5. Ilustração Conceptual

Esta secção não introduz teoria nova. Cumpre uma promessa feita no fecho da Secção 3 e na abertura da Secção 4: construir fichas de tarefa completas para os dois exemplos Argus já descritos, e calcular $TCI_\ell$, $n_{\text{misto}}(\ell)$ e $\Delta TCI$ de facto. Os números que se seguem são construções ilustrativas do autor, não medições da telemetria real do Argus — servem para expor a mecânica do índice, não para reportar um resultado empírico. Essa distinção importa: um caso de estudo com dados reais é o programa do Artigo 5, não deste.

Antes de preencher qualquer ficha, é preciso resolver uma questão que a Secção 4 deixou implícita: como tratar, ao nível da ecologia física, propriedades que a Secção 2 classificou como puramente de superfície? "Número de pistas" e "apresentação das pistas" descrevem uma representação — quantas pistas chegam a alguém, como lhe são mostradas. A ecologia física não representa nada a ninguém; não tem, por isso, um valor próprio nestas duas propriedades. A convenção adotada aqui, e mantida de forma consistente, é a seguinte: as sete propriedades classificadas como profundidade pura na Secção 2 são herdadas entre níveis — o valor calculado na ecologia física transporta-se para a representação da IA e para a do supervisor, salvo distorção documentada explicitamente; as duas propriedades mistas (princípio organizador, duração da decisão) podem divergir, porque a sua componente de profundidade e a sua componente de superfície podem legitimamente destacar-se; as duas propriedades de superfície pura (número de pistas, apresentação das pistas) não têm valor na ecologia física, e $TCI_{\text{eco}}$ é calculado apenas sobre as nove propriedades restantes.

5.1. Deteção de anomalia térmica

A tarefa é a já descrita na Secção 3: poucos sensores calibrados, tendência térmica estável, limiares de engenharia conhecidos, relação física compreensível, tempo suficiente para confirmar — mas potencialmente quasirracional se carga, ventilação e ciclo de operação alterarem a interpretação da temperatura. Constroem-se aqui quatro fichas: ecologia física, representação da IA, e duas variantes de representação supervisória — uma que preserva tendência e contexto ("rica"), outra que reduz tudo a um alerta binário ("pobre").

Justificação abreviada: a distribuição e a certeza são "mista" na ecologia porque a leitura bruta mistura regimes (carga, ventilação, ciclo) antes de qualquer contextualização — a IA e o painel rico resolvem essa ambiguidade ao contextualizar o sinal (por isso sobem a $+1$), o painel pobre não a resolve, apenas a esconde (por isso regride a $0$). A relação pistas–critério mantém-se $-1$ em todos os níveis, por ser propriedade de profundidade pura — a degradação térmica é fisicamente linear ou não é, independentemente de quem observa. O princípio organizador e a apresentação divergem apenas na variante pobre, exatamente como a Secção 2 previu para as duas propriedades "mistas".

$$TCI_{\text{eco}} = \frac{5}{9} \approx 0{,}56 \quad (n_{\text{misto}} = 2)$$ $$TCI_{\text{IA}} = \frac{9}{11} \approx 0{,}82 \quad (n_{\text{misto}} = 0)$$ $$TCI_{\text{sup-rica}} = \frac{9}{11} \approx 0{,}82 \quad (n_{\text{misto}} = 0) \implies \Delta TCI_{\text{IA-sup}} = 0$$ $$TCI_{\text{sup-pobre}} = \frac{2}{11} \approx 0{,}18 \quad (n_{\text{misto}} = 3) \implies \Delta TCI_{\text{IA-sup}} \approx 0{,}64$$

O resultado confirma, com números, a narrativa qualitativa da Secção 4: quando o painel preserva contexto, $\Delta TCI_{\text{IA-sup}} = 0$; quando o reduz a um alerta binário, $\Delta TCI_{\text{IA-sup}}$ salta para $0{,}64$ — mais de metade do intervalo total possível.

O caso assinalado com asterisco. A propriedade "número de pistas" para o painel pobre não se deixa classificar de forma limpa. A polaridade clássica diz que poucas pistas favorecem análise — mas um único alerta binário não é uma tarefa com poucas pistas para analisar; é uma tarefa sem pistas remanescentes, que não convida à análise, convida à confiança cega na recomendação. A CCT clássica, formulada para juízes humanos que sempre têm acesso a alguma pista bruta, não distingue "poucas pistas analisáveis" de "nenhuma pista, apenas uma conclusão". Esta secção não força uma resposta a essa distinção — assinala-a como um limite da propriedade tal como herdada da literatura, e atribui $0$ por convenção, não por convicção. É, note-se, exatamente o tipo de situação que o Artigo 2 já descreveu como automação da complacência por vazio institucional: a ausência de pistas retira ao supervisor a possibilidade de decidir, e não apenas a facilidade de o fazer.

5.2. Previsão de falha de rolamento a partir de vibração

O segundo exemplo, mais difícil por desenho: sinais de alta frequência, dezenas de atributos derivados, forte redundância entre medidas, interação com carga e velocidade, múltiplos modos de falha, escassez de eventos positivos — mesmo que a interface humana se reduza a um único score de risco.

$$TCI_{\text{eco}} = \frac{1}{9} \approx 0{,}11 \quad (n_{\text{misto}} = 0)$$ $$TCI_{\text{IA}} = \frac{-1}{11} \approx -0{,}09 \quad (n_{\text{misto}} = 0)$$ $$TCI_{\text{sup}} = \frac{-2}{11} \approx -0{,}18 \quad (n_{\text{misto}} = 1) \implies \Delta TCI_{\text{IA-sup}} \approx 0{,}09$$

Aqui, ao contrário do exemplo térmico, $n_{\text{misto}}$ mantém-se baixo em todos os níveis — não porque a tarefa seja simples, mas porque as propriedades apontam com confiança em direções opostas: quatro para o polo intuitivo (distribuição, redundância, decomponibilidade, certeza), quatro para o analítico (medição, relação, ponderação, duração), mais o par número/apresentação a inclinar ligeiramente para a intuição na IA. É quasirracionalidade genuína, exatamente como a Secção 4 previu. E $\Delta TCI_{\text{IA-sup}}$ permanece pequeno ($0{,}09$) — reduzir a tarefa a um score único não desloca visivelmente o índice, porque a tarefa já estava, na profundidade, resistente a decomposição.

É precisamente aqui que reside o ponto mais importante desta secção: o índice permanece baixo, mas o problema não desapareceu. O princípio organizador cai de $+1$ para $-1$ ao nível do supervisor — o score não explica a que se deve, apenas o comunica —, mas esse único sinal, diluído entre as restantes dez propriedades, não move $\Delta TCI$ de forma percetível. Um supervisor a receber este score está tão às cegas quanto no exemplo térmico com painel pobre — mas o índice, aqui, não o denuncia. $\Delta TCI_{\text{IA-sup}}$ deteta deslocação estrutural de modo; não deteta opacidade de princípio quando essa opacidade não desloca o resto da tarefa. Esta não é uma falha de cálculo — é exatamente a fronteira de aplicação já declarada na Secção 4, agora visível em números, não apenas em prosa.

O asterisco de "número de pistas" repete-se intencionalmente nos dois exemplos — não por redundância, mas para mostrar que o problema é da própria propriedade tal como herdada da CCT clássica, não de um caso particular. A CCT foi formulada para juízes humanos que têm sempre acesso a alguma pista bruta; não distingue "poucas pistas analisáveis" de "nenhuma pista, apenas uma conclusão". Esta secção não força essa distinção — assinala-a como ponto de refinamento futuro, visível precisamente porque aparece duas vezes, em tarefas de natureza diferente, com o mesmo resultado.

5.3. Um limite estrutural do índice, descoberto ao calcular

A convenção adotada no início desta secção — sete propriedades de profundidade herdadas, quatro (duas de superfície, duas mistas) livres para divergir — implica um limite superior para $\Delta TCI_{\text{IA-sup}}$ que não é óbvio a partir da fórmula da Secção 4 isoladamente. Se apenas quatro das onze propriedades podem, por convenção, diferir entre a representação da IA e a do supervisor, e cada uma pode oscilar no máximo entre $-1$ e $+1$ (uma amplitude de $2$), então:

$$|\Delta TCI_{\text{IA-sup}}| \leq \frac{4 \times 2}{11} = \frac{8}{11} \approx 0{,}73$$

Isto não é uma lei universal da CCT — é uma consequência direta da convenção de herança adotada nesta secção, e ficaria diferente se essa convenção fosse abandonada (por exemplo, se se admitisse que a própria IA pode operar sobre uma estimativa distorcida de uma propriedade de profundidade, e não apenas sobre o seu valor verdadeiro). Mas, dentro dos termos em que este artigo define $TCI_\ell$, o limite é real: $\Delta TCI_{\text{IA-sup}}$ nunca se aproximará dos extremos de $2$, mesmo quando a interface do supervisor é reduzida ao mínimo absoluto — o exemplo térmico, com $\Delta TCI \approx 0{,}64$, já está próximo desse teto.

Este limite tem implicações diretas para o desenho de arquiteturas de autoridade: mesmo interfaces supervisoras minimalistas não podem, por construção, produzir divergências superiores a cerca de $0{,}73$ — o que coloca um teto estrutural no tipo de risco que $\Delta TCI$ consegue detetar. As consequências deste teto para a distribuição de autoridade entre IA e supervisor são exploradas no Artigo 4, onde se pergunta se arquiteturas que operam perto deste limite exigem formas de governança diferentes das que operam perto de zero.

Os dois exemplos, lidos em conjunto, mostram o que este artigo pode e não pode entregar aos Artigos 4 e 5: um número comparável, auditável e explicitamente limitado — que deteta bem um tipo específico de risco estrutural, tem um teto matemático conhecido, e falha de forma previsível exatamente onde a Secção 2 já tinha avisado que falharia.

(Nota bibliográfica: esta secção não introduz citações novas. Todos os valores numéricos, tabelas e o limite teórico de $8/11$ são construções originais e ilustrativas desta trilogia, elaboradas para demonstrar a mecânica de $TCI_\ell$ e $\Delta TCI$ definidos na Secção 4; não correspondem a medições da telemetria real do Argus, que ficam reservadas ao caso de estudo empírico do Artigo 5.)