Fábio Correa Xavier

Durante os primeiros anos da inteligência artificial generativa, boa parte da discussão esteve concentrada na capacidade dos modelos. Comparamos benchmarks, número de parâmetros, velocidade e custos. Mais recentemente, passamos a discutir agentes capazes de executar tarefas cada vez mais complexas.
O <a href="https://goalkeepers.gatesfoundation.org/wp-content/uploads/2026/09/2026_Goalkeepers_Report_EN.pdf">Goalkeepers Report 2026</a>, da <a href="https://goalkeepers.gatesfoundation.org/report/2026-report/?WT.mc_id=20260914_goalkeepers-2026-bg-em">Gates Foundation</a>, propõe outra perspectiva: não apenas o que a inteligência artificial será capaz de fazer, mas quem efetivamente terá condições de se beneficiar dela.
<a href="https://conteudo.jota.info/17-03-2026-rdstation-lp-jota-pro-tecnologia-conversao-mql-marketing">Conheça o JOTA PRO Tecnologia, solução corporativa que acompanha todas as movimentações regulatórias e legislativas que impactam o setor</a>
A questão interessa diretamente aos governos porque os benefícios da tecnologia não se distribuem automaticamente. Ter acesso a um modelo pela internet não significa que ele funcione com a mesma qualidade para diferentes idiomas, populações e contextos.
O relatório chama a atenção, por exemplo, para a predominância do inglês nos dados utilizados no desenvolvimento dos primeiros grandes modelos de linguagem. O problema não se limita à tradução. Afeta compreensão de contexto, reconhecimento de fala, segurança e qualidade das respostas.
Há uma dimensão de política pública nisso. Se determinados idiomas, populações ou problemas não oferecem retorno econômico suficiente, o mercado pode ter poucos incentivos para priorizá-los. Governos, universidades e instituições de pesquisa podem atuar na produção de bases de dados, avaliações e aplicações voltadas às necessidades locais.
O mesmo ocorre com os dados. Uma inteligência artificial utilizada na saúde precisa considerar protocolos, doenças e recursos disponíveis no sistema em que opera. Na agricultura, clima, solo e características dos produtores. Na educação, currículo e realidade das escolas.
Quanto mais modelos globais forem utilizados para apoiar decisões locais, mais importante será a capacidade de contextualizá-los. Política de inteligência artificial e política de dados tendem, portanto, a se aproximar.
Isso envolve questões jurídicas conhecidas, como proteção de dados pessoais, finalidade, segurança e responsabilização, mas também questões econômicas e institucionais: interoperabilidade, qualidade das bases governamentais, compartilhamento seguro e capacidade do Estado de utilizar seus próprios dados.
No Brasil, outra dimensão dessa política ganhou relevância nesta semana. Em 15 de setembro foi sancionada a <a href="https://www.planalto.gov.br/ccivil_03/_ato2023-2026/2026/lei/l15504.htm">Lei 15.504/2026</a>, que instituiu o Regime Especial de Tributação para Serviços de Datacenter, o Redata. A legislação cria incentivos para a expansão da infraestrutura de processamento e armazenamento de dados no país.
As contrapartidas mostram que a discussão vai além de uma política tributária. A lei exige que beneficiários disponibilizem ao mercado interno ao menos 10% do processamento, armazenamento e tratamento de dados instalado com os incentivos. Também prevê requisitos de sustentabilidade, atendimento da demanda de energia por fontes renováveis ou de baixa emissão e investimentos equivalentes a 2% do valor dos produtos beneficiados em projetos de pesquisa, desenvolvimento e inovação.
É uma escolha relevante porque inteligência artificial depende de infraestrutura física. Modelos precisam de data centers, energia, conectividade, chips e capacidade computacional. Nesse sentido, a política industrial começa a se encontrar com a política digital.
Há, contudo, controvérsias legítimas sobre esse tipo de incentivo. Organizações da sociedade civil questionaram o custo fiscal do Redata e os impactos ambientais e defenderam contrapartidas mais fortes para garantir benefícios ao ecossistema tecnológico brasileiro.
Esse debate é importante. A pergunta não deveria ser simplesmente se o Brasil precisa ou não de data centers, mas qual desenvolvimento tecnológico e econômico pretende obter ao incentivar sua instalação.
Ter servidores instalados no território nacional não produz, por si só, autonomia tecnológica. Um país pode hospedar enorme capacidade computacional e continuar dependente de tecnologias, plataformas e conhecimentos desenvolvidos no exterior.
Soberania digital, nesse contexto, talvez deva ser entendida menos como autossuficiência e mais como capacidade de escolha. Isso inclui negociar contratos, definir arquiteturas, proteger dados estratégicos, avaliar modelos, substituir fornecedores quando necessário e formar profissionais capazes de compreender as tecnologias utilizadas.
Esse último ponto também aparece no Goalkeepers. O relatório defende a formação de lideranças locais em IA, incluindo formuladores de políticas públicas, tecnólogos, médicos, agrônomos, professores e cientistas de dados capazes não apenas de utilizar ferramentas, mas de avaliá-las e adaptá-las.
No setor público brasileiro, esse movimento já começa a aparecer institucionalmente. O Governo Digital criou uma <a href="https://www.gov.br/governodigital/pt-br/infraestrutura-nacional-de-dados/inteligencia-artificial-1/matrizdeIA">Matriz de Competências em IA para a Administração Pública Federal</a>, vinculando diferentes perfis profissionais a competências e níveis de proficiência e utilizando o referencial para orientar programas de capacitação.
A formação de pessoas talvez seja tão estratégica quanto a infraestrutura. É possível comprar modelos, contratar nuvem e instalar data centers de última geração e ainda permanecer tecnologicamente dependente se não houver profissionais capazes de avaliar aquilo que está sendo contratado e decidir como deve ser utilizado.
O Goalkeepers apresenta experiências que ajudam a compreender o potencial dessa combinação. No estado de Maharashtra, na Índia, o governo incorporou à infraestrutura pública o MahaVISTAAR, serviço de inteligência artificial que permite a agricultores consultar informações sobre culturas, clima e manejo de pragas em seus próprios idiomas. Segundo o relatório, mais de 740 mil agricultores já aderiram ao serviço.
O interesse do exemplo não está apenas na ferramenta. Está na articulação entre tecnologia, dados locais, conhecimento especializado, idioma, infraestrutura pública e um problema concreto.
É nesse ponto que a discussão brasileira sobre governança da inteligência artificial pode e deve avançar.
Regulação continuará sendo necessária. Sistemas utilizados em saúde, educação, segurança, justiça ou serviços públicos levantam questões sobre privacidade, discriminação, transparência, segurança e responsabilização que não podem ser ignoradas.
Mas regular riscos é apenas uma dimensão da política de inteligência artificial.
Governos também terão de decidir como incentivar pesquisa, organizar dados públicos, formar profissionais, contratar sistemas de IA, estimular competição, ampliar infraestrutura e desenvolver aplicações de interesse público. Algumas dessas decisões serão legislativas. Outras estarão na política industrial, educacional, científica, energética, de proteção de dados e de transformação digital.
O desafio, portanto, não parece estar em escolher entre regular e inovar. Está em construir instituições capazes de fazer as duas coisas.
<a href="https://conteudo.jota.info/marketing-lp-newsletter-ultimas-noticias?utm_source=jota&amp;utm_medium=lp&amp;utm_campaign=23-09-2024-jota-lp-eleicoes-2024-eleicoes-2024-none-audiencias-none&amp;utm_content=eleicoes-2024&amp;utm_term=none">Assine gratuitamente a newsletter Últimas Notícias do JOTA e receba as principais notícias jurídicas e políticas do dia no seu email</a>
O Goalkeepers sustenta que decisões tomadas nos próximos 12 a 18 meses por governos, empresas e outras instituições podem influenciar a forma como os benefícios da IA serão distribuídos. No Brasil, a sanção do Redata mostra que algumas dessas decisões já começaram a ser tomadas.
A discussão que vem a seguir será mais difícil: como transformar infraestrutura, dados e modelos em capacidade tecnológica e, principalmente, em melhores políticas e serviços para a população.
*
As opiniões contidas no texto são pessoais e não expressam o posicionamento institucional do Tribunal de Contas do Estado de São Paulo.

https://images.jota.info/wp-content/uploads/2021/09/copy-of-jota-logo-high-cmyk.jpeg

JOTA

Desafio dos governos será combinar proteção de direitos, infraestrutura, dados, formação e capacidade tecnológica

Política de IA não pode se limitar à regulação

Desafio dos governos será combinar proteção de direitos, infraestrutura, dados, formação e capacidade tecnológica