Toda empresa que usa inteligência artificial já pratica algum tipo de governança de IA. Na maioria, porém, ela é informal: uma política em PDF que ninguém lê, um comitê que se reúne a cada trimestre e a confiança tácita de que as equipes vão usar as ferramentas com bom senso. Isso funciona enquanto o uso é pequeno. Deixa de funcionar no dia em que alguém precisa responder quem aprovou determinado modelo, que dado passou por ele e com base em quê a decisão foi tomada.
Este artigo explica o que é governança de IA, o que a legislação brasileira já exige hoje, o que está a caminho e como sair da política escrita para o controle aplicado.
O que é governança de IA
Governança de IA é o conjunto de políticas, processos, controles técnicos e responsabilidades que define como uma organização desenvolve, adquire, opera e descontinua sistemas de inteligência artificial. Na prática, ela responde a cinco perguntas de forma verificável: quem pode usar IA, para quê, com quais dados, sob quais limites e com qual trilha de auditoria.
A distinção que costuma se perder é entre governança e ética. Ética de IA é o campo que discute princípios: justiça, transparência, não discriminação. Governança é o mecanismo que transforma esses princípios em algo que se cumpre e se comprova. Princípio sem controle aplicado é declaração de intenção. Controle sem princípio é burocracia. A governança liga os dois.
Vale separar também de dois vizinhos próximos. Compliance é a conformidade com uma norma externa, e é um resultado da governança, não um sinônimo dela. MLOps cuida do ciclo de vida técnico do modelo: treino, versionamento, implantação, monitoramento de performance. Governança engloba o MLOps e acrescenta a camada de decisão, responsabilidade e prestação de contas.
Por que o tema saiu do comitê e virou urgência operacional
Durante anos, governança de IA foi pauta de organizações que construíam os próprios modelos. Era problema de quem treinava algoritmo de crédito ou de triagem de currículo. A adoção de IA generativa mudou a escala e a natureza do risco.
Hoje qualquer pessoa da operação pode colocar um dado sensível dentro de um modelo de terceiro em segundos, pelo navegador, sem passar por nenhum time técnico. O risco deixou de estar concentrado em um sistema construído internamente e passou a estar distribuído por centenas de interações diárias que ninguém registra. É o fenômeno que tratamos em detalhe no artigo sobre shadow AI.
Três mudanças empurraram o assunto para a mesa da diretoria:
- O dado saiu do perímetro. Antes, proteger dado era proteger um banco de dados. Agora é preciso saber o que foi digitado num prompt, e essa informação não fica registrada em lugar nenhum se não houver uma camada que a capture.
- A régua regulatória chegou. A União Europeia aprovou um regulamento específico, o Brasil tem um projeto de lei aprovado no Senado, e a LGPD já alcança boa parte do que a IA faz com dado pessoal.
- O custo virou linha de orçamento. Consumo de tokens sem limite por área é despesa que aparece no fechamento sem dono definido.
Os quatro pilares de uma governança que funciona
Governança de IA que sai do papel se apoia em quatro capacidades. Nenhuma é opcional, e a ausência de qualquer uma torna as outras frágeis.
Visibilidade
Saber quais modelos são usados, por quem, em que contexto e com qual frequência. Sem isso, qualquer política é aplicada no escuro. Visibilidade não é relatório mensal: é registro em tempo real de cada requisição, com usuário, modelo, finalidade e resultado.
Política aplicada
A diferença entre política documentada e política aplicada é a diferença entre um manual e um guardrail. Um documento diz que não se deve enviar CPF para um modelo externo. Um guardrail identifica o CPF no prompt e o mascara, bloqueia ou registra antes que a requisição saia da empresa. Só o segundo sobrevive a uma auditoria.
Rastreabilidade
Capacidade de reconstruir o que aconteceu. Se um cliente questiona uma decisão apoiada por IA, a empresa precisa mostrar qual modelo respondeu, com que entrada, sob que política vigente naquele momento e quem tinha autorização para aquilo. Log imutável não é preciosismo técnico: é o que transforma uma alegação em evidência.
Controle de custo e acesso
Limites por usuário, workspace ou projeto, com acompanhamento de consumo. Governança que ignora custo vira um problema financeiro que, mais cedo ou mais tarde, volta como corte indiscriminado de acesso.
O que a legislação brasileira exige hoje
Esta é a parte que a maioria do material disponível em português ignora, porque são traduções de textos escritos para outro mercado. Empresa brasileira responde a um conjunto específico de regras.
LGPD: já vale, e já alcança IA
A Lei Geral de Proteção de Dados, Lei 13.709/2018, não menciona inteligência artificial, mas se aplica integralmente a qualquer tratamento de dado pessoal feito por um sistema de IA. Três pontos merecem atenção direta:
- Base legal. Enviar dado pessoal a um modelo de terceiro é tratamento e precisa de base legal específica. Legítimo interesse não cobre tudo, e consentimento genérico costuma não se sustentar.
- Transferência internacional. A maior parte dos provedores de LLM processa fora do Brasil, o que aciona os requisitos de transferência internacional previstos na lei.
- Artigo 20. O titular tem direito a solicitar revisão de decisões tomadas unicamente com base em tratamento automatizado que afetem seus interesses. Para responder a esse pedido, a empresa precisa saber que a decisão foi automatizada e conseguir reconstruí-la.
A fiscalização cabe à Autoridade Nacional de Proteção de Dados, a ANPD.
PL 2338/2023: o marco legal da IA a caminho
O Projeto de Lei 2338/2023 foi aprovado pelo Plenário do Senado Federal e remetido à Câmara dos Deputados em março de 2025. Ele adota uma lógica de classificação por risco, parecida com a europeia: quanto maior o impacto potencial do sistema sobre direitos, maior a exigência de documentação, supervisão humana e avaliação prévia.
O texto ainda pode mudar na Câmara, e nenhuma empresa deve tratá-lo como obrigação vigente. Mas a direção é clara o bastante para orientar decisão de arquitetura hoje: sistemas que afetam crédito, contratação, saúde ou acesso a serviços tendem a cair nas faixas mais exigentes, e nelas a evidência documental deixa de ser diferencial e passa a ser condição.
Setores regulados têm camada adicional
Instituições financeiras, operadoras de saúde e empresas de setores supervisionados respondem também a exigências dos seus reguladores sobre modelos de decisão, gestão de risco e documentação. Governança de IA nesses casos não substitui a estrutura de risco existente: precisa se encaixar nela.
O AI Act europeu alcança empresa brasileira
O Regulamento (UE) 2024/1689, conhecido como AI Act, tem efeito extraterritorial. Ele se aplica quando o resultado produzido pelo sistema de IA é utilizado na União Europeia, independentemente de onde está a empresa que o opera.
Na prática, isso alcança companhias brasileiras que exportam, que têm subsidiária ou cliente no bloco, ou que fornecem software usado lá. A abordagem também é por risco, com quatro faixas: risco inaceitável, alto risco, risco limitado e risco mínimo. As obrigações mais pesadas recaem sobre a faixa de alto risco e incluem gestão de risco documentada, qualidade de dados, registro de eventos, supervisão humana e avaliação de conformidade.
ISO/IEC 42001: o caminho da evidência
A ISO/IEC 42001 é a norma internacional de sistema de gestão de inteligência artificial. Ela não diz o que sua empresa deve permitir ou proibir. Diz como estruturar o sistema que toma e registra essas decisões, no mesmo formato de outras normas de gestão, com política, papéis definidos, avaliação de risco, controles e ciclo de melhoria.
O valor prático dela é a certificabilidade. Uma empresa pode afirmar que governa sua IA; uma empresa certificada demonstra isso a cliente, auditor e regulador com evidência produzida de forma contínua. Para quem vende para grandes contas ou para o setor público, isso costuma antecipar a exigência que virá no edital.
Níveis de maturidade em governança de IA
Nenhuma organização salta do zero ao controle pleno. O percurso costuma passar por quatro estágios, e reconhecer em qual deles a empresa está evita investir na etapa errada.
- Uso individual. Cada pessoa escolhe sua ferramenta. Não há visibilidade nem política aplicada. O risco existe, mas ainda não apareceu como incidente.
- Centralização inicial. A empresa contrata um provedor e concentra o acesso. Já sabe quanto gasta, mas ainda não sabe o que trafega.
- Governança por área. Políticas, guardrails e permissões passam a acompanhar o contexto de cada time. Jurídico, RH e engenharia operam com regras diferentes, como deve ser.
- Operação corporativa. IA, dados e conhecimento produzem resultado com previsibilidade, e a evidência de conformidade é gerada pela própria operação, não por um esforço manual às vésperas da auditoria.
Como implementar: um roteiro de 90 dias
Programas de governança que começam pela redação de uma política costumam morrer na gaveta. O caminho que funciona começa por enxergar.
Dias 1 a 30: inventário e visibilidade
Levante quais ferramentas de IA estão em uso, inclusive as não homologadas. Instrumente o acesso para que cada requisição passe por um ponto único e registrável. Não bloqueie nada nesta fase: o objetivo é enxergar o uso real, e bloqueio precoce só empurra o uso para o celular pessoal.
Dias 31 a 60: classificação e política
Classifique os casos de uso por impacto. Decisão que afeta pessoa exige tratamento diferente de resumo de reunião interna. Defina as regras por classe, não por ferramenta, e escreva-as em linguagem que possa ser traduzida em controle técnico.
Dias 61 a 90: controle aplicado e evidência
Transforme a política em guardrail que roda em cada requisição: classificação de dado sensível, mascaramento, bloqueio, limite de consumo e aprovação humana onde o impacto exigir. Ative o registro imutável. Ao fim desta etapa, a empresa deve conseguir responder a um pedido de auditoria sem montar um projeto paralelo.
Cinco erros que se repetem
- Proibir em vez de governar. Proibição sem alternativa boa gera uso clandestino, que é o pior dos mundos: o risco continua e a visibilidade some.
- Começar pelo documento. Política escrita antes de conhecer o uso real descreve uma empresa que não existe.
- Confundir ferramenta com governança. Contratar um provedor corporativo resolve contrato e fatura, não resolve política aplicada nem rastreabilidade.
- Tratar como projeto de TI. Sem jurídico, segurança da informação e as áreas de negócio na mesa, a classificação de risco sai errada.
- Ignorar custo. Consumo sem limite por área transforma um programa bem-sucedido em corte de orçamento no trimestre seguinte.
Perguntas frequentes
Governança de IA é o mesmo que ética de IA?
Não. Ética define os princípios; governança cria os mecanismos que fazem esses princípios valerem e serem comprovados. Uma empresa pode ter um código de ética de IA exemplar e nenhuma governança, e nesse caso o código não muda o que acontece na prática.
Empresa pequena precisa de governança de IA?
Precisa, em escala compatível. A LGPD não isenta por porte, e o risco de vazamento por prompt não depende do tamanho da empresa. O que muda é a estrutura: uma companhia menor não precisa de comitê formal, precisa de visibilidade, uma política simples e controle aplicado.
Quem deve ser responsável pela governança de IA?
A responsabilidade final é da alta administração, porque as decisões envolvem apetite a risco. A execução costuma ser compartilhada entre segurança da informação, jurídico ou DPO, e as lideranças das áreas que usam IA. Concentrar tudo na TI é o erro mais comum.
Dá para governar o uso de ferramentas que a empresa não contratou?
Sim, e é justamente aí que está a maior parte do risco. Exige uma camada que intercepte o uso feito por navegador ou aplicativo, não apenas o que passa pela API corporativa.
Por onde começar se não há nada hoje?
Pelo inventário. Descobrir quais ferramentas estão em uso e que tipo de dado entra nelas custa pouco, não depende de contrato novo e costuma mudar a percepção de urgência dentro da empresa mais rápido que qualquer apresentação.