Uma pesquisa recente da ABES com a IDC, ouvindo 107 tomadores de decisão de TI em empresas com mais de 100 colaboradores, encontrou 95% das grandes empresas brasileiras já usando inteligência artificial — 86% já com IA generativa em produção ou piloto avançado. O mesmo levantamento aponta o motivo pelo qual esse número não se traduz automaticamente em resultado: governança de dado é o maior freio para escalar, não a falta de ferramenta ou de orçamento (86% das empresas pretendem ampliar investimento em TI em 2026; só 0,9% planeja reduzir).
O setor que resolveu essa equação com mais clareza até aqui é o financeiro. No Febraban Tech 2026, o CEO do Bradesco afirmou publicamente que ética e responsabilidade não podem ser transferidas a um algoritmo; o Itaú testa agentes simulando o próprio cliente antes de qualquer liberação externa; e o Banco do Brasil formalizou “human on the loop” como disciplina própria de operação (AgentOps), não como exceção pontual. Nenhum dos três trata “ter IA” como sinônimo de “deixar a IA decidir sozinha” — e é exatamente essa distinção que falta na maioria das empresas de médio porte que ainda confundem adoção com maturidade.
Principais aprendizados
- Adoção de IA e governança de IA são curvas diferentes — 95% das grandes empresas brasileiras já usam IA, mas governança de dado é apontada como o maior freio para escalar (ABES/IDC).
- Os bancos que mais avançaram em IA no Brasil usam a tecnologia em quase toda a operação, mas nunca deixam uma decisão sensível — crédito, risco, atendimento regulado — só com a máquina.
- Governança não exige um comitê caro nem um departamento novo: exige um dono nomeado do processo, um perímetro de dado autorizado e um critério claro de quando escalar para revisão humana.
- O setor financeiro investe pesado nisso porque pode: parte dos R$ 50 bilhões que o setor bancário brasileiro destina à tecnologia este ano vai só para IA, analytics e big data, segundo a Pesquisa Febraban de Tecnologia Bancária 2026. A empresa de médio porte não precisa da mesma escala de investimento — precisa do mesmo princípio de desenho.
- Esperar “a IA ficar mais madura” para organizar essa governança é o oposto do que os dados mostram: a maturidade começa pela governança, não pela ferramenta.
Minha empresa já diz que “usa IA” — isso significa que estamos prontos para decisões sensíveis?
Não, pelo menos não automaticamente. “Usar IA” descreve ter acesso a uma ferramenta ou rodar um piloto; estar pronto para decisão sensível descreve ter um processo com dono nomeado, dado confiável para aquele processo específico e um critério definido de quando um resultado precisa passar por revisão humana antes de valer. São capacidades diferentes, e a pesquisa ABES/IDC confirma o padrão: quase toda grande empresa brasileira já tem IA rodando em algum lugar, mas governança de dado continua sendo citada como o principal obstáculo para transformar esse acesso em escala segura.
O critério prático para diferenciar as duas coisas é simples: pergunte quem, hoje, é responsável por revisar quando a IA erra num processo específico — não em teoria, com nome e função reais. Se a resposta demorar para vir, a empresa ainda está na fase de adoção, não de governança. Isso não é um julgamento sobre a tecnologia escolhida; é um diagnóstico sobre o processo em volta dela, que normalmente nunca foi desenhado porque o piloto nasceu fora do radar formal de governança da TI.
Preciso montar um comitê de ética em IA, ou já posso aplicar supervisão humana ao processo que tenho hoje?
Não precisa de um comitê formal para começar — precisa de três decisões concretas aplicadas a um processo específico, não a “toda a empresa usando IA” de uma vez. O modelo “human on the loop” que o Banco do Brasil formalizou como disciplina (AgentOps) não nasceu de uma estrutura paralela cara: nasceu de tratar supervisão humana como parte do desenho de cada agente, não como auditoria posterior.
Em uma operação de saúde de médio porte com equipe de oito pessoas dedicada à validação cadastral de documentos, o ciclo que levava de cinco a seis dias caiu para até 24 horas depois da automação — e a operação passou a rodar com três pessoas em vez de oito. A diferença que sustentou esse resultado não foi só a automação: foi a decisão, tomada antes do piloto, de que essas três pessoas remanescentes tratariam exceção e validariam caso ambíguo — o critério humano que a automação não deveria carregar sozinha. (Resultados observados nesse contexto específico; variam conforme maturidade, dado e processo de cada organização.) Esse é o mesmo desenho que o setor financeiro aplica em escala — só que aqui, numa única área, sem precisar de um comitê.
Por onde começo a construir governança de IA sem esperar o Marco Legal nem contratar uma estrutura de compliance cara?
Comece pelo processo que já usa IA hoje e tem maior custo de erro — não pela empresa inteira. O primeiro passo da metodologia que a HAIA aplica em programas de capacitação interna (AMPLIFICA) é justamente um diagnóstico de ecossistema e governança antes de qualquer construção: mapear quais ferramentas já estão autorizadas pela TI, quais regras de dado e LGPD já existem, e só então desenhar automação dentro desse perímetro — nunca abrindo uma fila de projeto de TI nova para isso.
Essa ordem resolve o argumento de “vamos esperar a lei para saber o que fazer”: a LGPD já regula decisão automatizada sobre dado pessoal, com ou sem o Marco Legal da IA aprovado, e a ANPD já anunciou fiscalizações específicas de sistemas de IA para 2026 e 2027. O que muda com a fiscalização da ANPD já está definido, independentemente do andamento do Congresso — então o perímetro de governança que protege a empresa de médio porte pode, e deve, ser desenhado agora, dentro do processo específico que mais concentra risco e frequência de uso de IA hoje.
Perguntas frequentes
O que significa “human in the loop” ou “human on the loop” em projetos de IA?
Significa manter uma pessoa responsável revisando ou validando decisões que a IA toma antes — ou logo depois — de produzirem efeito real. Na prática bancária brasileira, isso aparece como testes internos com agentes simulando clientes antes de liberar externamente, ou como disciplina formal de supervisão (AgentOps) aplicada a cada agente em produção, não como auditoria esporádica depois que algo já deu errado.
Minha empresa de médio porte precisa de um comitê de governança de IA como os bancos têm?
Não necessariamente um comitê formal — precisa de um dono nomeado por processo, um perímetro de dado e ferramenta já autorizado pela TI, e um critério claro de quando uma decisão da IA precisa de revisão humana. Empresas de médio porte conseguem aplicar o mesmo princípio dos bancos em escala menor, processo por processo, sem recriar a estrutura de compliance de uma instituição financeira regulada.
Esperar o Marco Legal da IA sair é uma estratégia segura para minha empresa?
Não. A LGPD já regula decisões automatizadas que envolvem dado pessoal desde 2020, e a ANPD já definiu fiscalizações específicas de sistemas de IA para 2026 e 2027 independentemente do avanço do Marco Legal no Congresso. Esperar a lei não elimina o risco atual — apenas atrasa a definição de responsabilidade, dado e critério de revisão que qualquer empresa pode (e deveria) formalizar agora.
Como sei se minha empresa está na fase de “adoção” ou na fase de “governança madura” de IA?
Está na fase de adoção se a resposta para “quem revisa quando a IA erra nesse processo” demora para vir ou não existe. Está avançando para governança madura quando cada automação em produção tem dono nomeado, dado confiável para aquele uso específico e critério definido de escalonamento para revisão humana — o mesmo padrão que separa, segundo a pesquisa ABES/IDC, quem só testou IA de quem conseguiu transformar isso em resultado consistente.
