Além da Segurança do Modelo: Prontidão Institucional para a Adoção Segura de Inteligência Artificial no Setor Público Brasileiro

• Alessandro Roosevelt Silva Ribeiro UnB
• Maxwell Sarmento de Carvalho UnB
• Daniela de Oliveira Moraes UnB

DOI: https://doi.org/10.5753/sbseg_estendido.2026.33746

Resumo

A adoção segura de inteligência artificial no setor público depende de capacidades organizacionais que ultrapassam a robustez do modelo. Este artigo curto propõe uma perspectiva de prontidão institucional e apresenta evidências exploratórias dos dados abertos do iESGo 2024, referentes a 387 organizações públicas brasileiras. A maturidade cibernética e a capacidade burocrática são combinadas em um índice determinístico de vulnerabilidade institucional, negativamente associado a uma proxy de orientação para resultados (β = −0,681, p < 0,001, R² = 0,456). A associação é exploratória e não valida resultados de segurança de IA nem vulnerabilidade técnica. O estudo examina capacidades institucionais que podem constituir condições antecedentes à adoção segura de IA.

Referências

National Institute of Standards and Technology (2023). Artificial Intelligence Risk Management Framework (AI RMF 1.0). NIST AI 100-1, Gaithersburg, MD.

National Institute of Standards and Technology (2024). The NIST Cybersecurity Framework (CSF) 2.0. NIST CSWP 29, Gaithersburg, MD.

OWASP Foundation (2025). OWASP Top 10 for Large Language Model Applications. OWASP GenAI Security Project.

Tribunal de Contas da União (2024). iESGo 2024: Índice ESG de organizações públicas. Dados abertos e documentação do levantamento, Brasília, DF.

OECD and Joint Research Centre (2008). Handbook on Constructing Composite Indicators: Methodology and User Guide. OECD Publishing, Paris.

Podsakoff, P. M., MacKenzie, S. B., Lee, J.-Y., and Podsakoff, N. P. (2003). Common method biases in behavioral research: a critical review of the literature and recommended remedies. Journal of Applied Psychology, 88(5):879–903.