Executivos têm até 2027 para dominar ética e governança em IA

Governança

Conselheiros brasileiros e internacionais destacam a importância de ética e governança em IA para os próximos anos.

Leia também: CIEE-RS lança fórum em 17/11 para transformar gestão com IA real

Conselhos de administração e diretorias de empresas no Brasil e no exterior passaram a exigir que executivos dominem ética e governança em inteligência artificial, condição vista como essencial para aprovar investimentos, supervisionar riscos e responder por decisões automatizadas em áreas como crédito, RH e atendimento.

Por que ética e governança em IA viraram prioridade da alta liderança?

A explosão de usos de IA em processos corporativos — da seleção de candidatos à análise de crédito e ao atendimento ao cliente — levou a tecnologia para o centro da agenda da alta liderança. O ponto de atenção não é só eficiência: é o risco de sistemas reproduzirem discriminações, tratarem dados pessoais de forma ilegal ou entregarem respostas erradas com impacto direto em pessoas e resultados.

Levantamento recente com conselheiros que integram a pesquisa 2026 Annual Corporate Directors Survey mostra que 71% deles consideram necessário fortalecer as competências em inteligência artificial dentro dos próprios conselhos. Em paralelo, uma pesquisa global da Deloitte realizada em 2025 com conselheiros e executivos de 56 países apontou que 66% dos entrevistados enxergam seus conselhos com conhecimento ou experiência “limitados ou inexistentes” em IA, evidenciando uma lacuna justamente entre quem deveria supervisionar os riscos corporativos.

Na prática, ética e governança em IA sobem de assunto técnico para responsabilidade de supervisão da alta liderança, que passa a ser cobrada por investidores, reguladores e sociedade quando um algoritmo nega crédito, elimina candidatos ou prioriza atendimentos.

Entenda o contexto

Governança de IA é definida como “o conjunto de políticas, responsabilidades e mecanismos de controle utilizados para orientar o desenvolvimento e a aplicação desses sistemas”. Ela responde a perguntas que chegam à sala do conselho: quem pode autorizar o uso de determinada ferramenta, quais testes são obrigatórios antes da adoção, que métricas de desempenho serão acompanhadas e como eventuais problemas serão comunicados.

Os riscos sob análise incluem o uso inadequado de dados pessoais, decisões discriminatórias — como modelos de recrutamento que reforçam desigualdades presentes nos dados históricos — e respostas incorretas geradas por sistemas de IA generativa, capazes de induzir clientes e funcionários ao erro.

No Brasil, a Lei Geral de Proteção de Dados (LGPD) “estabelece obrigações para o tratamento de informações pessoais, inclusive quando realizado com apoio de IA”. Cumprir essas regras exige saber exatamente quais dados são usados, para que finalidade, com quais bases legais e quais mecanismos de segurança e anonimização protegem as pessoas envolvidas.

Nos Estados Unidos, o Instituto Nacional de Padrões e Tecnologia (NIST) desenvolveu um modelo de gestão de riscos em IA que organiza a atuação das empresas em quatro funções: “governar, mapear, medir e gerenciar”. A ideia é oferecer um roteiro: definir responsabilidades, identificar impactos potenciais, avaliar o desempenho dos sistemas e acompanhar riscos de forma contínua.

Quais conhecimentos sobre ética em IA as diretorias estão exigindo dos executivos?

Os conselhos passaram a cobrar dos executivos um conjunto de competências específicas, que vão além do jargão tecnológico. A expectativa é que líderes sejam capazes de explicar, em linguagem de negócios, como a IA funciona, quais dados utiliza, quais riscos traz e quais controles estão em vigor.

Na formação executiva, ganham espaço disciplinas que tratam de fundamentos de IA, proteção de dados, avaliação de riscos e critérios objetivos para supervisionar decisões automatizadas. Cursos passaram a incluir análise de vieses em modelos, leitura crítica de relatórios de desempenho e entendimento das obrigações legais ligadas ao uso de algoritmos.

Esses conhecimentos se traduzem em prática quando executivos conseguem apresentar às diretorias evidências concretas sobre segurança, resultados e riscos dos sistemas de IA empregados pela organização, em vez de depender apenas de promessas de fornecedores de tecnologia.

Outro ponto central é a capacidade de formular as perguntas certas: que dados de treinamento foram usados? Há auditorias independentes do modelo? Como o sistema se comporta com grupos vulneráveis? Quem responde se uma decisão automatizada causar dano? É esse tipo de questionamento que diretorias esperam ouvir — e ver refletido em políticas internas claras.

Como a governança em IA influencia as decisões das diretorias nas empresas?

Modelos de governança em IA já começam a moldar decisões do topo das companhias sobre quais projetos avançam, quais ficam em piloto e quais são bloqueados. Propostas de uso de algoritmos em áreas sensíveis, como concessão de crédito, monitoramento de desempenho de funcionários ou triagem de currículos, tendem a passar por critérios mais rígidos antes de receber sinal verde.

Ao seguir estruturas como a do NIST — com as funções de governar, mapear, medir e gerenciar —, conselhos conseguem transformar discussões abstratas em checklists objetivos. Um projeto só avança se mostrar que mapeou impactos, mediu desempenho com métricas de qualidade e justiça, definiu responsáveis e planos de resposta a incidentes.

A governança também pesa na destinação de recursos. Sem um arcabouço claro de políticas, responsabilidades e controles, diretorias têm relutado em aprovar grandes investimentos em IA, temendo riscos regulatórios e reputacionais. Já empresas que estruturam bem essa governança tendem a ganhar confiança de investidores e a ter mais facilidade para captar recursos para projetos tecnológicos.

Outro efeito é na transparência com stakeholders. Com normas internas consolidadas, companhias conseguem explicar a clientes, funcionários e reguladores como algoritmos são usados, que direitos as pessoas têm diante de decisões automatizadas e como contestar resultados — algo que reduz conflitos e aumenta a confiança.

Como as empresas estão adaptando suas políticas internas para ética e governança em IA?

A resposta corporativa começa pela atualização de políticas internas de tecnologia, risco e compliance para incluir regras específicas para IA. Empresas têm criado comitês de avaliação de algoritmos, definido fluxos de aprovação para novos sistemas e exigido testes padronizados antes do uso em produção.

Nessa adaptação, uma das frentes é incorporar as exigências da LGPD, com ênfase em mapeamento de dados, bases legais para tratamento, minimização de coleta e direitos dos titulares quando interagem com decisões automatizadas. Outra é adotar princípios explícitos de não discriminação, explicabilidade e supervisão humana significativa sobre decisões críticas.

Do lado da cultura interna, a tendência é incluir IA nas agendas de treinamento recorrente, não só para áreas de TI, mas para liderança de negócios e times que tomam decisões apoiadas por sistemas automatizados. A ideia é reduzir a dependência de poucos especialistas e criar fluência mínima em toda a cadeia decisória.

Ao mesmo tempo, conselhos e diretorias acompanham indicadores de risco associados à IA, da taxa de incidentes a reclamações de clientes, e começam a vincular metas de liderança ao cumprimento desses parâmetros. Quem se antecipa tende a ganhar em segurança jurídica, transparência e competitividade; quem adia a adaptação corre o risco de perder investimentos, enfrentar sanções e ver sua reputação abalada por falhas de sistemas que deveriam ser uma vantagem estratégica.