É fato: as empresas no Brasil têm incorporado a Inteligência Artificial em sua estratégia de negócios – ao menos 98% delas, segundo pesquisas apuradas no final de 2024. O problema, entretanto, é que apenas 25% das organizações declararam estar preparada para implementar a IA. O restante sofre com limitações de infraestrutura, gestão de dados e escassez de talentos especializados. Mas isso não quer dizer que esses outros 75% estão esperando as condições ideais para avançar em seus projetos: pelo contrário, essas empresas seguem com a implantação da tecnologia.
O problema é que apenas uma em cada cinco empresas consegue integrar a IA ao negócio – de acordo com o relatório global elaborado pela Qlik, em parceria com a ESG, e divulgado recentemente. Além disso, só 47% das empresas afirmaram aplicar políticas de governança de dados. Esses números são mundiais – e não seria uma surpresa se as estatísticas brasileiras fossem ainda maiores. E ainda que, hoje,a IA esteja aplicada em silos, e que geralmente “a porta de entrada” da tecnologia seja o atendimento ao cliente, riscos financeiros, regulatórios e reputacionais continuam existindo.
Não são poucos os obstáculos enfrentados pelas empresas que optaram por implementar a IA sem uma devida preparação. Casos práticos já demonstraram que algoritmos mal-governados podem perpetuar vieses ou comprometer a privacidade, resultando em danos reputacionais e financeiros. Governança de IA não é apenas uma questão tecnológica, mas de execução e diligência: sem uma estratégia bem delineada, os riscos crescem na mesma proporção das oportunidades – desde violações de privacidade e uso indevido de dados, até decisões automatizadas opacas ou tendenciosas que geram desconfiança.
Pressão regulatória e compliance: alicerces de governança da IA
A necessidade de se estabelecer uma governança de IA não surgiu apenas da frente de negócios: novas regulamentações estão surgindo, e o avanço tem sido rápido, inclusive no Brasil.
Em dezembro de 2024, o Senado Federal aprovou o Projeto de Lei 2338/2023, que propõe um marco regulatório para a IA com diretrizes de uso responsável. O texto adota abordagem baseada em riscos, semelhante à da União Europeia, classificando os sistemas de IA conforme o potencial de dano aos direitos fundamentais. Aplicações de risco excessivo, como algoritmos de arma autônoma ou ferramentas de vigilância massiva, serão proibidas, enquanto sistemas de IA generativa e de propósito geral deverão passar por avaliações prévias de risco antes de chegar ao mercado.
Há também exigências de transparência, por exemplo, obrigando desenvolvedores a informar se utilizaram conteúdo protegido por direitos autorais no treinamento de modelos. Paralelamente, discute-se atribuir à Autoridade Nacional de Proteção de Dados (ANPD) um papel central na coordenação da governança de IA no país, aproveitando a estrutura existente de proteção de dados. Essas iniciativas legislativas sinalizam que em breve as empresas terão obrigações claras quanto ao desenvolvimento e uso da IA – desde relatar práticas e mitigar riscos, até prestar contas sobre impactos algorítmicos.
Nos Estados Unidos e Europa, órgãos reguladores têm elevado o escrutínio sobre algoritmos, sobretudo após a popularização de ferramentas de IA generativa, que levantaram debates públicos. O AI ACT já entrou em vigor na UE – e sua implementação deve terminar em 2 de agosto de 2026, quando a maioria das obrigações da norma passa a ser aplicável, incluindo requisitos para sistemas de IA de alto risco e modelos de IA de uso geral.
Transparência, ética e responsabilidade algorítmica
Além do aspecto legal, governança de IA abrange princípios éticos e de responsabilidade que vão além do “cumprir a lei”. As empresas estão percebendo que, para obter confiança de clientes, investidores e da sociedade, é preciso transparência sobre como a IA é utilizada. Isso implica adotar uma série de práticas internas, tais como a avaliação prévia de impacto algorítmico, a gestão rigorosa da qualidade dos dados e a auditoria independente de modelos.
Também é crítico implementar políticas de governança de dados que filtrem e selecionem cuidadosamente os dados de treinamento, evitando vieses discriminatórios que possam estar embutidos nas informações coletadas.
A partir do momento em que um modelo de IA está em operação, a empresa deve conduzir testes periódicos, validações e auditorias em seus algoritmos, documentando decisões e critérios utilizados. Esse registro traz dois benefícios: ajuda a explicar o funcionamento do sistema, e viabiliza a atribuição de responsabilidade caso ocorra alguma falha ou resultado indevido.
Governança: inovação com valor competitivo
Um equívoco comum é pensar que governança de IA limita a inovação. Ao contrário, uma boa estratégia de governança habilita a inovação segura, liberando todo o potencial da IA de forma responsável. Empresas que estruturam cedo seus frameworks de governança conseguem mitigar riscos antes que eles se tornem problemas, evitando retrabalhos ou escândalos que atrasariam projetos.
Como resultado, essas organizações colhem mais valor e mais rápido de suas iniciativas. Evidências de mercado reforçam essa correlação: um levantamento global identificou que empresas com supervisão ativa da liderança na governança de IA reportam impactos financeiros superiores com o uso de IA avançada.
Além disso, estamos em um momento no qual consumidores e investidores estão cada vez mais atentos ao uso ético da tecnologia – e demonstrar esse compromisso com a governança pode diferenciar uma empresa da concorrência.
Em termos práticos, organizações com governança madura relatam melhorias não só em segurança, mas também em eficiência de desenvolvimento – executivos apontam reduções no tempo de ciclo de projetos de IA graças a padrões claros desde o início. Isto é, quando requisitos de privacidade, explicabilidade e qualidade são considerados já na fase de design, evitam-se correções custosas depois.
A governança atua, então, como um guia para inovação sustentável, orientando onde investir, e como escalar soluções de forma responsável. E ao alinhar iniciativas de IA à estratégia corporativa e valores da empresa, a governança garante que a inovação esteja sempre servindo aos objetivos maiores de negócio e reputação, e não seguindo um caminho isolado ou potencialmente prejudicial.
Desenvolver uma estratégia de governança para IA é, acima de tudo, um movimento estratégico para posicionamento competitivo. No ecossistema atual, onde países e empresas travam uma corrida tecnológica, lidera quem inovar com confiança e credibilidade. Grandes empresas que estabelecem sistemas de governança eficientes conseguem equilibrar a mitigação de riscos com a maximização dos benefícios da IA, em vez de sacrificar um pelo outro.
Por fim, a governança de IA deixou de ser opcional e tornou-se um imperativo estratégico. Para as grandes empresas, criar uma estratégia de governança significa definir agora os padrões, controles e valores que guiarão o uso da inteligência artificial nos próximos anos. Isso envolve desde atender às regulamentações que estão surgindo, até criar mecanismos internos de ética e transparência, com o objetivo de minimizar riscos e maximizar valor de forma equilibrada. Quem agir prontamente colherá frutos em inovação consistente e reputação sólida, posicionando-se à frente num mercado cada vez mais orientado por IA.
Claudio Costa é Head da Unidade de Negócios Business Consulting, da Selbetti
