Portal ENAP

IA na Administração Pública: o que o LIIA aprendeu em 2025

Brasília, 28 de novembro de 2025
Patrícia Baldez - Coordenadora-Geral do LIIA

A Inteligência Artificial deixou de ser promessa futurista para se tornar realidade presente. Mas sua aplicação no setor público revela desafios bem diferentes daqueles enfrentados pela iniciativa privada. Após um ano de operação, o Laboratório de Inovação em Inteligência Artificial (LIIA) da ENAP mapeou não apenas as oportunidades, mas também os equívocos mais comuns — e como evitá-los

Este artigo sintetiza esses aprendizados, oferecendo uma visão prática para gestores públicos que desejam implementar IA de forma estratégica e responsável.

O diagnóstico: por que a maioria falha?

O entusiasmo por IA generativa (ChatGPT e similares) criou expectativas irreais. Os números não mentem

• 95% dos projetos piloto de IA em empresas não geram retorno financeiro mensurável, segundo estudo do MIT (2025).
• 95% das organizações estão obtendo zero retorno apesar de investimentos de $30-40 bilhões em GenAI empresarial, conforme pesquisa MLQ.ai "The GenAI Divide" (2025).
• ROI médio de iniciativas de IA empresariais permanece em apenas 5,9%, de acordo com relatório IBM (2023).

A causa comum: implementação sem compreensão da realidade. Governos (e empresas) investem em ferramentas sofisticadas sem antes estruturar o básico — dados, processos e pessoas.

Como resume a prática do LIIA: IA não deseja, não inventa sem comando; a ferramenta só produz valor quando alimentada por dados organizados e processos bem definidos. Sem isso, não há tecnologia que resolva problemas.

Os 4 pilares da implementação bem-sucedida

O LIIA identificou quatro alicerces que sustentam (ou deveriam sustentar) as iniciativas de IA no setor público. Não são glamourosos, mas são inegociáveis:

1. Dados estruturados

IA funciona com dados. Dados desorganizados, incompletos ou inconsistentes produzem resultados medíocres. Essa verdade elementar é frequentemente negligenciada.

Durante o desenvolvimento de soluções de IA para políticas ambientais, o LIIA enfrentou o principal gargalo: o Brasil possui dados abundantes sobre meio ambiente, mas distribuídos em sistemas não interoperáveis, frequentemente desorganizados e fragmentados entre diferentes órgãos.

Recomendação: Antes de qualquer implementação de IA, invista em limpeza, organização e integração de bases de dados. É tarefa ingrata e invisível, mas absolutamente necessária.

2. Processos mapeados

Um problema crônico da administração pública: processos existem apenas na cabeça das pessoas. Quando um servidor sai, o conhecimento vai com ele. Essa baixa institucionalidade gera retrabalho e incerteza.

Automatizar sem compreender o passo-a-passo é acelerar - e talvez aprofundar - disfuncionalidades. Um processo bem documentado permite identificar oportunidades reais de automação e melhoria. Se a IA otimizar o erro, ela só vai acelerar a ineficácia.

Recomendação: Invista em mapeamento de processos com rigor e documentação. Parece básico, mas é onde muitos fracassam.

3. Capacitação segmentada

IA não substitui pessoas; transforma suas funções. A capacitação vai além de saber usar as ferramentas. Deve incluir compreensão de limites, implicações éticas e potencial real.

Quando as equipes entendem a IA como ferramenta de apoio (e não como ameaça), criam-se condições para inovação responsável. A resistência diminui; a proatividade aumenta.

A ENAP oferece trilhas de capacitação estruturadas para três públicos-alvo:

• Lideranças: compreensão estratégica para tomada de decisão baseada em dados.
• Servidores: uso ético e seguro de ferramentas de IA.
• Equipes de TI: atualização contínua em tecnologias e melhores práticas.

Recomendação: Estabeleça programas de capacitação progressivos com certificação, não cursos isolados.

4. Cultura organizacional

Esse tende a ser o pilar mais desafiador. Implementar IA significa lidar com resistências, redistribuição de poder e novas formas de trabalho. Haverá receios genuínos e entusiasmo irresponsável — ambos precisam ser gerenciados.

A mudança cultural exige liderança clara, comunicação permanente e pequenas vitórias visíveis. Começa com pilotos, comunica-se sucessos, constrói-se confiança incrementalmente.

Por que o setor público é diferente (e provavelmente mais complexo)?

No setor privado, a regra é: tudo que não for proibido é permitido. No governo: só é permitido agir em virtude de lei. Esse princípio é essencial para segurança jurídica, mas cria fricção com a velocidade da inovação.

Fragmentação de dados: O Brasil possui grande volume de dados públicos, mas espalhados entre órgãos com sistemas incompatíveis. Integrar essas bases para criar inteligência é tarefa complexa e custosa.

Impacto social direto: Diferentemente de ganhos de eficiência no setor privado, a implementação de IA no governo afeta direitos do cidadão. Cada real investido em IA é recurso não destinado a outras políticas. É necessário garantir isonomia de acesso e transparência nas decisões automatizadas.

Legalidade contingenciada: Decisões que seriam triviais em empresas privadas exigem marcos legais no setor público. Isso não é entrave, é proteção — mas requer planejamento e prestação de contas diferenciados.

O que evitar: três erros críticos observados

Ao trabalhar com diferentes órgãos e entes federativo, o LIIA mapeou algumas possibilidades de melhoria nos processos de estruturação de IA no Setor Público.

Ponto #1: governança indefinida

O Plano Brasileiro de Inteligência Artificial (PBIA) é ambicioso, mas carece de clareza sobre responsabilidades. Quem decide? Quem implementa? Quem é consultado? Quem verifica e valida os resultados alcançados?

Sem essa clareza, ocorre sobreposição de esforços, retrabalho, projetos em andamento que “ninguém mandou fazer” e muita falta de transparência sobre o que está sendo executado.

Sugestão de solução: Implementar uma matriz RACI simples no início de cada projeto, definindo explicitamente quem é Responsável, Aprovador, Consultado e Informado.

Ponto #2: projetos sem orçamento de longo prazo

IA, especialmente as soluções mais robustas, exige investimento sustentado. Iniciar projetos ambiciosos sem garantir recursos para 2-3 anos é receita segura para abandono.

Sugestão de solução: Começar com escopo restrito e viável. É preferível resolver bem um problema simples do que embarcar em mega projetos destinados ao fracasso financeiro.

Ponto #3: priorizar IA generativa em detrimento de necessidades reais

O fascínio por LLMs (Large Language Models) é compreensível, mas desalinhado com prioridades públicas. Existem necessidades mais urgentes que podem ser atendidas com soluções mais acessíveis. Por exemplo?

• Automação de processos e relatórios.
• Análise preditiva para previsão de demandas
• Aprendizado de máquina para otimização de operações.
• Pequenos modelos de linguagem (SLM) focados em problemas específicos.

Sugestão de solução: O LIIA recomenda - e assessora parceiros nesta jornada - um processo de três fases:

1. Diagnóstico: compreender o problema e a experiência do usuário em profundidade.
2. Estratégia: desenhar um portfólio de soluções considerando riscos, oportunidades, custos e impactos.
3. Implementação: construir, testar e escalar na ordem sugerida pelo diagnóstico e estratégica elaborados.

Dois casos de sucesso

Goiás: Ecossistema sustentável baseado em vocação

Goiás adotou duas estratégias diferenciadas:

Investimento em capital humano: criou programas de graduação e pós-graduação em IA na Universidade Federal de Goiás, que evoluíram para o CEIA (Centro de Excelência em IA), hoje referência nacional na interseção entre desenvolvimento científico e fomento a startups.

Marco legal local: foi o primeiro estado brasileiro a promulgar legislação estadual sobre IA, garantindo segurança jurídica para inovadores. Essa legislação vem sendo replicada por outros entes federativos.

Foco em vocação: direcionou a IA para resolver problemas específicos (agronegócio com proteção ambiental), com consultoria internacional de ponta.

Pernambuco: Transformação de serviços públicos com IA Aplicada

Pernambuco implementou o conceito de "Estado sem clique" — o cidadão não precisa buscar o direito; o governo identifica e oferece.

Exemplo Prático — Gestão de Filas em Saúde:

O estado utilizou ciências comportamentais para identificar padrões de absenteísmo (ex: 50% das pessoas faltam em dias de chuva). Em seguida, lançou edital de inovação aberta para que startups propusessem soluções. Como resultado, implementou uma Compra Pública de Solução Inovadora (CPSI) testando um sistema de "overbooking" inteligente.

Resultado: mensagens automáticas via WhatsApp chamam pessoas da fila de espera. As vagas são preenchidas e o tempo de espera foi reduzido drasticamente. A solução já foi replicada em outros estados (Amazonas, por exemplo), gerando retorno ao investidor inicial e ampliando impacto.

Oportunidades acessíveis para pequenos e médios governos.

Não é necessário orçamento bilionário. Muitas soluções impactantes são simples e de custo factível para desenvolvimento e manutenção:

• Aprendizado de máquina: identifica padrões em dados históricos, prevê tendências e otimiza a alocação de recursos.
• Análise preditiva: prevê demandas de saúde, riscos ambientais, necessidades de infraestrutura.
• Automação de relatórios: libera servidores de tarefas repetitivas para atividades estratégicas.
• Gestão inteligente de demanda: otimiza filas, agendamentos, distribuição de recursos (modelo Pernambuco).
• Acesso proativo a direitos: via WhatsApp/SMS, informa cidadãos sobre benefícios e documentações necessárias

Essas soluções são baratas, rápidas de implementar e geram impacto social mensurável. Resolvem necessidades básicas; quando atendidas, transformam a percepção cidadã sobre o setor público.

Capacitação: o fio condutor da tranformação.

Capacitação não é luxo, é alicerce. Vai além de treinar no uso de ferramentas. Ao longo de 2025, a ENAP embarcou na EVG programas progressivos para diferentes públicos:

Para Lideranças:

• Entender potencial da IA para decisão estratégica.
• Conhecer iniciativas já desenvolvidas (governo e setor privado).
• Demandar e gerenciar projetos de IA relevantes.

Para Servidores:

• Usar IA de forma ética e segura.
• Compreender limitações legais e técnicas.
• Aplicar boas práticas em dia-a-dia.

Para Equipes de TI:

• Atualização contínua em tecnologias emergentes.
• Melhores práticas de desenvolvimento e implementação.
• Segurança e compliance.

Cada curso oferece certificação; a conclusão completa do programa gera reconhecimento adicional.

Com o treinamento, espera-se transformar resistência em curiosidade, medo em proatividade — essencial para cultura de inovação.

Governança e ética: os requisitos não-negociáveis

Governança clara

Em temas "hype", todos querem crédito pelo sucesso, poucos o trabalho persistente da responsabilidade. Projetos com múltiplos atores (governo, academia, setor privado) precisam de papéis explícitos.

O Marco Legal da Inovação brasileiro facilita parcerias público-privadas. Estados e municípios devem criar suas próprias normas de fomento, garantindo segurança jurídica e, na medida do possível, clareza de papéis institucionais.

Um instrumento prático: Matriz RACI em cada projeto, definindo responsabilidades desde o início.

Ética e Inclusão

Verdade incômoda: O viés não é da IA, é do ser humano. A IA apenas automatiza e amplifica vieses presentes nos dados e nas perguntas feitas a eles.

Exemplo: Bancos de dados prisionais predominantemente com homens negros podem levar a IA a "concluir" que homens negros são mais violentos — perpetuando preconceito em escala.

Solução: Fazer perguntas difíceis antes de implementar. Os dados representam a população? Há vieses ocultos? Quem é excluído?

Para apoiar neste processo das perguntas complexas e necessárias, o MGI (Ministério da Gestão e da Inovação) desenvolveu framework de ética para IA baseado em diretrizes UNESCO — instrumento prático para avaliar projetos e garantir responsabilidade. Vale a pena conhecer e se manter realista também.

Talvez não seja possível garantir inclusão universal, mas é possível levar IA intencionalmente a populações marginalizadas, garantindo infraestrutura, linguagem acessível e conhecimento de direitos.

Próximos passos: o que fazer agora?

A transformação digital por IA é irreversível. Regulação é inevitável — e desejável. Regras claras fomentam confiança. Confiança fomenta a inovação.

Estados têm responsabilidade constitucional em Ciência, Tecnologia e Inovação (CT&I). Cada esfera federativa deve definir seu papel, como Goiás, Pernambuco e Piauí - pesquise! - demonstram.

Bons passos para o futuro breve?

1. Lançar editais para problemas públicos reais — não por problema público genérico
2. Facilitar diálogos permanentes entre governo, academia, setor privado, sociedade civil.
3. Comunicar iniciativas e planos — ecossistema mobilizado com transparência.

A receita é simples, mas exige disciplina

O LIIA acredita que ninguém vai fazer IA sozinho. E assim a gente sintetiza a abordagem sugerida aqui.

Construir um ecossistema de inovação em IA exige a quádrupla hélice falando e sendo ouvida: governo, academia, iniciativa privada, sociedade civil.

A receita é simples: respirar, fazer devagar e sem parar, construir com governança clara e simplificada.

Comecemos pelo básico:

• dados estruturados;
• processos mapeados;
• pessoas capacitadas; e
• cultura de inovação responsável instalada.

E, neste processo, conte com o LIIA para conversar, assessorar, mergulhar no problema junto com gestores, desenhar soluções e buscar financiamentos.

A transformação já começou. Vamos acelerar juntos, com ética e foco no impacto público?

Referências:

• https://nanda.media.mit.edu/ai_report_2025.pdf
• https://veja.abril.com.br/coluna/planeta-ia/ia-generativa-no-brasil-muito-papo-pouca-acao/
• https://goias.gov.br/observatoriodeinovacao/categoria/politicas-publicas/capital-humano-de-ponta-politicas-publicas/
• https://goias.gov.br/inovacao/guia-do-marco-legal-da-inovacao/
• https://goias.gov.br/casacivil/caiado-destaca-preservacao-ambiental-e-maior-tecnologia-para-crescimento-do-agronegocio/
• https://ieps.org.br/ieps-e-governo-de-pernambuco-firmam-parceria-para-reduzir-filas-de-espera-por-atendimentos-ambulatoriais-especializados/

Quer colaborar com o LIIA? Contato: liia@enap.gov.br