A questão não é mais se a inteligência artificial tem um papel nas compras e na gestão públicas. É se os governos têm a governança, os dados, o pessoal e o modelo operacional para transformar pilotos promissores em valor real e duradouro. Essa foi a mensagem central de um painel recente com líderes da Administração de Serviços Gerais dos Estados Unidos (GSA), da Agência de Logística de Defesa (DLA) e da academia: o sucesso com IA no setor público depende menos das ferramentas em si e mais das fundações organizacionais que sustentam seu uso.
Da automação de tarefas à transformação do modelo operacional
Agências federais americanas já usam IA para gerar documentos em conformidade com regulações de aquisição, acelerar pesquisa de mercado, apoiar modernização de processos de compras e melhorar a tomada de decisão. Na DLA, a tecnologia entrou em ambientes de produção e está moldando decisões de cadeia de suprimentos, com casos de uso como previsão de demanda, identificação de riscos e melhoria da auditabilidade.
Mas a conversa está mudando de patamar. Não se trata mais de automatizar tarefas individuais. A pergunta que líderes estão fazendo é como a IA pode reconfigurar modelos operacionais inteiros. A conclusão que emerge do painel é direta: IA cria o maior valor quando está integrada aos fluxos de trabalho da missão, e não isolada em projetos-piloto sem conexão com a operação cotidiana.
IA no setor público: governança que ainda corre atrás da adoção
A política pública sobre IA no governo americano alternou entre períodos de inovação acelerada e maior supervisão, e os frameworks de governança continuam evoluindo num ritmo mais lento do que a adoção tecnológica. Isso cria lacunas reais, especialmente em compras públicas: os frameworks existentes sobre conflitos de interesse, seleção de fornecedores e integridade de processos foram desenhados em torno da tomada de decisão humana. Eles não cobrem claramente cenários em que a IA ajuda a redigir editais, conduz pesquisa de mercado ou apoia a avaliação de propostas.
A resposta dos especialistas não é esperar que cada questão política seja resolvida antes de avançar. É adotar com guardrails adequados. Isso significa tratar a IA como ferramenta de apoio à decisão, não como tomadora de decisão. O julgamento humano permanece essencial, especialmente em decisões de alto risco. E fortalecer a supervisão exige tanto atualização de políticas quanto um quadro de servidores que entenda como os sistemas de IA influenciam os resultados.
O papel da GSA: acesso, segurança e avaliação comparativa
A GSA desempenha um papel central na escala da IA no governo americano ao reduzir as barreiras de adoção. Em vez de construir uma solução única, a agência se concentra em três prioridades: expandir o acesso acessível a modelos de IA para que agências possam experimentar sem grande investimento inicial; acelerar os processos de autorização de segurança para garantir que as ferramentas atendam aos padrões federais; e permitir que as agências comparem modelos lado a lado e avaliem o desempenho em relação a necessidades reais de missão.
Tão importante quanto o acesso é a manutenção da competição. Agências são encorajadas a evitar dependência de um único fornecedor e adotar uma abordagem de portfólio, que oferece maior flexibilidade, resiliência e capacidade de adaptação à medida que a tecnologia evolui.
O desafio que está antes da tecnologia
Para muitas agências, as maiores barreiras à adoção de IA não são técnicas. São organizacionais. Fragmentação de dados, sistemas legados em silos e alfabetização limitada em IA limitam o progresso em escala.
Na DLA, a visão de uma “torre de controle” integrada com visibilidade de ponta a ponta ilustra o que é possível quando os dados estão unificados e acessíveis. Chegar lá exige investimento sustentado em infraestrutura de dados e governança para garantir que dados de qualidade estejam integrados e disponíveis quando necessários.
A prontidão da força de trabalho é igualmente crítica. Profissionais de aquisição precisam de mais do que acesso a ferramentas de IA. Precisam das habilidades para usá-las de forma responsável: entender as limitações dos modelos, interpretar os resultados e aplicar supervisão adequada. Agências que investem em treinamento e comunidades de prática escalam a IA de forma mais eficaz do que aquelas que focam apenas na implantação tecnológica.
Casos de uso de alto impacto sobre IA no setor público
Agências não precisam esperar pelo próximo avanço para começar a gerar valor com IA. A detecção de fraudes, desperdícios e abusos é um dos usos mais imediatos: a IA consegue identificar anomalias e padrões em grandes conjuntos de dados que são difíceis de detectar por humanos. A avaliação comparativa de múltiplos modelos melhora a confiabilidade e ajuda agências a entender onde cada modelo funciona bem ou falha. E ferramentas internas de produtividade, como assistentes de chat seguros, suporte à programação e ferramentas de prompts, podem melhorar a eficiência e construir familiaridade prática com a tecnologia.
Esses casos de uso compartilham uma característica: ampliam o trabalho humano em vez de substituí-lo. Agências que começam com aplicações práticas alinhadas à missão constroem momentum enquanto gerenciam risco.
O que isso significa para governos fora dos EUA
O debate americano sobre como operacionalizar a IA no setor público é, em larga medida, o debate que outros países terão que fazer em breve. No Brasil, onde a adoção de IA em compras públicas ainda é incipiente e fragmentada, os aprendizados americanos apontam para uma sequência clara: construir primeiro a base de dados, depois a governança, depois a capacitação do quadro de servidores, e só então escalar as ferramentas. Fazer o caminho inverso, comprar tecnologia sem resolver os problemas organizacionais que a fundamentam, é o atalho mais caro que qualquer governo pode tomar.
