Governança de IA na engenharia: quem responde, o que a lei exige e a conta do erro

Governança de IA na engenharia é o conjunto de regras que uma empresa ou um projeto usa para decidir onde a inteligência artificial pode entrar, como ela é testada e quem responde pelo resultado. A resposta para a última pergunta não mudou: no Brasil, quem assina o projeto continua responsável por ele, use ou não IA, e o código de ética do Confea diz que a IA não substitui o julgamento ético do profissional. O que muda é a necessidade de controles: saber onde a IA é usada, medir quanto ela erra e registrar quem conferiu cada saída.

Este artigo resume os padrões internacionais, mostra o que a lei europeia e o projeto de lei brasileiro exigem, faz a conta do custo esperado de erro de um modelo que detecta fissuras e propõe controles práticos para escritórios e equipes de engenharia.

Os padrões que existem

As datas e escopos vêm do NIST, da ISO para a 42001 e da ISO para a 23894.

A lei europeia

O regulamento europeu entrou em vigor em agosto de 2024. As proibições valem desde fevereiro de 2025, e as regras para modelos de uso geral, desde agosto de 2025, segundo a Comissão Europeia. Em julho de 2026, um pacote de simplificação adiou as obrigações para sistemas de alto risco: as do anexo III passaram para dezembro de 2027, e as de IA embutida em produtos regulados, para agosto de 2028, segundo o escritório Cuatrecasas. As multas chegam a 35 milhões de euros ou 7% do faturamento mundial para práticas proibidas, segundo o artigo 99. Empresas que colocam sistemas de IA no mercado europeu, ou cujos resultados são usados na União Europeia, podem entrar nessas regras.

O projeto brasileiro

O PL 2338/2023 foi aprovado pelo Senado em dezembro de 2024 e, até setembro de 2026, aguardava o parecer do relator na comissão especial da Câmara, segundo o monitor legislativo da LCF Consulting. Enquanto não há lei específica, valem regras gerais, como o artigo 20 da LGPD, que dá à pessoa o direito de pedir revisão de decisões tomadas só por processamento automatizado.

Quem responde pelo projeto feito com IA

O Confea não tem resolução específica sobre IA e responsabilidade profissional, mas o prefácio do seu código de ética afirma que a IA não substitui o julgamento ético do profissional responsável. Duas regras já existentes cobrem o caso: o código proíbe aceitar trabalho para o qual o profissional não está efetivamente capacitado, e a Resolução 1.090/2017 trata como negligência a não participação efetiva na autoria do projeto. Na prática, assinar um cálculo gerado por IA sem conferir é assumir o erro dele, e a conferência mais simples ainda é refazer a conta principal à mão, como no passo a passo de resistência dos materiais.

Um caso brasileiro de 2026 mostra o risco, fora da engenharia de projeto: a Justiça Federal em Novo Hamburgo multou o próprio CREA-RS por litigância de má-fé depois que uma peça citou precedentes que não tinham relação com o caso, provavelmente gerados por IA sem revisão, segundo a COAD.

A conta do custo esperado de erro

Todo modelo erra, e governar é decidir quais erros são aceitáveis. Um exemplo com um modelo de detecção de fissuras em concreto publicado em 2024, que usou um conjunto de 40 mil imagens e relatou precisão de 0,993 e sensibilidade, ou recall, de 0,999, segundo o artigo no arXiv. Premissa nossa: um lote de 8.000 imagens, metade com fissura e metade sem.

• fissuras detectadas: 0,999 × 4.000 ≈ 3.996; fissuras perdidas (falsos negativos): 4;
• alarmes falsos: com precisão de 0,993, cerca de 3.996 × (1/0,993 − 1) ≈ 28;
• custo esperado, com valores ilustrativos: cada fissura perdida custa R$ 500 mil em reparo tardio, e cada alarme falso, R$ 2 mil de inspeção;
• 4 × 500.000 = R$ 2 milhões; 28 × 2.000 = R$ 56 mil.

Mesmo com 99,9% de sensibilidade, as quatro fissuras perdidas pesam 36 vezes mais que todos os alarmes falsos juntos. A conclusão de governança é ajustar o modelo para perder menos fissuras, aceitando mais alarmes, e manter inspeção humana nos casos de dúvida. O conjunto tem imagens padronizadas, de 227 × 227 pixels, de um único campus; em outras obras e condições o desempenho tende a ser menor. É a mesma lógica de conferir a saída de qualquer programa, discutida no artigo sobre software de análise estrutural.

Supervisão humana só funciona com atenção

No acidente com o carro autônomo de testes da Uber em Tempe, nos Estados Unidos, em 2018, o sistema detectou a pedestre 5,6 segundos antes do impacto, mas não a classificou como pedestre, e a operadora de segurança estava olhando o celular. O órgão americano de segurança no transporte apontou como causa a distração da operadora e como fatores a cultura de segurança fraca e a acomodação com a automação, segundo a Roads & Bridges. O sensor que esse tipo de carro usa está no artigo sobre LIDAR. Ter uma pessoa no circuito ajuda só quando ela está de fato acompanhando, e isso precisa ser desenhado no processo.

Controles práticos para uma equipe de engenharia

1. Inventário: listar onde a IA é usada, de redação de memorial a verificação de projeto e manutenção preditiva.
2. Classificação de risco: separar o que só sugere texto do que influencia decisão técnica, como dimensionamento ou laudo.
3. Validação com casos conhecidos: antes de usar, testar o modelo em problemas com resposta já conhecida e medir o erro.
4. Revisão registrada: quem conferiu cada saída, com data, junto do projeto.
5. Dados: não enviar a ferramentas externas dados pessoais ou de cliente sem base legal e sem contrato, pela LGPD.
6. Monitoramento: repetir a validação quando a ferramenta muda de versão ou quando o tipo de projeto muda.

Esses passos seguem as funções do NIST e as obrigações de sistemas de alto risco da lei europeia, que incluem gestão de risco, qualidade de dados, registro e supervisão humana. Equipamentos que trabalham ao lado de pessoas, como os robôs colaborativos, já seguem normas técnicas com essa mesma lógica de risco.

Quanto as empresas já usam IA

• na indústria brasileira com 100 ou mais funcionários, 41,9% usavam IA em 2024, contra 16,9% em 2022, segundo a pesquisa Pintec do IBGE, divulgada pelo Olhar Digital;
• numa pesquisa da Bentley com 130 profissionais de infraestrutura, publicada em 2025, mais de um terço disse ter controles limitados ou nenhum controle de risco de IA nos projetos, segundo a Bentley;
• numa pesquisa da KPMG com a Universidade de Melbourne, 49% dos profissionais brasileiros admitiram erros por confiar em respostas de IA, segundo a KPMG.

Perguntas frequentes

Quem é responsável por um projeto de engenharia feito com IA?

O profissional que assina. O Confea não tem regra específica sobre IA, mas o código de ética e a resolução sobre negligência já cobrem quem assina sem participar efetivamente do projeto.

Existe lei de IA no Brasil?

Ainda não há lei específica. O PL 2338/2023 foi aprovado no Senado em 2024 e estava na Câmara em setembro de 2026. Valem regras gerais, como a LGPD.

O que é a ISO/IEC 42001?

Uma norma de 2023 para sistema de gestão de IA, certificável, aplicável a quem desenvolve ou usa IA.

Como avaliar se um modelo de IA é bom o suficiente?

Medindo os erros em casos conhecidos e multiplicando cada tipo de erro pelo seu custo. Um modelo com 99,9% de sensibilidade ainda pode ter custo de erro alto se o erro raro for caro.

Quando a lei europeia de IA passa a valer para sistemas de alto risco?

Depois do adiamento de 2026, a partir de dezembro de 2027 para os sistemas do anexo III e agosto de 2028 para IA embutida em produtos regulados.

Governar IA em engenharia é aplicar à ferramenta nova o que a profissão já faz com qualquer cálculo: conhecer o método, medir o erro, conferir o resultado e assinar com responsabilidade. Antes de adotar uma ferramenta, a pergunta que define o controle necessário é quanto custa o erro mais raro que ela pode cometer.