IA NO SETOR PÚBLICO: TENDÊNCIAS E CASOS REAIS DE GOVERNO DIGITAL
Por que o setor público é o próximo grande território da IA
Quando o debate sobre inteligência artificial domina conferências e publicações especializadas, o foco tende a recair sobre aplicações corporativas em setores como financeiro, saúde e varejo, onde o retorno sobre investimento é mais imediato e as decisões de adoção são mais ágeis. Contudo, há um território imenso e estrategicamente vital que recebe menos atenção do que merece: o setor público. Governos municipais, estaduais e federais gerenciam volumes de dados e complexidade operacional que rivalizam com as maiores corporações do mundo, atendem populações inteiras que não têm a opção de "trocar de fornecedor", e operam sob restrições de orçamento, transparência e equidade que tornam a implementação de IA simultaneamente mais desafiadora e mais impactante do que em qualquer outro setor.
O relatório de tendências de IA do Google Cloud para o setor público identificou cinco vetores de transformação para 2025 e 2026: IA multimodal, agentes de IA para serviços ao cidadão, pesquisa assistida por IA, experiência do cidadão potencializada por IA e segurança cibernética com IA. Esses cinco vetores não são independentes: eles se reforçam mutuamente e, quando implementados de forma coordenada, produzem uma transformação qualitativa na capacidade do governo de servir seus cidadãos. A transição em curso, como aponta o relatório, é de "information retrieval to knowledge creation", ou seja, os sistemas governamentais estão deixando de ser meros repositórios de informação para se tornarem geradores ativos de conhecimento que auxilia tanto servidores públicos quanto cidadãos na tomada de decisões.
Veremos a seguir como essas tendências se materializam em casos reais ao redor do mundo, o que o Brasil já está fazendo nesse campo e quais são os desafios específicos que o setor público enfrenta para adotar IA de forma responsável e efetiva.
Cinco tendências que estão redefinindo o governo digital
IA multimodal para gestão territorial e ambiental
A primeira tendência identificada pelo Google Cloud é o uso de IA multimodal, que integra dados de imagem, vídeo, áudio e texto em sistemas unificados de análise. No contexto governamental, essa capacidade tem aplicações particularmente poderosas em gestão territorial, monitoramento ambiental e planejamento urbano, pois permite processar e correlacionar dados de fontes heterogêneas que, historicamente, eram analisados em silos separados.
O caso do Departamento de Transporte do Havaí ilustra esse potencial de forma concreta. Utilizando o Google Earth Engine com dados multimodais, incluindo imagens de satélite, dados climáticos e registros geoespaciais, o departamento desenvolveu um sistema de resiliência climática que identifica trechos de infraestrutura viária vulneráveis a eventos climáticos extremos, permitindo planejamento preventivo de manutenção e investimento. Antes desse sistema, a identificação de vulnerabilidades dependia de inspeções manuais esporádicas e de análises fragmentadas que não capturavam a interação entre múltiplas variáveis ambientais.
Para o contexto brasileiro, onde os desafios ambientais e de infraestrutura são proporcionalmente maiores, as aplicações de IA multimodal no setor público vão desde monitoramento de desmatamento e queimadas até planejamento urbano de cidades que crescem mais rápido do que a capacidade de planejamento municipal. A tecnologia já existe e está acessível; o que frequentemente falta é a arquitetura de dados e a capacidade institucional para operacionalizá-la.
Agentes de IA para atendimento ao cidadão
A segunda tendência é a implantação de agentes de IA para atendimento direto ao cidadão, transformando a experiência de interação com o governo de algo tipicamente burocrático, lento e frustrante em algo próximo da experiência que as pessoas já têm com serviços digitais do setor privado. O caso do condado de Sullivan, no estado de Nova York, exemplifica essa transformação: o governo local implantou agentes virtuais que operam 24 horas por dia, oferecendo aos cidadãos acesso ininterrupto a informações sobre serviços municipais, agendamento de procedimentos e orientação sobre processos administrativos.
A relevância dessa tendência para o Brasil é difícil de exagerar. Considerando a extensão territorial do país, a disparidade de recursos entre municípios e a dificuldade que grande parte da população enfrenta para acessar serviços públicos presencialmente, agentes de IA que funcionam via WhatsApp, telefone ou portal web podem democratizar o acesso a serviços governamentais de uma forma que nenhuma expansão de infraestrutura física conseguiria replicar no mesmo horizonte de tempo e custo.
Pesquisa assistida e criação de conhecimento
A terceira tendência, a pesquisa assistida por IA, tem implicações profundas para órgãos de pesquisa, universidades públicas e instituições de defesa. O AFRL (Air Force Research Laboratory) dos Estados Unidos já utiliza machine learning para ampliar capacidades de pesquisa, acelerando a análise de literatura técnica, a identificação de padrões em grandes volumes de dados experimentais e a geração de hipóteses para investigação. Essa tendência reflete a transição mais ampla de sistemas que recuperam informação para sistemas que criam conhecimento, permitindo que pesquisadores e analistas governamentais passem menos tempo em tarefas mecânicas de busca e compilação e mais tempo em análise crítica e tomada de decisão.
Experiência do cidadão integrada
A quarta tendência é a experiência do cidadão potencializada por IA, que vai além do atendimento pontual para redesenhar jornadas completas de interação entre cidadão e governo. O caso de Wisconsin é emblemático: o estado utilizou IA para reduzir dramaticamente o tempo de resposta em processos de seguro-desemprego, ao mesmo tempo em que identificou solicitações fraudulentas com precisão significativamente maior do que o processo manual anterior. O resultado foi duplo: cidadãos legítimos receberam seus benefícios mais rapidamente, e recursos públicos foram protegidos contra fraude.
Essa combinação de eficiência e integridade é o ponto central da proposta de valor da IA no setor público: não se trata de substituir servidores públicos por algoritmos, mas de amplificar a capacidade humana para que o governo atenda mais pessoas, com mais qualidade e com melhor uso de recursos limitados.
Segurança cibernética com IA
A quinta tendência, segurança cibernética potencializada por IA, é talvez a mais urgente e a menos visível para o público geral. O caso da cidade de Nova York ilustra a escala do desafio: a infraestrutura digital da cidade enfrenta aproximadamente 90 bilhões de eventos cibernéticos por semana, um volume que seria absolutamente impossível de analisar manualmente. Sistemas de IA filtram esse oceano de dados para identificar os 50 a 60 eventos que realmente demandam investigação humana, reduzindo um problema humanamente impossível a um gerenciável.
Para governos brasileiros, que enfrentam ameaças cibernéticas crescentes com orçamentos de segurança frequentemente insuficientes, a IA representa não um luxo tecnológico mas uma necessidade operacional. Ataques a infraestrutura governamental podem comprometer dados pessoais de milhões de cidadãos, interromper serviços essenciais e minar a confiança pública nas instituições digitais.
O contexto brasileiro: avanços concretos e potencial inexplorado
O Brasil não parte do zero em IA governamental, embora o ritmo de adoção varie enormemente entre esferas e órgãos de governo. Alguns exemplos concretos demonstram que há capacidade técnica e institucional para avançar significativamente nesse campo.
O caso mais emblemático é a infraestrutura do Pix, gerenciada pelo Banco Central do Brasil, que utiliza inteligência artificial para detecção de fraudes em tempo real em um sistema que processa centenas de milhões de transações por mês. Embora o Pix seja frequentemente percebido como um produto de tecnologia bancária, sua infraestrutura é pública, regulada e operada por uma autarquia federal, o que o torna um dos maiores casos de sucesso de IA no setor público globalmente. A capacidade de identificar padrões fraudulentos em tempo real, em escala nacional, com impacto mínimo na experiência do usuário legítimo, demonstra que o setor público brasileiro pode operar IA com excelência quando há investimento, competência técnica e governança adequados.
Além do Pix, iniciativas em diferentes esferas mostram um ecossistema em formação. Tribunais de justiça utilizam IA para classificação e triagem de processos, acelerando o acesso à justiça. Prefeituras experimentam chatbots para atendimento ao cidadão, embora frequentemente com resultados aquém do potencial por limitações de investimento em dados de treinamento e integração com sistemas legados. Órgãos de controle exploram machine learning para detecção de irregularidades em licitações e contratos públicos. O potencial é imenso; o desafio é transformar iniciativas pontuais em capacidade institucional permanente.
Desafios específicos do setor público para adoção de IA
Reconhecer o potencial sem reconhecer os desafios seria irresponsável, pois o setor público enfrenta restrições que não têm paralelo no setor privado e que exigem abordagens específicas para implementação de IA.
O primeiro desafio é orçamentário. Ciclos de contratação pública são longos, processos licitatórios são rígidos e a alocação de recursos para tecnologia compete com demandas imediatas e politicamente sensíveis como saúde, educação e segurança. Projetos de IA que exigem investimentos plurianuais sem retorno visível no curto prazo enfrentam resistência institucional compreensível. A resposta a esse desafio não é simplificá-lo, mas planejar implementações em fases que produzam resultados visíveis em cada etapa, construindo um caso de valor progressivo que justifique investimentos subsequentes.
O segundo desafio são os sistemas legados. Grande parte da infraestrutura de TI governamental opera em plataformas obsoletas, com dados fragmentados em sistemas que não se comunicam, documentação deficiente e dependência de fornecedores específicos. Implementar IA sobre essa base exige, frequentemente, um trabalho prévio de modernização de dados e integração de sistemas que pode ser mais custoso e demorado do que o próprio projeto de IA. Ignorar essa realidade é receita para projetos que falham não por limitações da IA, mas por limitações da infraestrutura sobre a qual ela deveria operar.
O terceiro desafio é a força de trabalho. O setor público brasileiro enfrenta dificuldade para atrair e reter profissionais de tecnologia, especialmente em áreas especializadas como ciência de dados e engenharia de machine learning, pois compete em condições desiguais de remuneração e agilidade com o setor privado. A capacitação de servidores existentes, a criação de carreiras atrativas na área de tecnologia governamental e a parceria com universidades e empresas especializadas são caminhos necessários, embora nenhum deles produza resultados imediatos.
Privacidade, equidade e transparência: imperativos éticos redobrados
Se para empresas privadas a ética na implementação de IA é importante, para o setor público ela é inegociável. Governos exercem poder sobre cidadãos que não podem simplesmente "cancelar a assinatura" e procurar outro provedor. Uma decisão algorítmica que nega um benefício social, prioriza um atendimento de saúde ou identifica um cidadão como suspeito de fraude tem consequências que podem ser devastadoras para quem a recebe, e não há equivalente de "suporte ao cliente" que compense uma injustiça algorítmica cometida pelo Estado.
Três princípios devem orientar toda implementação de IA no setor público. O primeiro é a equidade: sistemas de IA governamentais não podem perpetuar ou amplificar desigualdades existentes, o que exige auditorias de viés rigorosas e contínuas, especialmente em aplicações que afetam populações vulneráveis. O segundo é a transparência: cidadãos têm o direito de saber quando uma decisão que os afeta envolve processamento automatizado e de entender os critérios utilizados. O terceiro é a contestabilidade: deve existir sempre um caminho para que o cidadão conteste uma decisão algorítmica e obtenha revisão humana.
Esses princípios não são abstrações filosóficas: são requisitos operacionais que devem ser incorporados no design de cada sistema, na definição de cada processo e na capacitação de cada servidor que opera ou supervisiona sistemas de IA. Na Frame8, quando trabalhamos com organizações que atendem populações diversas, insistimos que equidade não é um módulo adicionado ao final do projeto, mas uma dimensão que permeia todas as decisões desde a definição do escopo até o monitoramento em produção.
Um roteiro pragmático para governos que querem começar
Diante de todo esse cenário de potencial e desafios, gestores públicos frequentemente nos perguntam: por onde começar? A resposta que oferecemos, informada pela experiência em projetos de diferentes escalas e complexidades, é um roteiro em cinco etapas que equilibra ambição com pragmatismo.
A primeira etapa é identificar casos de uso de alto impacto e baixa complexidade regulatória. Antes de tentar implementar IA em decisões críticas sobre cidadãos, comece por aplicações internas que otimizam processos administrativos: classificação automática de documentos, transcrição e sumarização de reuniões, detecção de duplicidades em bases de dados, automação de relatórios rotineiros. Esses projetos constroem capacidade técnica e institucional com risco controlado.
A segunda etapa é investir em infraestrutura de dados antes de investir em modelos. A qualidade dos dados governamentais é, frequentemente, o fator limitante para o sucesso de projetos de IA. Iniciativas de catalogação, limpeza, padronização e integração de dados podem não ser tão visíveis quanto um chatbot de atendimento, mas são infinitamente mais valiosas no longo prazo.
A terceira etapa é estabelecer governança desde o primeiro projeto, incluindo políticas claras de uso de IA, processos de avaliação de risco, mecanismos de auditoria e canais de contestação por parte dos cidadãos. Como detalhamos em artigos anteriores sobre governança de IA, é significativamente mais barato e eficaz implementar governança desde o início do que tentar adequar sistemas já em operação.
A quarta etapa é construir parcerias estratégicas com universidades, empresas especializadas e outros órgãos de governo que já acumularam experiência. O setor público não precisa desenvolver toda a capacidade internamente; ele precisa desenvolver a capacidade de gerenciar, supervisionar e avaliar soluções de IA, independentemente de quem as desenvolve.
A quinta etapa é medir e comunicar resultados de forma transparente. Cada projeto de IA governamental deve ter métricas de sucesso definidas antes da implementação e resultados publicados de forma acessível à sociedade. A transparência nos resultados constrói confiança pública e gera aprendizado institucional que beneficia todo o ecossistema.
O governo digital que os cidadãos merecem
Percorremos até agora as tendências globais de IA no setor público, casos reais de implementação, o contexto brasileiro e os desafios específicos desse território. O quadro que emerge é de oportunidade extraordinária temperada por complexidade real. A IA não vai resolver todos os problemas do setor público, mas pode transformar significativamente a capacidade do governo de servir seus cidadãos, desde que implementada com rigor técnico, responsabilidade ética e pragmatismo operacional.
O caso do Pix demonstra que o Brasil é capaz de criar infraestrutura digital pública de classe mundial. O desafio agora é estender essa capacidade para além de um caso de sucesso isolado, construindo um ecossistema de governo digital onde a IA amplifica a capacidade humana de servir, onde dados são tratados como ativo estratégico nacional e onde a tecnologia é instrumento de equidade, não de exclusão. Esse futuro não é utópico: é alcançável, desde que cada projeto seja conduzido com a seriedade que o serviço público exige e o cidadão merece.