Inteligência artificial generativa na elaboração de peças processuais do controle externo: diretrizes de governança para uma inovação responsável e segura
Carregando...
Arquivos
Data
2025-08-07
Autores
Orientador(res)
Santos, Jefferson de Barros
Métricas
Título da Revista
ISSN da Revista
Título de Volume
Resumo
Objetivo: Esta dissertação tem como objetivo propor diretrizes de governança para o uso ético e responsável da inteligência artificial generativa (IAGen) na elaboração de peças processuais nos Tribunais de Contas brasileiros, com foco na mitigação de riscos técnicos, éticos, jurídicos e organizacionais. Metodologia: Adotou-se uma abordagem qualitativa, exploratória e descritiva, com fundamentação teórica em governança adaptativa, sistemas adaptativos complexos (CAS) e ética digital. A coleta de dados foi realizada por meio de questionário estruturado enviado via Lei de Acesso à Informação (LAI) aos 33 Tribunais de Contas do país, obtendo-se 31 respostas (93,9%). As informações foram sistematizadas em três dimensões analíticas: adoção tecnológica, aplicação prática e governança e controle. Resultados: Os dados evidenciam crescente adoção de LLMs nas Cortes de Contas, ainda que de forma assimétrica, sem diretrizes padronizadas, com frágil rastreabilidade e baixa exigência de revisão humana. Embora já existam iniciativas relevantes, como o sistema INACIA (TCU) e o Chat-TCE (TCE-AM), identificou-se lacuna normativa e institucional para o uso dessas ferramentas em peças processuais técnico-decisórias. Com base na triangulação dos dados empíricos e do referencial teórico, foi proposto o framework teórico CRISP-LLM Gov, inspirado na lógica cíclica e iterativa do CRISP-DM e estruturado em seis fases interdependentes, com foco em accountability, revisão humana obrigatória, rastreabilidade e aprendizado institucional contínuo. Limitações: O estudo apresenta natureza teórica e não foi validado em aplicação prática. A coleta de dados via e-SIC limitou a profundidade das respostas qualitativas e retrata um cenário específico até maio de 2025. Não contempla a totalidade das práticas informais ou culturas institucionais. Aplicabilidade no trabalho: O framework proposto oferece um roteiro estruturado e adaptativo para a construção de políticas de governança da IAGen nos Tribunais de Contas, contribuindo para decisões mais seguras, auditáveis e alinhadas ao interesse público. Contribuições para a sociedade: Ao abordar os principais riscos envolvidos no uso de Large Language Models (LLMs) em peças processuais que repercutem diretamente no processo decisório do controle externo, a dissertação contribui para o fortalecimento da governança institucional, da legitimidade das decisões públicas e da proteção dos direitos fundamentais, promovendo uma inteligência artificial centrada na responsabilidade pública. Originalidade: A originalidade do trabalho reside na combinação entre pesquisa empírica nacional inédita sobre o uso de LLMs em peças processuais e a contrução de um framework teórico próprio, inspirado no CRISP-DM, voltado à governança adaptativa da IAGen no contexto das Cortes de Contas brasileiras.