Deputado propõe autorregulação da IA com parâmetros estatais

O que foi decidido: Deputado federal defendeu modelo de “autorregulação regulada” para inteligência artificial, em que o Estado estabelece parâmetros normativos gerais e as empresas desenham regras operacionais sujeitas a supervisão contínua. A proposição foi apresentada em seminário público, acompanhada de críticas de especialistas que apontam limitações práticas da autorregulação e riscos na aplicação da IA, especialmente na educação.

Contexto

O uso de inteligência artificial atravessa uma arena normativa global em que convivem modelos distintos: a abordagem europeia, mais prescritiva e preventiva; e a norte-americana, mais permissiva e orientada à inovação do mercado. No Brasil, o debate sobre IA se dá em paralelo à maturação de marcos regulatórios digitais já existentes — como a Lei Geral de Proteção de Dados (Lei 13.709/2018) e o Marco Civil da Internet (Lei 12.965/2014) — e à necessidade de harmonizar proteção de direitos, competitividade e segurança jurídica. A proposta de “autorregulação regulada” insere-se nesse contexto como tentativa de conciliar pluralismo normativo (normas privadas e públicas) com supervisão estatal, antecipando desafios típicos de tecnologias que evoluem mais rápido que as normas administrativas e legislativas.

A controvérsia importa porque define quem assume responsabilidade por riscos algorítmicos (viés, transparência, accountability), como se organiza a governança (entes reguladores vs. autorregulação empresarial) e quais salvaguardas são exigidas quando a IA é aplicada em áreas sensíveis, como educação pública, onde há impacto direto sobre desenvolvimento cognitivo e igualdade de oportunidades.

O que foi decidido

Embora não se trate de uma decisão judicial, o parlamentar propôs um quadro normativo híbrido: o Estado fixaria “grandes princípios” — parâmetros orientadores de caráter público — enquanto as empresas elaborariam códigos técnicos, padrões e políticas internas para operacionalizar esses princípios. Esse desenho pressupõe que as normas privadas observem diretrizes estatais e fiquem sujeitas a “supervisão permanente” para assegurar o cumprimento.

No debate, especialistas trouxeram visões críticas. Um dos palestrantes sustentou que a autorregulação pura é ilusória diante de incentivos econômicos das empresas e da recorrência de condutas sancionáveis que apenas medidas estatais fortes e fiscalização efetiva conseguem coibir. Outro ponto relevante foi a ênfase na tensão entre incentivar inovação e mitigar riscos: a solução não seria meramente adotar um modelo estrangeiro, mas encontrar arranjos institucionais compatíveis com a realidade nacional.

No campo educacional, o deputado defendeu prioridade na infraestrutura e na formação de professores para uso pedagógico da IA, argumentando que a tecnologia deve aliviar tarefas repetitivas e não substituir a atividade docente. Críticos alertaram para a adoção prematura e pouco estudada de ferramentas, que pode comprometer o desenvolvimento cognitivo dos alunos.

Base normativa e precedentes

• Art. 5º, CF/88 — garante direitos e liberdades fundamentais que podem ser afetados por decisões automatizadas, impondo limites à atuação privada e pública.
• Art. 220, CF/88 — orienta a liberdade de expressão e comunicação, relevante ao regular conteúdos gerados por sistemas automatizados.
• Art. 170, CF/88 — princípios da ordem econômica, incluindo livre iniciativa e defesa do consumidor/concorrência, que influenciam a regulação da inovação tecnológica.
• Lei 13.709/2018 (LGPD) — estabelece regras sobre tratamento de dados pessoais, bases legais, direitos dos titulares e imposição de responsabilidades, imprescindível ao regular sistemas de IA que processam dados pessoais.
• Lei 12.965/2014 (Marco Civil da Internet) — dispõe sobre princípios, garantias, direitos e deveres no uso da internet, incluindo responsabilização de provedores e proteção de usuários.
• Jurisprudência consolidada dos tribunais superiores — orienta questões de responsabilidade civil por danos decorrentes de tecnologia e controle de legalidade administrativa; elementos dessa jurisprudência são relevantes para avaliação de medidas sancionatórias e de supervisão.

Impacto prático

• Advogados e consultores de compliance: terão demanda ampliada para desenhar códigos de conduta corporativos de IA alinhados a princípios estatais e para estruturar mecanismos de governança, auditoria e relatórios de conformidade.
• Empresas de tecnologia: modelo híbrido aumenta a necessidade de investimento em compliance e tecnologia explicável (explainability), além de criar tensão entre inovação acelerada e exigências de supervisão continuada.
• Setor público e reguladores: exigirá capacitação técnica para fiscalizar práticas privadas, definição de indicadores de conformidade e possivelmente a criação ou adaptação de agências com competência técnica para supervisão de IA.
• Educação básica e superior: haverá pressão por normativas específicas sobre uso de IA em sala de aula, critérios de avaliação de ferramentas, formação docente e requisitos de segurança pedagógica e de proteção de dados estudantis.
• Titulares de dados e consumidores: o modelo pode resultar em proteção indireta por meio de regras empresariais, mas dependerá de efetividade da supervisão e de mecanismos sancionadores compatíveis com os riscos identificados.

O que observar

• Delimitação da autoridade estatal: será crítico definir quem fixa os princípios, qual agência supervisiona e quais poderes de fiscalização e sanção serão conferidos; sem clareza, supervisionar normas privadas será ineficaz.
• Integração com LGPD e Marco Civil: qualquer regime híbrido deve explicitar interoperabilidade com as leis vigentes, evitando lacunas de responsabilização e sobreposição normativa.
• Mecanismos de accountability: a simples exigência de códigos privados não garante mudanças sem obrigações de auditoria independente, regimes de reporte, transparência e impacto regulatório prévio (ex ante) em sistemas de risco elevado.
• Risco de captura regulatória: supervisionar normas corporativas ausenta o Estado de posições técnicas e pode gerar captura por interesses privados; instrumentos de participação pública e fiscalização técnica são essenciais.
• Modulação e legislação futura: o debate sugere que o caminho prático será legislativo e regulatório, e não apenas recomendações setoriais — eventual proposta parlamentar ou normativa deverá prever medidas de transição, capacitação e cronogramas para aplicação na educação e serviços públicos.

Conclusão: a proposta de “autorregulação regulada” é pragmática ao reconhecer capacidade técnica das empresas, mas só será eficaz se acompanhada de arquitetura institucional robusta, poderes sancionatórios claros, integração normativa com LGPD e Marco Civil e requisitos mínimos de transparência e auditoria aplicáveis sobretudo onde a IA atinge direitos fundamentais, como na educação.