Pular para o conteúdo

O órgão que corrige a IA está treinando o fornecedor

Toda correção que a equipe faz numa resposta gerada é conhecimento institucional saindo pela porta — e o contrato tem data para acabar.

Rodrígo Dell8 min de leitura
Composição abstrata: uma malha densa de partículas à esquerda que se rarefaz, atravessa uma linha tracejada e se dispersa até sair pela borda direita.

Um servidor precisa de uma minuta de indeferimento.

Descreve o caso ao assistente e pede o texto. A resposta chega em segundos, bem escrita e inútil: invoca um dispositivo que não se aplica àquela hipótese, adota uma fundamentação que a procuradoria do órgão já devolveu duas vezes e ignora o prazo que aquele tipo de pedido tem por regra interna.

Ele corrige.

Explica qual é o dispositivo correto. Explica por que a outra fundamentação não passa naquela casa. Informa o prazo real. Acrescenta que, ali, esse tipo de indeferimento precisa mencionar a possibilidade de complementação documental, porque foi assim que se encerrou um contencioso antigo.

Na terceira rodada, a minuta serve.

Parece rotina, e é.

Mas duas coisas foram produzidas naquele intervalo, não uma.

A primeira é a minuta.

A segunda é uma descrição precisa de como aquele órgão decide — e ela não ficou no órgão.

Existe um segundo preço, e ele não está no contrato

Todo contrato de ferramenta de inteligência artificial declara um preço. Valor por licença, por usuário, por volume de uso. É o preço que a área de contratos analisa, que o ordenador de despesa autoriza e que o controle interno confere depois.

Existe um segundo pagamento, e ele não tem rubrica.

Para que o modelo produza algo aproveitável, alguém precisa explicar a ele como as coisas funcionam ali dentro. Quanto mais específico o trabalho, mais contexto é preciso entregar. Quanto melhor se quer a resposta, mais fundo vai a descrição.

A qualidade do resultado é função direta da profundidade da exposição.

Essa é a parte desconfortável. Não existe versão do uso em que se obtenha uma resposta institucionalmente adequada sem revelar como a instituição funciona. O que torna a ferramenta útil é exatamente o que torna a exposição inevitável.

No setor privado isso é perda de vantagem. No Estado é outra coisa.

Uma empresa que entrega conhecimento ao fornecedor perde margem. É um prejuízo dela, calculado por ela, diante de concorrentes que ela escolheu enfrentar.

No serviço público, três coisas mudam.

O conhecimento não é ativo de uma parte. Os critérios que um órgão desenvolveu para distinguir o caso que se defere daquele que se indefere foram construídos com recurso público, ao longo de gestões, e existem para que o serviço seja prestado com alguma isonomia. Não são vantagem competitiva. São condição de funcionamento.

A troca de fornecedor não é escolha. A empresa decide quando trocar. O órgão troca porque o contrato acabou, porque a licitação é obrigatória, porque o vencedor foi outro. O fim da relação está marcado desde a assinatura.

Não há concorrente, mas há assimetria. O órgão não disputa mercado com ninguém, e é fácil concluir daí que o tema não se aplica. Ainda assim, ele sai da relação sabendo menos sobre o fornecedor do que o fornecedor sabe sobre ele — e reduzir esse desequilíbrio é justamente o que se tenta fazer em qualquer contratação relevante.

O que exatamente sai pela porta

Não é o processo. Não é a base de dados. Não são os documentos.

Esses têm cláusula, têm backup, têm transferência de acervo, têm prazo de guarda. O Estado sabe cobrá-los, e cobra.

O que sai é mais difícil de nomear, e por isso mais fácil de ignorar:

  • os critérios que separam o caso deferido do indeferido, quando a norma admite os dois;
  • as exceções acumuladas que nenhum manual registra;
  • a sequência real de um processo, que o fluxograma oficial não descreve;
  • as perguntas que a procuradoria sempre faz, e que a equipe já aprendeu a responder antes;
  • os erros que o órgão cometeu uma vez e não repete;
  • o vocabulário interno — o que aquela casa chama de "análise preliminar" e o que isso significa na prática;
  • a razão pela qual uma solução anterior foi abandonada.

É quase item a item a mesma lista do que uma ferramenta de inteligência artificial não sabe sobre a instituição quando chega, e que já tratei em A inteligência artificial não conhece a sua instituição.

A diferença é o tempo verbal.

Lá, o problema era que ela não sabia. Aqui, o problema começa depois que ela aprendeu.

A assimetria cresce, e ninguém aprova a saída

Nenhum servidor decide exportar conhecimento institucional. Ninguém assina isso, ninguém autoriza, ninguém é consultado.

A transferência acontece em unidades pequenas demais para serem percebidas. Uma correção. Um esclarecimento. Um "não é bem assim, aqui funciona de outro jeito". Cada uma é irrelevante isoladamente, e é por isso que nenhuma delas é examinada.

O conjunto é uma descrição do órgão.

E a relação é de mão única. A instituição ensina continuamente e não aprende nada sobre o que é feito com o que ensinou. Ao fim de um ano de uso, o fornecedor conhece o funcionamento daquela unidade melhor do que conhecia no início; o órgão continua sabendo sobre o fornecedor exatamente o que estava no edital.

Não há incidente. Não há data. Não há responsável a apontar.

Há um estado que se instalou enquanto todo mundo trabalhava — a mesma forma pela qual a delegação vira substituição sem avisar, e pela mesma razão: o que se transfere por acúmulo não tem um momento em que alguém possa dizer que decidiu.

O contrato termina. O aprendizado não é devolvido.

No encerramento de um contrato de tecnologia, a administração sabe o que exigir: devolução de dados em formato aberto, exclusão das bases, transferência de documentação, prazo de transição assistida.

Todos esses instrumentos tratam de dado.

Conhecimento não é dado. O que foi destilado a partir de milhares de correções não está guardado num registro que se possa exportar, auditar ou mandar apagar. Não é informação pessoal, então não cabe em portabilidade. Não é documento, então não cabe em transferência de acervo. Não tem forma de arquivo, então não tem forma de devolução.

É a diferença entre o processo e a experiência de quem leu mil processos parecidos.

Um contrato bem escrito protege o primeiro.

O segundo, hoje, quase nenhum contrato menciona.

O que dá para fazer

Nada disso recomenda não usar.

Um órgão que se recusa a usar a ferramenta não protege conhecimento nenhum. Apenas deixa de produzir o trabalho que ela permitiria e continua com a mesma fragilidade institucional de antes — agora acompanhada da ilusão de ter tomado uma decisão de segurança.

O que muda não é usar ou não usar. É o que se decide conscientemente.

Primeira: separar uso exploratório de uso institucional. Resumir um texto público, revisar a clareza de um comunicado ou entender um conceito não expõem nada. Iterar a fundamentação de um indeferimento, desenhar o critério de priorização de uma fila ou reconstruir o fluxo real de um processo expõem muito. A distinção não exige política elaborada nem comitê. Exige existir, e ser conhecida por quem usa.

Segunda: escrever a correção onde ela fica. Quando o servidor explica ao modelo por que aquela fundamentação não passa, ele está produzindo conhecimento — e hoje o está guardando num histórico de conversa que pertence a outra pessoa jurídica. Registrar o mesmo critério num repositório do próprio órgão custa quase o mesmo esforço e tem dois destinos em vez de um. É a diferença entre pagar por uma resposta e ficar com o que se aprendeu ao obtê-la.

Terceira: perguntar por escrito o que acontece com a interação. Não apenas onde os dados ficam hospedados, que é a pergunta que os editais já fazem. As interações são usadas para treinar ou aprimorar o modelo? Por quanto tempo ficam retidas? O que acontece com elas no encerramento? Existe modo de operação que não retenha, e ele está contratado? A resposta pode ser inteiramente satisfatória. O problema não é a resposta. É a pergunta não estar sendo feita.

Quarta: tratar o local de execução como decisão, não como detalhe técnico. Modelos executados em infraestrutura sob controle do próprio órgão não produzem essa exportação: a correção fica onde foi feita. Isso tem custo, exige equipe capaz de manter, e frequentemente não compensa. Mas é uma variável que hoje quase não entra na conta, e o momento de entrar é antes da assinatura, não depois.

Nenhuma das quatro é tecnológica.

As quatro são capacidade institucional, no sentido exato que A Gestão Pública Aumentada dá ao termo — e cuja Introdução está aberta aqui no site.

O ponto

Vazamento de dados é um evento. Tem data, tem incidente, tem comunicação obrigatória, tem alguém que responde.

O que este texto descreve não é vazamento. É uma transferência autorizada, gradual e feita de boa-fé por quem estava apenas tentando entregar um trabalho melhor até sexta-feira.

Por isso não aparece em relatório nenhum.

A instituição não fica sabendo menos. Continua sabendo tudo o que sabia. O que ela perde é a exclusividade de saber — e, com ela, a capacidade de escolher com quem compartilha aquilo que levou anos para aprender.

Nenhum contrato registra essa saída.

Nenhuma prestação de contas a mede.

E ela é a parte mais cara do que se paga, porque é a única que não tem como ser devolvida.

CompartilharLinkedIn (abre em nova aba)X (Twitter) (abre em nova aba)WhatsApp (abre em nova aba)

Caderno do Servidor Aumentado

Receba o próximo texto.

Artigos sobre inteligência artificial, decisão e capacidade institucional no serviço público. Escrevo quando tenho o que dizer — não há calendário.

  • Só aviso de texto novo. Sem sequência automática e sem newsletter semanal.
  • Nenhum compartilhamento com terceiros.
  • Você sai da lista quando pedir — e o endereço é eliminado.

Prefere sem e-mail? O RSS publica os mesmos textos.

Em outros idiomas

O artigo é escrito em português do Brasil e o texto integral está nesta página. As sínteses abaixo são traduções de trabalho, para quem chega por outro idioma.

English · Working translation

The agency correcting the AI is training the vendor

Every correction your team makes to a generated answer is institutional knowledge leaving the building — and the contract has an end date.

A contract for an AI tool states one price. There is a second payment with no budget line: the knowledge a public body must reveal for the tool to be of any use. The article argues that in government this differs from the private case in three ways — the knowledge is not one party's asset but a condition for the service to work, changing vendors is compulsory rather than chosen, and the asymmetry runs one way. It sets out four things an institution can decide before signing: separate exploratory from institutional use, record corrections where they stay, ask in writing what happens to the interactions, and treat where the model runs as a decision rather than a technical detail.

Published on 27 July 2026, in Brazilian Portuguese. The full text is on this page; only this summary has been translated — there is no English version of the article itself. It is part 4 of the series “Caderno do Servidor Aumentado”.

Questions and answers
What is this article about?
The knowledge a public body exports to a vendor every time a servant corrects an answer generated by an artificial intelligence tool — a transfer nobody authorises and no contract records.
What does it argue?
That the quality of the answer is a direct function of how deeply the institution exposes how it works, so the exposure is not avoidable while the tool is useful. In government this matters more than in a company: the knowledge was built with public money to make the service work, changing vendors is compulsory, and none of it comes back when the contract ends.
What can an institution actually do?
Four things, none of them technological: separate exploratory use from institutional use, record corrections in a repository of its own rather than only in a chat history, ask the vendor in writing whether interactions are retained or used for training, and treat where the model runs as a decision taken before signing.
Who is it written for?
Civil servants and public managers who use artificial intelligence in day-to-day work, and those who write, sign or audit technology contracts in the public sector.

Español · Traducción de trabajo

El organismo que corrige la IA está entrenando al proveedor

Cada corrección que el equipo hace a una respuesta generada es conocimiento institucional que sale por la puerta — y el contrato tiene fecha de término.

Un contrato de herramienta de IA declara un precio. Hay un segundo pago sin partida presupuestaria: el conocimiento que el organismo debe revelar para que la herramienta sirva. El artículo sostiene que en el Estado esto difiere del caso privado en tres puntos — el conocimiento no es activo de una parte sino condición para que el servicio funcione, cambiar de proveedor es obligatorio y no elegido, y la asimetría es de una sola vía. Propone cuatro decisiones previas a la firma: separar el uso exploratorio del institucional, registrar las correcciones donde permanezcan, preguntar por escrito qué ocurre con las interacciones, y tratar dónde se ejecuta el modelo como decisión y no como detalle técnico.

Publicado el 27 de julio de 2026, en portugués de Brasil. El texto íntegro está en esta página; solo esta síntesis fue traducida — no existe una versión en español del artículo. Es la parte 4 de la serie «Caderno do Servidor Aumentado».

Preguntas y respuestas
¿De qué trata este artículo?
Del conocimiento que un organismo público exporta a su proveedor cada vez que un funcionario corrige una respuesta generada por inteligencia artificial — una transferencia que nadie autoriza y que ningún contrato registra.
¿Qué sostiene?
Que la calidad de la respuesta depende directamente de cuánto la institución expone su propio funcionamiento, de modo que la exposición no es evitable mientras la herramienta sea útil. En el Estado esto pesa más que en una empresa: el conocimiento se construyó con recursos públicos para que el servicio funcione, cambiar de proveedor es obligatorio, y nada de eso vuelve cuando el contrato termina.
¿Qué puede hacer una institución?
Cuatro cosas, ninguna tecnológica: separar el uso exploratorio del institucional, registrar las correcciones en un repositorio propio y no solo en un historial de conversación, preguntar por escrito si las interacciones se retienen o se usan para entrenar, y tratar dónde se ejecuta el modelo como una decisión tomada antes de firmar.
¿Para quién está escrito?
Para funcionarios y gestores públicos que usan inteligencia artificial en el trabajo cotidiano, y para quienes redactan, firman o fiscalizan contratos de tecnología en el sector público.

← Todos os artigos