Regulação da IA: Muitas regras já são criticadas por serem demasiado fracas e tardias.

À frente, um ministro discursa sobre “segurança para o futuro” e “balizas amigas da inovação”, mas as frases escorregam sem efeito até à última fila, onde estão pessoas de hoodie e portáteis abertos. Uma delas criou, há três meses, uma ferramenta de IA que já gera milhões de imagens por dia - ainda completamente fora do alcance de qualquer regulação. É aquele instante em que duas realidades partilham a mesma sala e, mesmo assim, não se entendem. No palco negoceiam-se artigos e definições. Lá atrás, o código que muda as regras do jogo já está a correr. E, silenciosamente, a pergunta essencial instala-se entre as cadeiras.

Quando a regulação da IA vem no espelho retrovisor

Em Bruxelas, comissões e grupos de trabalho disputam cada formulação, enquanto, em São Francisco, equipas de desenvolvimento já afinam a próxima geração de modelos. Quem fala com pessoas do sector da IA ouve uma frase repetida até à exaustão: “Quando a lei entra em vigor, já reconstruímos o sistema três vezes.” Pode soar a exagero, mas tem um desconforto muito concreto. A regulação da IA parece um GPS com mapas desactualizados: sugere “vire à direita” com toda a simpatia, quando a estrada já virou auto-estrada há muito. A tecnologia corre; o Direito vai a pé. E no meio ficamos todos nós - fascinados e, ao mesmo tempo, com um nó no estômago.

A explicação de fundo é implacavelmente simples: a regulação reage, a inovação age. As leis têm de ser negociadas, verificadas, traduzidas, harmonizadas e aprovadas. Já os modelos de IA precisam sobretudo de capacidade de computação, capital de risco e uma equipa competente - e escalam em meses. E sejamos francos: quase ninguém vai ler, por iniciativa própria, 300 páginas de fundamentação legislativa para adaptar um modelo de negócio quando o mercado está a chamar. Por isso, as primeiras gerações de regras acabam muitas vezes por ser documentos históricos para tecnologias que já ficaram para trás. Daí a crítica, muitas vezes justa: a regulação existe, mas não “agarra” a realidade. Protege-nos de riscos de anteontem, enquanto as experiências verdadeiramente decisivas já estão a acontecer noutros sítios.

Basta lembrar um caso que foi subestimado durante demasiado tempo: os primeiros deepfakes conhecidos de figuras políticas já circulavam quando a palavra “deepfake” ainda não aparecia em praticamente nenhum texto legal nacional. Em campanhas eleitorais, surgiram vídeos manipulados no TikTok e no Telegram, partilhados em grupos, comentados, acreditados. Só semanas mais tarde é que comissões começaram a tentar definir “conteúdos sintéticos” - numa altura em que os clips já tinham passado a rotina. Algo semelhante aconteceu com a IA generativa de texto: escolas, universidades e redacções entraram em modo de alarme com receio de plágio, vagas de desinformação e batota. Em contraste, muitos documentos estratégicos nacionais ainda falavam em “oportunidades futuras para Big Data”. Ao folhear projectos e propostas, sente-se uma estranha latência, quase como numa transmissão em directo com atraso.

Porque “demasiado fraca” não é apenas um rótulo

Ao olhar com mais atenção, percebe-se que o problema não é só de calendário; é também de força efectiva. Muitas leis apostam em auto-compromissos das empresas, comités de ética e relatórios de transparência. Parece civilizado - e por vezes é -, mas frequentemente não tem dentes. Em muitos casos, nem sequer é claro como se detectam violações, quanto mais como se punem. Uma empresa consegue publicar linhas orientadoras impecáveis, enquanto, por dentro, equipas trabalham sob pressão para lançar versões cada vez mais depressa. A realidade de resultados trimestrais e chamadas com investidores choca com formulações cautelosas em PDFs. No fim, tende a vencer o que gera receita, não o que levanta dúvidas.

O debate sobre dados de treino mostra bem este desequilíbrio. Milhares de milhões de imagens, textos e peças musicais entram em modelos de IA, muitas vezes sem consentimento explícito de quem cria. As primeiras grandes iniciativas regulatórias falam de “transparência adequada”, “prestação de contas” e “consideração dos direitos de autor”. Tudo soa sensato - até ao momento em que artistas, fotógrafos e jornalistas percebem que as suas obras já foram engolidas por conjuntos de dados. Os tribunais começam a analisar casos-padrão, mas devagar. Entretanto surgem novos modelos, alimentados por repositórios ainda maiores. Para muitas pessoas afectadas, esta fase é vivida como um saque em câmara rápida, enquanto o legislador ainda está a fazer inventário.

A fragilidade estrutural tem várias origens. As entidades reguladoras estão cronicamente subdimensionadas, enquanto as grandes tecnológicas mantêm departamentos inteiros de lobby. Expressões como “explicabilidade”, “viés” ou “risco sistémico” soam técnicas nas audições - e é precisamente aí que o poder se desloca. Quem define os conceitos acaba, muitas vezes, por definir também as margens de manobra. Em certos textos, a IA é descrita de forma tão estreita que novos modelos ficam confortavelmente “fora do âmbito”. Ao mesmo tempo, surgem excepções, sobretudo para usos militares ou ligados à segurança, onde a transparência termina de imediato. O resultado é uma regulação que parece rígida no papel e deixa folga exactamente onde mais importa na prática.

Há ainda um ponto menos discutido, mas decisivo: a compra e adopção de tecnologia. Mesmo com regras gerais, a forma como organismos públicos contratam sistemas de IA - que requisitos pedem, que auditorias exigem, que cláusulas de responsabilidade impõem - pode acelerar ou travar abusos. Um caderno de encargos bem desenhado (com obrigações de registo, testes e acesso a documentação) vale, muitas vezes, mais do que um princípio vago escrito num preâmbulo.

E existe um segundo lado da mesma moeda: literacia e expectativa social. Quando a população não tem referências claras para reconhecer deepfakes, interpretar “pontuações” algorítmicas ou exigir explicações, a pressão para cumprir regras enfraquece. A regulação da IA não vive apenas de sanções; vive também de pessoas capazes de fazer perguntas incómodas, de jornalistas com ferramentas para verificar, e de instituições que expliquem limites sem infantilizar o público.

O que teria de mudar agora - para lá da política simbólica na regulação da IA

Quem trabalha no terreno repete uma palavra como se fosse mantra: agilidade. Em vez de pacotes legislativos gigantes a cada poucos anos, fazem falta regras mais leves e modulares, capazes de ser actualizadas com rapidez. Por exemplo, entidades de supervisão de IA independentes e com competências técnicas reais, aptas a testar modelos, ordenar auditorias e classificar riscos - à semelhança de como funcionam as inspecções alimentares, mas aplicadas a conjuntos de dados e algoritmos. Um quadro claro onde certas utilizações, como vigilância em massa ou social scoring, sejam simplesmente proibidas. Algumas linhas vermelhas inegociáveis teriam mais impacto do que cem páginas de princípios sem força vinculativa.

O erro número um em muitas discussões é esperar pela “grande” solução global, em vez de começar onde é possível já. Enquanto fóruns debatem padrões internacionais, as autarquias e serviços locais poderiam testar regras práticas para IA em escolas, na administração pública ou no mercado da habitação. Que ferramentas podem (ou não) ser usadas quando estão em causa dados de cidadãos? Que grau de transparência é obrigatório em decisões apoiadas por IA na área social ou na saúde? Muitas pessoas sentem-se impotentes porque a IA lhes aparece como uma nuvem abstracta. É precisamente aqui que são necessários projectos concretos, próximos do quotidiano, com comunicação honesta. Porque ninguém, na vida real, passa os dias a destrinçar políticas de privacidade e listas de funcionalidades de ferramentas de IA - e é por isso que instituições e reguladores têm de levar esse trabalho a sério.

A perspectiva torna-se particularmente interessante quando se ouve quem vive entre os dois mundos - tecnologia e Direito. Um jurista que antes foi programador resumiu assim:

“Tratamos a IA como um tema especializado para painéis de peritos, quando já é uma questão de infra-estrutura, como electricidade ou água. Se algo falha, um guia de ética não chega.”

Daí podem sair medidas concretas como:

• Classes de risco vinculativas para IA: quanto maior o potencial de dano, mais exigentes devem ser as obrigações de avaliação, teste e as regras de responsabilidade.
• Registos de modelos transparentes: listas públicas de grandes sistemas de IA, com informação sobre áreas de utilização, entidades operadoras e riscos conhecidos.
• Participação efectiva: conselhos de utilizadores, canais de reclamação e direitos de acção judicial que existam para além do papel.
• Travões técnicos obrigatórios: interruptores de emergência, registo (logging) e protocolos rastreáveis em aplicações sensíveis.
• Espaços protegidos sem IA: áreas como educação na primeira infância ou terapias particularmente delicadas, onde a IA fica fortemente limitada.

Entre fascínio e perda de controlo

No fim, sobra uma conclusão incómoda: não vamos “acabar” de regular a IA e seguir tranquilos. Estes sistemas mudam depressa, profundamente e, muitas vezes, sem alarido. A crítica de que as regras actuais chegam tarde e são demasiado fracas nasce desse sentimento de entrar numa série a meio - quando a história já vai na terceira temporada. Ao mesmo tempo, o impulso de proibir tudo dificilmente se sustenta. O eixo da pergunta muda: em vez de “somos a favor ou contra a IA?”, passa a ser “quanto risco aceitamos colectivamente e quem tem legitimidade para decidir?”. É entre estes pólos que se vai jogar a próxima década política.

Talvez a regulação real comece noutro lugar: na capacidade de tolerar incerteza e, ainda assim, traçar limites claros. Nem todos os detalhes de cada caso de uso são reguláveis à partida, e nem toda a inovação cabe em categorias já existentes. Mas podemos escolher se incluímos as pessoas e grupos mais vulneráveis no desenho do sistema - ou se os transformamos, silenciosamente, em cobaias. Cidadãos cujos rostos acabam em bases de dados. Trabalhadores dependentes de pontuações automáticas. Crianças cujas trajectórias de aprendizagem são rastreadas desde cedo. Quem leva estas histórias a sério deixa de conseguir fingir que regras tardias e fracas são apenas um “dano colateral” do caminho para a inovação.

Talvez valha a pena, no próximo lançamento “revolucionário” de uma ferramenta de IA, não ficar só a admirar o que passou a ser possível, mas parar um segundo para perguntar: quem protege quem - e a partir de quando? Esses pequenos momentos de desconforto, partilhados em conversas, comentários e assembleias municipais, podem ter mais força do que mais um plano estratégico bem escrito. A regulação da IA não é um tema de nicho; é uma votação silenciosa sobre que tipo de futuro queremos considerar normal. E, a cada nova aplicação que aceitamos sem regras claras, esse futuro aproxima-se - estejamos prontos ou não.

Ponto-chave	Detalhe	Valor para quem lê
Lacuna de velocidade	A evolução da IA acontece em meses; os processos legislativos demoram anos	Ajuda a perceber porque tantas regras parecem vir do passado
Fragilidade estrutural	Auto-compromissos, sanções pouco claras, pressão de lobby	Mostra onde e como a regulação falha no mundo real
Alavancas concretas	Classes de risco, entidades de supervisão, espaços protegidos sem IA	Ideias práticas para um quadro regulatório mais robusto

FAQ

• Pergunta 1: Porque é que muitas regras actuais sobre IA são consideradas tardias?
• Pergunta 2: O que torna as normas de hoje tão “suaves” na prática?
• Pergunta 3: Uma regulação mais exigente pode sufocar completamente a inovação?
• Pergunta 4: Que papel podem ter, de forma concreta, as cidades e autarquias?
• Pergunta 5: O que posso fazer, enquanto pessoa individual, para além da política e do meio tecnológico?