Conselhos levam governança da IA ao centro da estratégia

Governança

Conselhos empresariais no Brasil assumem papel estratégico na gestão de riscos e resultados em projetos de inteligência artificial.

Leia também: ChatGPT é requisito em 831 vagas no Brasil em 2026; saiba mais

Conselhos de administração de empresas brasileiras, especialmente de tecnologia e intensivas em dados, passaram a discutir e aprovar formalmente projetos de inteligência artificial (IA), com critérios claros para risco jurídico, dependência de fornecedores e impacto financeiro, e não mais só pela viabilidade técnica.

IA deixa o time de tecnologia e entra na pauta do conselho

Segundo o board member Murilo Moura Alencar, a decisão sobre usar ou não IA já não pode ficar restrita à área de tecnologia quando envolve dados sensíveis de clientes, contratos complexos e custos operacionais de longo prazo. “Conselhos que delegam integralmente a escolha ao time de tecnologia assumem um risco difícil de dimensionar depois”, afirma.

Quando uma companhia decide processar dados de clientes em modelos externos, a consequência extrapola qualquer diretoria isolada: mexe com cláusulas contratuais, exposição regulatória e até com o valor do negócio. Por isso, a avaliação passou a ocupar o mesmo espaço de decisões como expansão de operações ou mudanças na estrutura de capital, com registro formal do que foi analisado para eventuais auditorias.

Entenda o contexto

A adoção acelerada de IA nas empresas brasileiras trouxe ganhos de eficiência, mas também abriu frentes de risco: modelos que erram com frequência estatisticamente conhecida, contratos com grandes fornecedores globais, alterações unilaterais de preço e termos de uso, além de projetos que consomem orçamento por trimestres sem retorno mensurável. Nessa conjuntura, conselhos vêm redesenhando sua composição para incluir competências específicas em tecnologia, segurança de dados e regulação de IA.

Na avaliação do advogado Rodrigo Gonçalves Pimentel, sócio do escritório Pimentel & Mochi Advogados Associados, inovação e governança caminham juntas em momentos de ajuste. “A inovação é um dos principais motores para empresas que superam a fase de recuperação”, diz. Para ele, tratar IA como tema estratégico e não apenas técnico é condição para que esses investimentos não virem passivo jurídico.

Do problema de negócio ao filtro de riscos

Murilo Alencar descreve que o primeiro filtro adotado hoje em conselhos começa longe do fascínio pela tecnologia. O ponto de partida é o problema de negócio: qual processo melhora, em termos concretos, se o projeto de IA funcionar. Ideias que nascem do caminho inverso — primeiro a ferramenta, depois a busca de uso — tendem a ser descartadas.

“Projetos nascidos da ordem invertida consomem orçamento por trimestres seguidos sem efeito mensurável em receita, custo ou risco”, resume o conselheiro. A exigência é que, já na apresentação, a área patrocinadora consiga descrever qual linha do resultado será afetada e como esse efeito será medido.

O segundo filtro mira o erro, não o acerto. “Modelos estatísticos produzem resultados incorretos com regularidade conhecida, e a pergunta relevante envolve quem percebe o erro, em quanto tempo e com qual custo de correção”, afirma Murilo. Em aplicações críticas — como análise de crédito, precificação, saúde ou atendimento a grandes clientes — a supervisão humana precisa ser desenhada antes da implantação, porque ela define o custo operacional real, muitas vezes ausente da planilha inicial.

Dependência de fornecedores entra na conta

Outro ponto que migrou para a mesa do conselho é a dependência de fornecedores externos de IA. “Boa parte das aplicações corporativas roda sobre modelos de terceiros, arranjo que acelera a entrada e cria um ponto de concentração relevante”, explica Murilo Alencar. Na prática, isso significa que uma mudança unilateral de preço, de termos de uso ou a simples descontinuação de uma versão pode paralisar processos inteiros.

Para mitigar esse risco sem abrir mão da velocidade, conselhos têm cobrado arquiteturas flexíveis, com camadas de abstração que permitam trocar de modelo sem reconstruir todo o sistema, além de registro próprio dos dados e avaliação periódica de alternativas. Essa combinação reduz o custo de mudança e preserva poder de negociação com grandes fornecedores, evitando que a empresa fique “presa” à primeira solução adotada.

Indicadores e reavaliações evitam projetos eternos

Se a aprovação mudou, o acompanhamento também. “Aprovar um projeto de inteligência artificial sem definir como ele será medido devolve o assunto ao conselho meses depois em forma de discussão improdutiva”, diz Murilo Alencar. Hoje, a prática é já sair da reunião com indicadores acordados, prazo de reavaliação e critérios objetivos para encerrar iniciativas que não entregarem o prometido.

Esses indicadores vão além de métricas técnicas, como acurácia de modelos, e incluem impacto financeiro, redução de risco e qualidade percebida pelo cliente. O objetivo é dar transparência sobre o que se esperava da iniciativa e evitar que projetos continuem apenas pelo montante já gasto.

Conselhos se redesenham para lidar com IA

Essa nova fase da governança de IA vem pressionando a própria composição dos conselhos. Empresas de tecnologia e corporações intensivas em dados começam a buscar membros com histórico em transformação digital, regulação de dados e avaliação de risco tecnológico, capazes de traduzir promessas em capacidade real e de confrontar projeções otimistas com critérios de retorno e segurança.

Na visão de Rodrigo Pimentel, a governança eficaz da IA tende a se tornar processo contínuo, com revisões periódicas de projetos, auditorias formais sobre uso de dados e reexame de contratos com fornecedores. Para ele, o ganho é duplo: aumenta a segurança jurídica e a transparência perante acionistas, clientes e órgãos reguladores, ao mesmo tempo em que dá às empresas condições de inovar com mais confiança, ainda que às custas de decisões estratégicas mais complexas e da necessidade de maior integração entre times técnicos, jurídicos e financeiros.