Em 2 de fevereiro de 2025, a alfabetização em inteligência artificial deixou de ser item de política de RH e virou obrigação legal na União Europeia [2]. A exigência não é que engenheiros tirem um diploma novo para programar modelos; é que as organizações garantam que as pessoas que operam sistemas de IA saibam o que estão fazendo com eles. A distinção parece burocrática, mas é o eixo de tudo o que veio depois: a regulação europeia recai sobre sistemas e organizações, não certifica profissionais — e, no entanto, são profissionais que precisam traduzir princípios em decisões diárias de projeto. É nessa fresta que a indústria de microcredenciais encontrou seu mercado.
Um artigo recente da IEEE Spectrum, assinado por uma especialista do programa de microcredenciais da própria IEEE, descreve o impasse: equipes de engenharia integram IA em alta velocidade e esbarram em um obstáculo novo, o de compliance, porque converter ética, governança e auditoria de IA em fluxos de trabalho cotidianos se tornou um dos desafios mais duros do setor [1]. A tese que este artigo defende é que microcredenciais funcionam, mas não pelo motivo que seus promotores alegam: elas não tornam indivíduos mais éticos, e sim criam unidades de evidência verificáveis onde antes havia declarações de intenção. Se essa distinção for ignorada, o mercado produzirá selos em abundância e governança de fachada.
O gargalo não é a norma, é a tradução para o fluxo de trabalho
A IEEE Spectrum separa três camadas que muitas empresas tratam como sinônimos. "Ética de IA" são os princípios que desenvolvedores usam para governar e operar fluxos de trabalho; "governança" são as regras e procedimentos que uma organização estabelece para seus fluxos de IA e para o modo como eles interagem com dados organizacionais; "auditoria" é o processo de avaliar e validar sistemas quanto a segurança, equidade, transparência e conformidade legal [1]. Uma empresa pode ter as três coisas escritas em PDF e nenhuma delas presente no repositório de código.
Engenheiros e líderes técnicos precisam seguir diretrizes emitidas por organismos como a União Europeia, o National Institute of Standards and Technology (NIST) dos Estados Unidos e a International Organization for Standardization (ISO) [1]. O NIST publicou em janeiro de 2023 o AI Risk Management Framework (AI RMF), hoje em revisão [3], organizado em quatro funções — governar, mapear, medir e gerenciar riscos [4]. Do lado da ISO, a norma ISO/IEC 42001 estabelece um sistema de gestão de IA — um arcabouço organizacional, não um manual de conduta individual [4].
Aí está o descompasso. Os instrumentos normativos são desenhados na escala da organização; as decisões que efetivamente determinam se um sistema é justo ou não são tomadas na escala da tarefa: qual variável entra no modelo, qual limiar de decisão é aceitável, qual métrica de erro é monitorada, quem assina o registro de validação. É esse desnível entre norma organizacional e gesto técnico que a formação granular tenta cobrir — e é também o motivo pelo qual treinamento genérico em "ética de IA" tende a se transferir pouco para a prática.
O calendário de Bruxelas como curva de demanda
Regulação escalonada fabrica demanda de treinamento. O AI Act entrou em vigor em 1º de agosto de 2024; as disposições gerais — incluindo definições e a obrigação de alfabetização em IA — e as proibições passaram a valer em 2 de fevereiro de 2025; as regras para sistemas de IA de propósito geral vieram em 2 de agosto de 2025 [2]. Os sistemas de alto risco tiveram seus prazos estendidos pelo pacote de simplificação conhecido como AI Omnibus, em vigor desde julho de 2026: a partir de 2 de dezembro de 2027, os sistemas de alto risco usados em áreas como biometria, infraestrutura crítica, educação e emprego estarão sujeitos a obrigações estritas antes de chegar ao mercado, incluindo avaliação e mitigação adequadas de riscos; para sistemas embutidos em produtos regulados, a transição vai até 2 de agosto de 2028 [5].
Esse escalonamento tem uma consequência pouco discutida. Ele separa a obrigação de "saber" da obrigação de "provar". A alfabetização em IA é uma exigência de capacidade humana e já está em vigor; a conformidade de alto risco é uma exigência documental e chega depois. Nesse intervalo, surge um mercado para formação que possa ser exibida como evidência de diligência organizacional — não porque a lei exija um certificado nominal, mas porque a defesa jurídica e reputacional fica mais fácil quando existe um registro.
Vale o contraponto honesto: o AI Act não exige que um engenheiro específico porte uma microcredencial específica. A regulação recai sobre sistemas, práticas de gestão de risco e documentação técnica. Isso significa que o valor de uma credencial é, em grande parte, contratual e probatório — ela serve para demonstrar diligência em uma auditoria, na avaliação de um fornecedor ou na investigação de um incidente. É menos do que os vendedores de cursos prometem e mais do que um certificado de conclusão costuma entregar.
A lógica da microcredencial: granularidade como prova, não como diploma
O argumento a favor da unidade pequena é simples. A IEEE Spectrum aponta que microcredenciais permitem que engenheiros se atualizem em competências críticas — mitigação de viés, transparência algorítmica, auditoria de risco — sem interromper a carreira com programas de dois a quatro anos [1]. A IEEE mantém um programa de credenciamento em ética e compliance [1] e relata parcerias com universidades para criar microcredenciais alinhadas às necessidades da indústria, como as de semicondutores [6]. Em setores técnicos de alta demanda, microcredenciais já são usadas para validar habilidades especializadas — segurança em sala limpa, reparo de equipamentos de manufatura, análise de dados [7].
No campo da ética aplicada, a IEEE Standards Association oferece a certificação profissional IEEE CertifAIEd, que atesta a experiência do profissional na aplicação do arcabouço de ética de IA da IEEE, com quatro critérios: responsabilização (accountability), transparência, privacidade e viés algorítmico [8]. O desenho é revelador: os tópicos são formulados como critérios auditáveis, não como valores abstratos. É exatamente essa conversão — de princípio em critério — que falta em muitos programas corporativos de ética.
O mercado de trabalho já precifica competências em IA. O Global AI Jobs Barometer 2026 da PwC, que analisou mais de um bilhão de anúncios de vagas, aponta um prêmio salarial médio de 62% para habilidades em IA, acima dos 57% do ano anterior — mas de apenas 16% no governo e setor público [9]. O número deve ser lido com cautela: "habilidades em IA" agrega funções muito distintas, de engenharia de machine learning ao uso de assistentes de código, e não isola o efeito de uma credencial. Ainda assim, indica que o mercado não trata formação em IA como curiosidade — e que o setor público, onde essas decisões afetam cidadãos, é o que menos a remunera.
O que a evidência sustenta — e o que é apenas fé
Aqui a literatura exige disciplina. O IIEP-UNESCO publicou em 2023 um documento de referência que discute tendências, revisa definições existentes e propõe uma definição universal de microcredenciais, justamente porque o termo havia se tornado elástico demais para fins de política pública [10]. A OCDE, por sua vez, conduz uma revisão internacional dos sistemas de microcredenciais centrada na harmonização entre países e setores, e aponta uma definição clara do que constitui uma microcredencial como base de qualquer sistema harmonizado [11]. Ou seja: os próprios organismos que as promovem reconhecem que o campo carece de vocabulário comum e de interoperabilidade.
A evidência sobre eficácia é mais frágil do que o volume de cursos sugere. Varadarajan, Koh e Daniel, em revisão sistemática publicada no International Journal of Educational Technology in Higher Education, concluem que a adoção de microcredenciais pode ser disruptiva para a educação superior e traz vários desafios para aprendizes, empregadores, instituições e governo [12]. No Canadá, o estudo do NAIT com o Future Skills Centre sobre a percepção de empregadores e trabalhadores constatou que só metade dos empregadores procura microcredenciais ao avaliar candidatos [13]. A especificidade, que é a força de uma microcredencial, é também seu limite: um selo de habilidade específica não diz nada sobre a capacidade de integrar essa habilidade a um sistema sociotécnico maior.
E há um problema metodológico que quase ninguém enfrenta. Os estudos citados aqui medem sobretudo percepção — de empregadores, de aprendizes, de instituições —, não resultado. Não há, nas fontes consultadas, evidência experimental de que a posse de uma microcredencial em ética de IA reduza incidentes, decisões enviesadas ou não conformidades em auditoria. A cadeia causal entre "profissional certificado" e "sistema confiável" é assumida, não demonstrada.
A posição incômoda: a obsessão com credenciais individualiza um problema organizacional
A corrida por credenciais em governança de IA está mal direcionada, e o motivo é estrutural: os modos de falha da IA são organizacionais, não individuais. Um modelo enviesado raramente é produto de um engenheiro sem curso de ética; é produto de um processo sem revisão independente, de um conjunto de dados sem documentação de origem, de uma métrica de sucesso que premiou acurácia agregada e ignorou casos raros, de um comitê que aprovou o lançamento sem poder de veto. Certificar pessoas deixa esses arranjos intactos.
Os dados sobre treinamento reforçam a suspeita. Uma pesquisa da Skillsoft com 2.000 trabalhadores na América do Norte, no Reino Unido e na Alemanha concluiu que só um em cada quatro empregados se sente preparado para usar IA e que 59% apontam a falta de tempo como principal barreira para desenvolver novas habilidades [14]. São números de pesquisa comercial, com o viés evidente de quem vende a solução, mas a direção coincide com a da OCDE, que, ao revisar políticas de formação em IA, conclui que a oferta atual de treinamento pode não bastar para a crescente necessidade de alfabetização em IA e que apenas uma pequena parcela dos cursos traz conteúdo de IA [15]. Uma página comercial que atribui à consultoria IDC a projeção de que mais de 90% das empresas enfrentarão escassez crítica de habilidades em IA, com US$ 5,5 trilhões em produtividade não realizada [16], ilustra o tipo de inflação numérica que contamina a discussão — cifras a tratar como marketing, não como medida.
O contraste mais eloquente vem do Reino Unido. A AI Labour Market Survey 2025, encomendada pelo Departamento de Ciência, Inovação e Tecnologia (DSIT) e publicada em janeiro de 2026, aponta que 97% dos respondentes identificaram ao menos uma lacuna de habilidades no mercado de trabalho de IA e que 57% das empresas relataram lacuna de habilidades técnicas [17]. Quando quase todo o universo pesquisado relata falta, o problema está no sistema de formação e nas organizações, não na ausência de selos individuais.
A conclusão é desconfortável para o setor: o instrumento de certificação adequado à governança de IA é o sistema de gestão, como propõe a ISO/IEC 42001, e não o certificado pessoal [4]. Microcredenciais são úteis como insumo — evidência de que alguém foi exposto a métodos de mitigação de viés e a práticas de auditoria —, mas não como produto final da confiança. Confiar em IA porque seus engenheiros têm selos é confundir a qualificação do piloto com a aeronavegabilidade do avião.
Discussão: três tensões que o mercado prefere não enfrentar
A primeira é a da fragmentação. A OCDE documenta o esforço de vários países para harmonizar microcredenciais, com quadros nacionais, garantia de qualidade e regras de portabilidade [11]. Sem interoperabilidade, o engenheiro acumula selos que não se traduzem entre empregadores nem entre jurisdi
ções — um problema agudo para empresas que operam sob o AI Act europeu e sob o AI RMF americano ao mesmo tempo.
A segunda é a da captura. Quando o mesmo ecossistema que emite a credencial também vende a avaliação de conformidade e influencia a redação da norma técnica, a credencial deixa de ser um sinal e passa a ser um pedágio. A reconciliação entre ISO/IEC 42001 e NIST AI RMF é tecnicamente possível [4], mas tende a ser mediada por organismos cuja receita depende de certificações — um conflito de interesse estrutural pouco discutido.
A terceira é a da auditabilidade da própria credencial. Uma microcredencial só é confiável se seu instrumento de avaliação for válido, se houver verificação de identidade de quem a obteve e se existir prazo de validade em um campo que muda a cada ciclo de modelo. A CertifAIEd, por exemplo, vale por três anos [8]; muitas outras não expiram. Em um domínio onde a prática de auditoria evolui em meses, um selo sem data de expiração é uma declaração sobre o passado do profissional, não sobre sua competência presente.
Conclusão
A tese se sustenta com uma correção importante. Microcredenciais ajudam engenheiros a construir IA confiável na medida em que convertem princípios em critérios verificáveis — mitigação de viés, transparência algorítmica, auditoria de risco [1][8] — e na medida em que se integram a um sistema de gestão que dê sentido organizacional a essas competências [4]. Fora disso, produzem a aparência de governança sem o custo de mudar incentivos.
Para quem formula políticas públicas, três direções merecem prioridade. A primeira é pesquisa de resultado, não de percepção: medir se equipes com formação granular registram mais achados em auditorias internas e menos retrabalho de conformidade. A segunda é o acoplamento formal entre credencial individual e sistema de gestão — fazer com que cada microcredencial corresponda a um artefato auditável, como um relatório de teste de viés assinado, e não a uma carga horária cumprida. A terceira é transparência regulatória: autoridades deveriam dizer explicitamente o que uma credencial pessoal não prova, para que o mercado não confunda diligência com conformidade.
Enquanto isso, a alfabetização em IA segue obrigatória na União Europeia desde fevereiro de 2025 [2], e as obrigações de alto risco começam a valer em dezembro de 2027 [5]. Haverá, nesse intervalo, uma profusão de certificados. A pergunta que decide se eles significam algo é simples e ainda sem resposta empírica: quando o sistema falhar, o selo no currículo do engenheiro terá impedido a falha — ou apenas documentado quem estava na sala?
Referências
[1] Ridel, Kaitlyn. How Microcredentials Help Engineers Build Trustworthy AI. IEEE Spectrum. https://spectrum.ieee.org/microcredentials-trustworthy-ai
[2] Comissão Europeia. Timeline for the Implementation of the EU AI Act. AI Act Service Desk. https://ai-act-service-desk.ec.europa.eu/en/ai-act/timeline/timeline-implementation-eu-ai-act
[3] NIST. AI Risk Management Framework. National Institute of Standards and Technology. https://www.nist.gov/itl/ai-risk-management-framework
[4] Hyseni, Vlerë (2024). ISO/IEC 42001 vs. NIST AI RMF: A Comparative Analysis. PECB. https://pecb.com/en/article/isoiec-42001-vs-nist-ai-rmf-a-comparative-analysis
[5] Comissão Europeia. AI Act — Shaping Europe's digital future. https://digital-strategy.ec.europa.eu/en/policies/regulatory-framework-ai
[6] Ridel, Kaitlyn (2026). IEEE Partners With Academia to Create Microcredential Programs. IEEE Spectrum. https://spectrum.ieee.org/ieee-academia-microcredentials-programs
[7] Ridel, Kaitlyn (2025). Microcredentials Boost Employment in High-Tech Sectors. IEEE Spectrum. https://spectrum.ieee.org/microcredentials
[8] IEEE Standards Association. IEEE CertifAIEd Professional Certification. https://standards.ieee.org/products-programs/icap/ieee-certifaied/professional-certification/
[9] PwC (2026). AI reshapes global labour market into two distinct paths, rewarding human skills: PwC 2026 Global AI Jobs Barometer. https://www.pwc.com/gx/en/news-room/press-releases/2026/pwc-2026-ai-jobs-barometer.html
[10] Van der Hijden, Peter; Martin, Michaela (2023). Short Courses, Micro-Credentials, and Flexible Learning Pathways: A Blueprint for Policy Development and Action. IIEP-UNESCO. https://unesdoc.unesco.org/ark:/48223/pf0000384326
[11] OCDE. From Fragmentation to Alignment: An International Review of Micro-Credential Systems. https://www.oecd.org/en/publications/international-review-of-micro-credential-systems_bd913f1c-en/full-report/component-5.html
[12] Varadarajan, S.; Koh, J. H. L.; Daniel, B. K. (2023). A systematic review of the opportunities and challenges of micro-credentials for multiple stakeholders: learners, employers, higher education institutions and government. International Journal of Educational Technology in Higher Education, 20, 13. https://link.springer.com/article/10.1186/s41239-023-00381-x
[13] Future Skills Centre / NAIT. Employer and Employee Perceptions of Micro-credentials — Project Insights Report. https://fsc-ccf.ca/projects/employer-and-employee-perceptions-of-microcredentials/
[14] Skillsoft (2026). Only 1 in 4 Employees Feel Equipped for AI, Skillsoft Research Finds. https://investor.skillsoft.com/news-events/press-releases/detail/454/only-1-in-4-employees-feel-equipped-for-ai-skillsoft-research-finds
[15] OCDE. Bridging the AI Skills Gap: Is Training Keeping Up? OECD Publishing. https://www.oecd.org/en/publications/bridging-the-ai-skills-gap_66d0702e-en.html
[16] Iternal (2026). AI Skills Gap 2026: Statistics, Causes & How to Close It. https://iternal.ai/ai-skills-gap
[17] Department for Science, Innovation & Technology (2026). AI Labour Market Survey 2025 report: executive summary. GOV.UK. https://www.gov.uk/government/publications/ai-labour-market-survey-2025-report/ai-labour-market-survey-2025-report-executive-summary