IBGP Guia — Inteligência Artificial

Como Implementar a Inteligência Artificial no Setor Público

Um guia estratégico, abrangente e fundamentado para gestores, técnicos e auditores que desejam transformar a administração pública por meio da IA Generativa, com governança, segurança e visão de futuro.

A Inteligência Artificial (IA) deixou de ser uma promessa distante e tornou-se uma realidade inadiável para a administração pública brasileira. Mais do que uma tendência tecnológica, sua adoção representa uma decisão estratégica que pode redefinir a produtividade, a qualidade dos serviços prestados ao cidadão e a própria capacidade de resposta do Estado. Esta página-pilar consolida, de forma estruturada e didática, os principais aprendizados, fundamentos teóricos, melhores práticas e visões de futuro sobre o tema, com base no extenso trabalho desenvolvido pelo Professor Rainério Rodrigues Leite no Fórum IBGP. O objetivo é oferecer ao leitor — seja ele dirigente, servidor ou estudioso da gestão pública — um roteiro claro para compreender a tecnologia, planejar sua implementação e capacitar suas organizações para a era da automação cognitiva.

1. Contexto: Por que a IA é hoje uma agenda imperativa para o setor público?

A administração pública brasileira atravessa um momento de inflexão. O avanço acelerado da Inteligência Artificial Generativa (IAG), especialmente após o lançamento do ChatGPT pela OpenAI em novembro de 2022, deslocou a discussão sobre tecnologia do campo da curiosidade para o campo da estratégia. Não se trata mais de saber se a IA será incorporada à gestão pública, mas como e em que ritmo esse processo ocorrerá. Aqueles que postergam a jornada correm o risco de ver suas organizações — e suas próprias carreiras — tornarem-se defasadas em poucos anos.

Pesquisas internacionais, incluindo dados citados pela Casa Branca, indicam que a IA pode ampliar a produtividade em até 4,8 vezes, com ganhos da ordem de 25% no tempo de execução de tarefas e economia de cerca de 10 horas mensais por servidor. No Brasil, o cenário também é promissor: 60% dos tribunais de contas já implementaram alguma solução de IA, e 45% planejam expandir seu uso. O Tribunal de Contas da União (TCU) foi reconhecido pela OCDE, em pesquisa entre 59 órgãos de controle de 39 países, por seu uso avançado da tecnologia. Esses números demonstram que a corrida já começou — e que o setor público precisa se posicionar.

Implementar IA em órgãos públicos, no entanto, não é uma decisão meramente tecnológica. É uma decisão institucional que exige patrocínio da alta gestão, governança multidisciplinar, qualidade de dados, segurança da informação, capacitação contínua e tolerância à experimentação. Esta página-pilar percorre, de forma sistemática, cada um desses elementos.

2. A trajetória da IA: dos neurônios artificiais à IA Generativa

Compreender de onde vem a IA é essencial para captar para onde ela vai. As raízes da Inteligência Artificial remontam a 1943, quando Warren McCulloch (neurocientista) e Walter Pitts (matemático) propuseram um modelo matemático para descrever o funcionamento dos neurônios biológicos. A constatação de que a atividade neural baseada em impulsos elétricos podia ser representada por lógica binária (0 e 1) lançou as bases para as redes neurais artificiais.

Em 1950, Alan Turing, frequentemente apontado como o pai da IA, propôs o célebre “Teste de Turing”, critério para avaliar se uma máquina poderia exibir comportamento inteligente indistinguível do humano. O termo “Inteligência Artificial” foi oficialmente cunhado em 1956, na Conferência de Dartmouth. Em 1964, Joseph Weizenbaum desenvolveu o ELIZA, primeiro chatbot, capaz de simular conversas terapêuticas. Em 1966, Stanford apresentou um robô capaz de navegar em ambientes.

Após o chamado “inverno da IA” (1966-1997), marcado por expectativas frustradas, a área ressurgiu com força em 1997, quando o Deep Blue da IBM derrotou Garry Kasparov no xadrez. Seguiram-se marcos como o reconhecimento de voz pelo Google (2008), o Watson da IBM (2011) e a vitória do AlphaGo da DeepMind sobre Lee Sedol (2016).

O ponto de virada que tornou possível a IA Generativa ocorreu em 2017, com a publicação do artigo “Attention Is All You Need”, de uma equipe do Google. Esse artigo introduziu a arquitetura Transformers, que revolucionou o processamento de linguagem natural ao permitir que modelos analisassem o contexto de forma global, atribuindo pesos de atenção a diferentes palavras de uma sequência. Foi essa arquitetura que fundamentou os Grandes Modelos de Linguagem (LLMs) e, em última instância, o ChatGPT lançado pela OpenAI em novembro de 2022.

3. IA tradicional versus IA Generativa: a distinção que muda tudo

A diferença fundamental entre a IA tradicional e a IA Generativa está na capacidade de criar conteúdo novo. A IA tradicional é voltada para análise de dados existentes, reconhecimento de padrões e identificação de características — ela classifica, prediz e otimiza com base em dados de treinamento previamente fornecidos. É excelente em tarefas como reconhecimento de voz, identificação de imagens, tradução e detecção de fraudes.

Já a IA Generativa, baseada em modelos como os Transformers e os LLMs, vai além: ela cria. Produz textos coerentes, imagens realistas, áudios, vídeos e até códigos de programação que nunca existiram antes, a partir de prompts (comandos) fornecidos pelo usuário. Sua natureza é probabilística, o que pode levar a “alucinações” — informações convincentes, mas factualmente incorretas — fenômeno que vem sendo progressivamente mitigado.

Para o setor público, essa distinção tem impactos profundos. A IA tradicional otimiza processos existentes; a IA Generativa abre portas para aplicações transformadoras: redação de pareceres jurídicos, sumarização de processos, criação de conteúdos para campanhas, interação em linguagem natural com bases de dados institucionais e personalização de respostas ao cidadão. A IAG não apenas automatiza — ela inova a forma como a informação é produzida e consumida no ambiente governamental.

4. Benefícios estratégicos da implementação da IA em órgãos públicos

A adoção estratégica da IA no setor público entrega benefícios que se acumulam em diferentes camadas da gestão. Os principais ganhos podem ser organizados em cinco vetores:

4.1. Aumento expressivo da produtividade

A automação de tarefas rotineiras e de alto volume — geração de documentos, análise de processos, sumarização de relatórios — libera servidores para atividades de maior valor agregado. Tarefas que antes demandavam dias podem ser concluídas em horas, com qualidade equiparável ou superior.

4.2. Melhoria da qualidade dos serviços

Sistemas de IA reduzem a margem de erro humano, padronizam respostas e ampliam a disponibilidade de atendimento. Chatbots bem desenhados — como o da Receita Federal — oferecem atendimento 24×7 com precisão controlada, reservando os atendentes humanos para casos sensíveis.

4.3. Análise avançada e decisões baseadas em dados

A IA processa volumes de dados inacessíveis à análise humana, identificando padrões e gerando insights que orientam políticas públicas. A IAG democratiza ainda mais essa capacidade ao permitir que gestores conversem com seus dados em linguagem natural, dispensando intermediação técnica.

4.4. Inovação e modernização institucional

Organizações que adotam IA demonstram compromisso com a vanguarda, atraem talentos e cultivam culturas de aprimoramento contínuo. A IA é catalisadora de uma administração mais inteligente, ágil e adaptável.

4.5. Aprimoramento da experiência do cidadão

Filas reduzidas, burocracia simplificada e personalização de serviços tornam a relação entre Estado e sociedade mais fluida e responsiva. A IA reposiciona o cidadão no centro da prestação de serviços públicos.

5. Governança da IA Generativa: o pilar inegociável

Sem uma estrutura robusta de governança, o potencial transformador da IA pode rapidamente se converter em risco institucional — vazamento de dados sensíveis, decisões baseadas em informações incorretas, falhas de segurança e exposição reputacional. A governança não é um obstáculo à inovação; ela é a condição para que a inovação seja sustentável.

5.1. Engajamento da alta gestão

O patrocínio da liderança é o primeiro elemento crítico. A omissão da alta gestão é especialmente perigosa: como os servidores têm acesso fácil a ferramentas de IAG em seus dispositivos, eles inevitavelmente farão uso delas. Sem orientação clara, esse uso pode ocorrer com inserção de dados sigilosos em plataformas públicas, aceitação acrítica de respostas geradas e exposição da organização. A liderança precisa ser mentora, não apenas autorizadora.

5.2. Abordagem multidisciplinar

A governança da IAG não pode ser delegada exclusivamente à TI. Ela exige um grupo multidisciplinar que envolva, no mínimo:

• Áreas finalísticas: são quem conhece os processos de trabalho e os casos de uso reais.
• Jurídico: trata de conformidade, ética e privacidade de dados.
• Comunicação: assegura transparência e engajamento.
• Capacitação: prepara servidores para o novo paradigma.
• Segurança da informação: protege ativos digitais e dados sensíveis.
• Inovação: identifica oportunidades e fomenta experimentação.
• TI: fornece infraestrutura, integração e suporte tecnológico.

5.3. Políticas claras e diretrizes de uso

As políticas devem orientar — e não apenas restringir. Devem informar quais dados podem ou não ser inseridos em ferramentas de IAG públicas, como verificar a acurácia das respostas geradas, e quais são as fronteiras éticas do uso. O guia de boas práticas elaborado pelo TCU é um exemplo a ser estudado e adaptado.

5.4. Visão estratégica e mapeamento de casos de uso

A IA não deve ser implementada por si só. Deve responder a problemas concretos: gerar valor, aumentar produtividade, melhorar qualidade, reduzir custo. O mapeamento prévio de casos de uso, projetos-piloto e métricas claras é o que distingue uma adoção estratégica de uma adoção meramente reativa.

5.5. Qualidade dos dados e segurança da informação

Sem dados estruturados, limpos e confiáveis, qualquer modelo produzirá resultados pobres — o clássico “lixo entra, lixo sai”. A segurança, por sua vez, exige controles de acesso rigorosos, criptografia e proibição expressa de upload de informações sigilosas em LLMs públicos, pois esses dados podem ser incorporados ao treinamento do modelo e tornarem-se inadvertidamente acessíveis.

6. Qualidade dos dados: o combustível da IA

Modelos de IA aprendem padrões a partir dos dados que recebem. Se esses dados são incompletos, inconsistentes, desatualizados ou desestruturados, os resultados produzidos serão igualmente falhos. Para entidades públicas, que lidam com legislação, processos jurídicos, dados fiscais e informações de cidadãos, a qualidade dos dados é determinante por cinco razões:

1. Confiabilidade das decisões: políticas públicas, alocação de recursos e decisões de controle baseadas em dados ruins geram injustiça e ineficiência.
2. Precisão das análises: a IAG só sumariza, sintetiza e responde com qualidade se os dados de origem forem consistentes.
3. Segurança e privacidade: dados mal categorizados aumentam a vulnerabilidade.
4. Eficiência da implementação: dados bem estruturados aceleram o desenvolvimento e reduzem custos de manutenção.
5. Credibilidade institucional: a confiança dos usuários e dos cidadãos depende da consistência dos resultados entregues pela IA.

Investir em curadoria, limpeza e estruturação de dados não é, portanto, etapa acessória — é pré-requisito. Mesmo que a organização ainda não esteja em condições ideais, esse trabalho deve começar imediatamente, em paralelo às demais iniciativas.

7. Capacitação, engenharia de prompt e novas competências

A introdução da IA Generativa no setor público é uma transformação tecnológica e, igualmente, cultural. Servidores que não sabem interagir com a IA tendem a frustrar-se com respostas imprecisas e descartar a ferramenta — concluindo erroneamente que “a tecnologia não presta”. A realidade é outra: a IAG exige do usuário a capacidade de orientá-la com clareza, e essa capacidade tem nome: engenharia de prompt.

A engenharia de prompt é a arte de formular comandos, perguntas ou instruções de forma a obter respostas precisas, relevantes e úteis. Em vez de um pedido vago como “resuma este documento”, um prompt bem construído especificaria: “Resuma este parecer jurídico em 500 palavras, focando nos pontos-chave para a decisão do caso X, em linguagem formal voltada a um gestor não-jurídico”. A diferença de qualidade entre os dois resultados é abissal.

Além da engenharia de prompt, a capacitação deve abordar:

• Uso ético e responsável: conscientização sobre limites, alucinações e riscos de exposição de dados.
• Pensamento crítico: capacidade de validar e contestar resultados gerados pela IA.
• Supervisão humana: a IA é copiloto, não piloto. Decisões críticas exigem revisão humana.
• Adaptação ao novo mercado de trabalho: tarefas rotineiras serão automatizadas; criatividade, julgamento ético, interação humana e resolução de problemas complexos ganham peso.

8. Inovação, experimentação e mecanismos de fomento

O ritmo de evolução da IA exige uma postura experimental: testar, aprender, ajustar. A aversão ao erro, tão comum no setor público, precisa ceder espaço à tolerância controlada ao risco — sob pena de a organização ficar paralisada enquanto a tecnologia avança. Mecanismos para fomentar essa cultura incluem:

• Políticas de fomento à inovação que valorizem o aprendizado, mesmo a partir de fracassos parciais.
• Modalidades de contratação flexíveis, como encomenda tecnológica e compras públicas para inovação (CPIs), que permitem contratar resultados ainda incertos.
• Parcerias com universidades, centros de pesquisa e startups para acessar expertise externa.
• Laboratórios de inovação ou sandboxes regulatórias, ambientes controlados onde tecnologias podem ser testadas com baixo risco operacional.
• Comunidades de prática internas e externas, que aceleram aprendizado coletivo e evitam o desperdício de “reinventar a roda”.
• Programas de capacitação contínua que formem talentos internos e atraiam profissionais qualificados.

9. Principais ferramentas de IA Generativa para o setor público

O ecossistema de ferramentas de IAG é variado e cresce rapidamente. A escolha depende das necessidades do órgão, da sensibilidade dos dados e do grau de integração desejado.

• ChatGPT (OpenAI): referência em geração de texto e código, com versões avançadas (GPT-4 e superiores). Pode ser integrado a bases internas, como faz o ChatTCU.
• Copilot (Microsoft): integra LLMs aos aplicativos Microsoft 365 (Word, Excel, PowerPoint, Teams) e ao Windows 11. O GitHub Copilot, voltado a programadores, pode aumentar a produtividade de equipes de TI em até 30%.
• Gemini (Google): modelo multimodal que processa texto, imagem, áudio e vídeo, com integração à base de conhecimento do Google.
• Perplexity AI: destaca-se por respostas com atualização em tempo real e citação de fontes — característica valiosa para pesquisa rastreável.
• NotebookLM (Google): permite upload de múltiplos documentos e conversa específica com seu conteúdo. Útil para análise aprofundada de processos e relatórios.
• Claude (Anthropic): modelo de linguagem com forte foco em segurança e ética, voltado a textos formais e de alta precisão.
• DeepSeek: alternativa de origem chinesa com bom desempenho em código e raciocínio lógico, relevante em contextos que demandem autonomia tecnológica.

10. Exemplos práticos no Brasil: TCU, Receita Federal e Judiciário

10.1. Tribunal de Contas da União (TCU)

O TCU desenvolveu o ChatTCU apenas três meses após o lançamento do ChatGPT. A ferramenta integra bases internas — peças processuais, jurisprudência, normas e informações administrativas — permitindo que servidores conversem com esses dados em linguagem natural. Utiliza modelos como GPT, Claude, DeepSeek e Gemini, e teve seu código compartilhado com mais de 120 órgãos, incluindo CNJ, Senado, Câmara dos Deputados e Tribunais de Contas estaduais.

10.2. Receita Federal do Brasil

A Receita opera um chatbot que evita “alucinações” por meio de uma estratégia inteligente: em vez de respostas abertas, conduz o usuário por menus de opções pré-definidas, garantindo precisão e segurança da informação. É um excelente caso de uso controlado e eficaz em larga escala.

10.3. Poder Judiciário

Um desembargador conseguiu reduzir suas pendências de 30 mil processos para zero com o auxílio da IA, ao montar uma equipe especializada em seu gabinete. O presidente do STF tem sido um forte incentivador da expansão da IA no Judiciário, reconhecendo seu potencial para acelerar a tramitação e a análise processual.

10.4. Governo Federal

O Governo Federal investe em ferramentas que permitem a cidadãos e servidores conversarem com a legislação em linguagem natural, democratizando o acesso à informação jurídica e desburocratizando consultas.

11. O futuro: agentes autônomos de IA e a transformação profissional

A próxima fronteira da IA são os agentes de IA generativa — sistemas capazes de executar processos complexos com mínima intervenção humana. Em vez de o servidor formular um prompt para gerar uma ata, um agente coletará informações de diferentes fontes, processará os dados e entregará a ata pronta a partir de uma solicitação simples como “Prepare a ata desta reunião”.

No TCU, há projetos-piloto envolvendo agentes especializados para cada etapa de uma auditoria: planejamento, identificação de achados, elaboração de relatório e análise de entrevistas com jurisdicionados. Essa modularidade promete revolucionar a eficiência dos trabalhos de controle, liberando auditores para análises complexas e julgamentos que exigem discernimento humano.

A ascensão dos agentes redesenha o mercado de trabalho. Profissionais precisarão dominar a interação com a IA, a engenharia de prompt e a supervisão crítica das entregas. Habilidades estratégicas — pensamento crítico, criatividade, empatia, julgamento ético — tornam-se ainda mais valorizadas. A transparência também se torna valor inegociável: ministros e gestores que utilizam IA devem mencioná-la abertamente, naturalizando a tecnologia como recurso auxiliar, sem que isso diminua o mérito da decisão humana.

12. Compartilhamento e colaboração entre órgãos públicos

Em um cenário de recursos limitados, a colaboração entre órgãos é um multiplicador poderoso. Quando uma instituição desenvolve uma solução bem-sucedida e a compartilha — como o TCU fez com o código do ChatTCU — outras dezenas de órgãos podem implementar versões adaptadas em uma fração do tempo e do custo. Os benefícios desse modelo são:

• Redução de custos e aceleração do desenvolvimento: evita-se que cada órgão “reinvente a roda”.
• Aprendizado coletivo: sucessos e fracassos são compartilhados, elevando o nível geral de competência.
• Padronização e interoperabilidade: facilita integração futura entre sistemas de diferentes níveis de governo.
• Maior poder de negociação: órgãos unidos negociam melhor com fornecedores e influenciam políticas públicas.
• Cultura de inovação aberta: fortalece o ecossistema público como um todo.

13. Roteiro prático para iniciar a jornada de IA na sua organização

Sintetizando os aprendizados acumulados, propõe-se o seguinte roteiro pragmático para órgãos que desejam iniciar — ou aprofundar — a implementação de IA:

1. Engaje a alta gestão: sem patrocínio explícito, qualquer iniciativa fracassa. Pacto inicial é fundamental.
2. Forme um grupo multidisciplinar: envolva TI, jurídico, comunicação, segurança, capacitação, áreas finalísticas e inovação.
3. Diagnostique a maturidade dos seus dados: identifique quais bases estão prontas, quais precisam ser estruturadas e quais devem ser priorizadas.
4. Mapeie casos de uso de alto valor: escolha 2 a 3 problemas concretos com potencial de retorno mensurável.
5. Defina políticas e diretrizes: elabore um guia de uso ético e seguro, baseado em referências como o do TCU.
6. Invista em infraestrutura segura: contrate plataformas confiáveis (nuvens corporativas, modelos privados) que protejam dados sensíveis.
7. Capacite continuamente: ofereça treinamentos em engenharia de prompt, ética e supervisão crítica.
8. Execute projetos-piloto: teste em escala controlada antes de expandir.
9. Mensure e itere: defina KPIs claros (produtividade, qualidade, satisfação do cidadão) e ajuste com base nos dados.
10. Compartilhe e aprenda: participe de comunidades de prática, fóruns e iniciativas colaborativas. O conhecimento compartilhado retorna multiplicado.

14. Considerações finais

A Inteligência Artificial — particularmente em sua vertente generativa — não é mais uma promessa no horizonte: é uma realidade operante que já transforma órgãos públicos brasileiros. O Tribunal de Contas da União, a Receita Federal, o Poder Judiciário e o Governo Federal demonstram, em diferentes graus de maturidade, que a tecnologia pode entregar ganhos expressivos de produtividade, qualidade e capacidade analítica, sem comprometer a segurança jurídica ou a centralidade do julgamento humano.

Implementá-la com sucesso, contudo, exige muito mais do que adquirir ferramentas. Exige patrocínio da alta gestão, governança multidisciplinar, qualidade de dados, segurança da informação, capacitação contínua, tolerância à experimentação e, sobretudo, uma cultura de colaboração que reconheça que o avanço de um órgão pode — e deve — ser o avanço de todos. A ascensão dos agentes de IA, a redefinição das competências profissionais e a velocidade do mercado tornam essa agenda inadiável.

Para gestores, técnicos e auditores que buscam aprofundamento, os artigos e respostas do FAQ elaborados pelo Professor Rainério Rodrigues Leite, listados a seguir, oferecem um conjunto coerente, denso e prático de leituras complementares — verdadeiro repositório de conhecimento para quem deseja liderar essa transformação na administração pública brasileira.

📚 Artigos e FAQ Relacionados do Professor Rainério Rodrigues

As leituras abaixo aprofundam cada um dos eixos abordados nesta página-pilar e formam o cluster temático sobre Inteligência Artificial no Setor Público no Fórum IBGP.

Professor Rainério Rodrigues Leite

Especialista em Inteligência Artificial aplicada ao setor público, governança de TI, transformação digital e gestão estratégica em organizações governamentais. Autor de série de artigos e respostas no Fórum IBGP que servem de referência para gestores, técnicos e auditores em todo o país.

Acessar página do Professor →