instantâneo.
Global.
O bug não nasceu em 2022.
Foi apenas colocado sob carga máxima.
🦖 O ghostwriter foi disruptado
Existe até uma dimensão econômica nisso.
O ghostwriter acadêmico de baixa complexidade foi provavelmente um dos profissionais informais mais brutalmente atacados pela IA generativa.
Antes:
cliente procura intermediário.
Negocia preço.
Explica tema.
Espera.
Recebe trabalho.
Pede alteração.
Paga.
Agora:
abre navegador.
Digita.
Recebe.
Refaz.
Expande.
Resume.
Traduz.
Formata.
Em minutos.
O senpai eterno perdeu para automação.
Schumpeter ficaria orgulhoso.
Ou pediria outra cerveja.
🍺 Mas nenhuma IA substitui completamente o Manoel
Porque havia uma coisa que aquele ecossistema produzia e que é muito mais difícil digitalizar:
contexto humano local.
Quem era aquele professor.
Quem estava brigado com quem.
Quem sabia determinada matéria.
Quem tinha emprego.
Quem precisava de funcionário.
Qual disciplina estava mudando.
Qual veterano já havia passado pelo problema.
Quem tinha um livro raro.
Quem podia apresentar você para alguém.
Tudo isso circulava na Biblioteca.
Não a biblioteca dos livros.
A outra.
Aquela onde Manoel servia cerveja.
☕ Trinta anos depois
Hoje temos:
Google.
Wikipédia.
bibliotecas digitais.
bases acadêmicas.
LLMs.
detectores.
LMS.
videoconferência.
plataformas adaptativas.
analytics educacional.
proctoring.
IA generativa.
IA avaliadora.
IA tutora.
IA revisora.
IA que escreve.
IA que detecta IA.
IA que humaniza texto de IA.
IA que tenta descobrir se o humanizador humanizou a IA.
É uma corrida tecnológica impressionante.
Mas talvez a pergunta pedagógica fundamental continue sendo uma das mais antigas da humanidade:
Você realmente entende aquilo que está dizendo?
E para descobrir isso às vezes ainda funciona uma tecnologia surpreendentemente simples.
Duas pessoas.
Uma pergunta.
Uma resposta.
Uma nova pergunta.
🍻 Talvez Sócrates tivesse gostado da Biblioteca
Consigo imaginar perfeitamente.
Sócrates sentado numa mesa.
Copo na frente.
Aluno chega com vinte páginas debaixo do braço.
Sócrates olha.
— Você escreveu isso?
— Escrevi.
— Interessante.
Coloca as vinte páginas de lado.
— Explique.
O aluno começa.
Sócrates interrompe.
— Por quê?
O aluno responde.
— E se o contrário fosse verdadeiro?
Silêncio.
Manoel passa carregando cervejas.
Olha para a mesa.
Sorri.
Ele já sabe.
A prova começou.
🧩 O passado nunca foi tão limpo quanto gostamos de lembrar
É muito fácil romantizar o mundo pré-digital.
Nós pesquisávamos.
Sim.
Nós líamos.
Sim.
Passávamos horas em bibliotecas.
Sim.
Gastávamos dinheiro com xerox.
Sim.
Digitávamos trabalhos em máquinas e computadores que hoje fariam qualquer universitário chorar.
Tudo isso aconteceu.
Mas também existiam atalhos.
Trabalhos vendidos.
Trabalhos reciclados.
Ghostwriters.
Veteranos profissionais.
Sinônimos para enganar software.
Erros introduzidos propositalmente.
Reputação informal.
Mercados subterrâneos.
Estratégias para entender professores.
Estratégias para sobreviver à avaliação.
A humanidade não esperou a IA para descobrir a fraude acadêmica.
Nós somos muito mais criativos que isso.
🎯 A pergunta correta
Talvez por isso a pergunta de 2026 não devesse ser:
“Como impedir que o aluno use IA?”
Talvez devesse ser:
“Como desenhar uma avaliação em que usar IA não substitua a necessidade de saber?”
Isso muda tudo.
Porque, se o estudante precisa explicar, aplicar, criticar, transformar, defender e conectar conhecimentos...
a ferramenta deixa de ser o centro da discussão.
O conhecimento volta a ser.
🍺 Epílogo: onde você estava?
Entre 1993 e 1996 muitas coisas mudaram.
Computadores ficaram melhores.
Software acadêmico evoluiu.
A internet começou a entrar em nossas vidas.
Ferramentas de detecção apareceram.
A universidade foi se informatizando.
Décadas depois vieram Google, Wikipédia e inteligência artificial.
Mas ainda guardo uma imagem muito mais simples daquele ecossistema.
Uma noite em São Paulo.
Professor.
Funcionário.
Aluno.
Veterano.
Calouro.
Ghostwriter.
Gente que estudava muito.
Gente que estudava pouco.
Gente que provavelmente nem deveria estar ali.
Todos conversando.
Todos trocando informação.
E Manoel atrás do balcão administrando silenciosamente a maior base de conhecimento informal daquele pedaço da universidade.
Se alguém perguntasse no dia seguinte:
— Onde você estava ontem à noite?
Não havia necessidade de mentir.
A resposta era absolutamente verdadeira.
Na Biblioteca.
🍺
Só não precisava explicar qual.
