Usar uma IA é obter uma saída de um modelo. Fazer engenharia de IA é assumir responsabilidade pelo sistema inteiro que transforma contexto em decisão: dados, modelo, recuperação, ferramentas, permissões, validação, observabilidade, segurança, pessoas e mecanismos de interrupção. O primeiro ato pode caber em uma janela de conversa. O segundo precisa continuar funcionando quando o contexto muda, uma fonte falha, um usuário age de modo inesperado ou o modelo responde com convicção e sem fundamento.

Um sistema inteligente não é um modelo cercado por uma interface. É uma organização de componentes que recebe sinais de um ambiente, constrói contexto, infere possibilidades, aplica regras, produz um efeito e registra o que aconteceu. Dados, identidade, memória, recuperação, ferramentas, validação, observabilidade e autoridade humana participam tanto da qualidade da resposta quanto os pesos do modelo. A inteligência percebida nasce do conjunto; a responsabilidade também.

Dados representam observações. Modelos inferem possibilidades. Ferramentas executam operações. Decisões autorizam efeitos. Um sistema de IA se torna perigoso quando trata essas quatro funções como equivalentes: dado vira verdade, probabilidade vira ordem, capacidade vira permissão e saída vira decisão. Engenharia de IA soberana começa por impedir essas conversões automáticas.

Evidência sustenta uma alegação; inferência estima o que não foi observado diretamente; geração compõe uma saída; validação testa se um artefato atende a critérios definidos num contexto de uso. Essas quatro funções podem cooperar, mas não são equivalentes. Um texto fluente não é evidência, uma citação não prova que a fonte sustenta a frase, confiança do modelo não é probabilidade de verdade e nenhum gerador deve certificar a própria resposta sem controles independentes.

Um modelo de linguagem não observa o mundo, não mantém memória operacional por conta própria, não compreende todos os tokens com a mesma qualidade, não obedece infalivelmente a instruções e não transforma contexto amplo em uso confiável de informação. Ele estima continuidades possíveis a partir de parâmetros, tokens, contexto e regras de decodificação. Seus resultados dependem do treinamento, do tokenizer, da arquitetura, da quantização, da configuração de inferência e do sistema que o envolve.

Coletar dados públicos de forma responsável significa provar, antes e depois de cada captura, que existe uma finalidade legítima, que o acesso é permitido, que a quantidade obtida é necessária, que a infraestrutura não foi colocada em risco e que o material preservado pode ser distinguido de suas transformações. Um dado visível na internet não se torna, por esse motivo, livre de obrigações jurídicas, contratuais, éticas ou técnicas.