Resumo Executivo: IA Generativa no Serviço Público

[cite_start]Este resumo executivo analisa as diretrizes e fundamentos apresentados no guia elaborado pela Secretaria de Governo Digital (SGD) e pelo SERPRO[cite: 35]. [cite_start]O documento visa orientar servidores públicos brasileiros sobre a adoção ética e técnica da Inteligência Artificial Generativa (IAG)[cite: 35, 38].

1. Objetivo Principal

[cite_start]O objetivo central do guia é fornecer um referencial teórico e prático para o uso responsável da Inteligência Artificial Generativa no setor público[cite: 35, 38]. [cite_start]Busca-se capacitar o servidor para navegar por essas ferramentas, maximizando benefícios — como a otimização de processos e a melhoria no atendimento ao cidadão — enquanto se mitigam riscos inerentes à tecnologia[cite: 38, 39].

2. Metodologia Utilizada

A elaboração do guia baseou-se em uma abordagem colaborativa e normativa, envolvendo:

• [cite_start]Colaboração Interinstitucional: Participação de órgãos do Núcleo de IA do Governo, como Casa Civil, MCTI, ENAP e Dataprev[cite: 35].
• [cite_start]Alinhamento Estratégico e Legal: O guia está inserido no contexto do Plano Brasileiro de Inteligência Artificial [cite: 36] [cite_start]e utiliza como base os princípios constitucionais da administração pública (Legalidade, Impessoalidade, Moralidade, Publicidade e Eficiência)[cite: 93, 94, 96, 99, 102, 104].
• [cite_start]Classificação de Risco: Adoção da categorização proposta pelo Projeto de Lei nº 2338/2023, que define níveis de risco (excessivo, alto, moderado e baixo) para determinar as obrigações regulatórias[cite: 159, 162].

3. Principais Descobertas e Conclusões

• [cite_start]Dualidade de Modelos (Abertos vs. Fechados): Instituições devem escolher entre modelos fechados (fáceis de integrar, mas "caixas pretas" com dados externos) [cite: 67, 68, 75] [cite_start]e modelos abertos (que oferecem maior controle, privacidade e possibilidade de execução local)[cite: 77, 78].
• [cite_start]Riscos Inerentes e Vieses: A IAG opera por probabilidade e pode gerar alucinações (informações inventadas)[cite: 52, 114]. [cite_start]Além disso, os modelos podem reproduzir vieses de representatividade, seleção ou exclusão presentes nos dados de treinamento[cite: 54, 151, 153, 155].
• [cite_start]Inovação via RAG: A técnica de Geração Aumentada via Recuperação (RAG) destaca-se como tendência para a gestão de conhecimento, pois permite integrar bases de dados específicas ao modelo sem necessidade de retreinamento, garantindo respostas mais precisas[cite: 87, 89, 91].

4. Implicações Práticas

• [cite_start]Revisão Humana Obrigatória: Nenhuma decisão assistida por IAG deve ser adotada ou publicada sem validação humana técnica e institucional[cite: 106, 252]. [cite_start]A responsabilidade autoral e jurídica do documento permanece integralmente do servidor[cite: 284, 285].
• [cite_start]Segurança de Dados e Anonimização: É vedado o uso de dados sensíveis ou pessoais de cidadãos e servidores em ferramentas não aprovadas oficialmente[cite: 217, 305, 314]. [cite_start]Recomenda-se o uso de técnicas de anonimização e contas desvinculadas da instituição para testes[cite: 139, 299].
• [cite_start]Transparência Institucional: Sempre que um conteúdo for gerado com auxílio de IA, essa informação deve ser explicitada (ex: em notas de rodapé), garantindo o direito de auditoria e contestação[cite: 103, 288].