A adoção avança antes da governança
Ferramentas generativas chegam às equipes por múltiplos caminhos: licenças corporativas, pilotos formais, recursos embutidos em softwares e contas pessoais. A facilidade de uso acelera descoberta, mas também fragmenta critérios sobre dados, revisão e responsabilidade. Proibir sem oferecer orientação tende a ocultar o uso; liberar sem limites transfere riscos à operação.
O estudo Generative AI experimentation in government, publicado pela OCDE em julho de 2026, analisou orientações oficiais de diferentes países e casos de governo. O trabalho identifica experimentação estruturada como caminho para desenvolver capacidade e testar controles antes da adoção em escala, além de apontar fragilidade frequente em monitoramento e avaliação.
Para o Brasil, a lição não é copiar um manual estrangeiro. É adaptar um método: definir hipótese, ambiente, responsáveis, evidências e decisão. Requisitos jurídicos, federativos, de infraestrutura e de inclusão precisam refletir o contexto de cada instituição.
Cinco dimensões para avaliar um experimento
Desempenho
A saída é correta, consistente e rastreável para a tarefa? Avaliações devem usar casos representativos, incluindo situações difíceis e informações conflitantes. Fluência não é medida de factualidade.
Valor público
O experimento reduz tempo, melhora acesso, aumenta qualidade ou libera capacidade para trabalho mais relevante? Ganho para a equipe precisa ser comparado com impactos sobre o cidadão e com possíveis desigualdades.
Viabilidade
Custos, infraestrutura, integração, contrato, suporte e competências permitem sustentar o uso? Uma prova gratuita pode esconder despesas de produção e dependência do fornecedor.
Usabilidade
Servidores entendem limites, verificam saídas e incorporam a ferramenta ao fluxo sem criar etapas paralelas? Treinamento deve ser específico ao papel e ao risco.
Gestão de riscos
Dados, segurança, transparência, equidade, supervisão, registros e contestação estão cobertos por controles que deixam evidência?
Diretrizes precisam chegar à rotina
Uma política geral pode listar princípios corretos e ainda falhar na prática. A equipe precisa saber quais ferramentas são autorizadas, que tipos de informação não podem ser inseridos, quando é obrigatória a revisão, como registrar ocorrências e quem responde a dúvidas. Exemplos por atividade tornam a regra acionável.
Crie um inventário de usos, incluindo pilotos, recursos de fornecedores e experimentos locais. O inventário não deve ser apenas controle: ele permite descobrir padrões, reutilizar aprendizados e concentrar suporte. Classifique os casos por dados, impacto e dependência da saída para aplicar exigências proporcionais.
Ofereça um caminho seguro para testar. Ambiente aprovado, base sintética, modelos de avaliação e apoio técnico reduzem o incentivo ao uso oculto. A governança funciona melhor quando combina limites claros com capacidade institucional para experimentar.
Meça antes de contar histórias de eficiência
O Digital Government Outlook 2026 observa que condições práticas para escalar IA — dados, infraestrutura, competências e capacidade organizacional — permanecem desiguais. O relatório também chama atenção para lacunas em avaliação, auditoria pós-implantação e mecanismos de feedback.
Uma instituição deve medir tempo total, qualidade, correções, incidentes, custo e experiência do usuário antes e depois. Evite extrapolar horas poupadas em um teste pequeno para toda a organização sem considerar revisão, integração, licenças e casos complexos. O efeito sobre o processo inteiro importa mais que a velocidade de uma única etapa.
Documente resultados negativos. Falhas ajudam a delimitar uso, escolher outra abordagem e melhorar controles. Quando apenas casos bem-sucedidos circulam, a organização perde visão de risco e repete experimentos.
Contratação deve preservar capacidade de governar
Antes de contratar, defina requisitos de dados, segurança, logs, mudanças de modelo, avaliação, portabilidade, suporte, incidentes e encerramento. Pergunte como o fornecedor comunica alterações que podem afetar qualidade ou risco e quais evidências estarão disponíveis para auditoria.
Evite dependência de uma interface proprietária sem acesso aos registros necessários. O órgão precisa conseguir entender desempenho, investigar ocorrências e migrar quando necessário. Cláusulas não substituem testes técnicos e operacionais, mas estabelecem condições para realizá-los.
A responsabilidade pública permanece mesmo quando o modelo, a nuvem ou a integração são fornecidos por terceiros. A equipe demandante precisa acompanhar objetivo, uso e resultado do início à desativação.
Como traduzir as lições para a realidade brasileira
- Escolha casos vinculados a um problema e uma política institucional.
- Use o GuIA Unificado para organizar ciclo de vida, papéis e critérios.
- Classifique riscos e defina controles proporcionais ao impacto.
- Ofereça ambiente e instruções para evitar adoção informal com dados indevidos.
- Meça desempenho, valor público, viabilidade, usabilidade e risco.
- Compartilhe resultados com limitações e evidências.
- Avance por etapas, mantendo rollback e reavaliação.
A Estratégia de IA do MGI 2025–2027 é um documento interno do próprio ministério e não se aplica diretamente a outros órgãos. Ainda assim, ilustra como uma organização pode conectar capacidade, governança e portfólio. Outras instituições precisam construir sua própria governança conforme competências e contexto.
Gerencie um portfólio, não uma coleção de testes
Experimentos isolados competem por especialistas, dados e atenção. Um portfólio permite comparar valor, risco, esforço e dependências. Registre patrocinador, problema, público, estágio, modelo, dados, fornecedor, custo, métricas e decisão. Casos semelhantes podem compartilhar componentes e avaliações.
Use critérios de entrada e saída. Para começar, o caso precisa de responsável, hipótese, dados permitidos e avaliação inicial de risco. Para avançar, precisa atingir limites de desempenho, valor, viabilidade, usabilidade e controle. Para encerrar, deve preservar registros, revogar acessos e documentar aprendizados.
Crie fóruns leves de decisão com áreas demandantes, tecnologia, dados, segurança, jurídico ou controle conforme o caso. O objetivo não é centralizar cada ajuste, mas garantir que decisões de maior impacto tenham os participantes corretos. Casos de baixo risco podem seguir uma trilha simplificada.
Publique internamente padrões, componentes aprovados e resultados. Isso reduz repetição e permite que equipes aprendam com limites já descobertos. O inventário também ajuda a identificar uso informal e lacunas de treinamento sem transformar governança em fiscalização punitiva.
Capacitação precisa acompanhar o trabalho real
Treinamento genérico sobre prompts é insuficiente. Servidores precisam reconhecer dados que não podem ser inseridos, verificar fontes, identificar alucinações, registrar correções e compreender quando a revisão humana exige conhecimento especializado. Gestores precisam interpretar métricas, risco residual e dependência de fornecedor.
Use casos do próprio processo, com exemplos positivos e negativos. Avalie se a pessoa consegue detectar uma resposta plausível, mas incorreta, e aplicar o procedimento de escalonamento. A capacidade institucional aparece no comportamento cotidiano, não apenas na conclusão de um curso.
Capacitação deve ser recorrente: ferramentas, regras, riscos e responsabilidades mudam. Incidentes e dúvidas reais precisam retroalimentar continuamente os materiais, os controles e os próximos experimentos institucionais.
Como o Grupo Edge aborda o tema
O Grupo Edge conecta inteligência artificial e agentes a processo, dados, integração, segurança e governança. A prioridade é construir capacidade institucional e evidência de valor antes de ampliar o uso, dentro da visão de tecnologia para o setor político e público.
Esse posicionamento não transforma tendências em produtos automaticamente disponíveis. Cada iniciativa depende de diagnóstico, escopo, parceiros e controles confirmados. Conheça o Grupo Edge ou converse sobre um caso de experimentação.