Princípios de IA o Estado já tem, mas falta a infraestrutura institucional para executá-los

O Brasil entrou na fase de redigir princípios para a inteligência artificial no setor público. A Portaria MGI no 3.485/2026 , que institui a política de governança de IA no Ministério da Gestão e da Inovação em Serviços Públicos , é o exemplo mais recente, e caminha na mesma direção do debate legislativo que deve culminar no marco legal da IA. É um avanço real. Mas expõe o descompasso que define este momento: o Estado brasileiro está produzindo princípios mais rápido do que constrói a capacidade de executá-los. Um objetivo da portaria escancara essa tensão. Ao propor promover a inovação responsável por meio da aplicação ética e estratégica da IA, a norma nomeia o destino e silencia sobre o caminho. Inovação, porém, não se produz por norma. Produz-se por capacidade institucional. E aqui está a tese que interessa: o desafio da IA no Estado é institucional, não tecnológico . A tecnologia existe e amadurece rapidamente no mercado. O que falta é o Estado se organizar para comprá-la, testá-la, alimentá-la com dados, repartir seus riscos e controlá-la ao longo do tempo. O modelo de aquisição pública que herdamos pressupõe objeto definido antes do contrato, especificação exaustiva, comparação objetiva entre propostas, produto estático na entrega, previsibilidade integral do resultado e risco transferido ao fornecedor. A inteligência artificial inverte quase todos esses pressupostos. Muitas vezes o problema é conhecido, mas a solução ainda precisa ser descoberta. Aí se faz a distância entre o modo como o Estado foi desenhado para comprar e aquilo que a IA é. Fechar essa distância relaciona-se à construção de uma infraestrutura institucional para a inteligência artificial. Assim como o país aprendeu que a transformação digital dependia de infraestruturas públicas digitais, como identidade, pagamentos e interoperabilidade, a governança de IA dependerá de uma camada institucional que hoje existe apenas em fragmentos. Ela se apoia em cinco sustentações. A primeira é a capacidade estatal de contratar tecnologia complexa . Não basta ter instrumentos na lei. É preciso ter equipes capazes de traduzir um problema público em um desafio contratável, de dialogar com o mercado antes de especificar e de avaliar soluções que não se comparam por meio de uma planilha de menor preço. A Lei 14.133 já admite a contratação por desempenho e por resultado, pagando pelo problema resolvido e não pela ferramenta entregue, e o ordenamento já oferece caminhos para a inovação e o risco tecnológico. Esses instrumentos são meio, não fim. Sem gente preparada para usá-los e escrever bem o que se quer, seguem inertes, enquanto o pregão de menor preço continua sendo a escolha segura. A segunda é a governança e a soberania sobre os dados públicos . IA não é licença de software. É ativo que vive de dados. Quem detém o dado, quem treina o modelo, o que acontece na saída do fornecedor e como se garante a reversibilidade são perguntas que definem se o Estado mantém controle sobre a própria inteligência ou se a entrega é feita junto com o contrato. Soberania digital se escreve na arquitetura de dados de cada solução, ou não existe. A terceira é a gestão e o compartilhamento do risco tecnológico . Inovar é, por definição, aceitar a possibilidade de que algo não funcione na primeira tentativa. Um Estado que só sabe transferir todo o risco ao fornecedor não contrata inovação, contrata commodity. Distribuir risco, precificá-lo e prever fases de experimentação e critérios de saída são competências institucionais que precisam ser desenvolvidas. A quarta é a transformação do papel dos órgãos de controle . Este é o ponto mais sensível e decisivo. O gestor público brasileiro raramente teme a tecnologia ruim, teme a fiscalização do Tribunal de Contas. Enquanto o projeto de IA que falhou for lido como dano ao erário, e não como aprendizado precificado, nenhum ordenador de despesa vai preferir o caminho experimental ao pregão tradicional. O controle, que já é vanguarda no uso de IA, precisa ser vanguarda também na maturidade para distinguir o erro diligente da irregularidade. Sem essa distinção, toda política de inovação esbarra no medo. A quinta amarra as demais: capacidade técnica dos órgãos, mecanismos de experimentação, critérios de auditoria, segurança da informação, interoperabilidade e responsabilização . É o tecido que transforma uma boa intenção normativa em sistema que funciona, é auditável e não depende do heroísmo de um servidor isolado. Essa agenda deixa de ser abstrata no instante em que a IA passa a apoiar decisões sobre quem recebe um benefício, qual carga é fiscalizada e como se organiza a saúde, a mobilidade, a educação ou a segurança. Aí ela deixa de ser uma ferramenta de TI e passa a integrar a própria arquitetura de prestação do serviço público. O Estado brasileiro já vive esse estágio. O Tribunal de Contas da União audita licitações com a Alice, a Receita seleciona cargas na aduana com aprendizado de máquina há mais de uma década, o CADE persegue cartéis com o Projeto Cérebro e o Judiciário automatiza a triagem processual. Onde a IA já orienta a decisão pública, transparência, explicabilidade, continuidade, auditabilidade e segurança deixam de ser requisitos técnicos e passam a ser condição de legitimidade do serviço. Daí a inversão que proponho a este debate. O Brasil não está atrasado por falta de princípios. Boa parte dos instrumentos jurídicos já existe. O que falta é combiná-los com capacidade institucional, modelos de contratação orientados a problemas e resultado, governança de dados e uma cultura administrativa que trate a inovação como função de Estado, não como risco pessoal do gestor. O próximo desafio da inteligência artificial no governo não é escrever mais uma diretriz de ética ou de uso. É construir a infraestrutura institucional capaz de transformar princípio em capacidade de execução . Enquanto isso não acontecer, seguiremos com políticas elegantes no papel e um Estado que ainda não sabe comprar, testar e governar aquilo que já começou a decidir por ele.