# Norma RUAI (edição de 2026) ## O que significa usar IA de forma responsável em 2026 > Usar IA de forma responsável significa usar IA para melhorar o trabalho, mantendo as pessoas no comando: decidem o que a IA pode fazer, dão-lhe fontes fiáveis, verificam o que produz e respondem pelo resultado. Um assistente pode usar uma tabela de preços que partilhou há meses. Um agente com permissão para enviar um email também pode enviar o seguinte. A equipa precisa de saber em que fontes confiar e que ações exigem aprovação. A Founderz AI, S.L. (Founderz) publica a norma. A Founderz desenvolve-a em colaboração com a Microsoft. Endereço canónico: https://responsibleai.founderz.com/pt/toolkit/home ## Antes de começar ### Princípio 1: Supervisão humana da IA **As pessoas decidem o que a IA pode fazer autonomamente, em que momentos uma pessoa revê o trabalho e que decisões continuam a caber às pessoas.** Pergunta essencial: Se isto correr mal, é possível reverter a ação e quem será afetado? Benefício: Limites claros permitem delegar mais, porque todos sabem em que momentos intervém uma pessoa. Quando um assistente redige um email, decide o que enviar. Se o assistente puder enviar o email, marcar reuniões, alterar registos ou passar trabalho a outro agente, pergunte que ações precisam da sua aprovação. Depois de definir esses limites, um agente pode tratar de duzentos pedidos de rotina enquanto se ocupa dos três que precisam de si. #### Quatro níveis de supervisão humana | Nível | O que faz a IA | O que faz a pessoa | Adequado para | | --- | --- | --- | --- | | 1. A IA redige | Produz material | Decide o que utilizar, alterar ou descartar | Escrita, análise, pesquisa, ideias | | 2. A IA propõe | Prepara uma ação concreta | Aprova essa ação exata antes de ser executada | Emails a clientes, pagamentos, alterações de registos | | 3. A IA age dentro de limites | Age autonomamente dentro dos limites definidos nas suas permissões | Acompanha, trata das exceções e interrompe quando necessário | Trabalho de rotina fácil de reverter, como ordenar, etiquetar ou reservar salas internas | | 4. A pessoa faz | Nada de forma autónoma | Decide por si | Decisões sobre pessoas e ações dispendiosas que não pode reverter | Para escolher um nível, faça três perguntas. É possível reverter a ação? Quem mais é afetado? Qual é o custo de um erro? Tudo o que seja irreversível, externo ou diga respeito a uma pessoa começa no nível 2 ou 4. Estes níveis partem de três tipos de supervisão humana descritos pelo Grupo de Peritos de Alto Nível sobre IA da UE em 2019: intervenção no ciclo de decisão, acompanhamento do funcionamento e comando global. O nível 2 é a forma quotidiana de intervenção no ciclo de decisão e o nível 3 corresponde ao acompanhamento. Ao escolher o nível de cada tarefa, assume o comando. O glossário apresenta as [definições completas](https://responsibleai.founderz.com/pt/toolkit/glossary#human-in-the-loop). #### Pontos de revisão eficazes Num ponto de revisão eficaz, vê o que vai realmente acontecer: o destinatário, o montante, a redação, o registo. Tem tempo e conhecimentos para avaliar a ação. Dizer não impede a sua execução e o silêncio nunca conta como aprovação. Se a ação mudar depois de a aprovar, volta a ser-lhe apresentada. Uma segunda IA também pode rever o trabalho, mas a sua concordância continua a não contar como aprovação humana. Se clicar em «aprovar» em todas as sugestões, pode deixar passar um erro mesmo que tenha tempo para o detetar. Os investigadores chamam a isto [viés de automatização](https://responsibleai.founderz.com/pt/toolkit/glossary#automation-bias), e o Regulamento da IA da UE exige supervisão humana que proteja contra esse risco. O quadro de Singapura para a IA agêntica acrescenta um sinal de alerta prático: quando os revisores quase nunca contrariam o sistema ou aprovam muito depressa, verifique se alguém está realmente a rever. #### Decisões sobre pessoas Algumas decisões continuam a caber às pessoas, independentemente do que a ferramenta consegue fazer: contratação, promoção, remuneração, avaliação de desempenho e despedimento, bem como tudo o que altere o acesso de alguém a dinheiro, cuidados de saúde ou serviços públicos. A IA pode ajudar nas tarefas administrativas, como redigir um anúncio de emprego ou agendar entrevistas. A decisão cabe-lhe a si, assenta em critérios que consegue explicar e segue os procedimentos de recursos humanos e jurídicos da sua organização. Na UE, os sistemas de IA utilizados para selecionar candidatos a emprego ou ajudar a decidir promoções ou despedimentos são, em geral, classificados como de risco elevado. O RGPD também restringe decisões tomadas exclusivamente por meios automatizados quando produzem efeitos jurídicos ou igualmente significativos para uma pessoa. [O papel da lei](https://responsibleai.founderz.com/pt/toolkit/law) apresenta os pormenores. #### Práticas - Defina o nível antes de começar: a IA redige, a IA propõe, a IA age dentro de limites ou a pessoa faz. - Leia antes de aprovar. Se não consegue avaliar, peça ajuda a alguém que consiga. - Mantenha uma forma de interromper o trabalho e reverter o que foi feito. - Reserve as decisões sobre pessoas para pessoas, com critérios que consegue explicar. - Quando a tarefa, os dados ou a ferramenta mudarem, volte a escolher o nível. #### Evidências - O Regulamento da IA da UE exige que os sistemas de IA de risco elevado sejam concebidos para que as pessoas que os supervisionam estejam atentas ao viés de automatização, a tendência para confiar excessivamente nos resultados. [1] - O quadro de Singapura para a IA agêntica responsabiliza as organizações e os seus supervisores humanos pelo que os agentes fazem e pede aprovação humana em pontos de revisão importantes, como eliminar dados, enviar mensagens e fazer pagamentos. [2] - O mesmo quadro considera uma taxa muito baixa de intervenção ou revisões muito rápidas um possível sinal de aprovação automática e prefere aprovações impostas pelo sistema a aprovações pedidas num prompt. [2] - Os Princípios da OCDE para a IA, adotados pelos governos em 2019 e revistos em 2024, pedem salvaguardas como a capacidade de intervenção e supervisão humanas. [3] - Uma revisão sistemática concluiu que o viés de automatização leva as pessoas tanto a seguir recomendações erradas como a ignorar problemas que o sistema não assinalou. [4] - Quando o governo britânico utilizou IA para classificar 87 738 respostas a uma consulta pública, 125 pessoas verificaram o trabalho da ferramenta e as equipas responsáveis pelas políticas aprovaram os temas. [5] Página completa: https://responsibleai.founderz.com/pt/toolkit/principles/human-oversight ### Princípio 2: Uma fonte única de referência para a IA **A IA trabalha com fontes aprovadas e atuais, e cada facto importante tem um local único, com responsável e data.** Pergunta essencial: Onde está este facto e quem o mantém atualizado? Benefício: Um colega que verifica um orçamento consegue encontrar a mesma tabela de preços que utilizou. Os assistentes de trabalho respondem cada vez mais a partir dos ficheiros, emails e conversas da própria organização. O Microsoft Copilot, por exemplo, pode recorrer a qualquer conteúdo que o utilizador já tenha permissão para abrir. Se o armazenamento partilhado tiver cinco versões da tabela de preços, o assistente pode indicar os preços do ano passado. Dê aos colegas e ao assistente uma única tabela de preços atualizada. Quando um preço mudar, o responsável pode corrigi-lo nesse local. #### Cinco regras para uma fonte única de referência | Regra | Na prática | | --- | --- | | 1. Cada facto importante tem um local único | Inclua ligações para esse local nos diapositivos, emails e conversas, para apontarem sempre para a versão atual. | | 2. Cada local tem um responsável e uma data | O responsável mantém-no atualizado. A data diz às pessoas e à IA quão recente é a informação. | | 3. Encaminhe a IA para esse local | Use fontes aprovadas e pergunte ao assistente que documento utilizou. | | 4. Os rascunhos continuam a ser rascunhos | Um resultado da IA só se torna fonte depois de uma pessoa o rever e publicar. | | 5. Corrija na fonte | Quando encontrar um erro, corrija o local de referência e informe o responsável, para que a próxima pessoa e a próxima IA recebam a informação certa. | Uma fonte aprovada pode ainda assim estar errada, por isso uma boa fonte única de referência também tem uma forma simples de comunicar erros e alguém que os resolve. #### Manutenção das fontes e acesso Ficheiros antigos e duplicados fazem perder tempo às pessoas, e um assistente pode transformá-los em respostas. As próprias orientações da Microsoft para organizações que implementam o Copilot recomendam identificar sites com partilha excessiva, sem responsável ou inativos, rever quem tem acesso, arquivar sites inativos e eliminar ficheiros obsoletos para manter as respostas atuais. Essas orientações destinam-se a administradores de informática. A sua parte é cuidar daquilo por que é responsável: as suas pastas, as páginas da equipa e os documentos com o seu nome. #### Exemplo: a fonte de referência da Founderz A Founderz mantém o conhecimento da organização num único local. Cada documento tem um responsável, uma versão, uma data da última verificação e uma classificação: público, interno ou confidencial. Cada valor é escrito uma só vez, no documento que é a sua referência, e tudo o resto remete para esse local. As alterações passam por revisão. Os assistentes de IA leem este conhecimento através de um conector, e os rascunhos que propõem esperam pela intervenção de uma pessoa antes de serem publicados. [Leia o estudo de caso](https://responsibleai.founderz.com/pt/toolkit/case-studies/founderz-single-source-of-truth). #### Práticas - Saiba onde está a versão oficial dos factos essenciais: preços, políticas, informações de produtos, condições de clientes. - Dê um nome e uma data aos documentos e arquive as versões que substitui. - Pergunte ao assistente que documento utilizou e abra-o. - Mantenha os rascunhos da IA fora das pastas partilhadas até alguém os rever. - Quando encontrar um erro, corrija a fonte e informe o responsável. #### Evidências - O Microsoft Copilot só apresenta conteúdo da organização que o utilizador já tem permissão para ver. [6] - As orientações da Microsoft para a implementação do Copilot recomendam rever os acessos, arquivar sites inativos e eliminar ficheiros obsoletos para manter as respostas atuais. [7] - Os Princípios da OCDE para a IA pedem aos responsáveis pela IA que mantenham conjuntos de dados, processos e decisões rastreáveis. [3] - O perfil do NIST para a IA generativa inclui a confabulação, conteúdo falso apresentado com confiança, entre os seus doze riscos. [8] Página completa: https://responsibleai.founderz.com/pt/toolkit/principles/single-source-of-truth ### Princípio 3: Confidencialidade da informação partilhada com IA **A informação só é partilhada com IA em ferramentas aprovadas, para uma finalidade aprovada e na medida necessária à tarefa.** Pergunta essencial: Tenho autorização para partilhar isto nesta ferramenta? Benefício: Pode usar IA no trabalho de um cliente, mantendo a informação dele em ferramentas aprovadas para esse fim. Os ficheiros dos clientes, os dados pessoais dos colegas e os planos da empresa foram-lhe confiados para uma finalidade, que se mantém quando utiliza IA. O que a IA muda é a facilidade com que a informação circula: colar texto, carregar um ficheiro, um conector que pode ler uma caixa de correio inteira, um assistente que se lembra do que lhe disse na semana passada. A mesma ferramenta pode ser adequada para uma tarefa e inadequada para outra. Uma conta profissional abrangida pelo contrato da organização e uma conta pessoal podem parecer idênticas e ter condições muito diferentes. No Work Trend Index de 2024 da Microsoft, 78% das pessoas que utilizavam IA no trabalho disseram que levavam as suas próprias ferramentas. #### Verificações antes de partilhar informação Antes de partilhar um ficheiro, verifique o seguinte: - Esta ferramenta está aprovada para este tipo de informação? - A tarefa precisa de toda a informação ou basta um excerto? - Dados fictícios de exemplo serviriam para testar o prompt? - Quem mais poderá ver a informação, agora e no futuro? #### Anonimização e pseudonimização Retirar nomes raramente torna os dados anónimos. A idade, o cargo, a localização e uma data podem bastar para identificar alguém, sobretudo numa equipa ou localidade pequena. A autoridade de proteção de dados do Reino Unido explica como o contexto e a combinação de pormenores permitem identificar pessoas e por que razão substituir nomes por códigos ([pseudonimização](https://responsibleai.founderz.com/pt/toolkit/glossary#pseudonymization)) continua a deixar dados pessoais. Se uma tarefa exigir dados pessoais reais, use uma ferramenta e um processo autorizados para esse fim. #### Conectores e memória do assistente Uma ligação ao seu email, calendário ou armazenamento pode dar a um assistente acesso a informação que consegue ver. Verifique que pastas e caixas de correio pode abrir e desative o que a tarefa não exige. Se o assistente tiver memória, veja o que guardou e elimine dados de clientes que não devam estar lá. #### Práticas - Use as ferramentas e contas que a sua organização aprovou para a informação com que está a trabalhar. - Partilhe o mínimo necessário à tarefa. Muitas vezes basta um excerto ou um exemplo fictício. - Verifique o que o assistente memoriza e que pastas os seus conectores podem abrir. - Mantenha a informação de um cliente fora do trabalho para outro cliente. - Peça autorização antes de gravar ou transcrever uma reunião e diga onde ficará a transcrição. #### Evidências - No Work Trend Index de 2024 da Microsoft, 78% das pessoas que utilizavam IA no trabalho disseram que levavam as suas próprias ferramentas de IA. [9] - Para os clientes comerciais do Microsoft 365, a Microsoft afirma que não utiliza os prompts, respostas ou dados do Copilot acedidos através do Microsoft Graph para treinar modelos de base. Confirme em que conta tem sessão iniciada antes de partilhar ficheiros de trabalho. [6] - Nos termos do RGPD, dados pessoais são quaisquer informações relativas a uma pessoa identificada ou identificável. [10] - O Information Commissioner’s Office do Reino Unido explica que a anonimização eficaz depende do contexto e que os dados pseudonimizados continuam a ser dados pessoais. [11][12] Página completa: https://responsibleai.founderz.com/pt/toolkit/principles/confidentiality ### Princípio 4: Permissões limitadas para agentes de IA **Os agentes de IA recebem apenas o acesso necessário à sua tarefa, e tudo o que seja irreversível exige confirmação de uma pessoa.** Pergunta essencial: Qual é o pior que este agente pode fazer com o acesso que tem? Benefício: Pode deixar um agente organizar emails sem lhe dar o poder de enviar um por engano. Um agente que organiza o seu email precisa de ler mensagens. Se também puder enviar respostas, pode enviar uma por engano. Alguém pode até esconder instruções num email para o levar a enviar um ficheiro. Verifique o que pode fazer com o acesso que lhe concede. Dê ao agente apenas o acesso necessário a esta tarefa. As equipas de segurança chamam a isto [privilégio mínimo](https://responsibleai.founderz.com/pt/toolkit/glossary#least-privilege). É a regra que aplicaria a um novo colega no primeiro dia. #### Permissões e prompts Peça ao agente que prepare rascunhos das respostas e limite as suas permissões à criação de rascunhos. Essa definição impede-o de enviar mensagens mesmo que interprete mal as suas instruções. O quadro de Singapura para a IA agêntica recomenda controlos do sistema para impor aprovações sempre que possível. A OWASP chama a este risco [capacidade de ação excessiva](https://responsibleai.founderz.com/pt/toolkit/glossary#excessive-agency): um sistema de IA com mais funções, permissões ou autonomia do que a tarefa exige. A sua edição de 2026 recomenda que uma pessoa confirme ações privilegiadas, irreversíveis ou visíveis no exterior. #### Injeção de prompts Emails, páginas web e documentos partilhados podem conter texto escrito para influenciar uma IA que os leia. Isto é [injeção de prompts](https://responsibleai.founderz.com/pt/toolkit/glossary#prompt-injection). O National Cyber Security Centre do Reino Unido alerta que o problema poderá nunca ser totalmente resolvido, pelo que a defesa passa por limitar o que um sistema enganado pode fazer. O investigador de segurança Simon Willison descreve uma [«combinação tripla letal»](https://responsibleai.founderz.com/pt/toolkit/glossary#lethal-trifecta): um agente pode ler os seus dados privados, ler conteúdo de desconhecidos e enviar informação para o exterior. Um desconhecido pode esconder nesse conteúdo um pedido para levar o agente a enviar-lhe os seus dados. Só dê os três tipos de acesso ao mesmo agente se a sua equipa de informática o tiver concebido assim. Não precisa de detetar todos os ataques. Repare quando um agente quer de repente fazer algo que não pediu, interrompa-o e comunique o caso. #### Práticas - Comece por acesso só de leitura ou limitado a rascunhos e acrescente permissões uma de cada vez. - Confirme tudo o que seja irreversível: enviar, pagar, eliminar, partilhar fora da organização. - Evite dar ao mesmo agente, em simultâneo, os seus dados privados, conteúdo de desconhecidos e uma forma de enviar informação para o exterior. - Interrompa um agente que queira fazer algo que não pediu e comunique o caso. - Defina limites de dinheiro, destinatários e tempo e saiba como desligar o agente. #### Evidências - O Top 10 de 2026 da OWASP para aplicações com LLM inclui a injeção de prompts e a capacidade de ação excessiva entre os principais riscos e recomenda o privilégio mínimo e a confirmação humana de ações privilegiadas, irreversíveis ou visíveis no exterior. [13] - O National Cyber Security Centre do Reino Unido recomenda limites fixos, independentes da IA, ao que os sistemas podem fazer, porque a injeção de prompts poderá nunca ser totalmente resolvida. [14] - Dados privados, conteúdo não fiável e comunicação externa no mesmo agente tornam possível o roubo de dados por injeção de prompts. [15] - Na definição de privilégio mínimo do NIST, cada utilizador ou sistema recebe apenas os recursos e o acesso necessários ao seu trabalho. [16] - O quadro de Singapura para a IA agêntica prefere aprovações impostas por controlos do sistema a aprovações pedidas em prompts. [2] Página completa: https://responsibleai.founderz.com/pt/toolkit/principles/agent-permissions ## Enquanto trabalha ### Princípio 5: Critério próprio e competências **As pessoas formam a sua própria opinião antes de se apoiarem na IA e continuam a praticar as competências de que o seu trabalho depende.** Pergunta essencial: O que penso eu? Benefício: Exercita o critério de que precisa para avaliar o trabalho da IA. Antes de pedir uma recomendação a um assistente, escreva o que pensa. Terá uma resposta sua para comparar com a sugestão dele. Um inquérito da Carnegie Mellon University e da Microsoft Research a 319 trabalhadores do conhecimento concluiu que, quanto mais as pessoas confiavam na IA para uma tarefa, menos pensamento crítico diziam exercer, enquanto as pessoas confiantes nas suas capacidades diziam exercer mais. Bastam três linhas. Quando as respostas diferirem, analise as razões de cada uma e anote o que aprendeu. #### Conservação das competências As competências podem perder-se quando uma máquina faz o trabalho. Em 2013, a Federal Aviation Administration dos EUA incentivou as companhias aéreas a promover o voo manual quando adequado, porque o uso contínuo da automatização não mantém essas competências. Em quatro centros de endoscopia polacos, a taxa de deteção de adenomas pelos médicos em colonoscopias feitas sem IA caiu de 28,4% para 22,4% nos meses após a introdução da assistência por IA. A universidade dos autores descreve este resultado observacional como uma questão que exige mais investigação. No seu trabalho, reserve tempo para praticar as tarefas que continuará a ter de fazer sem assistência. #### Tarefas em que a IA ajuda Quando 20 000 funcionários públicos britânicos experimentaram um assistente de IA no seu software de escritório, disseram poupar, em média, 26 minutos por dia e 82% não queriam voltar atrás. Uma avaliação mais pequena num departamento encontrou resumos de relatórios mais rápidos e melhores, mas análises de folhas de cálculo mais lentas e menos rigorosas. Experimente a IA nas suas tarefas reais, mantenha o que funciona e meça os resultados. [O estudo de caso](https://responsibleai.founderz.com/pt/toolkit/case-studies/uk-government-ai-assistant-evaluations) apresenta os pormenores. #### Práticas - Escreva primeiro a sua resposta ou estrutura, mesmo que sejam três linhas, e depois compare. - Peça à IA que explique a resposta e lhe faça perguntas para testar os seus conhecimentos, além de fazer o trabalho. - Faça de vez em quando o essencial do seu trabalho sem IA. - Repare quando aceita respostas que não conseguiria avaliar por si e aprenda o suficiente para as avaliar. - Use IA onde se justifica. Algumas tarefas fazem-se mais depressa, com menos custos ou melhor sem ela. #### Evidências - Num inquérito a 319 trabalhadores do conhecimento, uma maior confiança na IA generativa estava associada a menos pensamento crítico declarado, e uma maior autoconfiança a mais. [17] - Nas colonoscopias feitas sem IA, a taxa de deteção de adenomas em quatro centros caiu de 28,4% para 22,4% após a introdução da assistência por IA. [18] - A Federal Aviation Administration dos EUA incentiva as companhias aéreas a promover o voo manual quando adequado, para conservar competências que a automatização não exercita. [19] - Nos termos do Regulamento da IA da UE, as organizações que fornecem ou utilizam sistemas de IA têm de tomar medidas para promover a literacia em IA do seu pessoal. [20] - Funcionários públicos britânicos disseram poupar, em média, 26 minutos por dia com um assistente de IA, e uma avaliação departamental concluiu que os ganhos variavam consoante a tarefa. [21][22] Página completa: https://responsibleai.founderz.com/pt/toolkit/principles/independent-judgment ### Princípio 6: Questionamento e consciência dos vieses **A IA é utilizada para pôr ideias à prova, além de as desenvolver, e a sua tendência para concordar é contrariada ativamente.** Pergunta essencial: Qual é o argumento mais forte contra isto? Benefício: Pode resolver uma fragilidade do seu plano antes de um cliente ou uma chefia a detetar. Os assistentes de IA são treinados para ajudar, e as pessoas tendem a considerar útil a concordância. O resultado é uma tendência bem documentada chamada [complacência](https://responsibleai.founderz.com/pt/toolkit/glossary#sycophancy): os assistentes tendem a dizer o que parece querer ouvir. Uma investigação apresentada na ICLR 2024 encontrou-a de forma consistente em cinco assistentes, e as pessoas por vezes preferiam uma resposta persuasiva e concordante a uma correta. Em abril de 2025, um grande fornecedor de IA retirou uma atualização de um modelo porque se tornara excessivamente lisonjeiro. Quando já prefere um plano, um assistente pode dar-lhe muitas razões para o manter. Pergunte o que levaria um cliente a rejeitá-lo e verifique se consegue responder à objeção. #### Vieses comuns no trabalho com IA | Viés | Como se manifesta | O que fazer | | --- | --- | --- | | Complacência | O assistente concorda consigo, elogia o plano ou abandona a objeção quando o contraria. | Peça o argumento mais forte contra a ideia, na perspetiva de um crítico concreto. | | Viés de confirmação | Pergunta «porque é que a minha ideia está certa?» e recebe razões para estar certa. | Faça perguntas abertas, como «quais são as opções?» | | Viés de automatização | Aceita o resultado por ter sido produzido por uma máquina. | Decida antecipadamente o que vai verificar. | | Ancoragem | A primeira resposta ou o primeiro número condiciona tudo o que vem a seguir. | Faça primeiro a sua estimativa ou peça várias opções. | | Pressupostos locais errados | A resposta pressupõe a lei, moeda, ortografia ou costumes de outro país. | Diga onde está e a quem se destina o trabalho. | #### Produtividade percebida e medida A sua perceção de como a IA está a funcionar pode estar errada em qualquer dos sentidos. Num estudo da METR do início de 2025, 16 programadores experientes esperavam que a IA os tornasse 24% mais rápidos e sentiram-se 20% mais rápidos no final, mas demoraram mais 19% nas tarefas com IA. O estudo de seguimento da METR de 2026 sugere que as ferramentas melhoraram e considera que os dados são agora pouco sólidos. A perceção foi um mau indicador em 2025, por isso meça o resultado quando uma decisão depende dele. [Leia o estudo de caso](https://responsibleai.founderz.com/pt/toolkit/case-studies/metr-perceived-and-measured-productivity). #### Práticas - Faça perguntas abertas, como «quais são as opções?», e evite perguntas que induzam a resposta, como «porque é que a minha opção é a melhor?» - Peça o argumento mais forte contra a sua ideia, na perspetiva de um crítico concreto: um diretor financeiro, um cliente, um concorrente. - Mude o enquadramento e volte a perguntar. Se a resposta se inverter, percebeu como era frágil. - Decida que provas o fariam mudar de opinião antes de as procurar. - Quando o resultado importa, meça-o. A sensação de produtividade é uma prova pouco sólida. #### Evidências - Cinco assistentes de IA mostraram complacência de forma consistente, e as pessoas por vezes preferiam respostas complacentes convincentes a respostas corretas. [23] - Em abril de 2025, um grande fornecedor de IA retirou uma atualização de um modelo porque se tornara excessivamente lisonjeiro, afirmando que dera demasiado peso ao feedback dos utilizadores a curto prazo. [24] - No início de 2025, programadores experientes sentiam-se 20% mais rápidos com IA, mas demoravam mais 19% nas tarefas em que a usavam. A METR considerou pouco fiáveis os resultados do seu seguimento mais alargado de 2026. [25][26] - O perfil do NIST para a IA generativa inclui o viés de automatização e a dependência excessiva entre os riscos da interação entre pessoas e sistemas de IA. [8] - Uma revisão clássica descreve o viés de confirmação como a tendência para procurar e interpretar provas de formas que favorecem aquilo em que já se acredita. [27] Página completa: https://responsibleai.founderz.com/pt/toolkit/principles/challenge-and-bias-awareness ## Antes de partilhar ### Princípio 7: Verificação proporcional às consequências **A profundidade da verificação corresponde ao custo de um erro, e cada fonte em que se apoia o trabalho é aberta e confirmada.** Pergunta essencial: Qual seria o custo se isto estivesse errado? Benefício: O leitor consegue seguir um valor até aos dados originais ou encontrar a passagem que sustenta uma afirmação. A IA escreve com a mesma fluência quando está errada. Pode inventar uma referência, citar mal uma fonte, omitir uma condição ou transformar «previsto para sexta-feira» em «garantido». O NIST chama à parte inventada [confabulação](https://responsibleai.founderz.com/pt/toolkit/glossary#confabulation): conteúdo falso apresentado com confiança, por vezes com citações inventadas que o fazem parecer fundamentado. Relatórios longos tornam estes erros mais difíceis de detetar, e eles já chegaram a clientes e tribunais. Não pode verificar tudo, por isso adapte a profundidade da verificação ao custo de um erro. #### Níveis de verificação | Nível | Para | O que fazer | | --- | --- | --- | | Leitura rápida | Rascunhos internos, ideias, notas pessoais | Leia tudo. Responde à pergunta que fez? | | Verificações pontuais | Tudo o que partilha com colegas | Verifique os nomes, datas, valores e afirmações mais importantes. | | Verificação completa | Tudo o que é publicado, assinado, enviado a um cliente ou usado para decidir | Abra cada fonte, refaça os cálculos, confirme citações e datas e peça a outra pessoa que reveja o trabalho quando um erro puder ter consequências graves. | #### Verificação das fontes Abra a fonte citada e encontre a passagem que sustenta a afirmação. Verifique a data e se se aplica ao seu país e mercado. Uma segunda IA pode ter os mesmos pontos cegos da primeira, pelo que a sua concordância não substitui a abertura da fonte. Ferramentas especializadas reduzem os erros sem os eliminar. Um estudo de Stanford publicado em 2025 concluiu que algumas das principais ferramentas de pesquisa jurídica com IA ainda alucinavam em 17% a 33% das perguntas de teste. Até setembro de 2026, uma base de dados pública tinha registado mais de 2000 decisões de tribunais judiciais e de outros órgãos de decisão envolvendo conteúdo inventado por IA, sobretudo citações falsas. #### Verificação de pedidos e identidades Um rosto, voz ou estilo de escrita familiar pode ser convincente mesmo quando alguém o imitou com IA. No início de 2024, um trabalhador de Hong Kong transferiu cerca de 200 milhões de HK$ após uma videochamada em que os restantes participantes, incluindo o diretor financeiro, eram falsos. [Leia o estudo de caso](https://responsibleai.founderz.com/pt/toolkit/case-studies/arup-deepfake-video-call-fraud). Trate qualquer pedido invulgar de dinheiro, credenciais ou dados confidenciais como não verificado até o confirmar por outro meio de contacto, por sua iniciativa: ligue para um número que já tem ou vá à secretária da pessoa. Tanto o FBI como o instituto nacional de cibersegurança de Espanha recomendam esta prática. #### Práticas - Adapte o nível de verificação às consequências: leitura rápida, verificações pontuais ou verificação completa. - Abra a fonte e encontre a passagem que sustenta a afirmação. - Refaça os cálculos importantes. - Verifique a data e o local: a informação é atual e adequada ao seu país e mercado? - Confirme pedidos invulgares de dinheiro, credenciais ou dados por outro meio de contacto, por sua iniciativa. #### Evidências - O NIST define confabulação como conteúdo falso apresentado com confiança, por vezes com raciocínios ou citações inventados que o fazem parecer fundamentado. [8] - Num estudo de Stanford com revisão por pares, algumas das principais ferramentas de pesquisa jurídica com IA alucinaram em 17% a 33% de 202 perguntas de teste. [28] - Até 23 de setembro de 2026, uma base de dados pública listava 2077 decisões em que tribunais concluíram, ou deram a entender, que uma parte se tinha apoiado em conteúdo inventado por IA. [29] - A própria Microsoft explica na documentação que não pode garantir que as respostas da IA generativa sejam 100% factualmente corretas e que os utilizadores devem usar o seu critério ao rever os resultados antes de os enviar a outros. [6] - O FBI recomenda desligar e voltar a ligar para um número obtido de forma independente. O INCIBE de Espanha recomenda nunca autorizar pagamentos por telefone e exigir mais de um aprovador para pagamentos elevados. [30][31] Página completa: https://responsibleai.founderz.com/pt/toolkit/principles/proportionate-verification ### Princípio 8: Qualidade do trabalho com IA **O trabalho feito com IA é revisto a pensar no leitor antes de ser partilhado: a ideia principal primeiro, apenas a extensão necessária e com o critério próprio do autor.** Pergunta essencial: Gostaria de receber isto? Benefício: Os seus colegas conseguem agir com base numa mensagem sem terem de perguntar o que queria dizer. Antes de encaminhar um rascunho, pergunte o que o leitor precisa de fazer a seguir. Quem recebe seis páginas de notas de reunião pode ter de ler as seis para encontrar o seu prazo. Investigadores do Social Media Lab de Stanford e da BetterUp chamam a isto [workslop](https://responsibleai.founderz.com/pt/toolkit/glossary#workslop): trabalho gerado por IA que parece cuidado, mas não tem o conteúdo necessário para fazer uma tarefa avançar. No seu inquérito de 2025 a 1150 trabalhadores dos EUA, 40% disseram ter recebido trabalho deste tipo no mês anterior, e cada caso levou, em média, quase duas horas a resolver. Comece pela decisão de que precisa, acrescente a sua perspetiva e corte o que o leitor pode dispensar. #### Escrita a pensar no leitor Escreva para quem vai ler: a sua língua, os seus conhecimentos e o que precisa de fazer a seguir. Um assistente pode tornar uma política densa mais clara, transformar uma transcrição em notas legíveis ou um gráfico em texto alternativo para quem não o pode ver, e pode preparar um resumo para quem lê o seu trabalho numa segunda língua. Verifique o resultado como verificaria qualquer rascunho, em especial nomes, números e quaisquer promessas. #### Notas de reunião feitas por IA Os colegas podem usar um resumo de IA como registo do que acordaram. Compare as decisões, os responsáveis e os prazos com o que foi dito. Uma data provisória registada como compromisso firme pode causar mais problemas do que a ausência de notas. #### Práticas - Comece pela ideia principal e depois apresente os pormenores. - Reduza o texto ao que o leitor precisa. Geralmente é mais curto do que o primeiro rascunho da IA. - Acrescente o que só pode vir de si: a sua avaliação, o contexto e a decisão de que precisa. - Compare as notas de reunião da IA com o que foi realmente dito antes de as partilhar. - Indique que partes ainda precisam de verificação, para que ninguém confunda um rascunho com uma decisão. #### Evidências - Num inquérito de 2025 a 1150 trabalhadores a tempo inteiro dos EUA, 40% tinham recebido workslop no mês anterior, e cada caso levou, em média, 1 hora e 56 minutos a resolver. [32] - Numa avaliação do governo britânico, as pessoas que usavam um assistente de IA produziram resumos de relatórios mais depressa e com melhor qualidade. [22] Página completa: https://responsibleai.founderz.com/pt/toolkit/principles/quality-of-ai-assisted-work ### Princípio 9: Transparência sobre o uso de IA **As pessoas são informadas quando a IA teve uma participação que razoavelmente gostariam de conhecer, e nunca se usa IA para enganar.** Pergunta essencial: Sentir-se-iam enganados se soubessem como isto foi feito? Benefício: Um cliente que sabe que está a falar com um assistente de IA pode decidir se quer falar com uma pessoa. Um email que uma ferramenta ajudou a aperfeiçoar não precisa de uma indicação. Informe as pessoas quando falam com um assistente de IA. Identifique imagens e vozes sintéticas realistas. Se a maior parte de um relatório que apresenta como fruto dos seus conhecimentos veio de uma ferramenta, explique quais foram os seus contributos. Pergunte se as pessoas se sentiriam enganadas caso soubessem como o trabalho foi feito. Se sim, informe-as. #### Requisitos legais Desde 2 de agosto de 2026, aplicam-se as regras de transparência do Regulamento da IA da UE. Os fornecedores têm, em geral, de informar as pessoas quando interagem diretamente com IA, a menos que isso seja óbvio no contexto. As organizações que utilizam IA para criar [deepfakes](https://responsibleai.founderz.com/pt/toolkit/glossary#deepfake) têm, em geral, de divulgar como foram feitos. Um código de prática voluntário da UE, considerado adequado pela Comissão em julho de 2026, explica como os fornecedores podem marcar conteúdo gerado por IA e como os responsáveis pela implantação podem identificar deepfakes. Outros países têm as suas próprias regras, e os clientes podem ter cláusulas contratuais sobre o uso de IA. [O papel da lei](https://responsibleai.founderz.com/pt/toolkit/law) apresenta os pormenores. #### Afirmações e representações autênticas A IA consegue inventar muito bem experiências plausíveis: um episódio, uma citação, um resultado. A sua credibilidade depende de ser verdadeiro tudo o que apresenta em seu nome. Use IA para contar bem as suas histórias reais e nunca para criar uma representação ou voz realista de uma pessoa real sem o seu consentimento. #### Práticas - Informe as pessoas quando interagem com um assistente ou agente de IA. - Identifique imagens, áudio e vídeo sintéticos realistas, sobretudo de pessoas ou acontecimentos reais. - Nunca crie uma representação ou voz realista de uma pessoa real sem o seu consentimento. - Siga as regras da sua organização e do cliente sobre a divulgação da ajuda da IA nos trabalhos entregues. - Impeça a IA de inventar a sua experiência: histórias, citações e números. #### Evidências - Desde 2 de agosto de 2026, as regras da UE exigem, em geral, que os fornecedores informem as pessoas quando interagem diretamente com IA, a menos que isso seja óbvio no contexto. Quem utiliza IA para criar deepfakes tem, em geral, de divulgar esse uso. [1][20] - Nos termos do Regulamento da IA da UE, um deepfake pode ser uma gravação fabricada de uma pessoa real ou imagens alteradas de um acontecimento real que alguém possa confundir com conteúdo autêntico. [1] - Em julho de 2026, a Comissão considerou o código de prática voluntário sobre marcação e identificação de conteúdo gerado por IA adequado para estes deveres. [33] Página completa: https://responsibleai.founderz.com/pt/toolkit/principles/transparency ### Princípio 10: Responsabilidade pelos resultados com IA **As pessoas e organizações que utilizam IA respondem pelos resultados, e os problemas são comunicados cedo.** Pergunta essencial: Estou preparado para assinar este trabalho? Benefício: Se assinalar um erro cedo, as pessoas que receberam o seu trabalho podem corrigi-lo antes de outros se apoiarem nele. Tanto quem assina como a respetiva organização respondem pelo que é divulgado em seu nome, incluindo o trabalho que um assistente de IA redige ou envia. Em 2024, um tribunal canadiano rejeitou o argumento de uma companhia aérea de que o chatbot do seu site era responsável pelas próprias respostas: o chatbot fazia parte do site da companhia, e esta respondia por tudo o que nele constava. Se encontrar um erro, informe as pessoas afetadas enquanto ainda as pode ajudar a corrigi-lo. Partilhe o que aconteceu com colegas que possam deparar-se com o mesmo problema. #### Tratamento dos erros - Interrompa o trabalho, se ainda estiver em curso. - Informe a pessoa responsável e o seu contacto para problemas com IA, se existir. - Guarde o necessário para perceber o que aconteceu: o prompt, as fontes e o resultado. - Corrija o resultado e informe as pessoas afetadas. - Partilhe o que aprendeu, incluindo os incidentes evitados por pouco. #### Conservação de registos Quando alguém pergunta como chegou a uma decisão, ajuda ter o prompt, as fontes que verificou e um registo do que alterou. Para as organizações, os Princípios da OCDE para a IA pedem conjuntos de dados, processos e decisões rastreáveis. #### Práticas - Leia tudo o que envia, assina ou entrega como se mais tarde lhe fossem pedir explicações sobre o conteúdo. - Quando algo correr mal, comunique-o cedo, corrija e informe as pessoas afetadas. - Comunique também os incidentes evitados por pouco, como um agente que quase enviou o ficheiro errado. - Guarde o suficiente do seu trabalho (prompt, fontes, resultado) para explicar como chegou ao resultado. - Partilhe com os colegas o que funciona. #### Evidências - Um tribunal canadiano responsabilizou uma companhia aérea por toda a informação no seu site, incluindo as respostas do chatbot, e considerou que prestara informações falsas por negligência. [34] - Um tribunal federal dos EUA multou advogados e o seu escritório por apresentarem, e depois defenderem, decisões judiciais inventadas por um chatbot de IA. [35] - Um departamento australiano disse à CFO Dive que a Deloitte tinha devolvido parte dos honorários de um relatório que continha fontes inventadas e uma citação judicial fabricada. [36][37] - Os Princípios da OCDE para a IA responsabilizam os intervenientes no domínio da IA pelo bom funcionamento dos sistemas, de acordo com as suas funções. [3] - O quadro de Singapura para a IA agêntica mantém a organização que a utiliza e os seus supervisores responsáveis pelas ações dos agentes, incluindo as autónomas. [2] Página completa: https://responsibleai.founderz.com/pt/toolkit/principles/accountability ## Fontes 1. Regulation (EU) 2024/1689 (Artificial Intelligence Act). European Union, Official Journal, 13 de junho de 2024. https://eur-lex.europa.eu/eli/reg/2024/1689/oj 2. Model AI Governance Framework for Agentic AI. Infocomm Media Development Authority, Singapore, Versão 1.5, 20 de maio de 2026 (primeira publicação em 22 de janeiro de 2026). https://www.imda.gov.sg/resources/press-releases-factsheets-and-speeches/updated-model-ai-governance-framework-for-agentic-ai 3. Recommendation of the Council on Artificial Intelligence (OECD AI Principles). OECD, Adotados em 22 de maio de 2019; revistos em 3 de maio de 2024. https://legalinstruments.oecd.org/en/instruments/OECD-LEGAL-0449 4. Automation bias: a systematic review of frequency, effect mediators, and mitigators. Journal of the American Medical Informatics Association, 2012 (online em junho de 2011). https://pmc.ncbi.nlm.nih.gov/articles/PMC3240751/ 5. Consult Evaluation: DWP’s Pathways to Work consultation. UK Incubator for AI (i.AI), Datado de 27 de agosto de 2025; publicado em 30 de outubro de 2025. https://assets.publishing.service.gov.uk/media/68f63fe01c9076042263f0bd/evaluation-report.pdf 6. Data, privacy, and security for Microsoft Copilot. Microsoft, Atualizado em 18 de agosto de 2026. https://learn.microsoft.com/en-us/microsoft-365/copilot/microsoft-365-copilot-privacy 7. Secure and governed data foundation for Microsoft Copilot: foundational deployment guidance. Microsoft, 6 de maio de 2026; atualizado em 18 de agosto de 2026. https://learn.microsoft.com/en-us/microsoft-365/copilot/secure-govern-copilot-foundational-deployment-guidance 8. Artificial Intelligence Risk Management Framework: Generative Artificial Intelligence Profile (NIST AI 600-1). US National Institute of Standards and Technology, 26 de julho de 2024. https://www.nist.gov/publications/artificial-intelligence-risk-management-framework-generative-artificial-intelligence 9. AI at Work Is Here. Now Comes the Hard Part (2024 Work Trend Index). Microsoft and LinkedIn, 8 de maio de 2024. https://www.microsoft.com/en-us/worklab/work-trend-index/ai-at-work-is-here-now-comes-the-hard-part 10. Regulation (EU) 2016/679 (General Data Protection Regulation). European Union, Official Journal, 27 de abril de 2016. https://eur-lex.europa.eu/eli/reg/2016/679/oj 11. How do we ensure anonymisation is effective? UK Information Commissioner’s Office, Orientações atuais. https://ico.org.uk/for-organisations/uk-gdpr-guidance-and-resources/data-sharing/anonymisation/how-do-we-ensure-anonymisation-is-effective/ 12. Pseudonymisation. UK Information Commissioner’s Office, Orientações atuais. https://ico.org.uk/for-organisations/uk-gdpr-guidance-and-resources/data-sharing/anonymisation/pseudonymisation/ 13. OWASP Top 10 for LLM Applications, 2026 edition. OWASP Gen AI Security Project, 3 de agosto de 2026. https://genai.owasp.org/resource/owasp-genai-llm-top-10-2026/ 14. Prompt injection is not SQL injection (it may be worse). UK National Cyber Security Centre, 8 de dezembro de 2025. https://www.ncsc.gov.uk/blog-post/prompt-injection-is-not-sql-injection 15. The lethal trifecta for AI agents. Simon Willison, 16 de junho de 2025. https://simonwillison.net/2025/Jun/16/the-lethal-trifecta/ 16. Least privilege (glossary entry). NIST Computer Security Resource Center, Definição do NIST SP 800-53 Rev. 5. https://csrc.nist.gov/glossary/term/least_privilege 17. The Impact of Generative AI on Critical Thinking: Self-Reported Reductions in Cognitive Effort and Confidence Effects From a Survey of Knowledge Workers. Carnegie Mellon University and Microsoft Research (CHI 2025), 25 de abril de 2025. https://www.microsoft.com/en-us/research/publication/the-impact-of-generative-ai-on-critical-thinking-self-reported-reductions-in-cognitive-effort-and-confidence-effects-from-a-survey-of-knowledge-workers/ 18. Endoscopist deskilling risk after exposure to artificial intelligence in colonoscopy: a multicentre, observational study. The Lancet Gastroenterology & Hepatology, 12 de agosto de 2025. https://www.thelancet.com/journals/langas/article/PIIS2468-1253(25)00133-5/fulltext 19. Safety Alert for Operators 13002: Manual Flight Operations. US Federal Aviation Administration, 4 de janeiro de 2013. https://www.faa.gov/sites/faa.gov/files/other_visit/aviation_industry/airline_operators/airline_safety/SAFO13002.pdf 20. Regulation (EU) 2026/1744 (AI Omnibus). European Union, Official Journal, Adotado em 8 de julho de 2026; em vigor desde 27 de julho de 2026. https://eur-lex.europa.eu/legal-content/EN/TXT/HTML/?uri=OJ:L_202601744 21. Microsoft 365 Copilot Experiment: Cross-Government Findings Report. UK Government Digital Service, 2 de junho de 2025. https://www.gov.uk/government/publications/microsoft-365-copilot-experiment-cross-government-findings-report/microsoft-365-copilot-experiment-cross-government-findings-report-html 22. Microsoft 365 Copilot pilot: DBT evaluation report. UK Department for Business and Trade, 28 de agosto de 2025. https://www.gov.uk/government/publications/microsoft-365-copilot-pilot-dbt-evaluation-report 23. Towards Understanding Sycophancy in Language Models. Anthropic researchers, presented at ICLR 2024, 20 de outubro de 2023; ICLR 2024. https://arxiv.org/abs/2310.13548 24. Sycophancy in GPT-4o: what happened and what we’re doing about it. OpenAI, 29 de abril de 2025. https://openai.com/index/sycophancy-in-gpt-4o/ 25. Measuring the Impact of Early-2025 AI on Experienced Open-Source Developer Productivity. METR, 10 de julho de 2025. https://metr.org/blog/2025-07-10-early-2025-ai-experienced-os-dev-study/ 26. We are Changing our Developer Productivity Experiment Design. METR, 24 de fevereiro de 2026. https://metr.org/blog/2026-02-24-uplift-update/ 27. Confirmation bias: A ubiquitous phenomenon in many guises. Review of General Psychology, 2(2), 1998. https://doi.org/10.1037/1089-2680.2.2.175 28. Hallucination-Free? Assessing the Reliability of Leading AI Legal Research Tools. Journal of Empirical Legal Studies (Stanford RegLab and HAI researchers), 23 de abril de 2025. https://doi.org/10.1111/jels.12413 29. AI Hallucination Cases database. Damien Charlotin, Atualizada continuamente (2077 casos em 23 de setembro de 2026). https://www.damiencharlotin.com/hallucinations/ 30. Criminals Use Generative Artificial Intelligence to Facilitate Financial Fraud (I-120324-PSA). FBI Internet Crime Complaint Center, 3 de dezembro de 2024. https://www.ic3.gov/PSA/2024/PSA241203 31. Suplantación del CEO utilizando la técnica de inteligencia artificial deepvoice. INCIBE, Spain’s national cybersecurity institute, 9 de janeiro de 2024. https://www.incibe.es/linea-de-ayuda-en-ciberseguridad/casos-reales/suplantacion-del-ceo-utilizando-la-tecnica-de-inteligencia-artificial-deepvoice 32. AI-Generated “Workslop” Is Destroying Productivity. Harvard Business Review (Stanford Social Media Lab and BetterUp researchers), 22 de setembro de 2025. https://hbr.org/2025/09/ai-generated-workslop-is-destroying-productivity 33. Code of Practice on transparency of AI-generated content. European Commission, Versão final de 10 de junho de 2026; considerado adequado em 8 de julho de 2026. https://digital-strategy.ec.europa.eu/en/policies/code-practice-ai-generated-content 34. Moffatt v. Air Canada, 2024 BCCRT 149. Civil Resolution Tribunal of British Columbia, 14 de fevereiro de 2024. https://canlii.ca/t/k2spq 35. Mata v. Avianca, Inc.: opinion and order on sanctions. US District Court, Southern District of New York, 22 de junho de 2023. https://storage.courtlistener.com/recap/gov.uscourts.nysd.575368/gov.uscourts.nysd.575368.54.0.pdf 36. Deloitte refunds Aussie gov after AI fabrications slip into $440K welfare report. The Register, 6 de outubro de 2025. https://www.theregister.com/software/2025/10/06/deloitte-refunds-australian-government-over-ai-in-report/722000 37. Deloitte refunds over $60K for report with AI errors, Australian government says. CFO Dive, 21 de outubro de 2025. https://www.cfodive.com/news/deloitte-refunds-60k-report-ai-errors-australian-government-accounting/803321/ ## Como citar Founderz (2026). What responsible use of AI means in 2026. The RUAI Standard, 2026 edition. Developed by Founderz in collaboration with Microsoft. https://responsibleai.founderz.com/pt/toolkit/home ## Licença Texto licenciado sob CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Nomes, logótipos e imagens não estão abrangidos.