Boletim Science Policy #04: A política pública da Inteligência Artificial na Administração Pública

A adoção de inteligência artificial no governo já vem sendo debatida em diversos países, por políticos, pesquisadores, tribunais e organizações da sociedade civil. No Brasil, esse debate pode ser visto na fala do então presidente do STF e do CNJ, Luís Roberto Barroso, que afirmou: “Quem não utilizar a inteligência artificial vai ficar para trás”. ¹

A frase é reveladora na medida em que a IA deixa de aparecer apenas como uma ferramenta opcional de apoio e amplificação de habilidades pessoais e passa a ser apresentada como uma espécie de condição de modernização institucional. Algo parecido aparece nos Estados Unidos, onde o plano de IA do governo Trump foi lançado sob o título “Winning the AI Race”, com a afirmação de que “it is a national security imperative for the United States to achieve and maintain unquestioned and unchallenged global technological dominance”. ²

Em ambos os casos, a linguagem é de uma corrida unidirecional, com ganhadores e perdedores claros. A pergunta, então, não é apenas se o governo vai usar IA no exercício de suas funções. A pergunta é se o medo de “ficar para trás” pode levar o Estado a automatizar tais funções antes de construir as instituições necessárias para controlar os riscos subjacentes e governar tal inovação científico-tecnológica.

Exemplos de tal dificuldade de governança face a uma automatização de funções públicas visando eficiência são dois sistemas: o primeiro, usado em Illinois para identificar crianças em risco, deixou de considerar vulnerável uma criança que já havia sido objeto de dez investigações por abuso infantil³; já em Michigan, o sistema MiDAS, criado para detectar fraudes em benefícios de desemprego, marcou milhares de pessoas como fraudulentas, mas, depois, descobriu-se que 93% dessas acusações estavam erradas⁴. Nesses casos, não houve eficiência administrativa. Houve erro automatizado em escala. A pergunta, portanto, não é se a IA na Administração Pública é positiva ou negativa, em abstrato. A pergunta é sob quais condições ela melhora ou piora a ação estatal e qual política deve orientar seu uso e desenvolvimento.

A produção científica sobre o tema cresceu expressivamente nos últimos anos, especialmente desde 2015, com forte concentração nos Estados Unidos⁵. Um estudo de 2020, que analisou páginas de agências federais norte-americanas, encontrou que quase metade das agências avaliadas (45% de 142) já havia experimentado algum uso de IA⁶. 

Mas a adoção era muito desigual: apenas 7% das agências concentravam cerca de 70% dos usos identificados⁷. Estes iam de pesquisa regulatória e execução de mandatos regulatórios à adjudicação de benefícios, gestão interna e comunicação com o público⁸. Em termos mais simples, a IA aparece em três grandes funções: fazer política pública, executar serviços públicos e organizar a administração internamente⁹.

Um dado interessante contraria parte da literatura que enfatiza apenas a dependência do setor público em relação a fornecedores privados: neste estudo, 53% das iniciativas eram resultado de desenvolvimento interno¹⁰. Mas isso não significa que o problema da dependência desapareça. 

Seguindo outro método de pesquisa, baseado em pedidos de acesso à informação, encontraram-se obstáculos relevantes, especialmente quando os sistemas eram desenvolvidos por empresas externas. Muitas respostas aos pedidos foram negadas ou limitadas com base em segredo comercial de tais empresas¹¹. Ou seja: quanto mais o Estado terceiriza sistemas decisórios, mais difícil pode se tornar saber como eles funcionam.

Esse cenário começou a mudar, ao menos parcialmente, com novas exigências de governança. Nos Estados Unidos, a Ordem Executiva 14.110, de 2023, e o Memorando M-24-10, do Office of Management and Budget, passaram a exigir inventários, avaliação de riscos e práticas mínimas para usos de IA que afetem direitos e segurança. 

A questão se torna ainda mais sensível quando a IA deixa de ser apenas objeto de políticas públicas e passa a interferir na própria infraestrutura de formulação, financiamento e avaliação da ciência. Um bom exemplo de cautela institucional vem da National Science Foundation (NSF). Em 2023, a agência publicou diretrizes específicas sobre o uso de IA generativa no processo de revisão de mérito¹². 

O documento reconhece que tais sistemas podem apoiar a missão da agência, facilitar a criatividade e aumentar a produtividade em tarefas rotineiras. Justamente por isso, estabelece limites claros: revisores são proibidos de inserir propostas, informações de revisão e documentos relacionados em ferramentas generativas não aprovadas, pois isso violaria a confidencialidade e a integridade do processo de avaliação.

A preocupação da NSF é reveladora. Propostas científicas não são documentos administrativos comuns: contêm dados não públicos, informações pessoais e, muitas vezes, conhecimento com valor econômico ou estratégico. Por isso, se tais documentos são enviados a ferramentas externas de IA, a agência corre o risco de perder o controle sobre a informação e com isso gerar riscos informacionais e corroer a confiança no sistema de fomento. Nesse sentido, a política da NSF é um exemplo importante porque não parte da rejeição total da IA, mas a adota com cautelas. 

O contraste aparece no caso da Fundación “la Caixa”, na Espanha, que experimentou uma pré-triagem assistida por IA em seu programa de financiamento à pesquisa biomédica¹³. A ferramenta buscava identificar propostas consideradas com baixa probabilidade de sucesso antes da etapa ordinária de avaliação. Formalmente, a decisão não era automática, pois propostas sinalizadas pelo sistema ainda passavam por revisão humana. Ainda assim, a IA passou a atuar como uma camada inicial de filtragem no processo de grantmaking.

O problema advém de que a supervisão humana, por si só, não elimina a influência da máquina, mas a incorpora, por vezes. Mesmo quando o avaliador mantém a palavra final, a indicação algorítmica pode produzir o viés de ancoragem: uma proposta previamente marcada como fraca pela IA tende a ser examinada sob suspeita. Além disso, se o sistema aprende com padrões anteriores de sucesso, pode reforçar critérios conservadores e penalizar propostas heterodoxas ou advindas de perfis menos semelhantes ao historicamente aceito¹⁴. Tais considerações permanecem alheias ao julgamento algorítmico, sem que os pesquisadores tenham a possibilidade de opinar no processo.  

Transparência, aqui, não é um detalhe burocrático: é a condição para que a sociedade saiba quando e como está sendo governada por sistemas computacionais, além de por quem se responsabiliza por tal utilização. Internacionalmente, já há repositórios públicos de IA em 39% dos países ligados à Global Partnership on AI, embora variem muito em profundidade, qualidade e utilidade¹⁵. Ainda assim, esses instrumentos coexistem com problemas já bem estudados na literatura sobre o tema, como erros, vieses, baixa transparência, accountability frágil e dificuldade de contestação¹⁶. 

E, em qualquer área, incluindo a Administração Pública, aparece o chamado many-hands problem: quando algo dá errado, o servidor diz que seguiu o sistema; o gestor diz que confiou no fornecedor; o fornecedor diz que apenas entregou uma ferramenta. No fim, todos participaram no uso e desenvolvimento da ferramenta, mas ninguém responde por ela¹⁷. Por isso, alguns autores falam em uma passagem da burocracia de servidores para uma burocracia de sistemas de informação¹⁸. 

A decisão pública não desaparece, mas passa a ser mediada por modelos por vezes inescrutáveis. O centro do problema, nesses casos, não é técnico. É político e institucional: quais valores o sistema deve otimizar? Velocidade? Economia? Precisão? Igualdade? Direito de defesa? E quem decide isso?

Um exemplo simples ajuda. Qual distância lateral um veículo pesado deve manter de um ciclista? Se uma colisão for inevitável, um carro autônomo deve proteger o passageiro, o pedestre ou o motorista do veículo ao lado? Muitas dessas escolhas nunca foram legisladas em detalhe. Mas, quando viram código, precisam ser respondidas automaticamente, o tempo todo e em escala. A IA força a Administração Pública a explicitar escolhas que antes ficavam escondidas na prática cotidiana¹⁹.

A dificuldade se torna ainda maior quando pensamos em decisões comuns ao ecossistema de CT&I: definir quais áreas científicas financiar, quais talentos estrangeiros atrair ou restringir, quais infraestruturas preservar e quais tecnologias considerar estratégicas não é uma tarefa meramente operacional. São escolhas que envolvem soberania tecnológica, cooperação internacional, diversidade epistêmica e desenvolvimento de longo prazo. A IA pode ajudar a organizar informação e reduzir custos administrativos, mas não deve transformar escolhas políticas e científicas contestáveis em resultados aparentemente neutros de classificação, recomendação ou pontuação automatizada.

No Brasil, a maior parte da literatura sobre o tema ainda se concentra no Poder Judiciário. A Resolução CNJ nº 332/2020 foi pioneira ao estabelecer diretrizes de ética, transparência e governança para IA judicial. Estudos posteriores identificaram dezenas de projetos, muitos classificados como de baixo risco, e um crescimento rápido de iniciativas nos tribunais. Por exemplo, um levantamento de 2023 encontrou 140 projetos, mas apenas 37 registrados no Sinapses, o repositório do CNJ, explicitando uma dificuldade de transparência e prestação de contas²⁰. 

Fora do Judiciário, o autodiagnóstico do MGI divulgado no Observatório Brasileiro de Inteligência Artificial em 2025 indicou 161 de 232 órgãos adotando IA, cerca de 69%, com 880 projetos²¹. Os benefícios mais mencionados foram aumento de velocidade, melhoria de processos internos e redução de custos na prestação de serviços públicos²². Entretanto, os riscos ainda parecem sub-governados: apenas 17% dos órgãos informaram ter desenvolvido e implementado diretrizes ou políticas de ética em IA²³. O Estado brasileiro, portanto, já está usando IA; a governança ainda corre atrás. Salvaguardas possíveis significam avaliações de impacto, registros públicos, auditoria, supervisão humana, mecanismos de contestação e responsabilização clara. Falta adotá-las.

Então, afinal: IA no governo é boa ou ruim? A resposta da literatura é menos satisfatória, mas provavelmente mais correta: depende menos da tecnologia e mais das instituições que a cercam. O desafio não é simplesmente construir governos com inteligência artificial. É construir governos que continuem responsáveis e legítimos, levando adiante a persecução do interesse público, quando a inteligência artificial se infiltrar neles. E ela já está se infiltrando.

1. https://www.cnj.jus.br/ministro-barroso-fala-sobre-inovacoes-e-desafios-da-inteligencia-artificial-no-judiciario/?utm_source=chatgpt.com ↩︎
2. https://www.whitehouse.gov/wp-content/uploads/2025/07/Americas-AI-Action-Plan.pdf ↩︎
3. https://law.yale.edu/sites/default/files/area/center/mfia/document/algorithmic_accountability_report.pdf ↩︎
4.  Idem, ibidem.  ↩︎
5. https://repositorio.enap.gov.br/handle/1/7589?utm_source=chatgpt.com ↩︎
6. https://law.stanford.edu/education/only-at-sls/law-policy-lab/practicums-2018-2019/administering-by-algorithm-artificial-intelligence-in-the-regulatory-state/acus-report-for-administering-by-algorithm-artificial-intelligence-in-the-regulatory-state/ ↩︎
7.  Idem, ibidem.  ↩︎
8.  Idem, ibidem.  ↩︎
9. https://preprints.apsanet.org/engage/apsa/article-details/69fa21314770e67d929474f3 ↩︎
10. https://law.stanford.edu/education/only-at-sls/law-policy-lab/practicums-2018-2019/administering-by-algorithm-artificial-intelligence-in-the-regulatory-state/acus-report-for-administering-by-algorithm-artificial-intelligence-in-the-regulatory-state/ ↩︎
11. https://law.yale.edu/sites/default/files/area/center/mfia/document/algorithmic_accountability_report.pdf ↩︎
12. https://www.nsf.gov/policies/ai/merit-review ↩︎
13. https://www.cambridge.org/core/journals/data-and-policy/article/aiassisted-prescreening-of-biomedical-research-proposals-ethical-considerations-and-the-pilot-case-of-la-caixa-foundation/D17CC86C884D4F9E3A6DD9ABF3F4605E?utm_source=chatgpt.com ↩︎
14. https://robotsthink.com/2025/08/17/when-ai-rejects-your-grant-proposal-algorithms-are-helping-to-make-funding-decisions/?utm_source=chatgpt.com ↩︎
15. https://wp.oecd.ai/app/uploads/2024/12/14-Algorithmic-Transparency-in-the-Public-Sector-A-state-of-the-art-report-of-algorithmic-transparency-instruments.pdf ↩︎
16. https://law.yale.edu/sites/default/files/area/center/mfia/document/algorithmic_accountability_report.pdf ↩︎
17. https://preprints.apsanet.org/engage/apsa/article-details/69fa21314770e67d929474f3 ↩︎
18. https://scholarship.law.duke.edu/dlj/vol71/iss6/5/ ↩︎
19. https://preprints.apsanet.org/engage/apsa/article-details/69fa21314770e67d929474f3 ↩︎
20. https://www.cnj.jus.br/wp-content/uploads/2024/06/pesquisa-uso-da-inteligencia-artificial-ia-no-poder-judiciario-2023.pdf ↩︎
21. https://obia.nic.br/s/indicadores-mgi ↩︎
22.  Idem, ibidem. 
    ↩︎
23.  Idem, ibidem.  ↩︎

---

SAIBA MAIS

Nas últimas semanas, uma palavra ajuda a entender boa parte da política científica contemporânea: grants. Nos Estados Unidos, a disputa é sobre quem controla a concessão de recursos federais à pesquisa. Na União Europeia, o debate sobre o próximo Horizon Europe revela que o desenho dos grants define a fronteira entre ciência aberta, competitividade industrial e soberania tecnológica. No Brasil, a CAPES alterou regras que afetam diretamente o risco individual da formação científica, ao revogar a exigência de restituição de bolsas em caso de não titulação e regulamentar proteções para mães e pais na pós-graduação. Em todos os casos, grants aparecem menos como simples financiamento e mais como instrumentos de governo da ciência.

Integridade científica e confiança no sistema científico

1. Unidade de fiscalização da NSF deixa de investigar má conduta científica

A Science revelou que o Office of Inspector General da NSF deixou de conduzir investigações próprias sobre má conduta científica, transferindo às universidades a apuração das denúncias contra seus pesquisadores. A mudança, atribuída a cortes e redução de pessoal no órgão, preocupa especialistas por enfraquecer uma camada independente de supervisão sobre fraudes, plágio e fabricação de dados em pesquisas financiadas com recursos públicos.

Link: https://www.science.org/content/article/exclusive-nsf-watchdog-unit-no-longer-investigating-research-misconduct 

2. Agências dos EUA não estão preparadas para o custo do acesso aberto

Relatório do Government Accountability Office alerta que a exigência federal de tornar pesquisas financiadas com recursos públicos imediatamente abertas pode elevar fortemente os gastos com taxas de publicação, chegando a US$ 937 milhões até 2030. O debate opõe a ampliação do acesso público ao conhecimento ao risco de reforçar modelos caros de publicação acadêmica baseados em taxas pagas por autores ou instituições.

Link: https://www.science.org/content/article/u-s-agencies-aren-t-ready-rising-cost-making-research-papers-free-report-warns

3. IA pode contaminar ou fortalecer as ciências sociais

A Nature discute como LLMs podem afetar as ciências sociais, tanto contaminando respostas de surveys e facilitando estudos frágeis ou fabricados, quanto ampliando a robustez metodológica por meio de análises de sensibilidade e checagens estatísticas em larga escala. O problema é especialmente relevante porque áreas como psicologia, sociologia, economia e ciência política dependem fortemente de dados de survey e grandes bases observacionais.

Link: https://www.nature.com/articles/d41586-026-01726-y 

4. Pesquisadores questionam o hype dos mercados preditivos em ciência

A Nature analisa o uso de mercados preditivos como Polymarket e Kalshi para prever eventos científicos, de pandemias a clima e computação quântica. Pesquisadores afirmam que esses mercados podem capturar percepções públicas e servir como sinal complementar, mas não substituem modelos científicos, revisão por pares ou julgamento especializado, especialmente quando traders não dominam o tema ou quando há risco de manipulação.

Link: https://www.nature.com/articles/d41586-026-01688-1 

Governança do fomento e avaliação da pesquisa

5.  Casa Branca propõe maior controle político sobre grants científicos

A Casa Branca propôs uma ampla mudança nas regras de financiamento científico federal, aumentando a supervisão de indicados políticos sobre a concessão de grants e restringindo colaborações estrangeiras e o uso de recursos para taxas de publicação em acesso aberto. Críticos afirmam que a medida substituiria a revisão por pares por controle político, enquanto outros comemoraram a manutenção, por ora, das regras de reembolso de custos indiretos.

Link: https://www.science.org/content/article/white-house-seeks-tighten-political-oversight-grantmaking e https://www.aip.org/newsletter/0000019e-83db-d051-a9ff-dffbe0fd0000

6. HHS passa a revisar conteúdo científico de grants do NIH

A Science revelou que grants já aprovados pelo NIH passaram a ser submetidos a uma revisão adicional pelo Departamento de Saúde e Serviços Humanos dos EUA, com pedidos de alterações de linguagem, escopo e desenho de pesquisa. Funcionários do NIH afirmam que a prática enfraquece a revisão por pares e politiza decisões científicas, especialmente em projetos envolvendo termos como diversidade, gênero e equidade.

Link: https://www.science.org/content/article/exclusive-hhs-now-weighing-science-nih-grants 

7. CAPES deixa de cobrar devolução de bolsas em caso de não conclusão da pós-graduação

A CAPES revogou a regra que obrigava bolsistas a devolver valores recebidos quando não concluíam mestrado ou doutorado, mudança aplicável a programas como Demanda Social, PROSUP, PROSUC e PROEX. A medida reduz o risco financeiro individual de pesquisadores em formação e sinaliza uma abordagem menos punitiva para trajetórias acadêmicas interrompidas.

Link: https://www1.folha.uol.com.br/educacao/2026/06/capes-deixa-de-cobrar-devolucao-de-valores-de-bolsas-de-quem-nao-termina-pos-graduacao.shtml

8. CAPES regulamenta prorrogação de bolsas para mães e pais na pós-graduação

A CAPES regulamentou a prorrogação de bolsas de pós-graduação em casos de parto, nascimento de filho, adoção ou guarda judicial, garantindo continuidade do pagamento durante o afastamento. A norma prevê 180 dias para mães, 30 dias para pais e proteção ampliada em situações como gravidez de risco, internação prolongada, parentalidade atípica e perda gestacional.

Link: https://www.gov.br/capes/pt-br/assuntos/noticias/capes-regulamenta-prorrogacao-de-bolsas-para-maes-e-pais-na-pos-graduacao 

9. MCTI e CNPq lançam chamada de R$ 8 milhões para a Semana Nacional de Ciência e Tecnologia

MCTI e CNPq abriram chamada pública de R$ 8 milhões para apoiar eventos gratuitos de divulgação científica da 23ª Semana Nacional de Ciência e Tecnologia, que terá como tema “Ciência Delas”. O edital prevê distribuição regional dos recursos, com pelo menos 30% para propostas do Norte, Nordeste e Centro-Oeste, além de reserva de 30% dos projetos contemplados para proponentes negros ou indígenas.

Link: https://www.gov.br/mcti/pt-br/acompanhe-o-mcti/noticias/2026/05/mcti-e-cnpq-abrem-chamada-publica-de-r-8-milhoes-para-apoiar-eventos-nacionais-da-snct 

10. MCTI e CNPq lançam chamada BRICS de R$ 33 milhões para pesquisa internacional

MCTI e CNPq abriram a 7ª Chamada BRICS-STI, com R$ 33 milhões para projetos internacionais de pesquisa, desenvolvimento e inovação em cooperação com países do BRICS. A chamada apoia redes temáticas e projetos estratégicos em áreas como inteligência artificial, saúde, energia, biotecnologia, segurança digital, recursos hídricos, computação de alto desempenho e hidrogênio verde.

Link: https://www.gov.br/mcti/pt-br/acompanhe-o-mcti/noticias/2026/05/mcti-e-cnpq-lancam-chamada-brics-com-r-33-milhoes-para-projetos-internacionais-de-pesquisa

11. Governos da UE tentam fechar acordo sobre o próximo Horizon Europe

Ministros de pesquisa da União Europeia tentam chegar ainda em junho a um acordo parcial sobre o FP10, o próximo programa Horizon Europe, previsto para 2028. As negociações envolvem pontos sensíveis como definição de prioridades estratégicas, parcerias, medidas para países com sistemas científicos menos desenvolvidos e financiamento colaborativo bottom-up, em meio à preocupação de evitar atrasos e preservar a competitividade científica europeia.

Link: https://sciencebusiness.net/news/fp10/eu-governments-make-final-push-fp10-deal-month 

12. ERC lança grants de até €7 milhões para pesquisa de fronteira

O European Research Council abriu a primeira chamada dos ERC Plus Grants, com financiamento de até €7 milhões para 30 projetos de pesquisa sem restrição temática ou etapa de carreira. A iniciativa integra o esforço europeu de atrair talentos internacionais, mas deve ter competição extremamente alta pelo número limitado de bolsas disponíveis.

Link: https://sciencebusiness.net/news/r-d-funding/european-research-council/erc-opens-first-call-once-lifetime-eu7m-grants

Talento, liberdade científica e autonomia institucional

13. 45 universidades brasileiras caem em ranking mundial

O ranking do Center for World University Rankings de 2026 indicou queda de 45 das 52 universidades brasileiras avaliadas, com retrocesso atribuído sobretudo ao desempenho em pesquisa e ao financiamento inadequado. A USP segue como a instituição brasileira mais bem colocada, mas também perdeu posição no ranking global.

Link: https://www.poder360.com.br/poder-educacao/45-universidades-brasileiras-caem-em-ranking-mundial-por-desempenho/

14. USP segue como melhor universidade da América Latina no ranking CWUR

A USP ficou na 119ª posição entre mais de 21 mil universidades avaliadas pelo ranking Global 2000 do CWUR, mantendo-se como a melhor instituição do Brasil, da América Latina e do Caribe. O desempenho foi puxado principalmente pela dimensão de pesquisa, em que a universidade aparece entre as 100 melhores do mundo em citações de artigos científicos.

Link: https://jornal.usp.br/institucional/usp-e-a-melhor-universidade-da-america-latina-e-figura-entre-as-120-melhores-do-mundo-em-ranking-internacional/

15. Parlamentares propõem banir colaborações científicas entre EUA e China

Parlamentares norte-americanos propuseram uma medida para proibir colaborações de pesquisa entre cientistas dos EUA e da China, sob o argumento de proteger a segurança nacional e impedir transferência de conhecimento estratégico. Críticos afirmam que a proibição ampla enfraqueceria a ciência norte-americana ao cortar fluxos de ideias, dados e talentos em áreas altamente dependentes de cooperação internacional.

Link: https://www.science.org/content/article/lawmakers-propose-banning-all-u-s-chinese-research-collaborations 

16. Má supervisão afasta jovens pesquisadores da academia

Uma pesquisa com mais de 2.600 pesquisadores aponta que experiências negativas com orientadores são comuns e podem afetar significativamente a saúde mental de doutorandos, pós-docs e jovens cientistas. Quase metade dos ex-pesquisadores entrevistados citou problemas com supervisão como um dos fatores para deixar a academia, reforçando a importância de formação em liderança, mentoria e boas práticas de orientação.

Link: https://www.nature.com/articles/d41586-026-01693-4 

---

PROJETOS DE LEI

Ao final desta edição, apresentamos uma tabela com projetos de lei em tramitação. Todos abordam temas relevantes para a governança científica, tais como financiamento, relações com fundações de apoio, regime previdenciário de bolsistas e participação feminina em carreiras científicas. Convidamos nossos leitores a sugerir projetos de lei que mereçam atenção, sejam eles federais, estaduais ou mesmo municipais.