Uma brasileira entrou para a lista das 100 pessoas mais influentes em inteligência artificial da revista Time em 2026 não por criar um chatbot famoso, mas por provar que a tecnologia pode — e deve — ser construída por quem historicamente ficou de fora. O resultado é um modelo aberto que detecta discurso de ódio contra LGBTQIA+ e expõe a omissão das grandes plataformas.
A programadora Veronyka Gimenes, conhecida como “Travahacker”, e sua sócia Amanda Claro desenvolveram a TybyrIA. A ferramenta analisa milhões de postagens em redes sociais e já embasa uma ação civil pública de R$ 100 milhões contra Meta, Google, X e ByteDance. Mas o processo judicial é apenas a ponta do iceberg.
Por que as gigantes falharam onde duas programadoras acertaram?
Gimenes faz a pergunta que incomoda o Vale do Silício: se uma organização pequena criou em semanas um sistema eficiente de moderação, por que corporações com orçamentos bilionários não o fizeram? A resposta, segundo ela, não é técnica, mas estrutural. Quem desenha a tecnologia define o que ela enxerga — e o que ignora.
A TybyrIA nasceu de uma necessidade real. Em 2024, um corte de podcast da Código Não Binário viralizou e desencadeou uma onda de ataques transfóbicos. Ao tentarem derrubar o conteúdo, as ativistas esbarraram num vácuo: denunciar como “discurso de ódio” não funcionava. A solução técnica foi denunciar violação de direitos autorais. O absurdo do processo revelou a urgência de uma ferramenta própria.
O modelo que roda no seu notebook, não no data center
Diferente dos LLMs fechados que exigem infraestrutura massiva, a TybyrIA é código aberto. Isso significa três vantagens estratégicas para o mercado:
- Soberania de dados: roda localmente, sem enviar informações sensíveis para servidores de terceiros.
- Adaptação barata: empresas podem treinar o modelo para nichos específicos (moderação interna, compliance, RH) sem pagar APIs caras.
- Auditabilidade: o código transparente permite verificar vieses — exigência crescente em regulações como o AI Act europeu e o PL 2338/23 no Brasil.
Gimenes cita a China como referência: lá, a IA é tratada como infraestrutura nacional descentralizada, não como produto exclusivo de poucas corporações. A estratégia abre espaço para jogadores menores competirem em igualdade de condições.
Diversidade não é “social”, é arquitetura de produto
Dados da FIEMG mostram que mulheres ocupam apenas 20,7% das vagas tech no Brasil. Para Gimenes, raça, classe e gênero determinam a arquitetura dos sistemas que usamos diariamente. A Código Não Binário ataca a raiz: forma pessoas trans, negras, com deficiência e mulheres para escreverem o código, não apenas para serem “usuárias inclusivas”.
Essa abordagem resolve um problema de negócio real: viés algorítmico custa caro. Sistemas que não reconhecem diversidade geram processos, multas, danos de reputação e produtos que falham para parcelas gigantes do mercado consumidor.
O meio-termo que investidores deveriam observar
Gimenes rejeita dois extremos: a adoração acrítica da IA generativa e o boicote total motivado por impactos ambientais ou éticos. A terceira via é apropriação técnica: usar modelos abertos, entender o funcionamento e construir alternativas que não dependam de APIs proprietárias.
Para o ecossistema de venture capital e corporate innovation, o sinal é claro: o próximo unicórnio de IA pode não vir de um laboratório fechado nos EUA, mas de uma comunidade distribuída no Sul Global que resolve problemas reais ignorados pelas big techs.
O que observar daqui para frente
1. Regulação baseada em evidências técnicas: a TybyrIA prova que auditoria algorítmica é viável hoje. Espera-se que órgãos reguladores exijam relatórios de viés baseados em ferramentas abertas.
2. Movimento “Open Weights” corporativo: grandes empresas podem ser forçadas a liberar pesos de modelos para auditoria independente — quem já domina código aberto sai na frente.
3. Talent pool invisível: programas de capacitação focados em grupos sub-representados estão formando desenvolvedores com perspectiva de produto única. Recrutadores que ignoram esse canal perdem inovação de base.
A lição de Gimenes é direta: mudar a tecnologia exige mudar quem a faz. Para investidores e líderes de negócio, a pergunta prática é: seu roadmap de IA considera quem está programando — ou apenas qual API está chamando?
