Acceso usuarios
Nuno Miguel Teixeira Sousa
Este artigo apresenta uma análise comparativa entre o ChatGPTe o AMÁLIA, destacando como diferentes modelos de IA generativa configuram práticas contrastantes de governação informacional. Através de uma abordagem teórico-empírica, são evidenciadas implicações éticas, jurídicas e sociotécnicas que contribuem para um debate sobre soberania digital e responsabilidade algorítmica em contextos nacionais. Através de uma metodologia qualitativa de base empírica, foram conduzidos testes com ambos os sistemas, permitindo identificar aspetos comparativos: o ChatGPT opera com mecanismos sofisticados de memória, inferência e personalização cumulativa; o AMÁLIA, por sua vez, revela uma estrutura funcional mais restrita, orientada por regras e com menor capacidade de adaptação individualizada. Os resultados mostram que sistemas com maior sofisticação técnica tendem a implicar maiores riscos de opacidade, responsabilidade deslocada e vigilância inferencial, ao passo que soluções mais limitadas garantem maior previsibilidade e contenção no tratamento de dados pessoais. Neste sentido, este estudo contribui de forma para o campo da Ciência da Informação ao propor uma metodologia comparativa entre sistemas de IA generativa com diferentes lógicas de governação informacional, articulando observações empíricas com quadros teóricos robustos. Trata-se de um contributo que oferece uma base crítica e replicável para a análise da personalização algorítmica e das suas implicações ético-jurídicas em contextos nacionais distintos
This article presents a comparative analysis between ChatGPT and AMÁLIA, highlighting how different models of generative AI shape contrasting practices of informational governance. Through a theoretical-empirical approach, ethical, legal and socio-technical implications are highlighted that contribute to a debate on digital sovereignty and algorithmic responsibility in national contexts. Using a qualitative, empirically-based methodology, tests were conducted with both systems, allowing comparative aspects to be identified: ChatGPT operates with sophisticated memory, inference and cumulative personalization mechanisms; AMALIA, on the other hand, reveals a more restricted, rule-oriented functional structure with less capacity for individualized adaptation. The results show that systems with greater technical sophistication tend to entail greater risks of opacity, displaced responsibility and inferential surveillance, while more limited solutions guarantee greater predictability and restraint in the processing of personal data. In this sense, this study makes an unprecedented contribution to the field of Information Science by proposing a comparative methodology between generative AI systems with different logics of information governance, articulating empirical observations with robust theoretical frameworks. It is acontribution that offers a critical and replicable basis for the analysis of algorithmic personalization and its ethical and legal implications in different national contexts.
