Setor público acelera adoção de IA agêntica apesar de deficiências em supervisão e dados
Uma pesquisa da Capgemini com 600 executivos seniores mostra que mais da metade das organizações do setor público está explorando ou implementando IA agêntica, mesmo com a governança e a maturidade de dados com dificuldades para acompanhar o ritmo. Especialistas pedem que as agências foquem em fluxos de trabalho internos de baixo risco para preservar a confiança pública.
Governos em todo o mundo estão migrando de iniciativas experimentais de IA para implementações em larga escala, impulsionados pela crescente expectativa da população por serviços mais rápidos e resultados mensuráveis. No entanto, o preparo institucional e a supervisão continuam defasados em relação à ambição técnica, de acordo com descobertas recentes do Capgemini Research Institute.
Com base em uma pesquisa realizada com 600 executivos seniores do setor público, o estudo revelou que pouco mais da metade das organizações governamentais está atualmente explorando, realizando projetos-piloto ou implementando IA agêntica. Ao mesmo tempo, menos de um quarto dos entrevistados relatou que suas práticas de IA responsável estão acompanhando o ritmo das implementações.
Infraestrutura legada e gargalos de dados
Especialistas do setor alertam que essa lacuna decorre de déficits técnicos históricos nas administrações públicas. Marc Reinhardt, líder global da indústria para o setor público na Capgemini, destacou que as agências estatais enfrentam dificuldades há anos com infraestrutura desatualizada, sistemas legados, interoperabilidade e governança. Com o avanço da IA agêntica — que exige amplo acesso a bancos de dados e sistemas diversos —, a modernização dessas bases tornou-se urgente.
Reinhardt apontou a ausência de bases sólidas de dados como o principal obstáculo para escalar a IA agêntica. Além disso, muitos sistemas legados nunca foram projetados para serem acessados via APIs, impedindo que agentes de software autônomos interajam com eles de maneira fluida.
Laura Gilbert, chefe do programa AI for Government no Tony Blair Institute for Global Change, sediado em Londres, reforçou que os sistemas subjacentes, e não os modelos em si, são o principal gargalo. Ela também enfatizou uma crescente lacuna de "capacidade e confiança" nos órgãos públicos, ressaltando que a forte dependência de conhecimento técnico terceirizado deixa os servidores públicos mal preparados para avaliar a segurança, estimar a viabilidade ou estabelecer a responsabilização quando agentes de software executam ações autônomas.
Mitigando riscos com fluxos de trabalho de "porta de mão dupla"
Para aproximar a inovação da segurança, especialistas recomendam que os governos estabeleçam salvaguardas claras detalhando quais decisões um agente de IA pode executar de forma autônoma, a quais dados pode ter acesso e quando deve devolver o controle a um operador humano.
O ideal é que as primeiras implementações sejam direcionadas a tarefas internas repetitivas e de alto volume, nas quais eventuais erros tragam consequências mínimas para a população. Reinhardt apontou fluxos de trabalho administrativos, processamento de documentos, gestão de processos, aprovações de rotina e procedimentos internos de TI como pontos de partida sensatos.
Da mesma forma, Gilbert defendeu ambientes de baixo risco, como a triagem de demandas recebidas, gestão de correspondências e elaboração de resumos de evidências. Essas tarefas geram economia de tempo perceptível enquanto funcionam como "portas de mão dupla", nas quais erros podem ser revertidos com facilidade sem abalar a confiança pública ou alterar diretamente os resultados para os cidadãos.
Além das salvaguardas operacionais, os especialistas concordam que as agências precisam desenvolver pequenas equipes técnicas internas altamente capacitadas, posicionadas próximas aos tomadores de decisão, para testar, questionar e governar os sistemas de IA à medida que as implementações se expandem.
