Quando uma equipa de marketing pede ao Claude para redigir um e-mail, ou quando um gestor de projetos consulta o Watson para analisar dados, dificilmente questiona por que essas ferramentas têm nome de homem. A antropomorfização — dar características humanas a sistemas não humanos — não é acidental. Tem raízes na psicologia do consumo, na história da tecnologia e em decisões estratégicas das empresas que desenvolvem IA. Para profissionais e PME em Portugal que estão a passar do discurso à prática [1], compreender este fenómeno ajuda a gerir expectativas, a escolher melhor ferramentas e a integrar IA em processos de forma mais realista.
A origem dos nomes masculinos na inteligência artificial
O hábito de nomear sistemas tecnológicos com nomes de homem remonta a décadas. Nos anos 1990, a IBM baptizou o seu sistema de question-answering de Watson, em homenagem ao fundador Thomas J. Watson. A escolha transmitia autoridade, credibilidade corporativa e uma ligação direta ao legado da empresa. Quando a Anthropic lançou o modelo Claude, o nome homenageava Claude Shannon, considerado o pai da teoria da informação. Já o Gemini, do Google, embora neutro em género, segue uma tradição de nomes próprios que humanizam a tecnologia. Esta prática não é exclusiva da IA: assistentes virtuais como o Siri (que em norueguês remete para uma figura feminina) ou a Alexa mostram que a atribuição de identidades humanas é uma estratégia transversal da indústria tecnológica. Nos casos masculinos, predominam nomes associados a figuras científicas ou a marcas institucionais, o que gera uma perceção de rigor e confiabilidade junto de utilizadores empresariais.
Psicologia por trás de dar nome próprio a um sistema de IA
Estudos de interação humano-computador demonstram que pessoas atribuem maior confiança e empatia a sistemas com nomes próprios do que a ferramentas genéricas. Quando um modelo se chama Claude em vez de “Modelo de Linguagem v3.5”, o cérebro humano ativa os mesmos processos cognitivos usados nas interações sociais. Isto é particularmente relevante em contextos empresariais, onde a resistência à adoção de IA muitas vezes vem da desconfiança ou do medo do desconhecido. Um nome próprio reduz a barreira psicológica: o utilizador sente que está a “pedir ajuda a alguém” em vez de “interagir com um algoritmo”. Para PME em Portugal, onde a adoção ainda está em fases iniciais e muitos profissionais sentem insegurança técnica [4], este efeito não é trivial. Ele facilita o primeiro contacto, tornando a ferramenta mais acessível e menos intimidante, mesmo que a “pessoa” por trás do nome seja, na realidade, uma rede neural com centenas de bilhões de parâmetros.
Os principais modelos de IA com nomes masculinos no mercado
O ecossistema atual de IA generativa inclui vários exemplos relevantes para profissionais e PME. Abaixo, uma síntese dos modelos com nomes masculinos mais utilizados em contextos empresariais e as suas características distintivas.
| Modelo | Empresa | Origem do nome | Uso principal em PME |
|---|---|---|---|
| Claude | Anthropic | Claude Shannon | Redação, análise de documentos, código |
| Watson | IBM | Thomas J. Watson | Análise de dados, atendimento ao cliente |
| ChatGPT (GPT) | OpenAI | Generative Pre-trained Transformer (sem nome humano, mas o “chat” gera proximidade) | Automação de textos, suporte, pesquisa |
| Albert | Various/Research | Homenagem a Albert Einstein | Pesquisa, modelação preditiva |
| Leonardo | Leonardo.AI | Leonardo da Vinci | Geração de imagens para marketing e design |
Esta tabela ilustra um ponto importante: os nomes não são aleatórios. Cada um carrega uma narrativa — científica, artística ou corporativa — que posiciona o produto no mercado e influencia a perceção do utilizador antes mesmo do primeiro teste.
Como o nome de um modelo influencia a confiança das equipas
Numa PME portuguesa com 20 colaboradores, a introdução de IA num processo de trabalho envolve mais do que tecnologia: envolve cultura organizacional. Se a diretora de marketing diz “vamos usar o Claude para otimizar os textos do site”, a frase soa diferente de “vamos implementar um modelo de linguagem grande para task de otimização de conteúdo”. O nome próprio cria uma ponte conversacional. Equipas que nunca trabalharam com IA passam a referir-se à ferramenta como se fosse mais um colega: “o Claude disse que este texto pode ser mais conciso”, “o Watson encontrou uma anomalia nos dados”. Este fenómeno, documentado em pesquisa de interação humano-computador, reduz a resistência emocional à mudança. No entanto, há um risco: a excessiva humanização pode levar a expectativas irreais sobre a capacidade do modelo, criando a ilusão de que o sistema “pensa” ou “compreende” quando, na prática, está a prever padrões estatísticos. A formação adequada das equipas é essencial para equilibrar esta relação [2][6].
Implicações práticas para PME em Portugal na escolha de IA
Para uma PME portuguesa que está a fazer o diagnóstico inicial de onde a IA pode gerar valor [4], o nome do modelo é irrelevante do ponto de vista técnico, mas relevante do ponto de vista de adoção. Na prática, o que importa é: a ferramenta resolve um problema concreto? Integra-se nos processos existentes? O custo-benefício é positivo? O facto de o modelo se chamar Claude, Watson ou ter um nome genérico não altera a sua performance. No entanto, a familiaridade do nome pode acelerar a curva de aprendizagem da equipa e reduzir o tempo necessário para a primeira utilização produtiva. Isto é especialmente importante em Portugal, onde muitas PME não têm departamentos de inovação dedicados e a adoção de IA depende da iniciativa individual de colaboradores que, muitas vezes, se formam de forma autónoma [2][3].
Os riscos de humanizar demais a inteligência artificial
Embora os nomes próprios facilitem a adoção, a antropomorfização excessiva carrega riscos significativos. Quando os colaboradores tratam a IA como um “colega”, podem negligenciar a verificação de resultados. O modelo gera um número errado num relatório financeiro, mas como “o Watson é fiável”, o erro passa despercebido. Este problema é conhecido como automation bias — a tendência humana a confiar cegamente em resultados automatizados. Num contexto empresarial, isso pode ter consequências reais: decisões baseadas em dados incorretos, comunicações com clientes contendo informações falsas (alucinações do modelo), ou violações de regulamentos como o RGPD por input de dados sensíveis numa ferramenta inadequada. A recomendação prática é clara: use o nome para facilitar a conversa, mas nunca para substituir o pensamento crítico. Cada output de IA deve ser revisto por um humano, especialmente em sectores regulados [1].
Agentes de IA autónomos e a próxima fronteira da nomeação
Com o avanço da chamada Agentic AI — agentes de IA autónomos que executam tarefas multi-passo sem supervisão constante [6] — a questão dos nomes ganha uma nova dimensão. Um agente que pesquisa concorrência, compila dados, redige um relatório e envia-o por e-mail tem um nível de autonomia muito superior a um chatbot que responde a perguntas. Neste contexto, dar um nome ao agente pode ser funcional: permite distinguir múltiplos agentes dentro da mesma organização (“o João trata das análises de mercado, a Maria gere o atendimento automatizado”). Algumas plataformas já permitem que as empresas personalizem o nome e a personalidade dos agentes. Para PME portuguesas, isto representa uma oportunidade de criar “membros virtuais” da equipa com identidades alinhadas à cultura da empresa, mas também exige governança clara: quem é responsável quando o agente comete um erro? O nome humano pode criar uma zona cinzenta de responsabilidade que precisa de ser endereçada antes da implementação.
Como implementar IA com nome próprio de forma estruturada na sua PME
A implementação de IA numa PME não deve começar pelo nome da ferramenta, mas pelo problema a resolver. Um diagnóstico estruturado [4] permite identificar processos com maior potencial de automação: atendimento ao cliente, geração de conteúdo, análise de dados, otimização de horários, entre outros. Depois, seleccione a ferramenta adequada — com ou sem nome próprio — com base em critérios objetivos: custo, integração, segurança dos dados, qualidade dos resultados. Só então a questão da adopção pela equipa entra em cena, e é aqui que o nome pode ser um aliado. Apresente a ferramenta de forma prática, mostre casos de uso concretos relevantes para o dia a dia dos colaboradores, e crie espaço para que experimentem sem pressão. A formação contínua é fundamental: cursos como os disponibilizados pela NAU [2] ou formações focadas em IA generativa e agentes autónomos [6] podem dar aos colaboradores a base técnica necessária para usar estas ferramentas de forma crítica e produtiva.
Do discurso à prática: o que muda em 2026
O cenário em 2026 é claro: deixar de falar de IA e começar a usá-la de forma concreta nos processos diários [1]. Os nomes masculinos dos modelos vão continuar a aparecer — a Anthropic já lançou novas versões do Claude, a IBM continua a expandir o ecossistema Watson, e novos nomes surgirão. Para profissionais e PME em Portugal, a questão prática não é “por que é que a IA tem nome de homem?” mas sim “como é que esta ferramenta com nome de homem me ajuda a poupar tempo, reduzir custos ou melhorar a qualidade do meu trabalho?”. A resposta vem da experimentação direta, medição de resultados e ajuste iterativo. O nome pode ser o ponto de entrada da conversa, mas o valor está nos resultados mensuráveis.
Perguntas frequentes
Por que a maioria dos modelos de IA com nome próprio usa nomes masculinos?
Não é uma maioria absoluta, mas há uma concentração notável. Os nomes masculinos nestes casos estão frequentemente ligados a figuras científicas históricas (Claude Shannon, Albert Einstein, Leonardo da Vinci) ou a fundadores de empresas (Thomas Watson). Isto reflete uma tradição da indústria tecnológica de homenagear “pais fundadores” da computação e da ciência, um padrão que está gradualmente a mudar com a diversificação do sector.
O nome do modelo de IA afeta a sua qualidade ou performance?
Não. O nome é uma decisão de marketing e posicionamento de marca. A qualidade de um modelo depende da sua arquitetura, dos dados de treino, dos processos de alinhamento e pós-treino. Um modelo com nome genérico pode ser superior a um com nome próprio, e vice-versa. A avaliação deve basear-se em testes práticos e métricas relevantes para o seu caso de uso.
Devo preocupar-me com o facto de os meus colaboradores tratarem a IA como uma pessoa?
Sim, mas de forma proporcional. Um certo nível de humanização facilita a adoção, o que é positivo. O problema surge quando essa humanização leva à confiança cega nos resultados, sem verificação humana. A solução não é proibir que os colaboradores usem o nome do modelo, mas sim estabelecer protocolos claros de validação de outputs e garantir formação sobre as limitações da IA.
Posso personalizar o nome do agente de IA na minha empresa?
Depende da plataforma. Algumas soluções de agentes autónomos já permitem personalizar o nome, o tom de voz e até a “personalidade” do agente. Isto pode ser útil para criar consistência com a marca da empresa. No entanto, certifique-se de que a personalização não cria uma falsa perceção de competência junto dos clientes ou colaboradores — o agente deve ser apresentado como uma ferramenta de IA, não como um colaborador humano.
Fontes
[1] 2026: parar de falar de IA e começar a usá-la — Human
[2] 5 cursos online de Inteligência Artificial que valem a pena em 2026 — NAU
[4] Como aplicar a inteligência artificial nas PME — AQIA
[6] Inteligência Artificial Generativa com Agentic AI — Técnicomais