Uma guerra não derruba apenas paredes. Ela desfaz a teia invisível que mantém uma cidade viva: o conhecimento das pessoas que sabem erguer uma parede, calcular uma viga ou escolher a pedra certa. Quando a Ananya Nayak, no ArchDaily, descreve a reconstrução de Palmira e de outras cidades sírias, ela escancara um princípio que atravessa qualquer disciplina: o espaço físico é o testemunho material de um saber imaterial. Sem esse saber, a reconstrução se torna uma simulação de cidade, uma fachada que imita a forma, mas não reproduz a vida. Essa mesma lógica se aplica, com contornos surpreendentes, ao mundo de software e infraestrutura digital que habito há mais de quinze anos.
Quando um time de engenharia perde seus membros mais experientes, quando o código-fonte de um sistema crítico desaparece junto com a documentação, quando ninguém mais sabe explicar por que certas decisões de arquitetura foram tomadas, experimentamos um apagamento muito parecido com o de uma cidade bombardeada. As aplicações continuam operando por algum tempo, como prédios que resistem ao primeiro impacto. Mas a capacidade de reparar, adaptar e evoluir essas estruturas se esvai. A perda mais profunda, tanto em Palmira quanto em um data center corporativo, é a perda da memória técnica que sustentava a própria existência da obra.
A perda epistêmica é a ruína invisível
Nos centros urbanos destruídos pela guerra, a morte de artesãos, engenheiros e mestres de obra representa um dano que nenhum drone consegue mapear. O conhecimento construtivo tradicional — a proporção exata de cal, a cura da madeira, o método de encaixe que resistia a terremotos — não estava escrito em manuais. Estava na mão, no olhar e na repetição geracional. Quando esse conhecimento desaparece, as réplicas feitas por empresas internacionais podem até reproduzir a silhueta da cidade, mas não o seu espírito construtivo. São cenários de filme: bonitos por fora, estruturalmente vazios por dentro.
No meu trabalho com sistemas distribuídos em cloud, vejo o mesmo fenômeno em proporções menores, porém igualmente danosas. O conhecimento sobre a operação de um sistema raramente está no README ou na wiki corporativa. Ele está no engenheiro que sabe que o serviço X instabiliza quando o Y reinicia, no especialista que reconhece o padrão de falha antes de qualquer alerta, na pessoa que entende as idiossincrasias do banco legado. Quando essas pessoas saem da empresa sem transferir o que sabem, a organização passa a habitar um prédio digital cujas plantas ninguém sabe ler. A estrutura aparenta estar de pé; a inteligência que a sustenta, no entanto, já não existe.
O que a IA realmente pode preservar — e o que ela apenas documenta
Diante dessa fragilidade, a tentação de enxergar a inteligência artificial como a solução definitiva é compreensível. Modelos de visão computacional podem analisar escombros e estimar a viabilidade de recuperação de estruturas. Ferramentas de digitalização criam gêmeos digitais de patrimônios ameaçados. Grandes modelos de linguagem, por sua vez, conseguem transformar registros fragmentados em manuais operacionais, ou transformar código legado, mal comentado, em documentação legível. Tudo isso é real e útil, mas há uma distinção crítica que costumamos ignorar: documentar informação não é reconstruir conhecimento.
Um sistema de IA pode catalogar milhares de técnicas construtivas tradicionais e gerar instruções passo a passo sobre como executá-las. No entanto, a técnica catalogada perde as variações que o contexto exige. O tijolo que funciona na Síria pode não funcionar em outro solo. O ajuste fino — o saber que diferencia um bom resultado de um resultado mediano — não aparece nos dados. Algo similar acontece quando tentamos usar IA para capturar conhecimento de engenheiros seniores. O modelo pode aprender as regras, os comandos e as decisões registradas em logs. Mas ele não aprende a intuição que molda essas decisões em situações ambíguas. O resultado são runbooks tecnicamente corretos e praticamente inúteis em um cenário que ninguém imaginou.
Infraestrutura de resiliência: o que aprendi desenhando sistemas de recuperação de desastres
Nos anos em que projetei estratégias de disaster recovery para operações críticas na nuvem, uma lição se repetiu com constância incômoda: o plano de recuperação mais sofisticado falha se a equipe não sabe executá-lo. Backups automáticos, réplicas multi-região e failover completo são apenas os materiais da reconstrução. O conhecimento de como acionar esses mecanismos, em que ordem e com quais critérios de aceitação, continua sendo o verdadeiro ativo. Quando esse conhecimento é centralizado em uma única pessoa, estamos a uma demissão de distância de um desastre completo.
Por isso, hoje, ao avaliar a arquitetura de sistemas de clientes, olho menos para a tecnologia empregada e mais para o desenho do conhecimento em volta dela. Uma organização com documentação viva, com práticas de mentoria estruturadas e com um processo deliberado de externalização de decisões tende a sobreviver a tragédias institucionais com mais dignidade do que uma empresa cheia de sistemas modernos e um vazio cognitivo por trás. O mesmo raciocínio vale para cidades em reconstrução: não é a impressora 3D de casas que salva uma comunidade, é a capacidade local de produzir, manter e adaptar o conhecimento construtivo ao longo do tempo.
A IA aplicada, nesse contexto, pode atuar como uma infraestrutura de registro e difusão de conhecimento, mas precisa ser desenhada com humildade. Em projetos de engenharia que envolvem dados históricos heterogêneos, eu repito uma máxima: o modelo é tão bom quanto a ontologia que estrutura o entendimento. Antes de alimentar um algoritmo com milhares de documentos sobre técnicas construtivas, é preciso envolver mestres de obra, historiadores e antropólogos para criar categorias significativas. A interjeição humana não é um detalhe; é a condição de possibilidade de qualquer sistema de conhecimento útil.
Os limites éticos e técnicos da preservação digital
A reconstrução de cidades pós-conflito envolve tensões políticas profundas. Aplicar IA a esse processo não é uma operação neutra. Um modelo de linguagem treinado majoritariamente em bancos de dados ocidentais pode, ao ser solicitado a "reconstruir" uma fachada histórica, produzir uma versão mediterrânea genérica, sem qualquer fidelidade ao desenho original local. O risco é transformar a IA em um vetor de colonialismo cultural digital, em que a cidade reconstruída seja uma mistura homogênea alimentada por dados globais, e não uma expressão autêntica da memória local.
Há também o risco técnico de que as próprias ferramentas de preservação desapareçam. Arquivos digitais dependem de infraestrutura, energia contínua, capacidade de migração de formatos e políticas de manutenção. Em uma zona pós-conflito, tudo isso é escasso. Existe uma ironia incômoda em digitalizar meticulosamente monumentos para preservá-los em servidores localizados em países estrangeiros, sujeitos às políticas comerciais de gigantes da tecnologia. Se não houver soberania digital — a capacidade de a própria comunidade portar seus dados e operar seus sistemas —, a preservação vira apenas mais um mecanismo de dependência.
Na engenharia de software, vemos uma ironia parecida quando uma empresa documenta todo o seu conhecimento em uma ferramenta SaaS cujo dono pode, unilateralmente, mudar os termos de uso ou descontinuar o produto. A preservação do conhecimento precisa ser pensada como um problema de resiliência de infraestrutura, não como uma checklist de boas práticas. Isso envolve backups offline, formatos abertos e a capacidade de reconstruir as ferramentas a partir do código-fonte. São as mesmas exigências de uma cidade que deseja preservar seu patrimônio para além de um único governo ou de uma única geração.
O que o mercado de trabalho ainda não percebeu
Diante desse cenário, acredito que o mercado está subvalorizando a habilidade de reconstruir conhecimento, tanto em instituições quanto em pessoas. Profissionais técnicos que sabem extrair conhecimento tácito de equipes em colapso, que estruturam documentos vivos, que desenham processos de mentoria e que combinam sensibilidade humana com ferramentas de IA para ampliar a transmissão de saberes são ativos raros. O título dessa função varia — engenheiro de conhecimento, arquiteto de soluções, developer advocate —, mas a essência é a mesma: alguém capaz de fazer a ponte entre o saber que está na cabeça das pessoas e o registro que sobrevive à passagem delas.
Para quem constrói carreira nessa interseção entre tecnologia e conhecimento, minha recomendação editorial é direta: desenvolver uma especialização em sistemas de conhecimento habilitados por IA exige mais do que saber usar modelos de linguagem. É preciso estudar epistemologia aplicada, entender como comunidades produzem e validam saberes e aprender a desenhar processos de governança que mantenham a curadoria humana no centro. Os engenheiros que hoje compreendem que a IA não é um substituto da memória coletiva, mas uma ferramenta que a amplifica, estarão preparados para o único tipo de reconstrução que interessa em longo prazo: a que devolve a uma comunidade a capacidade de se reconstruir de forma autônoma e contínua.
A reconstrução de cidades começa, de fato, pela reconstrução do conhecimento. Mas isso não é uma frase poética; é uma especificação funcional. A IA pode oferecer andaimes, mas não pode ser a arquiteta da memória. Que nós, engenheiros, escolhamos o ofício de quem cuida da inteligência que sustenta os muros — e não apenas da ferramenta que os levanta.