Toward Human-Centered AI-Assisted Terminology Work

Resumo Técnico: Rumo a um Trabalho Terminológico Assistido por IA Centrado no Ser Humano

Problema
A rápida emergência da Inteligência Artificial Generativa (GenAI), particularmente dos Modelos de Linguagem de Grande Escala (LLMs), apresenta um desafio duplo para o Trabalho Terminológico (TT). Embora os LLMs ofereçam oportunidades para automação — como gerar definições, propor equivalentes terminológicos e identificar relações conceituais — eles também introduzem riscos significativos. Os LLMs atuais são propensos a erros, alucinações e várias formas de viés, tornando-os não confiáveis para fins terminológicos autônomos. Além disso, a área carece de princípios estabelecidos para guiar a integração dessas tecnologias. Existe uma preocupação predominante de que as pressões por eficiência possam levar a uma automação excessiva baseada no equívoco de que a expertise humana pode ser substituída, potencialmente minando a autonomia do terminologista, desvalorizando a perícia profissional e erodindo a diversidade linguística e conceitual. O problema central é a ausência de um framework que equilibre os ganhos de eficiência da GenAI com a necessidade de manter a agência humana, a precisão e os padrões éticos na produção terminológica.

Metodologia
Este artigo adota uma abordagem conceitual e teórica em vez de um design experimental empírico. Ele sintetiza a literatura existente de três domínios primários:

1. Inteligência Artificial Centrada no Ser Humano (HCAI): Baseando-se fortemente no trabalho de Shneiderman (2020) e outros, o artigo estabelece a HCAI como um paradigma que prioriza o florescimento humano, a amplificação da agência humana e a compatibilidade de alta automação com forte controle humano.
2. Estudos da Tradução: O artigo revisa como os princípios de HCAI têm sido aplicados à tradução, especificamente em relação à mudança do "Taylorismo Digital" para a "tradução aumentada" e a relação simbiótica entre humanos e máquinas.
3. Literatura de Trabalho Terminológico: Analisa as características epistêmicas e profissionais específicas do TT, incluindo a natureza dos produtos terminológicos, o papel da validação e as limitações do desempenho atual dos LLMs em tarefas como extração de termos, geração de definições e proposta de equivalência.

A metodologia envolve uma análise crítica desses campos intersectados para propor um framework conceitual para a integração da IA no TT. O texto revisa estudos de pequena escala existentes sobre o desempenho de LLMs em terminologia (ex: extração de termos, geração de definições) para demonstrar as limitações atuais e a necessidade de intervenção humana.

Principais Contribuições
O artigo propõe um framework de IA Centrada no Ser Humano (HCAI) especificamente adaptado para o Trabalho Terminológico, organizado em torno de três dimensões inter-relacionadas:

1. O Terminologista Aumentado:

   • Compatibilidade de Automação e Controle: O artigo argumenta que altos níveis de automação e forte controle humano não são mutuamente exclusivos, mas sim compatíveis e desejáveis. Defende um modelo de "IA no loop" (AI-in-the-loop), onde a IA atua como um componente de suporte subordinado à direção humana, e não como um substituto.
   • Empoderamento vs. Emulação: O objetivo principal da IA no TT deve ser empoderar os terminologistas (aumentando suas capacidades) em vez de meramente emular a inteligência humana. A IA deve lidar com tarefas intensivas de dados (ex: reconhecimento de padrões, geração rápida de candidatos), enquanto os humanos retêm a autoridade sobre a modelagem conceitual, validação e tomada de decisão final.
   • Novas Competências: A integração da IA exige "literacia de IA", incluindo a capacidade de avaliar criticamente os resultados da IA, formular prompts eficazes, compreender implicações éticas e selecionar níveis apropriados de automação para subtarefas específicas.

2. IA Ética:

   • Proteção de Valores Profissionais: O framework enfatiza que a adoção da IA não deve comprometer o bem-estar ou os valores profissionais do terminologista, tais como a precisão linguística, a diversidade epistêmica e a representação justa de visões de mundo.
   • Mitigação de Viés: O artigo detalha vieses específicos inerentes aos LLMs (Linguísticos, Temporais, Culturais, Epistêmicos e Sociais) decorrentes da composição dos dados de treinamento (ex: dominância de conteúdo em inglês e centrado nos EUA) e do funcionamento algorítmico. Postula que os terminologistas são indispensáveis para mitigar esses vieses através de intervenções upstream (prompting, seleção de fontes) e downstream (revisão crítica, debiasing) para evitar a circulação de terminologia imprecisa ou distorcida.

3. Design Centrado no Ser Humano (HCD):

   • Integração Centrada no Usuário: As ferramentas de IA devem estar incorporadas diretamente nos fluxos de trabalho terminológicos em vez de serem acessadas via chatbots isolados, reduzindo o atrito.
   • Design Participativo: Os terminologistas devem estar envolvidos ativamente na concepção, design e refinamento das ferramentas de IA para garantir o alinhamento com as práticas profissionais.
   • Ergonomia Cognitiva: Os sistemas devem ser projetados para reduzir a carga cognitiva, apoiar a tomada de decisão através da explicabilidade (ex: Geração Aumentada de Recuperação - RAG para verificação de fontes) e mitigar riscos como a redução do engajamento crítico e o efeito de ancoragem através de um design de interface intencional (ex: diálogos de confirmação, atraso nas sugestões até após a análise independente).

Resultados e Descobertas
O artigo não apresenta novos dados experimentais, mas sintetiza evidências existentes para extrair várias conclusões:

• Limitações dos LLMs: Os LLMs atuais são inconsistentes e pouco confiáveis para tarefas terminológicas. Embora possam superar métodos estatísticos tradicionais em contextos específicos (ex: extração de termos), eles frequentemente alucinam, confundem variantes regionais e têm dificuldade com relações conceituais profundas.
• Indispensabilidade dos Humanos: Devido a essas limitações e à necessidade de validação autoritativa, os terminologistas humanos permanecem essenciais. Seu papel muda da execução manual para a supervisão, o refinamento e a gestão ética.
• Risco de Automação Descontrolada: A adoção não estruturada de GenAI corre o risco de amplificar vieses, erodir a diversidade linguística e diminuir a agência profissional dos terminologistas, levando potencialmente a um "Taylorismo Digital", onde os trabalhadores tornam-se meros validadores de resultados de máquinas.
• Viabilidade da HCAI: Evidências de estudos da tradução sugerem que a alta automação pode coexistir com o forte controle humano, desde que a tecnologia seja projetada para aumentar, e não substituir, o julgamento humano.

Significância
O artigo argumenta que uma orientação centrada no ser humano não é apenas desejável, mas necessária para garantir que a IA fortaleça, em vez de minar, o papel essencial do trabalho terminológico. Ao preservar a agência profissional e a autoridade de decisão, essa abordagem salvaguarda a precisza e a confiabilidade dos produtos terminológicos, que são críticos para a comunicação especializada, tradução, padronização e transferência de conhecimento entre línguas e culturas. O artigo conclui que as decisões tomadas em relação à integração da IA hoje determinarão se o trabalho terminológico continuará a apoiar a transmissão precisa do conhecimento ou se sucumbirá aos riscos de viés e distorção conceitual. Ele clama por uma agenda de pesquisa sustentada para avaliar empiricamente como os terminologistas interagem com a IA e para avaliar sistematicamente a competência dos LLMs sob diversas condições.