Pesquisa

Democratizing digital fabrication in Fab Labs: cognitive effects of agentic interfaces on design work
João Ariedi (João Carlos Ariedi Filho), Frons Educação, Brasil · Dorival Campos Rossi, Universidade Estadual Paulista (UNESP), Faculdade de Arquitetura, Artes, Comunicação e Design, Bauru, Brasil

9º Congresso Internacional Media Ecology and Image Studies (MEISTUDIES), 16 a 19 de novembro de 2026, Mesa 06. Resumo expandido aceito em 20 de agosto de 2026; texto completo (5.600 palavras, 17 referências, em português) submetido em 7 de outubro de 2026; apresentação assíncrona enviada em 31 de outubro de 2026.

Por que o texto completo ainda não está publicado aqui

O MEISTUDIES encaminha os textos completos aceitos a um de seus veículos de publicação: o e-book do congresso (Ria Editorial) ou uma revista parceira (Razón y Palabra; Hypertext.net, indexada na Scopus). Essa decisão editorial está pendente, e as revistas exigem que o texto não tenha sido publicado integralmente em outro lugar. Até que o veículo seja definido, esta página traz o resumo e uma síntese estendida escrita para ela; o texto completo e seu DOI serão vinculados aqui assim que saírem.

Resumo

A difusão dos agentes construídos sobre modelos de linguagem de grande porte acelerou duas atividades centrais do trabalho cognitivo, a síntese de informação e a produção de conteúdo, e deslocou o gargalo para o julgamento. Este artigo discute o que esse deslocamento significa para o trabalho de projeto em Fab Labs, espaços criados para democratizar a fabricação digital que dependem de um ciclo frágil de capacitação pessoa a pessoa em torno de equipamentos como a cortadora a laser. Ensaio teórico fundamentado na literatura sobre trabalho e automação, aprendizagem situada, gestão do conhecimento e cognição distribuída, e na prática dos autores em Fab Labs, examina uma configuração em que o usuário descreve em linguagem natural o que deseja fabricar, uma camada agêntica produz e verifica o desenho vetorial e o humano avalia, ajusta e aprova. Cinco eixos organizam a discussão: o novo modo de operar máquinas, os ganhos, as possíveis perdas, os riscos e a aprendizagem através do agente. Sustentamos que a mudança não é uma mudança de paradigma, e sim uma transição de sintagma: elos inteiros da cadeia de atividades são absorvidos pela camada agêntica, e a decisão se torna o núcleo da contribuição humana. Cada ganho no eixo absorvido projeta uma sombra sobre o eixo humano, e a consequência mais aguda é um problema de reprodução: perfis decisórios prosperam no novo regime, mas esses perfis são formados justamente pela prática que o agente absorve. Aprender através do agente é, portanto, a condição para que a democratização sobreviva ao seu próprio sucesso. O texto encerra com a agenda de uma pesquisa de mestrado prestes a começar, que testará essas afirmações em um Fab Lab universitário.

Palavras-chave: interfaces agênticas; fabricação digital; Fab Labs; aprendizagem situada; conhecimento tácito

Síntese estendida

A configuração. Em um laboratório de fabricação digital, o desenho vetorial que alimenta a cortadora a laser é a imagem central do projeto, e até aqui ele era desenhado. Na configuração que o artigo discute, ele passa a ser descrito: o usuário diz em linguagem natural o que deseja fabricar, uma camada agêntica produz o desenho e o verifica contra as restrições de máquina e de material, e o humano avalia, ajusta e aprova. Para um público de ecologia das mídias, o ponto é imediato: a interface agêntica não é uma ferramenta nova, e sim um novo meio interposto entre a intenção e a matéria. A imagem de projeto é escrita antes de ser vista. Os Fab Labs foram criados para democratizar a fabricação pessoal (Gershenfeld, 2005), mas dependem de um ciclo frágil de capacitação: o saber necessário para projetar para a cortadora a laser e operá-la é tácito, situado e transmitido pessoa a pessoa (Lave & Wenger, 1991; Nonaka & Takeuchi, 1995). Quando o usuário capacitado se desliga, o laboratório recomeça. Esse ciclo, e não a máquina, é o que a mediação agêntica promete atacar.

Tese. A democratização por interfaces agênticas é real, mas não consiste em acesso a máquinas: é uma redistribuição de competências, e cada ganho no eixo que o agente absorve projeta uma sombra sobre o eixo que permanece humano. Recuperando a distinção estrutural entre o eixo das substituições e o eixo das combinações (Saussure; Jakobson), o artigo sustenta que a mudança não é uma 'mudança de paradigma', e sim uma transição de sintagma: elos inteiros da cadeia de atividades do projeto são absorvidos pela camada agêntica, e a decisão se torna o núcleo da contribuição humana. O texto é uma discussão, não um relato de resultados; é o ensaio que abre a pesquisa empírica.

Da manipulação direta à operação conversacional. Operar uma cortadora a laser, no fluxo tradicional, é uma cadeia de manipulações diretas, a maioria tácitas: qual folga compensa a largura do feixe, qual velocidade evita carbonizar o MDF, como ouvir que algo vai mal. Norman (2013) chamou a distância entre a intenção e as ações disponíveis de abismo da execução, e a distância entre o que o artefato mostra e o que o usuário compreende de abismo da avaliação. A mediação agêntica reorganiza essa geografia de modo assimétrico: o abismo da execução colapsa, porque a intenção chega ao arquivo de corte sem que o usuário domine a cadeia de ferramentas, enquanto o abismo da avaliação se alarga, porque o usuário agora precisa julgar uma proposta que não construiu. O regime facilita exatamente o que costumava formar o operador e exige exatamente o que o operador só adquiria ao ser formado. A interface se torna um interlocutor com expertise codificada; operar passa a ser negociar; a responsabilidade migra de executar corretamente para aceitar responsavelmente. Vista pela cognição distribuída (Hutchins, 1995), o que muda é a topologia do sistema: o que circula entre usuário, agente, máquina e material deixa de ser habilidade motora e conhecimento de parâmetros e passa a ser intenções, propostas e verificações. Uma ressalva mantém o caso honesto: o agente nunca aciona a máquina. Uma proposta errada custa material, tempo de máquina e possivelmente segurança, o que faz do Fab Lab um microcosmo em que a distância entre parecer certo e estar certo não pode ser ignorada.

Ganhos. Quatro, todos reais e todos com preço. Aceleração: o agente comprime os elos de síntese e produção, e o gargalo migra para a formulação da intenção e a avaliação das propostas (Eloundou et al., 2023; Acemoglu & Restrepo, 2019). Acesso: a barreira do desenho vetorial cai para quem consegue descrever o que quer, trazendo o artesão que conhece o material mas não a ferramenta, a professora que tem o plano de aula mas não o arquivo, o estudante de outra área. Se a primeira democratização deu acesso às máquinas, a segunda dá acesso ao projeto. Memória organizacional: a interface é um instrumento de externalização no sentido de Nonaka e Takeuchi; restrições, folgas e erros recorrentes viram regras que o agente aplica, e o conhecimento sobrevive à saída do usuário-chave. Prevenção de erros como pedagogia embutida: as verificações codificam os 'porquês não' acumulados pela comunidade e, se o agente explica a recusa, cada interceptação é uma ocasião de aprendizagem. Esse último ganho depende de uma condição de desenho a que o artigo retorna: a mesma verificação que ensina quando explica apenas substitui quando cala.

Perdas. Quatro sombras daqueles ganhos. A escada perde os degraus de baixo: a participação periférica legítima (Lave & Wenger) pressupõe uma periferia de tarefas simples, e são exatamente essas as tarefas mais codificáveis, que o agente absorve primeiro; o laboratório pode descobrir tarde demais que produziu usuários sem produzir membros. Atrofia da competência incorporada: a intuição de parâmetros e o tato para o material, o saber do corpo que Merleau-Ponty descreve, se cultivam pela operação direta e repetida e, silenciosamente, deixam de se cultivar. Perda do fracasso produtivo: a peça que não encaixou ensinava sobre folgas, a borda queimada sobre potência; a própria literatura dos Fab Labs já advertia contra o 'chaveiro' impressionante e vazio que o iniciante produz na primeira visita (Blikstein, 2013), e uma interface que entrega artefatos válidos sem a luta pode multiplicar chaveiros. Perda da reconstrutibilidade: o artefato chega sem as suas razões, a menos que o agente as forneça; o conhecimento se torna consumível, e não reconstrutível, uma externalização que nunca se completa em internalização.

Riscos. Onde as perdas encontram decisões de desenho e de governança. O andaime que nunca é retirado, reencenando as ironias da automação de Bainbridge (1983): quanto melhor o agente resolve o caso comum, menos preparado fica o humano para o caso incomum, justamente onde a sua decisão importa. Confiança mal calibrada, a dobradiça do artigo: o humano-decisor é o mecanismo de segurança do regime, e esse mecanismo pressupõe exatamente a competência de avaliação que o regime corrói. Um decisor que aprova o que não sabe julgar não está decidindo, está ratificando. Homogeneização: priors compartilhados achatam a variedade paradigmática do que um laboratório produz; o acesso se democratiza e a saída converge, contra uma cultura maker nascida da variedade e, no Brasil, da gambiarra. Concentração: quem codifica as regras governa a prática, de modo que o conhecimento externalizado exige curadoria e um processo aberto de alteração. Um aviso empírico dá peso a tudo isso: em um benchmark de horizonte longo para agentes pedagógicos (Lee et al., 2026), os agentes se saíram razoavelmente dentro de cada turno, mas fracassaram quase uniformemente em compor as sessões em uma sequência formativa coerente, e os agentes que sempre respondiam pontuaram pior nos critérios pedagógicos. Nos termos do artigo, os agentes executam bem o registro paradigmático, a seleção, e mal o registro sintagmático, a composição em direção a um fim.

Aprender através do agente. Além da socialização (de mestre a aprendiz) e da internalização de material explícito (o manual que ninguém lê), a mediação agêntica abre um terceiro modo: dialógico, no momento da necessidade, na língua do aprendiz, sobre a peça que está na tela. A promessa é real e o perigo está documentado: obter respostas não é construir competência, e um agente que entrega o arquivo de corte perfeito a cada pedido pode ser um excelente executor e um péssimo formador, com as duas coisas indistinguíveis olhando para o artefato. Cinco princípios de desenho decorrem disso: explicar enquanto faz; expor a razão de cada verificação; reter estrategicamente, já que às vezes a resposta certa é uma pergunta de volta ou um teste sugerido em retalho; retirar o andaime à medida que a competência se forma; e deixar que as regras externalizadas sejam lidas, e não apenas executadas. Esses princípios convergem para a formulação mais aguda do artigo, o problema da reprodução: o regime favorece perfis decisórios, mas os decisores se formam pela prática periférica que o agente absorve. Se a mediação agêntica não for também um lugar onde decisores se formam, ela consumirá o estoque de decisores que herdou e não o reporá. Aprender através do agente é, portanto, a condição para que a democratização sobreviva ao seu próprio sucesso.

Análise: a transição de sintagma como chave. Uma transição é paradigmática quando substitui os elementos que ocupam as posições de uma cadeia estável; a digitalização foi o caso exemplar, pois síntese, decisão e produção continuaram sendo as atividades do trabalho de projeto e só o suporte mudou. Uma transição é sintagmática quando altera a própria cadeia: elos são suprimidos, fundidos ou criados, e o sentido dos elos restantes é redefinido. É isso que as interfaces agênticas fazem no projeto de fabricação. A chave explica a distribuição de ganhos e sombras: os ganhos se concentram no eixo paradigmático, o da seleção, e as sombras no eixo sintagmático, o da composição, e o regime comprime o eixo em que era bom formar-se enquanto sobrecarrega o eixo em que ninguém mais se forma. Cada ganho tem a sua tensão nomeada: memória com ossificação, acesso com dependência, prevenção de erros com perda do erro formativo, aceleração com homogeneização. Nenhuma delas é um argumento contra a mediação agêntica; juntas, são o mapa do que o desenho da interface e a governança do laboratório precisam administrar, e cada uma é uma variável observável.

Agenda de pesquisa. O projeto de mestrado que este ensaio abre desenvolverá e validará uma interface agêntica para a cortadora a laser de um Fab Lab universitário, organizado em quatro frentes: acesso (a mediação eleva a taxa de sucesso dos iniciantes e reduz o tempo até o primeiro corte válido, em comparação com a capacitação tradicional?), qualidade dos artefatos (o aumento do uso se dá sem degradar a avaliação às cegas por especialistas e sem achatar a variedade?), retenção de conhecimento (a codificação reduz a dependência de usuários-chave, e o que é codificado continua sendo lido e revisado?) e perfis de competência, a frente que contém as outras: com síntese e produção absorvidas, as competências que distinguem os usuários bem-sucedidos se tornam de natureza decisória, e a mediação forma essas competências ou apenas as pressupõe?

Referências selecionadas

Acemoglu, D., & Restrepo, P. (2019). Automation and new tasks. Journal of Economic Perspectives, 33(2), 3–30.
Bainbridge, L. (1983). Ironies of automation. Automatica, 19(6), 775–779.
Blikstein, P. (2013). Digital fabrication and 'making' in education. In FabLab: Of machines, makers and inventors. Transcript.
Eloundou, T., Manning, S., Mishkin, P., & Rock, D. (2023). GPTs are GPTs. arXiv:2303.10130.
Gershenfeld, N. (2005). Fab: The coming revolution on your desktop. Basic Books.
Hutchins, E. (1995). Cognition in the wild. MIT Press.
Lave, J., & Wenger, E. (1991). Situated learning: Legitimate peripheral participation. Cambridge University Press.
Lee, U., et al. (2026). EduClaw-Bench: A long-horizon benchmark for pedagogical LLM agents with simulated learners. arXiv:2608.03206.
Nonaka, I., & Takeuchi, H. (1995). The knowledge-creating company. Oxford University Press.
Norman, D. A. (2013). The design of everyday things (rev. ed.). Basic Books.
Rossi, D. C., Contini, G. C., & Abiko, K. P. (Eds.). (2023). FAB LAB: O futuro da fabricação digital no Brasil. FAAC-UNESP.

Uso de IA generativa

Ferramentas de IA generativa foram utilizadas na elaboração do artigo (estruturação e edição, verificação da integridade entre citações e referências, geração de arquivos; prospecção de referências, cada uma conferida na fonte). O objeto de discussão, a tese da transição de sintagma, a estrutura argumentativa, os princípios de desenho e a interpretação teórica são dos autores, que assumem responsabilidade integral pelo conteúdo.

Organizational culture in the transformation of traditional organizations into AI-first organizations: a case study of a corporate artificial intelligence laboratory
Juliana Santos Egea (primeira autora) · João Ariedi (João Carlos Ariedi Filho, impresso como "Joao Carlos Ariedi") · Ricardo Amaral Silva · Ailton Donizetti Fabri — todos da Universidade Estadual Paulista (UNESP), Faculdade de Engenharia de Bauru (FEB), Brasil

XXXIII SIMPEP, Simpósio de Engenharia de Produção, Bauru, 3 a 6 de novembro de 2026. Área 6, Gestão organizacional; subárea 6.1, Comportamento organizacional. Resumo expandido (seis páginas, em português) aceito em 10 de agosto de 2026 e apresentado no simpósio. Segundo autor de quatro.

Por que o texto completo ainda não está publicado aqui

A pesquisa pertence à primeira autora, e a forma citável do trabalho são os anais do SIMPEP, previstos para depois do evento. Até que os anais saiam com ISBN e intervalo de páginas, esta página traz um resumo e uma síntese estendida escritos para ela; a entrada dos anais será vinculada aqui quando for publicada.

Resumo

Escrito para esta página; o trabalho em si não traz resumo.

A inteligência artificial consolidou-se como um dos principais vetores da transformação digital, e organizações de diferentes setores iniciaram a jornada para se tornarem AI first: organizações que incorporam a IA como elemento prioritário na execução de processos, no apoio à decisão e na geração de valor. Chegar a esse estado exige mais do que investimento em tecnologia; exige mudanças organizacionais capazes de sustentar a IA no trabalho cotidiano, e a cultura organizacional está no centro dessa mudança. Este estudo analisa a trajetória de um laboratório corporativo de IA encarregado de disseminar práticas de IA em empresas do mesmo ecossistema empresarial, perguntando como a cultura organizacional influenciou a consolidação das iniciativas do laboratório na transformação de organizações tradicionais em organizações AI first. Pesquisa aplicada, exploratória e qualitativa, conduzida por meio de um estudo de caso único, apoia-se na análise documental dos materiais do laboratório e em entrevistas semiestruturadas com colaboradores envolvidos nas iniciativas, analisadas pela técnica de análise de conteúdo de Bardin. Os resultados mostram que a transformação não dependeu apenas da adoção de tecnologia, mas de valores, comportamentos e práticas que favoreceram a experimentação, a aprendizagem contínua e o uso sistemático da IA; o apoio da liderança, a colaboração entre áreas, o compartilhamento de experiências e a aprendizagem contínua foram os facilitadores decisivos, enquanto a resistência à mudança, a maturidade desigual entre áreas, a padronização insuficiente, a integração limitada entre equipes e as dificuldades de priorização e governança foram os principais obstáculos. A principal contribuição é um Framework de Maturidade Organizacional para Organizações AI First, fundamentado nas evidências do caso e articulado às dimensões culturais, organizacionais e gerenciais que sustentaram a transformação.

Palavras-chave: inteligência artificial; AI first; cultura; maturidade organizacional; transformação digital

Síntese estendida

Problema. Organizações de todos os setores iniciaram uma jornada para se tornarem AI first: incorporar a inteligência artificial como elemento prioritário na execução de processos, no apoio à decisão e na geração de valor. A observação de partida do artigo, seguindo Raisch e Krauss (2021) e Tarafdar, Beath e Ross (2023), é que essa transformação exige mais do que infraestrutura; exige mudanças organizacionais capazes de sustentar a incorporação da IA ao trabalho. Kane et al. (2019) mostraram que as organizações digitalmente maduras se distinguem sobretudo por uma cultura de inovação, experimentação, colaboração e aprendizagem contínua, e Schein e Schein (2022) definem cultura como o conjunto de pressupostos compartilhados que orienta como as pessoas interpretam problemas, aprendem e respondem à mudança. Em contextos de adoção de IA, uma cultura favorável à inovação fortalece a colaboração, o compartilhamento do conhecimento, a experimentação e a capacidade de adaptação, os elementos que a literatura trata como fundamentais para a incorporação sustentável de novas tecnologias (Faraj, Pachidi & Sayegh, 2018; Jaiswal, Arun & Varma, 2022).

O caso. Um laboratório corporativo de IA responsável por disseminar práticas de IA em empresas do mesmo ecossistema organizacional. Suas iniciativas abrangeram capacitação, experimentação, compartilhamento do conhecimento, desenvolvimento de agentes inteligentes, implantação de automações, definição de boas práticas e governança para o uso da IA e padronização dos processos que levam a IA às atividades organizacionais. O laboratório também mapeou oportunidades de IA junto às lideranças e equipes técnicas e conduziu projetos-piloto que fortaleceram a cultura de inovação e aprendizagem contínua, o que o tornou um contexto propício para observar como a cultura influencia esse tipo de transformação. A pergunta de pesquisa: como a cultura organizacional influenciou a consolidação das ações do laboratório na transformação de organizações tradicionais em organizações AI first?

Método. Pesquisa aplicada, exploratória e qualitativa, por meio de um estudo de caso único (Yin, 2015) do laboratório dentro de um ecossistema empresarial brasileiro, escolhido para compreender um fenômeno contemporâneo em seu contexto real. Duas fontes de dados: análise documental dos materiais produzidos durante a implantação do laboratório (apresentações institucionais, registros de workshops, materiais de capacitação, documentos técnicos, processos padronizados, indicadores organizacionais, planos de ação, registros do mapeamento de oportunidades de IA, projetos-piloto) e entrevistas semiestruturadas com colaboradores diretamente envolvidos nas iniciativas do laboratório, selecionados intencionalmente entre áreas e níveis organizacionais para captar diferentes percepções das mudanças culturais observadas. Os dados foram analisados pela análise de conteúdo de Bardin (2016), identificando categorias temáticas (liderança, aprendizagem contínua, colaboração entre equipes, compartilhamento do conhecimento, experimentação, confiança no uso da IA, governança), e depois confrontados com a literatura sobre cultura, transformação digital e adoção organizacional da IA para identificar convergências e divergências.

Resultados. A transformação não dependeu exclusivamente da adoção de novas tecnologias, mas da incorporação de valores, comportamentos e práticas que favoreceram a experimentação, a aprendizagem contínua e o uso sistemático da IA nas atividades organizacionais. Documentos e entrevistas mostraram que as iniciativas do laboratório (mapeamento de oportunidades de IA com lideranças e equipes técnicas, workshops, capacitações, comunidades de prática, experimentação com diferentes ferramentas de IA, desenvolvimento de agentes inteligentes, implantação de automações, definição de padrões e boas práticas de uso) fortaleceram a disseminação do conhecimento, ampliaram a confiança no uso da IA e aproximaram as iniciativas tecnológicas dos objetivos estratégicos da organização. O apoio da liderança, a colaboração entre áreas, o compartilhamento de experiências e a aprendizagem contínua foram os fatores determinantes para impulsionar a adoção e consolidar uma cultura orientada à inovação. Do outro lado, o estudo identificou o que freou o processo: resistência às mudanças, diferenças de maturidade entre áreas, limitações na padronização das práticas, necessidade de maior integração entre equipes e dificuldades na priorização das iniciativas e na consolidação da governança para o uso da IA.

Contribuição: um Framework de Maturidade Organizacional para Organizações AI First. Construído sobre esses achados, o framework (a Figura 1 do artigo, uma proposta conceitual da primeira autora) representa as principais dimensões culturais, organizacionais e gerenciais que sustentaram a evolução da organização: liderança, aprendizagem organizacional, compartilhamento do conhecimento, experimentação, governança, padronização e incorporação da IA. É oferecido como guia para organizações que queiram acelerar sua jornada de adoção de IA, com uma visão integrada dos fatores culturais que favoreceram a transformação, e como referência para gestores que constroem ambientes capazes de incorporar a IA de forma contínua e estratégica.

Conclusão. A crescente incorporação da IA mostra que os desafios da transformação digital vão além da implementação de tecnologia e envolvem mudanças profundas na cultura organizacional. Compreender como valores, práticas e comportamentos são desenvolvidos e compartilhados foi essencial para que a IA fosse incorporada aos processos organizacionais em vez de permanecer uma ferramenta. Ao analisar a trajetória do laboratório, o estudo amplia a compreensão dos fatores culturais que sustentam a passagem de organizações tradicionais a organizações AI first e ajuda a reduzir uma lacuna que os autores identificam na literatura: evidências empíricas sobre como a cultura influencia a consolidação de iniciativas de IA. A consolidação desse processo dependeu, sobretudo, da construção de uma cultura alinhada à inovação, à aprendizagem contínua, ao compartilhamento do conhecimento e à incorporação sistemática da IA nas rotinas de trabalho.

Onde se encaixa nesta linha de pesquisa. O caso é a transformação AI first que João Ariedi assessora como consultor de engenharia (dois coautores são das empresas envolvidas). É a publicação em que uma década de trabalho em inteligência organizacional encontra a transição para a IA, e faz par com o artigo do MEISTUDIES acima: aquele pergunta o que a mediação agêntica faz com as competências da pessoa diante da máquina; este pergunta o que uma organização precisa se tornar para que a IA se enraíze.

Referências selecionadas

Bardin, L. (2016). Análise de conteúdo. Edições 70.
Davenport, T. H., & Mittal, N. (2022). All-in on AI: How smart companies win big with artificial intelligence. Harvard Business Review Press.
Jaiswal, A., Arun, C. J., & Varma, A. (2022). Rebooting employees: Upskilling for artificial intelligence in organizations. International Journal of Information Management, 64.
Kane, G. C., Phillips, A. N., Copulsky, J. R., & Andrus, G. R. (2019). The technology fallacy: How people are the real key to digital transformation. MIT Press.
Schein, E. H., & Schein, P. (2022). Organizational culture and leadership (6th ed.). Wiley.
Tarafdar, M., Beath, C., & Ross, J. (2023). Building organizational capabilities for artificial intelligence. MIT Sloan Management Review.
Vial, G. (2019). Understanding digital transformation: A review and a research agenda. The Journal of Strategic Information Systems, 28(2), 118–144.
Westerman, G., Bonnet, D., & McAfee, A. (2014). Leading digital: Turning technology into business transformation. Harvard Business Review Press.
Yin, R. K. (2015). Estudo de caso: Planejamento e métodos (5th ed.). Bookman.