Regular a inteligência artificial sem sufocar o futuro
Avanço da IA no Brasil amplia oportunidades em áreas como saúde, educação e negócios, mas exige regras que protejam direitos sem criar barreiras para inovação e pequenas empresas
Coluna Janguiê Diniz
Doutor em Direito. Ex Juiz Federal do Trabalho. Ex Procurador do Trabalho do MPU. Advogado. Fundador e presidente do Conselho de Administração do Grupo Ser Educacional. Presidente do Instituto Êxito de Empreendedorismo. Empreendedor da vida e dos negócios. Autor de 39 livros.
Bruno Garcia Redondo
Doutor em Direito. Professor da PUC-Rio e UFRJ. Procurador da UERJ. Advogado. Árbitro. Autor de 15 livros. Diretor do Instituto Êxito de Empreendedorismo. Sócio de Garcia Redondo Advogados e Garcia Redondo Educação.
Introdução
Em janeiro de 2026, o periódico médico The Lancet publicou o resultado de um experimento sueco que acompanhou mais de 100 mil mulheres. Metade teve suas mamografias lidas por 02 radiologistas, como manda o protocolo há décadas. A outra metade teve as imagens lidas por um algoritmo, com revisão humana. O grupo da máquina teve 29% a mais de cânceres detectados, sem qualquer aumento de alarmes falsos[1]. Traduzindo: mulheres que descobririam o tumor um ano depois descobriram naquele ano.
No mesmo período, no Brasil, a SaferNet mapeou 16 casos de deepfakes sexuais produzidos dentro de escolas, com pelo menos 72 vítimas identificadas em 10 estados[2]. Todos os envolvidos, agressores e agredidos, tinham menos de 18 anos. A mesma família de tecnologia que antecipou diagnósticos de câncer permitiu que adolescentes fabricassem a nudez de suas colegas antes do intervalo.
Nenhuma ferramenta criada pelo homem prometeu tanto e assustou tanto ao mesmo tempo. Por isso o debate não é sobre aceitar ou rejeitar a inteligência artificial: ela já está aqui, dentro do celular, do banco, do hospital, do tribunal e da sala de aula. O debate é sobre até onde podemos ir ao usá-la, e quem responde quando alguém se machuca.
Essa pergunta chegou ao Congresso Nacional brasileiro. Dois projetos disputam, atualmente, o desenho do futuro tecnológico brasileiro: o PL 2.338/2023, aprovado pelo Senado em 2024 e travado na Câmara, e o PL 762/2026, apresentado em fevereiro de 2026 e apensado ao mesmo debate. Um propõe um marco geral para toda a inteligência artificial. O outro concentra atenção em setores em que um erro custa vidas, direitos ou serviços essenciais. Dependendo das emendas aprovadas e da redação final sancionada, a nação decidirá se cria um ambiente de confiança ou uma muralha de burocracia. A diferença entre um e outro é mais tênue do que parece, e é sobre ela que este artigo se debruça.
1. Os dados revelam: o Brasil já é um país de inteligência artificial
Legislar sobre inteligência artificial no Brasil não é antecipar o futuro. É correr atrás do presente.
Os números variam conforme a pergunta que se faz, e vale entender por quê. A pesquisa TIC Domicílios, do Cetic.br, é a mais rigorosa do país, com visitas presenciais a 27.177 domicílios e entrevistas com 24.535 indivíduos. Nela se apurou que 50 milhões de brasileiros já usam IA generativa, o equivalente a 32% dos usuários de internet[3]. Levantamentos por painel online, como o da Bain & Company, chegam ao número de 77% de usuários[4] porque perguntam sobre o uso de “qualquer ferramenta de IA” a um público já conectado. O Datafolha alcança 93%[5] porque inclui a IA embutida no algoritmo da rede social, do aplicativo de trânsito e do serviço de streaming, aquela que o usuário nem percebe que está usando; nessa mesma pesquisa, o uso de IA generativa de texto aparece em 43%. Em verdade, os três percentuais estão certos, pois medem aspectos diferentes de um mesmo tema, e é justamente por isso que não podem ser somados nem comparados entre si.
O que nenhum desses estudos contradiz é a posição de nosso país. Segundo dados da própria OpenAI, o Brasil é o terceiro maior usuário mundial do ChatGPT, atrás apenas de Estados Unidos e Índia, e o segundo maior mercado do mundo em desenvolvedores que utilizam sua interface de programação[6]. Em agosto de 2026, a empresa informou que os brasileiros enviam cerca de 215 milhões de mensagens por dia à plataforma, contra aproximadamente 140 milhões um ano antes, alta de mais de 50%[7]. Pesquisa da EY de maio de 2026 colocou o Brasil entre os 08 “mercados pioneiros” mundiais em adoção de IA, à frente de Estados Unidos, Japão e Alemanha[8]. No trabalho, o Datafolha registrou salto de 17% para 24% de brasileiros usando a IA profissionalmente entre 2025 e 2026, enquanto o medo de ser substituído por uma máquina caiu de 56% para 48%[9]. Estamos, ao mesmo tempo, usando mais a IA e temendo menos.
Nas empresas, o quadro é outro. A adoção corporativa subiu de 13% para 17% entre 2024 e 2025, chegando a 50% entre as grandes companhias e a apenas 15% entre as pequenas[10]. O Sebrae, ouvindo cerca de 5 mil empresas, encontrou padrão idêntico: 35% de uso frequente entre médias e grandes, contra 15% nas micro e pequenas e 18% entre microempreendedores individuais[11]. A grande empresa adota IA numa taxa mais de 03 vezes superior à da pequena.
Esse é o dado mais importante desta seção e o mais ignorado no debate legislativo. Ele revela onde está a maior oportunidade econômica do país nesta década e indica quem pagará a conta se a regra for calibrada errado. Uma exigência de conformidade que uma multinacional absorve com um parágrafo no orçamento jurídico pode ser, para uma empresa de 05 pessoas, o motivo de não existir.
Há ainda uma desigualdade mais profunda. O mesmo Cetic.br mostra que 69% dos brasileiros da classe A usam IA generativa, contra 16% das classes D e E, distância de 53 pontos percentuais. A explicação é material: 87% das classes D e E acessam a internet exclusivamente pelo plano de dados do celular, e apenas 10% desses domicílios têm computador[12]. O IBGE, por sua vez, apurou que o Brasil chegou a 168,7 milhões de usuários de internet em 2025, ou 90,5% da população de 10 anos ou mais, mas que 17,7 milhões de brasileiros seguem fora da rede e que 59,2% dos domicílios não possuem computador ou tablet[13]. Uma lei de IA que não olhe para isso pode acabar disciplinando com esmero uma tecnologia que só a metade mais rica do país consegue usar de forma produtiva.
2. O que a inteligência artificial já nos deu
Antes de discutir limites, é preciso um cuidado que quase todo texto sobre o tema despreza: distinguir resultado medido de adoção declarada e de meta anunciada. Muita coisa que circula como conquista da IA é apenas promessa de folheto. O que segue, salvo onde expressamente indicado, é resultado medido.
Na saúde, o estudo sueco citado na abertura é a melhor evidência disponível no mundo: ensaio clínico randomizado, mais de 100 mil mulheres, publicado no The Lancet em janeiro de 2026, com 29% a mais de detecção e sensibilidade de 80,5% contra 73,8% da dupla leitura tradicional, sem perda de especificidade, que permaneceu idêntica nos dois grupos, em 98,5%. Houve ainda redução de 12% nos cânceres de intervalo, aqueles que aparecem entre um exame e outro, e de 27% nos subtipos mais agressivos[14]. Os resultados interinos do mesmo ensaio já haviam registrado queda de 44% na carga de leitura de telas dos radiologistas[15]. No Brasil, o Hospital Sírio-Libanês usou um algoritmo para localizar mulheres com nódulos BI-RADS 3 que haviam sumido do acompanhamento: das 927 contatadas, houve aumento de 98% na chance de fecharem o ciclo de seguimento[16]. Na descoberta de medicamentos, o rentosertib, primeira molécula cujo alvo biológico e cuja estrutura química foram ambos descobertos por IA, teve resultados de fase II publicados na Nature Medicine em 2025[17] e já está em fase III, e o caminho do alvo ao candidato levou de 12 a 18 meses, contra 2,5 a 4 anos do método tradicional.
O Estado brasileiro também se moveu: em junho de 2026 o Ministério da Saúde inaugurou a primeira UTI Inteligente do SUS, no Rio de Janeiro, dentro de um programa de R$ 180 milhões para 14 unidades e 280 leitos, com algoritmos que monitoram sinais vitais em tempo real e alertam sobre deterioração clínica antes que o sintoma apareça[18]. Registre-se com honestidade: isso é meta anunciada, não resultado medido.
Na educação, a evidência mais robusta veio da Nigéria. Experimento randomizado do Banco Mundial colocou 800 alunos do ensino médio em aulas de inglês com tutoria de IA em contraturno[19]. Em 06 semanas, o ganho de aprendizagem superou 80% de todas as intervenções educacionais já rigorosamente avaliadas no mundo, equivalendo ao que normalmente se obtém em cerca de 02 anos letivos. Estudo randomizado de Harvard, publicado na Scientific Reports, encontrou alunos de física aprendendo mais que o dobro, em menos tempo, com tutor de IA[20].
É aqui que mora a promessa mais bonita desta tecnologia. Um estudante de escola pública passou a ter algo que só o filho do rico tinha: um tutor paciente, disponível às onze da noite, que explica a mesma equação pela 5ª vez sem impaciência e sem cobrar por hora. No Brasil, a pesquisa TIC Educação apurou que 70% dos alunos do ensino médio usuários de internet já recorrem a ferramentas de IA generativa em pesquisas escolares, mas que apenas 32% receberam da escola qualquer orientação sobre como usá-las[21]. O próprio Cetic.br chamou esse arranjo de “pacto silencioso” entre professores e alunos[22]. O MEC lançou seu documento orientador sobre IA na educação básica apenas em abril de 2026[23], quando a prática já estava consolidada. A tecnologia entrou pela porta dos fundos; a política pública chegou depois.
Na produtividade, 04 estudos controlados formam o consenso atual. Brynjolfsson, Li e Raymond acompanharam 5.172 atendentes de suporte e 3 milhões de conversas, com resultados publicados no Quarterly Journal of Economics em 2025: 15% de ganho médio, e cerca de 30% entre os trabalhadores menos experientes, com ganho quase nulo para os veteranos[24]. Noy e Zhang, na Science, mediram 40% de redução no tempo e 18% de ganho de qualidade em escrita profissional[25]; desenvolvedores com assistentes de código concluíram tarefas 55% mais rápido[26]; consultores da BCG produziram 25% mais rápido e com 40% mais qualidade[27].
E há o contraponto, que qualquer análise séria precisa carregar: estudo randomizado do instituto METR, em 2025, com desenvolvedores experientes em repositórios reais e complexos, encontrou-os 19% mais lentos quando autorizados a usar IA e, ao final, esses profissionais estimaram que a ferramenta os havia deixado 20% mais rápidos[28]. Erraram até o sinal da própria percepção. O padrão é consistente e deve orientar o legislador: a IA entrega ganhos grandes para iniciantes e tarefas padronizadas, e pequenos ou negativos para especialistas em tarefas complexas. Ela é, antes de tudo, uma tecnologia niveladora, o que a torna, num país tão desigual quanto o Brasil, potencialmente transformadora.
No empreendedorismo, essa qualidade aparece com clareza. O Sebrae mediu que 41% dos microempreendedores individuais que usam IA relatam ganho na geração de novas ideias, contra 13% das médias e grandes, curiosamente a única métrica em que o pequeno supera o grande[29]. Traduzindo: um pequeno empresário produz hoje, sozinho, o catálogo, o contrato, a peça publicitária e a planilha de custos que antes exigiriam uma equipe inteira, competindo com quem tem 100 vezes o seu capital. Na acessibilidade, entre os 14,4 milhões de brasileiros com deficiência apontados pelo Censo de 2022[30], o VLibras, tradutor público e gratuito de português para Libras, realiza mais de 100 mil traduções por dia[31]: pessoas cegas descrevem o mundo à sua frente pela câmera do celular, pessoas surdas acompanham reuniões por legendas automáticas.
No setor público, o mapeamento do CNJ de novembro de 2025 encontrou 157 projetos de IA reportados por 51 tribunais respondentes, dos quais 43 já os possuem em algum estágio de desenvolvimento ou operação, o equivalente a 84,6% dos respondentes[32]. Convém precisar o que esses sistemas fazem, porque o debate público costuma exagerar: 52 projetos destinam-se ao apoio à atividade decisória, como elaboração de minutas, sumarização e análise de peças; 39 cuidam de automação de fluxo e triagem processual; e 26, de gestão administrativa. Nenhum julga no lugar do magistrado. E o CNJ não publicou métrica alguma de resultado: sabemos quantos projetos existem, não o quanto entregaram.
Nada disso é neutro do ponto de vista jurídico. Cada uma dessas aplicações depende de dados, de treinamento e de liberdade para experimentar. Uma norma que encareça demais a experimentação não elimina o risco: apenas transfere a inovação para outro país e deixa aqui o custo de não tê-la.
3. O que a inteligência artificial já nos custa
Seria desonesto, porém, tratar os riscos como fantasia de quem teme o novo. Eles já se materializaram com riqueza de detalhes.
As fraudes são o dano mais massificado. A Serasa Experian registrou 1.495.696 tentativas de fraude de identidade digital apenas no primeiro trimestre de 2026: alta de 36,6% em um ano, uma tentativa a cada 05 segundos, com potencial de perda próximo a R$ 2 bilhões[33]. A Sumsub apurou que os deepfakes cresceram 126% no Brasil em 2025, e que o país concentra cerca de 40% de todos os deepfakes da América Latina[34].
O caso internacional emblemático é o da engenharia britânica Arup: um funcionário em Hong Kong transferiu US$ 25 milhões após uma videoconferência em que todos os demais participantes, inclusive o diretor financeiro, eram deepfakes[35]. Não havia nada a desconfiar. Todos os rostos eram conhecidos, todas as vozes eram familiares, e nenhum deles era real.
Os deepfakes sexuais são o dano mais cruel. Segundo a ONU Mulheres, 98% de todos os vídeos deepfake em circulação são pornografia não consensual, e 99% retratam mulheres[36]; mais da metade das sobreviventes desse abuso nos Estados Unidos relatou ter considerado o suicídio. No Brasil, além do mapeamento escolar da SaferNet, há casos documentados no Rio de Janeiro, na Bahia e no Mato Grosso. O Congresso brasileiro reagiu com a Lei 15.123/2025[37], que criou causa de aumento de pena para a violência psicológica contra a mulher praticada com uso de IA. É uma resposta correta, mas insuficiente, porque o problema raramente é a falta de tipo penal: é a dificuldade de identificar o autor, a lentidão para remover o conteúdo e a demora para uma reparação na maior parte das vezes irrisória do dano.
Os vieses algorítmicos reproduzem em escala industrial preconceitos que o direito levou décadas para combater. Relatório da Defensoria Pública da União e do CESeC, de maio de 2025, mapeou 376 projetos de reconhecimento facial ativos no Brasil, com potencial de alcançar 83 milhões de pessoas, isto é, 41% da população[38], e levantamentos da Rede de Observatórios da Segurança apontam que cerca de 09 em cada 10 presos por reconhecimento facial no país são negros[39].
Os casos de erros enviesados são conhecidos: um vigilante preso injustamente por 26 dias em Salvador porque o sistema apontou 95% de similaridade com o autor de um crime cometido 10 anos antes por outra pessoa; e uma auxiliar administrativa abordada duas vezes em Aracaju, na 2ª algemada e colocada em camburão[40]. O segundo caso deixou de ser mera notícia e virou precedente: em maio de 2026, a 12ª Vara Cível de Aracaju condenou o Estado de Sergipe e o Município a indenizá-la em R$ 120 mil[41]. A base técnica do problema é bem documentada: estudo do NIST com 189 algoritmos encontrou taxas de falso positivo de 10 a 100 vezes maiores para rostos negros e asiáticos do que para brancos[42].
Na saúde, o estudo clássico de Obermeyer, publicado na Science, mostrou que um algoritmo que gerenciava o cuidado de 200 milhões de norte-americanos encaminhava a cuidados extras apenas 17,7% de pacientes negros, quando o correto seria 46,5%, porque usava custo de saúde como medida de necessidade[43]. O algoritmo não era opcionalmente racista. Ele “aprendeu”, com precisão matemática, um cruel racismo que já estava nos dados que serviram de base.
As alucinações atingiram o próprio sistema de justiça. A base internacional mantida pelo pesquisador Damien Charlotin registra 1.963 decisões judiciais no mundo em que tribunais reconheceram o uso de citações fabricadas por IA[44], das quais 41 são brasileiras, o que coloca o Brasil entre as jurisdições mais afetadas do planeta. E não adianta atribuir o problema ao amadorismo de quem usa ferramenta genérica: estudo do RegLab de Stanford testou as plataformas jurídicas profissionais da LexisNexis e da Thomson Reuters, vendidas como “livres de alucinação”, e encontrou taxas de erro entre 17% e 33%[45].
Ao lado da alucinação, que é descuido, surgiu conduta bem mais grave, que é fraude deliberada: a injeção de comandos ocultos em petições, o chamado prompt injection, com instruções em texto invisível dirigidas à inteligência artificial do juízo ou da parte adversária. Em maio de 2026, a 3ª Vara do Trabalho de Parauapebas condenou por litigância de má-fé advogadas que haviam embutido, em texto branco sobre fundo branco, ordem para que a IA contestasse a petição de forma superficial[46]. No mesmo mês, o STJ determinou a instauração de inquérito policial e de procedimento administrativo para apurar tentativas semelhantes dirigidas ao seu sistema Logos[47]. Seguiram-se casos no Tribunal de Justiça de São Paulo, no do Mato Grosso do Sul e no de Santa Catarina, este último com multa e condenação por danos morais.[48] O CNJ reagiu com celeridade elogiável: em junho de 2026, o Plenário referendou nota técnica sobre o tema, distribuída a todos os tribunais[49]. É um bom exemplo de que o direito vigente, quando aplicado, dá conta do abuso sem que seja preciso inventar norma nova.
A privacidade às vezes vaza pela mão do próprio usuário. Relatório da LayerX, com telemetria real de navegadores corporativos, encontrou que 77% dos funcionários que usam IA generativa colam dados diretamente nas consultas, e que 22% dessas colagens contêm dados pessoais ou de cartão de crédito, sendo 82% delas a partir de contas pessoais, fora de qualquer controle da empresa[50]. No Brasil, a ANPD determinou em 2024 a suspensão cautelar do uso de dados de brasileiros para treinar a IA da Meta, por entender que os usuários não podiam razoavelmente esperar que seus posts antigos alimentassem sistemas que sequer existiam quando o conteúdo foi publicado[51].
Os direitos autorais viraram litígio global: o número de ações ativas no mundo saltou de 51 em outubro de 2025 para 131 em abril de 2026, e o maior acordo do gênero na história dos Estados Unidos foi firmado nesse contexto, no valor de US$ 1,5 bilhão para cerca de 500 mil obras[52]. Nem sempre os autores ganham: no Reino Unido, a Getty Images perdeu quase integralmente sua ação contra a Stability AI, com a corte decidindo que treinar um modelo com obras protegidas, sem armazenar cópias permanentes, não configura infração[53]. No Brasil, entidades dos setores musical, audiovisual, editorial, jornalístico e dramatúrgico entregaram nova carta à Comissão Especial da Câmara em maio de 2026[54], e o tema é hoje o principal nó político do PL 2.338.
Na saúde mental, a própria OpenAI divulgou que cerca de 1,2 milhão de usuários por semana têm conversas com indicadores explícitos de intenção suicida[55]; em janeiro de 2026, a Character.AI e o Google fecharam acordo encerrando 05 processos relacionados a suicídios de jovens, e a plataforma passou a proibir menores de 18 anos[56].
Há ainda um efeito que só agora se torna mensurável: a lenta substituição do humano pela máquina na própria composição da internet. Em junho de 2026, a Cloudflare, que observa cerca de um quinto dos sites do mundo, registrou que 57,5% das requisições da rede já são geradas por automações, e não por pessoas, a primeira vez na história da web aberta em que as máquinas se tornaram maioria[57]. O relatório anual da Thales/Imperva, referente a 2025, aponta 53% de tráfego automatizado, dos quais 40% maliciosos, com crescimento de 12,5 vezes nos ataques impulsionados por IA[58]. E um levantamento de 65 mil endereços concluiu que 52% dos artigos publicados em inglês na web já são gerados por inteligência artificial[59]. O ambiente em que o cidadão forma sua opinião deixou de ser predominantemente humano, e nenhum dos dois projetos em discussão no Congresso enfrenta esse ponto.
O emprego dá os primeiros sinais concretos, e eles são específicos. A evidência mais sólida vem do Digital Economy Lab de Stanford, que analisou dados reais de folha de pagamento: não há deslocamento generalizado na economia, mas trabalhadores de 22 a 25 anos em ocupações altamente expostas à IA têm emprego cerca de 19% abaixo do que teriam, defasagem que era de 15% na apuração de julho de 2025 e chegou a 19% na de junho de 2026[60]. O ajuste opera por redução de contratações, não por demissões, e não aparece no salário. No Brasil, estudo do IBRE/FGV de abril de 2026, usando a PNAD Contínua, encontrou cerca de 30 milhões de trabalhadores em ocupações expostas à IA generativa, ou seja, quase 30% da população ocupada, e mediu queda de ocupação e de renda concentrada em jovens de 18 a 29 anos[61]. Não é o fim do trabalho. É o estreitamento da porta de entrada, e isso é grave de um jeito diferente, e talvez pior.
Esses riscos não são argumento contra a inteligência artificial. São argumento contra a irresponsabilidade no seu uso. Confundir uma coisa com a outra é o erro mais caro que o legislador pode cometer.
4. O que o Brasil já tem antes de qualquer nova lei
Há um pressuposto silencioso no debate legislativo que precisa ser desmontado: o de que a inteligência artificial opera hoje num vazio jurídico. Ela não opera. A LGPD já disciplina todo tratamento de dados pessoais e, em seu artigo 20, assegura o direito à revisão de decisões automatizadas. O Código de Defesa do Consumidor já responsabiliza objetivamente o fornecedor por defeito de produto ou serviço, algoritmo incluído. O Marco Civil da Internet já organiza a responsabilidade dos provedores. O Código Penal já pune estelionato, falsidade ideológica e difamação e, desde a Lei 15.123/2025, agrava a violência psicológica praticada com IA. A legislação autoral já protege a obra.
E os reguladores setoriais não esperaram o Congresso. O TSE proibiu o uso eleitoral de deepfakes e tornou obrigatória a rotulagem de conteúdo sintético em propaganda, ressalvadas hipóteses menores como ajustes de qualidade de imagem e som[62], firmando em maio de 2026 que o deepfake eleitoral deve ser punido mesmo sem potencial de induzir o eleitor a erro[63]. O CNJ classificou riscos, exigiu supervisão humana efetiva e proibiu, entre outros, sistemas que avaliem traços de personalidade para prever a prática de crimes ou a reincidência e sistemas de reconhecimento de emoções por padrões biométricos[64]. O Conselho Federal de Medicina fixou que a decisão sobre diagnóstico, prognóstico, prescrição ou qualquer ato médico caberá sempre ao médico, e que as soluções apresentadas por sistemas de IA não são soberanas[65]. A ANPD já atuou no caso Meta e monitora dezenas de agentes de tratamento.
Uma lei geral sobre o uso da IA no Brasil não chega a ser desnecessária, mas deve preencher lacunas reais, e não recriar, com vocabulário novo, obrigações que já existem. Sobreposição normativa não é excesso de proteção: é insegurança jurídica, custo duplicado e, no limite, paralisia de quem quer cumprir a lei e não sabe qual norma cumprir primeiro.
5. O PL 2.338/2023: a tentativa de um marco geral
O PL 2.338/2023 nasceu no Senado a partir do trabalho de uma comissão de juristas. Foi aprovado pelo plenário do Senado em 10 de dezembro de 2024 e remetido à Câmara em março de 2025.
A Comissão Especial foi constituída em abril de 2025 e realizou audiências públicas ao longo de todo o segundo semestre. A votação, prometida para dezembro de 2025, foi adiada para fevereiro de 2026; o relatório final, previsto para 19 de maio de 2026, não foi apresentado; a votação em Plenário, marcada para 27 de maio, não ocorreu. A situação oficial, na data em que este artigo é escrito, é “aguardando parecer do relator”, sem qualquer movimentação desde junho de 2026, e há 35 proposições apensadas ao texto[66]. Os obstáculos são conhecidos: o impasse sobre direitos autorais, a disputa em torno das exceções para sistemas de alto risco, a tentativa de incorporar o regime tributário dos centros de dados e, sobrepondo-se a tudo, o calendário eleitoral de 2026.
Quanto ao conteúdo, a espinha dorsal do projeto é a graduação por risco, inspirada no modelo europeu, mas com feição própria.
Aplicações de risco excessivo são simplesmente proibidas: sistemas que manipulem comportamento por técnicas subliminares, que explorem a vulnerabilidade de crianças, idosos ou pessoas com deficiência, que promovam pontuação social pelo poder público, além de armas autônomas e a identificação biométrica à distância em espaços públicos, salvo exceções estritas como a busca de desaparecidos.
Aplicações de alto risco são permitidas, mas sujeitas a controles pesados. A lista inclui áreas em que a máquina interfere diretamente na vida das pessoas: saúde, educação, seleção de candidatos a emprego, concessão de crédito, acesso a serviços públicos e privados, justiça e segurança pública, infraestrutura crítica, veículos autônomos e identificação biométrica. Para elas, exige-se avaliação preliminar de risco, avaliação de impacto algorítmico, documentação técnica, testes de confiabilidade, medidas contra vieses e supervisão humana efetiva.
Ao lado disso, o texto cria um catálogo de direitos que qualquer pessoa afetada poderá invocar, independentemente do grau de risco: saber que está diante de um sistema automatizado, obter explicação da decisão, contestá-la, exigir revisão humana quando a decisão produzir efeitos relevantes e não ser discriminado. Traz ainda deveres para modelos generativos, entre eles a divulgação de um resumo dos conteúdos usados no treinamento, e assegura aos titulares de direitos autorais a remuneração pelo uso de suas obras e a possibilidade de vedá-lo.
No campo da responsabilidade, o projeto adota solução severa: nos sistemas de alto risco ou de risco excessivo, o fornecedor e o operador respondem, na medida de sua participação, objetivamente pelos danos; nos demais casos, presume-se a culpa, com inversão do ônus da prova. Traduzindo para quem não é do Direito: responder objetivamente significa responder independentemente de dolo ou culpa, bastando que a vítima prove o dano e o nexo com o sistema.
A fiscalização caberá ao Sistema Nacional de Regulação e Governança de Inteligência Artificial, coordenado pela ANPD. As sanções seguem a lógica da LGPD e podem alcançar multas milionárias, além da suspensão da atividade. Em contrapartida, o texto prevê ambientes regulatórios experimentais, os chamados sandboxes, espécie de laboratório supervisionado onde uma tecnologia nova pode ser testada sob regras flexibilizadas, e incentivos à pesquisa, às startups e à inovação nacional.
6. O que o PL 2.338 tem de acertado
O primeiro ponto elogiável do PL 2.338 é contribuir para a segurança jurídica, concentrando um regramento pulverizado. Hoje, quem desenvolve ou usa IA no Brasil navega entre a LGPD, o CDC, o Marco Civil, o Código Penal, a legislação autoral, resoluções do TSE, do CNJ e do CFM, e decisões judiciais dispersas. Uma lei nacional que organize esse mosaico reduz a loteria interpretativa ao consolidar regras conhecidas de antemão.
Em segundo lugar, a proporcionalidade como princípio: ao graduar exigências pelo risco concreto da aplicação, e não pelo tamanho da empresa ou pela sofisticação da tecnologia, o projeto acerta no objetivo. Um sistema que transcreve áudios não deve ser tratado como um sistema que decide quem recebe um transplante.
O terceiro ponto se refere aos direitos das pessoas afetadas. Saber que se está diante de uma máquina, entender por que se foi recusado e poder pedir que um ser humano reveja a decisão são garantias mínimas de dignidade em um mundo automatizado. Custam pouco à inovação e valem muito para a confiança pública, sem a qual não há adoção em escala. Vale lembrar o Datafolha de 2026: 79% dos brasileiros consideram inadequado o uso de IA em contratações e demissões, 68% desaprovam seu uso em decisões sobre tratamentos médicos e 67% o rejeitam na concessão de crédito[67]. Transparência não é obstáculo ao mercado. É condição de acesso a ele.
Em quarto lugar, o reconhecimento de que a criação humana tem dono: remunerar autores cujas obras alimentam modelos não é obstáculo ao progresso, é a condição para que continue existindo obra humana a ser aprendida.
7. Onde o PL 2.338 pode cobrar caro
O mérito da estrutura não imuniza o texto contra efeitos colaterais. E os principais são silenciosos.
O custo de conformidade é o primeiro deles. Avaliações de impacto, documentação técnica, auditorias e estruturas de governança são plenamente absorvíveis por uma multinacional com departamento jurídico próprio. Para uma startup de 05 pessoas situada em qualquer um dos 5.570 municípios brasileiros[68], podem significar a diferença entre existir e não existir. Lembre-se do dado inicial: 50% das grandes empresas usam IA, contra 15% das pequenas. Regulação cara não é neutra, ela protege quem já chegou. O resultado indesejado é a captura do mercado por poucos gigantes, exatamente o oposto do que a lei pretende.
O segundo risco é a indefinição. Boa parte do que realmente importa ficará para regulamentação posterior, como a lista atualizável de aplicações de alto risco, os critérios de classificação e os parâmetros de avaliação de impacto. Empresas não investem em ambiente cujas regras serão escritas depois do investimento. Segurança jurídica prometida em lei e adiada em regulamento não é segurança jurídica: é promissória.
O terceiro risco é a responsabilidade objetiva ampla. Ela protege a vítima, o que é justo, mas pode expulsar do mercado exatamente as aplicações mais valiosas e mais arriscadas: o apoio ao diagnóstico médico é o exemplo perfeito. Se o preço de errar for a ruína, ninguém tentará acertar, e a mulher brasileira continuará esperando o resultado da mamografia com a taxa de detecção de 20 anos atrás. O direito precisa distinguir o erro inerente a toda tecnologia do descuido inaceitável de quem a coloca no mercado. Nenhum sistema de diagnóstico, humano ou artificial, acerta 100%; o parâmetro correto não é a infalibilidade, é o desempenho comparado ao padrão vigente.
O quarto problema é a inspiração europeia, e este ponto envelheceu depressa. Quando o PL 2.338 foi redigido, o AI Act[69] era o modelo a seguir. Hoje, a própria Europa está recuando: cerca de 50 grandes empresas do continente, entre elas Airbus, Mercedes-Benz e Carrefour, pediram publicamente adiamento em julho de 2025[70], e Mario Draghi[71], autor do relatório oficial sobre competitividade europeia, defendeu pausa na aplicação. A Comissão cedeu: o Digital Omnibus entrou em vigor em 27 de julho de 2026, adiando as obrigações de alto risco do Anexo III de agosto de 2026 para dezembro de 2027, e as dos sistemas embarcados em produtos de agosto de 2027 para agosto de 2028.[72] Copiar hoje um modelo que seus próprios autores estão desmontando pode ser um equívoco caro para um país que ainda precisa criar sua indústria de tecnologia, e não apenas discipliná-la.
8. O PL 762/2026: os circuitos cognitivos setoriais
Apresentado em 25 de fevereiro de 2026 e apensado à cadeia de proposições que tramita na Comissão Especial da Câmara, o PL 762/2026[73] escolhe caminho diferente. Em vez de disciplinar toda a inteligência artificial, concentra-se nos que chama de circuitos cognitivos setoriais, expressão definida no próprio texto como o “conjunto integrado de sistemas de inteligência artificial, repositórios de dados, interfaces, políticas e procedimentos operacionais concebidos para atuar em um mesmo setor econômico, social ou público com impacto setorial relevante”.
A ideia por trás do conceito é sutil e merece explicação, porque é a maior contribuição original do projeto. Ele não regula o modelo isolado, mas o arranjo: o sistema mais os dados que o alimentam, mais as interfaces por onde as decisões saem, mais os procedimentos humanos que as executam. É uma percepção correta, pois na vida real o dano quase nunca vem do algoritmo sozinho, mas da combinação entre um modelo razoável, um banco de dados enviesado, uma interface que não permite contestação e um operador que não sabe que pode discordar da máquina.
O projeto classifica os sistemas em 04 níveis de consequência, baixo, médio, alto e crítico, segundo o potencial de dano à vida, à saúde pública, aos direitos fundamentais, à continuidade de serviços essenciais e ao equilíbrio econômico sistêmico, e conforme o grau de autonomia decisória do sistema. A classificação deve ser revista a cada 24 meses, e todas as obrigações incidem apenas sobre os níveis alto e crítico. Note-se um detalhe relevante: o texto não traz lista fechada de setores, definindo-os funcionalmente pelos critérios de dano; eles aparecem indiretamente, quando o projeto atribui anuência técnica à Anvisa, à ANTT, à Aneel, à Anac, ao CNJ e ao TSE.
Para os níveis alto e crítico, as exigências são cumulativas: isolamento setorial dos dados; vedação à retroalimentação automática de modelos generalistas com dados sensíveis do setor; limites funcionais expressos em documentação e contratos; supervisão humana obrigatória, com definição clara de quem pode intervir e como; trilhas de auditoria imutáveis, que registrem origem dos dados, versões dos modelos, pesos, hiperparâmetros e cada decisão automatizada; e testes prévios e periódicos de segurança, robustez e vieses.
A peça central é a certificação prévia. O artigo 5º é expresso ao afirmar ser obrigatória a certificação prévia e o registro público para que sistemas de nível alto ou crítico entrem em produção operacional no território nacional, cabendo à ANPD expedi-la, na forma do seu parágrafo primeiro, podendo condicioná-la à anuência técnica da agência reguladora setorial competente. Exige-se ainda avaliação de impacto algorítmico prévia com sumário público, responsável técnico identificado e registrado, plano de contingência com mecanismos de reversão e desligamento seguro, comunicação imediata de incidentes e auditorias independentes acreditadas. As sanções vão da advertência à multa, da obrigação de reparar à suspensão da operação e à proibição temporária de atuar no país. Registre-se, porém, uma lacuna: o texto fala em multa “observados os limites legais”, sem fixar teto ou percentual, exatamente o tipo de indefinição que ele critica no modelo alternativo.
Por fim, o projeto altera pontos de 03 leis relacionadas. Na LGPD, o artigo 18 do projeto insere o artigo 4º-A, exigindo isolamento setorial, avaliação de impacto antes da operação, registro das operações de retreinamento com dados sensíveis e certificação quando aplicável. No Marco Civil da Internet, o artigo 19 insere o artigo 10-A, impondo às plataformas que operem sistemas de alto risco a guarda de registros técnicos, a publicação de relatórios de transparência e a cooperação com as autoridades. No Código de Defesa do Consumidor, o artigo 20 insere o artigo 7º-A, criando o dever de informar previamente o uso de IA, de oferecer canal efetivo de revisão humana e de responder objetivamente por defeitos de concepção, implementação ou operação.
Registre-se, para evitar mal-entendido corrente no debate público: o PL 762/2026 não tipifica novos crimes nem impõe rotulagem obrigatória de conteúdo gerado por inteligência artificial. Não há uma linha sobre deepfakes, marca d’água ou conteúdo sintético. Seu eixo é administrativo e setorial, voltado à certificação, à auditoria e à responsabilização civil.
9. Méritos e riscos do PL 762/2026
O acerto do PL 762 está no foco. Concentrar exigências onde o erro mata, prende ou arruína, e deixar o restante respirar, é a explicação mais universal da proporcionalidade. Exigir um responsável técnico com nome e registro resolve, de forma simples e elegante, o problema mais crônico do setor: a diluição da responsabilidade, aquele jogo em que o desenvolvedor culpa quem implementou, quem implementou culpa quem operou, e a vítima fica sem endereço. E as trilhas de auditoria imutáveis resolvem o problema probatório que hoje inviabiliza a maioria das ações judiciais: sem registro, é impossível provar que o sistema decidiu o que decidiu.
O perigo está na engrenagem. Certificação prévia é, na prática, um regime de licença: nada opera sem autorização estatal. Em um país cuja experiência com licenciamento raramente é sinônimo de agilidade, o risco de transformar inovação em fila é concreto. Um modelo de IA é atualizado em semanas; um processo de certificação e auditoria não. Se o ciclo regulatório for mais lento que o ciclo tecnológico, certificaremos sempre a versão anterior daquilo que já existe.
Há ainda a (in)capacidade institucional. Atribuir à ANPD a função de certificar tecnicamente sistemas de saúde, energia, transporte e justiça é confiar a uma autoridade jovem uma missão de enorme densidade técnica. O projeto mitiga isso ao prever anuência das agências setoriais, mas não assegura estrutura, orçamento ou quadro técnico correspondente. E há um sinal de alerta vindo do próprio governo: o Plano Brasileiro de Inteligência Artificial[74], com R$ 23,03 bilhões previstos até 2028, tinha executado até o fim de 2025 apenas R$ 6,47 bilhões, isto é, 28% do orçamento, sendo que, no eixo destinado ao apoio ao processo regulatório e de governança, nenhum centavo dos R$ 101,25 milhões alocados havia sido utilizado. Regra que o Estado não consegue aplicar produz o pior dos mundos: pune quem cumpre e ignora quem descumpre. Por fim, a fronteira do que é alto ou crítico será desenhada por normas infralegais da ANPD. Se for elástica, o regime pensado para hospitais e usinas alcançará o comércio, a escola e o escritório de advocacia, e o custo recairá, mais uma vez, sobre quem é pequeno
10. Dois textos, um só fato: o risco da sobreposição
Aqui está o problema mais concreto e menos discutido: os 02 projetos tramitam juntos e, se ambos prosperarem sem harmonização, criarão dois regimes distintos incidindo sobre o mesmo fato.
Um hospital que use IA para apoio diagnóstico se enquadraria simultaneamente como operador de sistema de alto risco no PL 2.338 e como circuito cognitivo de nível crítico no PL 762. Teria de fazer avaliação preliminar de risco e avaliação de impacto algorítmico pelo primeiro texto, e avaliação de impacto prévia com sumário público pelo segundo. Responderia objetivamente pelos dois. Prestaria contas ao Sistema Nacional de Regulação e Governança pelo primeiro, e à ANPD certificadora com anuência da Anvisa pelo segundo. Nada disso é contraditório e esse é exatamente o perigo. Obrigações que não se contradizem, apenas se somam, são as mais difíceis de eliminar no processo legislativo, porque ninguém consegue apontar o conflito. O resultado é acumulação silenciosa de custo.
A solução técnica existe: um único texto, com uma única classificação de risco, um único procedimento de avaliação de impacto e uma única porta de entrada regulatória, aproveitando do PL 762 o conceito de circuito cognitivo, o responsável técnico identificado, as trilhas de auditoria imutáveis e a anuência setorial obrigatória; e do PL 2.338 o catálogo de direitos da pessoa afetada, os sandboxes, o tratamento dos direitos autorais e o regime simplificado para pequenos agentes. O que não pode acontecer é o Congresso aprovar os dois e deixar para o intérprete a tarefa de descobrir qual prevalece.
11. O mundo não está parado
Nenhuma decisão brasileira será tomada no vácuo, e o cenário internacional mudou substancialmente desde que o PL 2.338 foi escrito.
A União Europeia foi a primeira a legislar de forma abrangente, e a primeira a recuar. Suas proibições entraram em vigor em fevereiro de 2025 e as obrigações para modelos de propósito geral em agosto do mesmo ano. Mas a pressão da indústria e os alertas de competitividade produziram o Digital Omnibus, em vigor desde julho de 2026, que adiou as obrigações de alto risco e simplificou registros. Em compensação, o bloco endureceu onde o dano é inequívoco, passando a proibir expressamente a geração por IA de material de abuso sexual infantil e de imagens íntimas não consensuais de pessoa identificável. É uma lição de método: afrouxar o procedimental, apertar o substantivo.
Os Estados Unidos seguiram caminho oposto e radical. Em 20 de janeiro de 2025, ordem executiva revogou o marco regulatório da gestão anterior e, três dias depois, outra ordem estabeleceu nova política federal de remoção de barreiras à liderança norte-americana em IA[75]. O AI Action Plan de julho de 2025 apostou em desregulação[76] e, em dezembro de 2025, nova ordem executiva determinou a criação, no Departamento de Justiça, de força-tarefa destinada a questionar judicialmente leis estaduais de IA conflitantes com objetivos federais[77]. O caso do Colorado é emblemático: sua lei de IA, inspirada no modelo europeu, foi questionada pela xAI, teve o Departamento de Justiça intervindo ao lado da autora, e acabou substituída em maio de 2026 por um texto muito mais leve[78]. Ainda assim, os estados americanos aprovaram 145 leis de IA em 2025[79], ou seja, o oposto de um vazio regulatório.
O Reino Unido anunciou, em maio de 2026, não uma lei de IA, mas um projeto de “regulação para o crescimento” centrado em sandboxes[80]. A China fez o inverso: exige, desde setembro de 2025, rotulagem obrigatória de todo conteúdo sintético, obrigação que alcança inclusive o usuário que publica[81]. Na América Latina, o Peru é o mais avançado, com regulamento em vigor desde janeiro de 2026[82]; o Chile aprovou seu projeto em primeiro trâmite[83]; e a Argentina, que não possui lei de IA, teve seu presidente declarando publicamente, em artigo assinado com o Ministro da Desregulamentação e publicado no Financial Times em junho de 2026, o compromisso de manter a tecnologia livre de regulação[84].
Nenhum desses modelos é perfeito, e nenhum é transplantável. Mas todos revelam a mesma verdade incômoda: capital, talento e infraestrutura de computação são móveis. Vão para onde há previsibilidade e retorno, e saem de onde há incerteza e custo. Segundo o AI Index 2026[85], de Stanford, o investimento privado global em IA atingiu US$ 344,7 bilhões, dos quais US$ 285,9 bilhões nos Estados Unidos, enquanto a América Latina inteira contava com menos de 10 clusters estatais de supercomputação.
O Brasil disputa essa fila e não está mal posicionado: os projetos de centros de dados anunciados para o Complexo do Pecém, no Ceará, somam mais de R$ 500 bilhões de reais, sendo mais de R$ 200 bilhões da ByteDance e R$ 350 bilhões da Tecto, além do complexo da Casa dos Ventos, com R$ 50 bilhões na primeira fase e R$ 100 bilhões na segunda[86]; Microsoft e AWS anunciaram juntas quase R$ 25 bilhões[87]; e o país concentra 41,7% do mercado latino-americano de IA, segundo a IDC[88]. Mas o regime tributário desses centros de dados caducou em fevereiro de 2026, quando a medida provisória que o instituía perdeu eficácia sem votação, e o projeto de lei que o substituiu, embora aprovado pela Câmara, segue aguardando deliberação no Senado[89]. A competitividade brasileira não será decidida apenas pela lei de IA, mas pela soma dela com tudo o mais que o país deixa em suspenso.
Há também um ativo que costumamos subestimar: o idioma. Modelos treinados com dados brasileiros compreendem melhor o português falado nas periferias, o vocabulário do agronegócio, a jurisprudência nacional, o funcionamento do SUS. Se a regra tornar inviável treinar aqui, treinaremos lá fora, e continuaremos consumindo tecnologia pensada para outra realidade, com dados que saem do país e voltam faturados em dólar. Soberania digital não se conquista proibindo. Conquista-se produzindo.
12. O emprego, o medo e a verdade
Por trás de boa parte do apoio popular à regulação existe um medo legítimo, que raramente é dito em voz alta: o medo de perder o emprego para uma máquina. Ignorá-lo seria arrogante. Tratá-lo com honestidade é obrigação de quem escreve a lei.
A verdade é mais específica e, por isso, mais acionável, do que o pânico sugere. Como visto, o ajuste não está acontecendo por demissão em massa, mas por redução de contratações de jovens. Não é necessariamente o veterano que está sendo dispensado; às vezes é o iniciante que não está sendo chamado. O mecanismo é compreensível: a IA substitui bem o conhecimento codificado, documentado, padronizado, replicável, exatamente o que historicamente se pedia a um estagiário. Já o conhecimento tácito, construído por experiência, julgamento e contexto, ainda permanece humano.
A resposta correta, portanto, não é frear a tecnologia. É reconstruir a escada. Se o primeiro degrau da carreira desapareceu, a política pública precisa criar outro, por formação, por aprendizagem prática supervisionada, por incentivo à contratação de jovens em funções que a IA complementa em vez de substituir. Uma lei que proteja o trabalhador brasileiro do futuro será aquela que garanta transparência quando a máquina avaliar seu desempenho, revisão humana quando ela decidir sua demissão e política pública séria de requalificação. Não será a que tentar preservar tarefas que o mundo inteiro já automatizou. Proteger o emprego de ontem é a maneira mais eficiente de perder o emprego de amanhã.
13. Seis perguntas que o legislador deveria responder antes de votar
O legislador deveria responder algumas perguntas antes de votar os projetos.
Primeira: estamos regulando a tecnologia ou o seu uso? Regular a tecnologia é tentar conter o mar. Regular o uso é proteger quem se afoga. O mesmo modelo que sugere um verbo numa mensagem sugere uma dosagem num prontuário, e essas duas situações não podem ser tratadas pelo mesmo regime.
Segunda: o dano é concreto ou apenas imaginado? Exigir prova de inocência antes de qualquer aplicação, ainda que inofensiva, inverte a lógica de uma sociedade livre. O ônus regulatório deve crescer com a probabilidade e a gravidade do dano, nunca com o desconforto que a novidade provoca. Deepfake sexual de adolescente é dano concreto, medido, com vítimas identificadas. Um sistema que organiza estoque de farmácia não é.
Terceira: quem pagará a conta? Toda obrigação genérica tem um preço, e ele é sempre regressivo. O grande absorve, o pequeno desiste. Regimes simplificados, prazos escalonados e apoio técnico a pequenas empresas não são bondade: são condição de sobrevivência da concorrência. Sem esse cuidado, teremos a curiosa situação de um marco regulatório escrito para conter as big techs que terminará consolidando o domínio delas.
Quarta: o que já é ilegal precisa de nova lei? Fraude, estelionato, difamação, discriminação e violação de direitos autorais já são ilícitas no Brasil, com ou sem algoritmo. O problema, quase sempre, não é a ausência de norma, mas a dificuldade de identificar o autor e de reparar a vítima. Legislar sobre o que já existe cria burocracia; investir em investigação e perícia digital gera proteção real. A Justiça Eleitoral[90] condenou em apenas 20% dos casos de deepfake nas eleições de 2024, não por falta de norma, mas por dificuldade técnica de identificar o conteúdo e seu autor.
Quinta: a norma consegue acompanhar o objeto? Uma lei rígida sobre tecnologia veloz nasce vencida. Princípios claros, deveres proporcionais e regulação setorial adaptativa envelhecem melhor que listas detalhadas e certificações estáticas. Basta ver o ritmo: num dos principais testes de engenharia de software, que mede a capacidade de resolver problemas reais extraídos de repositórios públicos, o desempenho dos melhores modelos saltou de 4,4% para 71,7% entre 2023 e 2024, alcançando cerca de 77% no início de 2026[91]. Nenhuma lista fechada sobrevive a esse ritmo.
Sexta, e a mais esquecida: qual é o custo de não fazer? O excesso de cautela e a regulamentação excessiva também produzem vítimas, com a diferença cruel de que elas nunca aparecem. Ninguém noticia o diagnóstico que não foi feito, o emprego que não foi criado, a empresa que não nasceu, o tratamento que ficou 02 anos numa fila regulatória. Se a mamografia com apoio de IA detecta 29% a mais de cânceres, cada ano de atraso na sua adoção tem um número, só que esse número não vem em manchete. A conta da inovação impedida não é menos real por ser invisível.
14. O mínimo indispensável
Defender liberdade não é defender ausência de normas. Há um núcleo mínimo de regras que nenhum país sério pode dispensar, e que cabe em poucas linhas.
Toda pessoa deve saber quando está diante de uma máquina. Toda decisão automatizada que afete emprego, crédito, saúde, educação ou liberdade deve poder ser explicada, contestada e revista por um ser humano. Todo sistema de alta consequência deve ter um responsável identificável, com nome e registro, para que a vítima nunca fique sem endereço. Todo sistema que decide sobre direitos deve manter registro imutável do que decidiu e com base em quê, porque sem prova não há reparação.
Conteúdo sintético usado para fraudar, difamar ou manipular eleições deve ser punido com severidade real, e não simbólica, e o Estado precisa investir na capacidade técnica de identificá-lo, sem a qual a punição não passa de intenção. Dados sensíveis exigem segurança efetiva. Obras humanas usadas em treinamento exigem autorização e remuneração. E o pequeno agente econômico exige regime simplificado, sob pena de a lei produzir concentração em vez de proteção.
Tudo o mais deveria ser tratado com a presunção que uma sociedade livre reserva a quem ainda não fez mal a ninguém: a liberdade.
Conclusão
O Brasil tem uma oportunidade rara. Chegou tarde ao debate regulatório, o que lhe permite aprender com os acertos e, sobretudo, com os excessos alheios, inclusive com o recuo europeu, que aconteceu enquanto o nosso projeto esperava parecer. Pode escolher entre ser o país que disciplinou a inteligência artificial com inteligência ou o país que, temendo o futuro, decidiu adiá-lo por decreto.
Como toda ferramenta, a inteligência artificial constrói e destrói conforme a mão que a segura. Foi assim com o fogo, com a imprensa, com o automóvel e com a internet. Em nenhum desses casos a humanidade progrediu proibindo a ferramenta. Progrediu punindo o abuso, exigindo responsabilidade e mantendo aberta a porta da criação.
Que os dois projetos sejam debatidos com serenidade e harmonizados em um único texto, sem duplicidade de regimes e sem a pressa que costuma produzir leis que envelhecem antes de entrar em vigor. Que se ouçam não apenas os grandes agentes de mercado, cujas bancas chegam com mais facilidade ao Congresso, mas também o pesquisador, o professor, o médico, o pequeno empresário, o microempreendedor e o estudante que hoje aprende com uma máquina o que a escola não teve como lhe ensinar. E que se admita, no texto da lei, aquilo que a experiência já demonstrou: nenhuma regra escrita em 2026 dará conta do que existirá em 2030. Por isso, mais do que listas fechadas, o país precisa de princípios firmes, deveres proporcionais e instituições capazes tanto de rever suas próprias decisões, quanto de serem revistas.
Enquanto o Congresso hesita, a tecnologia não espera: 50 milhões de brasileiros já usam inteligência artificial, 07 em cada 10 alunos do ensino médio recorrem a ela para pesquisas escolares e mais de 08 em cada 10 tribunais brasileiros já mantêm projetos de IA em operação ou desenvolvimento. A ausência de lei não produziu prudência, produziu apenas ausência de direitos. Quem espera demais para regular acaba regulando escombros; quem regula cedo demais acaba regulando fantasmas. O ponto de equilíbrio é agora, e ele é estreito.
A boa regulação não decide até onde a inteligência artificial pode evoluir. Decide até onde nós podemos ir ao utilizá-la. Que o legislador tenha tanto firmeza para proibir o abuso, quanto prudência para não travar o progresso, a inovação, a evolução e a maior qualidade e liberdade de agenda e de vida que a IA pode proporcionar. Porque o verdadeiro avanço é aquele que amplia nossas possibilidades sem estreitar nossos direitos.
E ao povo, o que cabe? Enquanto o legislador debate se a regula e como a regula, é nosso dever aumentar nosso conhecimento sobre a inteligência artificial. Ao contrário do que os pessimistas pensam, o ser humano não será substituído pela IA. Mas certamente será superado por homens que dominam a IA. Que passemos a usá-la como ferramenta diária não apenas de entretenimento, mas sobretudo de ensino, pesquisa, educação, cultura, trabalho, empreendedorismo e inovação, potencializando nossa criatividade, qualidade e eficiência. Comece agora, pois daqui a 01 ano, você certamente desejará ter começado hoje. O melhor momento para se aprofundar em inteligência artificial foi há 03 anos. O segundo melhor momento, é agora. Firme o passo, pegue o ritmo e seja obstinado que dá!
[1] GOMMERS, Jessie; HERNSTRÖM, Veronica; JOSEFSSON, Viktoria; SARTOR, Hanna; SCHMIDT, David; HJELMGREN, Annie; LARSSON, Anna-Maria; HOFVIND, Solveig; ANDERSSON, Ingvar; ROSSO, Aldana; HAGBERG, Oskar; LÅNG, Kristina. Interval cancer, sensitivity, and specificity comparing AI-supported mammography screening with standard double reading without AI in the MASAI study: a randomised, controlled, non-inferiority, single-blinded, population-based, screening-accuracy trial. The Lancet, v. 407, n. 10527, p. 505-514, 31 jan. 2026. DOI 10.1016/S0140-6736(25)02464-X.
[2] SAFERNET BRASIL. Uso indevido de IA generativa: perspectivas sobre riscos e danos centradas nas crianças. 6 out. 2025. Mapeamento referente ao período de 2023 a outubro de 2025, com base em casos noticiados pela imprensa. Disponível em: https://new.safernet.org.br/content/mapeamento-da-safernet-identifica-deepfakes-sexuais-em-escolas-em-10-dos-27-estados.
[3] CETIC.br/NIC.br/CGI.br. Pesquisa sobre o uso das tecnologias de informação e comunicação nos domicílios brasileiros: TIC Domicílios 2025. Divulgada em 9 dez. 2025; coleta de março a agosto de 2025. Disponível em: https://cetic.br/media/analises/tic_domicilios_2025_principais_resultados.pdf.
[4] BAIN & COMPANY. Consumer Pulse 2026. Divulgada em abril de 2026.
[5] DATAFOLHA; OBSERVATÓRIO DA FUNDAÇÃO ITAÚ. Consumo e Uso da Inteligência Artificial no Brasil. Coleta de 7 a 15 jul. 2025, com 2.798 entrevistados de 16 anos ou mais; margem de erro de 2 pontos percentuais. Disponível em: https://fundacaoitau.org.br/observatorio/biblioteca/pesquisa-consumo-e-uso-da-inteligencia-artificial-no-brasil.
[6] OPENAI. Relatório divulgado em 13 ago. 2025; posição em desenvolvedores reiterada em agosto de 2026.
[7] OPENAI. Dados apresentados em 20 e 21 ago. 2026.
[8] EY. Estudo global de adoção de inteligência artificial, com mais de 18 mil respondentes em 23 mercados. Divulgado em 19 mai. 2026.
[9] DATAFOLHA. Pesquisa realizada em 17 e 18 jun. 2026, com 2.004 entrevistas presenciais em 139 municípios, população de 16 anos ou mais; margem de erro de 2 pontos percentuais.
[10] CETIC.br/NIC.br. TIC Empresas 2025, 16ª edição. Divulgada em junho de 2026; amostra de 4.174 empresas; coleta de fevereiro de 2025 a janeiro de 2026. Grandes empresas correspondem às de 250 ou mais funcionários; pequenas, às de 10 a 49.
[11] SEBRAE; FGV IBRE; GOOGLE. Levantamento com cerca de 5.000 empresas, coleta em setembro de 2025, divulgado em 22 jan. 2026. Disponível em: https://agenciasebrae.com.br/dados/pequenos-negocios-abracam-a-inteligencia-artificial-para-otimizar-o-tempo-e-inovar/.
[12] CETIC.br/NIC.br. TIC Domicílios 2025, cit. O percentual de 87% refere-se ao acesso exclusivamente pelo plano de dados do telefone celular; os 10% referem-se a domicílios das classes D e E com computador.
[13] IBGE. Pesquisa Nacional por Amostra de Domicílios Contínua: acesso à internet e à televisão e posse de telefone móvel celular para uso pessoal, ano de referência 2025. Divulgada em 2 jul. 2026.
[14] GOMMERS, Jessie et al., op. cit. Sensibilidade de 80,5% no grupo com apoio de IA contra 73,8% na dupla leitura (p = 0,031); especificidade de 98,5% em ambos os grupos; cânceres de intervalo de 1,55 por mil contra 1,76 por mil.
[15] LÅNG, Kristina et al. Artificial intelligence-supported screen reading versus standard double reading in the Mammography Screening with Artificial Intelligence trial (MASAI): resultados interinos de segurança. The Lancet Oncology, 2023.
[16] HOSPITAL SÍRIO-LIBANÊS. DataLab, projeto CareGaps Mama. Coorte de 2.988 pacientes classificadas BI-RADS 3, das quais 927 foram contatadas entre fevereiro e junho de 2024. Disponível em: https://hospitalsiriolibanes.org.br/imprensa/projeto-de-inteligencia-artificial-reduz-risco-de-cancer-mamar.
[17] XU, Zuojun; REN, Feng; WANG, Ping et al. A generative AI-discovered TNIK inhibitor for idiopathic pulmonary fibrosis: a randomized phase 2a trial. Nature Medicine, v. 31, n. 8, p. 2602-2610, 2025. DOI 10.1038/s41591-025-03743-2.
[18] MINISTÉRIO DA SAÚDE. Inauguração da primeira UTI Inteligente do SUS, Hospital Universitário Clementino Fraga Filho, Rio de Janeiro, 27 jun. 2026.
[19] DE SIMONE, Martín Elias; TIBERTI, Federico Hernán; BARRÓN RODRÍGUEZ, María Rebeca; MANOLIO, Federico Alfredo; MOSURO, Wuraola; DIKORU, Eliot Jolomi. From Chalkboards to Chatbots: Evaluating the Impact of Generative AI on Learning Outcomes in Nigeria. Washington, D.C.: World Bank, maio 2025. Policy Research Working Paper n. 11125.
[20] KESTIN, Greg; MILLER, Kelly; KLALES, Anna; MILBOURNE, Timothy; PONTI, Gregorio. AI tutoring outperforms in-class active learning: an RCT introducing a novel research-based design in an authentic educational setting. Scientific Reports, v. 15, n. 1, art. 17458, 2025. DOI 10.1038/s41598-025-97652-6.
[21] CETIC.br/NIC.br. TIC Educação 2024, 15ª edição. Divulgada em 16 set. 2025; 10.756 entrevistas em 1.023 escolas, sendo 7.476 alunos; coleta de agosto de 2024 a março de 2025. O universo considerado é o dos estudantes usuários de internet, e o uso medido é o de IA generativa em pesquisas escolares.
[22] CETIC.br/NIC.br. Inteligência Artificial na Educação: usos, oportunidades e riscos no cenário brasileiro. Estudo apresentado no Seminário INOVA IA, Rio de Janeiro, 25 nov. 2025.
[23] MINISTÉRIO DA EDUCAÇÃO. Secretaria de Educação Básica. Inteligência Artificial na Educação Básica. Documento orientador, abril de 2026.
[24] BRYNJOLFSSON, Erik; LI, Danielle; RAYMOND, Lindsey. Generative AI at Work. The Quarterly Journal of Economics, v. 140, n. 2, p. 889-942, 2025. DOI 10.1093/qje/qjae044.
[25] NOY, Shakked; ZHANG, Whitney. Experimental evidence on the productivity effects of generative artificial intelligence. Science, v. 381, n. 6654, p. 187-192, 14 jul. 2023. DOI 10.1126/science.adh2586.
[26] PENG, Sida; KALLIAMVAKOU, Eirini; CIHON, Peter; DEMIRER, Mert. The Impact of AI on Developer Productivity: Evidence from GitHub Copilot. arXiv:2302.06590, 13 fev. 2023.
[27] DELL’ACQUA, Fabrizio; McFOWLAND III, Edward; MOLLICK, Ethan R.; LIFSHITZ-ASSAF, Hila; KELLOGG, Katherine C.; RAJENDRAN, Saran; KRAYER, Lisa; CANDELON, François; LAKHANI, Karim R. Navigating the Jagged Technological Frontier: Field Experimental Evidence of the Effects of Artificial Intelligence on Knowledge Worker Productivity and Quality. Organization Science, v. 37, n. 2, p. 403-423, 2026. DOI 10.1287/orsc.2025.21838. Versão preliminar: Harvard Business School Working Paper n. 24-013, 15 set. 2023.
[28] MODEL EVALUATION AND THREAT RESEARCH (METR). Measuring the Impact of Early-2025 AI on Experienced Open-Source Developer Productivity. arXiv:2507.09089, jul. 2025.
[29] SEBRAE; FGV IBRE; GOOGLE, op. cit. Geração de novas ideias como benefício mais citado: 41% entre microempreendedores individuais, 22% nas micro e pequenas empresas e 13% nas médias e grandes.
[30] IBGE. Censo Demográfico 2022. Recorte sobre pessoas com deficiência divulgado em 23 mai. 2025.
[31] MINISTÉRIO DA GESTÃO E DA INOVAÇÃO EM SERVIÇOS PÚBLICOS; LAVID/UFPB; RNP; CÂMARA DOS DEPUTADOS. VLibras. Disponível em: https://www.vlibras.gov.br.
[32] CONSELHO NACIONAL DE JUSTIÇA. Relatório de Mapeamento de Projetos e Iniciativas de Inteligência Artificial no Poder Judiciário. Novembro de 2025; coleta de 6 a 18 nov. 2025; 51 tribunais respondentes. Disponível em: https://www.cnj.jus.br/wp-content/uploads/2025/12/relatorio-mapeamento-projetos-iniciativas-inteligencia-artificial.pdf.
[33] SERASA EXPERIAN. Indicador de Tentativas de Fraude, primeiro trimestre de 2026. Divulgado em 18 jun. 2026.
[34] SUMSUB. Identity Fraud Report. Divulgado em abril de 2026.
[35] Caso Arup, Hong Kong, fevereiro de 2024, confirmado publicamente pela empresa em maio de 2024. Registrado como incidente n. 634 no AI Incident Database.
[36] ONU MULHERES. Publicação de 4 mar. 2026.
[37] BRASIL. Lei n. 15.123, de 2025, que alterou o artigo 147-B do Código Penal.
[38] DEFENSORIA PÚBLICA DA UNIÃO; CENTRO DE ESTUDOS DE SEGURANÇA E CIDADANIA (CESeC). Mapeando a Vigilância Biométrica. 7 mai. 2025.
[39] REDE DE OBSERVATÓRIOS DA SEGURANÇA. Levantamento originalmente divulgado pelo Intercept Brasil em 21 nov. 2019, com atualizações posteriores da mesma rede.
[40] CARMO, Wendal. Erros em série expõem fragilidade do reconhecimento facial como ferramenta de combate ao crime. CartaCapital, 19 abr. 2024. O nome do vigilante não foi divulgado pelas reportagens.
[41] 12ª Vara Cível de Aracaju. Sentença de 8 mai. 2026, que condenou o Estado de Sergipe e o Município de Aracaju ao pagamento de R$ 120 mil, sendo R$ 80 mil e R$ 40 mil, respectivamente.
[42] GROTHER, Patrick; NGAN, Mei; HANAOKA, Kayee. Face Recognition Vendor Test (FRVT) Part 3: Demographic Effects. Gaithersburg: National Institute of Standards and Technology, 19 dez. 2019. NISTIR 8280. DOI 10.6028/NIST.IR.8280.
[43] OBERMEYER, Ziad; POWERS, Brian; VOGELI, Christine; MULLAINATHAN, Sendhil. Dissecting racial bias in an algorithm used to manage the health of populations. Science, v. 366, n. 6464, p. 447-453, 25 out. 2019. DOI 10.1126/science.aax2342.
[44] CHARLOTIN, Damien. AI Hallucination Cases Database. Disponível em: https://www.damiencharlotin.com/hallucinations. Posição em 27 ago. 2026.
[45] MAGESH, Varun; SURANI, Faiz; DAHL, Matthew; SUZGUN, Mirac; MANNING, Christopher D.; HO, Daniel E. Hallucination-Free? Assessing the Reliability of Leading AI Legal Research Tools. Journal of Empirical Legal Studies, v. 22, n. 2, p. 216-242, 2025. DOI 10.1111/jels.12413.
[46] 3ª Vara do Trabalho de Parauapebas, TRT da 8ª Região, processo n. 0001062-55.2025.5.08.0130, sentença de maio de 2026. Aplicada multa por litigância de má-fé e expedido ofício à OAB.
[47] SUPERIOR TRIBUNAL DE JUSTIÇA. Determinação da Presidência, de 20 mai. 2026, para instauração de inquérito policial e de procedimento administrativo destinados a apurar tentativas de prompt injection dirigidas ao sistema Logos.
[48] Tribunal de Justiça de São Paulo, processo n. 4050201-45.2025.8.26.0100; Tribunal de Justiça do Mato Grosso do Sul, processo n. 0855288-13.2025.8.12.0001; e Juizado Especial Cível de Rio Negrinho, Tribunal de Justiça de Santa Catarina, processo n. 5001058-31.2026.8.24.0055, sentença de 6 ago. 2026.
[49] CONSELHO NACIONAL DE JUSTIÇA. Manifestação CNIAJ n. 1/2026, aprovada pelo Comitê Nacional de Inteligência Artificial do Judiciário em 27 mai. 2026 e referendada como nota técnica pelo Plenário em 9 jun. 2026.
[50] LAYERX. Enterprise AI and SaaS Data Security Report 2025. 7 out. 2025.
[51] AUTORIDADE NACIONAL DE PROTEÇÃO DE DADOS. Despacho Decisório n. 20/2024/PR-ANPD e Voto n. 11/2024/DIR-MW/CD, de 2 jul. 2024.
[52] Dados compilados pelo AI Copyright Case Tracker e divulgados pela revista Consultor Jurídico em 16 abr. 2026. O acordo referido é o firmado em Bartz v. Anthropic, U.S. District Court for the Northern District of California, juiz William Alsup, com aprovação preliminar em 25 set. 2025.
[53] Getty Images v. Stability AI. High Court of Justice de Londres, sentença da Mrs Justice Joanna Smith, 4 nov. 2025.
[54] PRÓ-MÚSICA BRASIL e outras entidades. Carta entregue à Comissão Especial da Câmara dos Deputados em 19 mai. 2026, subscrita por entidades dos setores musical, audiovisual, editorial, jornalístico e dramatúrgico.
[55] OPENAI. Divulgação de 28 out. 2025.
[56] Acordo firmado em 7 jan. 2026 entre Character.AI, seus fundadores, o Google e as famílias autoras de cinco ações judiciais nos Estados Unidos, sem divulgação dos termos financeiros.
[57] CLOUDFLARE. Dados do Cloudflare Radar divulgados em 3 jun. 2026.
[58] THALES; IMPERVA. 2026 Bad Bot Report: Bad Bots in the Agentic Age. 28 abr. 2026. Ano-base 2025.
[59] GRAPHITE. Estudo com 65 mil endereços eletrônicos, cobrindo o período de janeiro de 2020 a maio de 2025.
[60] BRYNJOLFSSON, Erik; CHANDAR, Bharat; CHEN, Ruyu. Canaries in the Coal Mine? Six Facts about the Recent Employment Effects of Artificial Intelligence. Stanford Digital Economy Lab, atualização de agosto de 2026, com base em microdados de folha de pagamento da ADP. As defasagens referem-se às safras de dados de julho de 2025 e de junho de 2026.
[61] PERUCHETTI, Paulo; BARBOSA FILHO, Fernando de Holanda; FEIJÓ, Carmem; DUQUE, Daniel. Inteligência artificial generativa e mercado de trabalho no Brasil: evidências iniciais. Blog do IBRE, FGV IBRE, 27 abr. 2026.
[62] TRIBUNAL SUPERIOR ELEITORAL. Resolução n. 23.732, de 27 fev. 2024, e Resolução n. 23.755, de 2 mar. 2026, ambas alterando a Resolução n. 23.610/2019. As exceções ao dever de rotulagem constam do art. 9º-B, § 2º.
[63] TRIBUNAL SUPERIOR ELEITORAL. AREspe n. 0600201-63.2024.6.06.0118, relator Ministro Ricardo Villas Bôas Cueva, julgado em 21 mai. 2026, por unanimidade.
[64] CONSELHO NACIONAL DE JUSTIÇA. Resolução n. 615, de 11 mar. 2025, com a redação dada pela Resolução n. 674, de 25 mar. 2026. As vedações constam do art. 10.
[65] CONSELHO FEDERAL DE MEDICINA. Resolução n. 2.454, de 11 fev. 2026, art. 15, parágrafo único, e art. 18, § 2º. Publicada no Diário Oficial da União em 27 fev. 2026, com vigência a partir de 26 ago. 2026.
[66] CÂMARA DOS DEPUTADOS. Ficha de tramitação do PL n. 2.338/2023. Situação e número de apensados verificados em 27 ago. 2026. Disponível em: https://www.camara.leg.br/proposicoesWeb/fichadetramitacao?idProposicao=2487262.
[67] DATAFOLHA. Pesquisa de 17 e 18 jun. 2026, cit. A pesquisa mediu a rejeição ao uso de inteligência artificial nessas decisões, e não especificamente à decisão automatizada sem intervenção humana.
[68]IBGE. Cidades e Estados. O país conta com 5.570 unidades de nível municipal, sendo 5.569 municípios e o Distrito Federal.
[69] UNIÃO EUROPEIA. Regulamento (UE) 2024/1689 do Parlamento Europeu e do Conselho.
[70] Carta aberta da iniciativa Stop the Clock, subscrita por cerca de 50 empresas europeias, 4 jul. 2025.
[71] DRAGHI, Mario. The future of European competitiveness. Bruxelas: Comissão Europeia, 9 set. 2024.
[72] UNIÃO EUROPEIA. Regulamento (UE) 2026/1744 do Parlamento Europeu e do Conselho, de 8 de julho de 2026, que altera os Regulamentos (UE) 2024/1689, (UE) 2018/1139 e (UE) 2023/1230 quanto à simplificação das regras harmonizadas em matéria de inteligência artificial. Jornal Oficial da União Europeia, JO L, 2026/1744, 24 jul. 2026; em vigor desde 27 jul. 2026.
[73] CÂMARA DOS DEPUTADOS. PL n. 762/2026, de autoria do Deputado Rubens Pereira Júnior. Disponível em: https://www.camara.leg.br/proposicoesWeb/fichadetramitacao?idProposicao=2604767.
[74] CENTRO DE GESTÃO E ESTUDOS ESTRATÉGICOS. Relatório contendo os resultados da implementação e monitoramento do Plano Brasileiro de Inteligência Artificial para o período de 2024-2025. Abril de 2026. Dados com data de corte em 30 nov. 2025.
[75] ESTADOS UNIDOS. Executive Order n. 14148, Initial Rescissions of Harmful Executive Orders and Actions, de 20 jan. 2025, que revogou a Executive Order n. 14110/2023; e Executive Order n. 14179, Removing Barriers to American Leadership in Artificial Intelligence, de 23 jan. 2025.
[76] CASA BRANCA; OFFICE OF SCIENCE AND TECHNOLOGY POLICY. Winning the Race: America’s AI Action Plan. 23 jul. 2025.
[77] ESTADOS UNIDOS. Executive Order n. 14365, Ensuring a National Policy Framework for Artificial Intelligence, de 11 dez. 2025, cuja Seção 3 determina a criação da AI Litigation Task Force no Departamento de Justiça.
[78] COLORADO. Senate Bill 24-205, de 2024; ação judicial ajuizada pela xAI em 9 abr. 2026, com intervenção do Departamento de Justiça em 24 abr. 2026; e Senate Bill 26-189, sancionada em 14 mai. 2026.
[79] MULTISTATE AI LEGISLATION TRACKER, referente ao ano de 2025. Outras contagens, com metodologia distinta, chegam a 159 leis.
[80] REINO UNIDO. Regulating for Growth Bill, anunciado no King’s Speech de 13 mai. 2026. Nenhum projeto de lei específico sobre inteligência artificial foi anunciado.
[81] CYBERSPACE ADMINISTRATION OF CHINA. Medidas para a Rotulagem de Conteúdo Sintético Gerado por Inteligência Artificial, de 14 mar. 2025, em vigor desde 1º set. 2025.
[82] PERU. Ley n. 31814, de 2023, regulamentada pelo Decreto Supremo n. 115-2025-PCM, publicado em 9 set. 2025 e vigente desde 22 jan. 2026.
[83] CHILE. Boletins n. 15.869-19 e 16.821-19, refundidos, aprovados em primeiro trâmite constitucional em 13 out. 2025.
[84] MILEI, Javier; STURZENEGGER, Federico. Artigo publicado no Financial Times em junho de 2026. A Argentina não possui lei geral sobre inteligência artificial.
[85] STANFORD INSTITUTE FOR HUMAN-CENTERED ARTIFICIAL INTELLIGENCE. AI Index Report 2026. 13 abr. 2026, capítulo de Economia.
[86] Projetos anunciados para o Complexo Industrial e Portuário do Pecém, Ceará, entre 2025 e 2026, referentes à ByteDance, à Tecto Data Centers e à Casa dos Ventos.
[87] MICROSOFT. Anúncio de 26 set. 2024, no valor de R$ 14,7 bilhões; AMAZON WEB SERVICES, anúncio de 11 set. 2024, no valor de R$ 10,1 bilhões.
[88] IDC. LATAM Tech Insight Breakfast 2026, divulgado em 16 abr. 2026. O mercado brasileiro de IA é estimado em US$ 4,2 bilhões, correspondentes a 41,7% do total regional.
[89] BRASIL. Medida Provisória n. 1.318, de 18 set. 2025, que instituiu o Regime Especial de Tributação para Serviços de Datacenter, com perda de eficácia em 25 fev. 2026. O conteúdo migrou para o PL n. 278/2026, aprovado pela Câmara dos Deputados em 24 fev. 2026 e pendente de deliberação no Senado Federal em agosto de 2026.
[90] MACEDO, Jhennifer. Pesquisa do Instituto Brasiliense de Direito Público sobre as eleições de 2024, divulgada em 25 mar. 2026.
[91] Benchmark SWE-bench Verified. Os percentuais de 4,4% e 71,7% constam do AI Index Report 2025; o patamar de aproximadamente 77%, alcançado em fevereiro de 2026, consta do AI Index Report 2026, capítulo de Desempenho Técnico.
