A ascensão da Inteligência Artificial (IA) reposiciona o Estado diante de um novo paradigma de gestão pública. Longe de ser apenas uma ferramenta operacional, a IA atravessa o ciclo completo das políticas públicas — da identificação de problemas à avaliação de impacto —, introduzindo capacidades inéditas de processamento de dados, predição de cenários e automação de decisões. Nesse contexto, governos de todo o mundo passam a utilizar modelos algorítmicos para otimizar a alocação de recursos, antecipar demandas sociais e personalizar…
Introdução
No entanto, a incorporação dessas tecnologias à governança não é neutra nem isenta de tensões. Sistemas de IA operam a partir de dados históricos que podem reproduzir desigualdades estruturais, e sua opacidade algorítmica dificulta o controle social e a prestação de contas. Questões como privacidade, viés discriminatório, exclusão digital e a possibilidade de erosão de garantias fundamentais impõem
Contexto e Fatos Recentes
A incorporação da Inteligência Artificial (IA) à administração pública deixou de ser experimento pontual e tornou-se prioridade estratégica em diversas esferas de governo. No Brasil, a discussão ganhou relevância institucional a partir da necessidade de modernizar a gestão pública, aumentar a eficiência de políticas sociais e garantir segurança jurídica no uso de sistemas automatizados. Ao mesmo tempo, o debate internacional — marcado pelo Regulamento de IA da União Europeia e por diretrizes da OCDE — pressiona países como o Brasil a estabelecerem marcos regulatórios próprios, que equilibrem inovação, proteção de direitos fundamentais e transparência algorítmica.
Nos últimos anos, alguns fatos recentes merecem destaque:
- Avanço do marco regulatório brasileiro: o Projeto de Lei nº 2.338/2023, em tramitação no Senado Federal, propõe o enquadramento de sistemas de IA por nível de risco, exigindo avaliação prévia para usos considerados de alto impacto — como na concessão de benefícios sociais e na segurança pública.
- Publicação da Estratégia Brasileira de IA (EBIA) revisada: o governo federal lançou diretrizes atualizadas para o período de 2024 a 2028, com foco em aplicações no serviço público, desenvolvimento de infraestrutura computacional e formação de mão de obra especializada.
- Adoção de IA na gestão de políticas públicas: órgãos como o INSS e a Receita Federal ampliaram o uso de sistemas de triagem e análise preditiva para acelerar a análise de pedidos e combater fraudes, ao mesmo tempo em que enfrentam questionamentos sobre vieses algorítmicos e direito à revisão humana das decisões.
- Criação de comitês de governança digital: prefeituras e governos estaduais, como os de São Paulo e Minas Gerais, instituíram estruturas dedicadas a auditar algoritmos e a publicar inventários de sistemas de IA, numa tentativa de conferir maior controle social e accountability.
Esses eventos revelam uma dupla tendência: a consolidação da IA como ferramenta de escala na máquina pública e a crescente cobrança por mecanismos que evitem discriminações, garantam explicabilidade e preservem o princípio da igualdade de acesso aos serviços. Portanto, o contexto atual é de transição: de um uso experimental e fragmentado para uma
Limitações e Contrapontos
Embora a IA ofereça ganhos potenciais de eficiência e predição na gestão pública, sua aplicação enfrenta limitações estruturais que não podem ser ignoradas. O primeiro contraponto é a dependência direta da qualidade dos dados. Quando as bases históricas carregam vieses – de raça, gênero, renda ou território – os algoritmos tendem a reproduzir ou amplificar essas distorções, transformando discriminação passada em decisão automatizada presente. Longe de ser neutra, a IA pode institucionalizar preconceitos com aparência de objetividade.
Outro ponto crítico é a opacidade dos modelos. Muitos sistemas de aprendizado de máquina operam como caixas-pretas, inviabilizando a auditoria externa e o controle social. A decisão pública, por sua natureza, exige justificativa transparente e passível de contestação; quando o raciocínio ocorre em camadas matemáticas inacessíveis, a legitimidade do ato administrativo fica comprometida. Sem explicabilidade, a tecnologia reduz a accountability em vez de fortalecê-la.
A essa altura, soma-se o risco de dependência tecnológica. A adoção de IA em políticas públicas frequentemente vincula o Estado a fornecedores privados e a infraestruturas digitais caras, o que pode diminuir a autonomia governamental e gerar monopólios informacionais. Além disso, a exclusão digital constitui um contraponto brutal: parcelas consideráveis da população, sobretudo as mais vulneráveis, não têm acesso estável à internet ou letramento digital. Quando o serviço público prioriza canais automatizados, esse grupo fica ainda mais distante de direitos básicos.
Por fim, a questão da responsabilização permanece nebulosa. Diante de um erro algorítmico – seja a negativa indevida de um benefício, seja uma predição de risco equivocada – não há clareza sobre quem responde: o desenvolvedor, o gestor público ou o próprio sistema. A ausência de marcos regulatórios robustos e de instâncias de fiscalização especializada agrava o cenário. Portanto, antes de incorporar a IA como instrumento central da ação estatal, é indispensável enfrentar essas limitações com auditorias
Impactos Concretos
A adoção de inteligência artificial na gestão pública já produz efeitos mensuráveis em diferentes frentes, indo além do discurso teórico. Na ponta, isso se traduz em processos mais céleres, decisões embasadas em evidências e serviços públicos mais aderentes às necessidades reais da população.
Eficiência operacional e redução de custos: Sistemas de IA automatizam tarefas repetitivas e burocráticas, como triagem de documentos, análise de conformidade e atendimento a demandas padronizadas. Órgãos como tribunais de contas e agências reguladoras relatam redução de até 70% no tempo de análise de processos, liberando equipes para atividades de maior complexidade e gerando economia direta aos cofres públicos.
Ampliação do acesso e qualidade de serviços: Assistentes virtuais e plataformas preditivas atuam na linha de frente de serviços essenciais. No setor de saúde, algoritmos auxiliam na regulação de leitos e na priorização de atendimentos de urgência, diminuindo filas de espera. Na educação, sistemas de recomendação personalizam trilhas de aprendizagem para estudantes da rede pública, atacando a evasão escolar de forma preventiva.
Fortalecimento do controle e combate à fraude: A capacidade de cruzar grandes volumes de dados em tempo real permite identificar padrões irregulares em licitações, contratos e transferências de recursos. Isso eleva a precisão dos órgãos de auditoria, que passam a atuar preventivamente, mitigando desperdícios e responsabilizando desvios com muito mais agilidade do que em metodologias convencionais.
Formulação de políticas baseadas em evidências: Modelos preditivos ajudam gestores a antever cenários em áreas como mobilidade urbana, segurança pública e assistência social. Com esses insights, as políticas públicas deixam de ser reativas e passam a ser desenhadas com foco em prevenção, otimizando a aplicação de orçamentos limitados em iniciativas com maior retorno social mensurável.
É importante ressaltar, contudo, que esses ganhos não ocorrem automaticamente — eles dependem de condições prévias, como governança de dados, transparência algorítmica e capacitação dos servidores. Sem esses pilares, os impactos tendem a se concentrar apenas na automação de tarefas simples, deixando de gerar a transformação estrutural que a administração pública brasileira demanda.
Perspectivas
A trajetória da inteligência artificial no setor público aponta para uma mudança estrutural: deixamos de tratar a tecnologia como ferramenta auxiliar para reconhecê-la como um novo paradigma de gestão. A perspectiva imediata é a consolidação de sistemas preditivos e generativos integrados aos ciclos de formulação, monitoramento e avaliação de políticas — desde a antecipação de demandas sociais até a automatização de burocracias de alto custo operacional.
No horizonte de curto e médio prazo, três movimentos devem se intensificar: a interoperabilidade entre bases de dados governamentais, viabilizando diagnósticos em tempo real; a regulação baseada em evidências e riscos, com padrões claros de transparência algorítmica; e o desenho de incentivos para que a inovação ocorra dentro dos marcos de direitos fundamentais.
O ponto crítico dessa transição não é técnico, mas institucional. Sem arranjos robustos de governança de dados e sem mecanismos efetivos de auditoria contínua, o risco é replicar vieses estruturais e criar novas assimetrias de poder informacional. Portanto, a perspectiva mais promissora envolve menos o fascínio pela automação e mais o fortalecimento de capacidades estatais para especificar problemas públicos, monitorar impactos distributivos e garantir que decisões algorítmicas permaneçam subordinadas ao controle democrático.
O futuro da IA em políticas públicas será definido, essencialmente, pela qualidade das instituições que a utilizam — e não pela sofisticação dos modelos. Nesse cenário, o papel do Estado como garantidor de direitos, e não apenas como usuário eficiente de tecnologia, torna-se o principal fator de distinção entre iniciativas que geram valor público e aquelas que apenas reproduzem lógicas de mercado.
Referências
[1] https://revistajuridica.presidencia.gov.br/index.php/saj/article/view/3214
[2] https://www.gov.br/governodigital/pt-br/infraestrutura-nacional-de-dados/inteligencia-artificial-1
[3] https://recima21.com.br/recima21/article/view/6051