Guia de Transparência Algorítmica para Empresas Brasileiras
Instituto Brasileiro de Governança em IA (IBGIA) Série Policy Briefs | Março 2026 Autores: André Nakamura
Resumo Executivo
Transparência algorítmica — a obrigação de tornar inteligível como sistemas de IA tomam decisões — deixou de ser abstração ética e tornou-se requisito legal emergente no Brasil. O PL 2338/2023 exige "informação clara e adequada" sobre lógica, critérios e finalidade dos sistemas de IA de alto risco; a LGPD garante o direito à explicação de decisões automatizadas que produzam efeitos significativos; o CDC proíbe práticas comerciais opacas que lesem o consumidor. Apesar disso, 78% das empresas brasileiras com sistemas de IA em produção não publicam qualquer política de transparência algorítmica, segundo levantamento IBGIA-FGV (2026).
Este guia oferece um framework prático de quatro camadas — Documentação Interna, Comunicação ao Usuário, Auditabilidade Externa e Governança Continuada — adaptado ao porte e setor da organização. Inclui templates, exemplos e checklists prontos para implementação, com foco em setores de maior exposição regulatória: finanças, saúde, RH e setor público.
1. Por que Transparência Algorítmica Virou Obrigação Legal
1.1 O Arcabouço Regulatório Brasileiro
A transparência algorítmica no Brasil deriva de três fontes normativas hoje em vigor ou em vias de aprovação:
LGPD (Lei 13.709/2018) — Artigo 20:
- Titular tem direito a solicitar revisão de decisões tomadas unicamente com base em tratamento automatizado
- Controlador deve fornecer "informações claras e adequadas a respeito dos critérios e dos procedimentos utilizados"
- ANPD pode determinar auditoria de sistemas automatizados
Código de Defesa do Consumidor — Artigos 6º e 31:
- Direito à informação sobre características e riscos dos produtos e serviços
- Práticas comerciais abusivas incluem omissão de informações essenciais
- Aplicado por PROCON, Senacon e ANPD conjuntamente em contextos de IA
PL 2338/2023 — Artigos de Transparência (quando aprovado):
- Art. 10: Operadores de sistemas de IA de alto risco devem disponibilizar informação "clara, adequada e atualizada" sobre lógica de funcionamento
- Art. 11: Direito à explicação individual de decisões automatizadas significativas
- Art. 13: Obrigação de registros de conformidade auditáveis por autoridade competente
1.2 Consequências da Opacidade
As organizações que ignoram transparência algorítmica enfrentam:
Risco Regulatório:
- Multas ANPD: até 2% do faturamento, limitado a R$ 50 milhões por infração
- Proibição de operação do sistema infrator (medida cautelar ANPD)
- Processos administrativos Senacon/PROCON em contextos de consumo
Risco Litigioso:
- Ações coletivas: precedentes crescentes de sindicatos questionando triagem algorítmica de RH
- MPF e MP Estaduais com atribuição reconhecida para investigar discriminação algorítmica
- Responsabilidade solidária do operador com o desenvolvedor do sistema (art. 42 LGPD)
Risco Reputacional:
- Exposição em mídia de casos de viés (crédito, contratação, atendimento)
- Boicotes setoriais: 64% dos consumidores brasileiros declararam preferir empresas com políticas de IA éticas (Ipsos, 2025)
2. O Framework de Transparência de Quatro Camadas
O IBGIA propõe um modelo escalonado em que cada camada endereça um público e uma finalidade distintos.
Camada 1 — Documentação Interna (para a organização)
O que é: Registro técnico completo do sistema, destinado à auditoria interna, conformidade e resposta a requisições regulatórias.
Componentes obrigatórios:
- Ficha Técnica do Sistema (FTS): descrição do modelo, dados de treinamento, métricas de desempenho, data de validação e responsável técnico
- Relatório de Impacto Algorítmico (RIA): análise de riscos de viés, fairness metrics por grupo demográfico, resultados de testes adversariais
- Registro de Alterações: histórico de versões, retreinamentos e mudanças de critérios com justificativa
- Mapa de Dados: fonte, legalidade e qualidade dos dados de treinamento e inferência
Periodicidade: Atualização semestral ou a cada retreinamento significativo.
Camada 2 — Comunicação ao Usuário (para titulares dos dados)
O que é: Informação acessível ao público afetado pelas decisões algorítmicas, cumprindo direito à explicação da LGPD e PL IA.
Componentes obrigatórios:
- Aviso de Uso de IA: em ponto de captura de dados, informar que sistema de IA será usado, sua finalidade e principais variáveis consideradas (sem revelar IP)
- Explicação Individual: resposta disponível em até 15 dias para solicitações de explicação de decisões negativas automatizadas
- Política de IA: documento público (site institucional) descrevendo sistemas em uso, categorias de decisão automatizada e mecanismos de contestação
Template de Aviso de Uso de IA:
"Esta decisão foi tomada com auxílio de sistema automatizado. Os principais fatores considerados foram [histórico de pagamentos, renda comprovada, análise de comportamento]. Você pode solicitar revisão humana desta decisão pelo canal [contato] em até 15 dias."
Camada 3 — Auditabilidade Externa (para reguladores e terceiros)
O que é: Capacidade de demonstrar conformidade a autoridades regulatórias, auditores independentes e, quando aplicável, ao público.
Componentes:
- Relatório Anual de Transparência de IA: publicação voluntária (obrigatória quando aprovado PL) com estatísticas agregadas de sistemas em uso, indicadores de fairness, incidentes e medidas corretivas
- Acesso a Auditores: procedimento documentado para conceder acesso controlado a auditores independentes e ANPD
- Repositório de Conformidade: pasta organizada com FTS, RIA, contratos com fornecedores de IA e registros de treinamento de equipes
Template de Estrutura do Relatório Anual:
1. Sistemas de IA em operação (descrição por categoria)
2. Decisões automatizadas por domínio (crédito, contratação, atendimento)
3. Indicadores de fairness (por gênero, raça, região geográfica)
4. Incidentes e reclamações relacionados a IA (número, tipo, resolução)
5. Treinamento e capacitação de equipes (horas, público)
6. Plano de melhoria para o próximo período
Camada 4 — Governança Continuada (estruturas organizacionais)
O que é: Mecanismos organizacionais para sustentar a transparência ao longo do tempo, não apenas em momento de auditoria.
Componentes:
- Comitê de IA: instância multidisciplinar (tecnologia, jurídico, negócios, compliance, DPO) com reunião trimestral e ata pública
- Processo de Avaliação Pré-Implantação: checklist de aprovação antes de colocar novo sistema de IA em produção
- Canal de Contestação: mecanismo documentado para que titulares contestem decisões algorítmicas e obtenham revisão humana
- Treinamento Continuado: módulos obrigatórios sobre IA ética para equipes que operam ou supervisionam sistemas automatizados
3. Implementação por Porte de Empresa
3.1 Microempresas e MEI (até 9 funcionários)
Cenário típico: plataformas SaaS de terceiros com funcionalidades de IA (CRM com scoring, chatbot de atendimento, ferramenta de contratação).
Responsabilidades:
- Verificar se o fornecedor SaaS oferece documentação de conformidade (Camada 1 delegada)
- Inserir cláusula de transparência no contrato com fornecedor
- Publicar aviso simples de uso de IA no site/app (Camada 2 básica)
Esforço estimado: 4-8 horas iniciais + revisão anual de contratos de fornecedores.
3.2 Pequenas e Médias Empresas (10-99 funcionários)
Cenário típico: sistemas proprietários simples (scoring de crédito básico, triagem de currículos) + SaaS com IA.
Responsabilidades:
- Ficha Técnica para sistemas próprios (Camada 1 interna)
- Aviso e Política de IA publicados (Camada 2 completa)
- DPO (obrigatório LGPD para certos portes) responsável pela coordenação
Checklist PME — Transparência Algorítmica:
- [ ] Inventário de todos os sistemas com IA em uso (próprios e terceiros)
- [ ] FTS para sistemas próprios com decisões de alto impacto
- [ ] Aviso de uso de IA em todos os pontos de contato com titular
- [ ] Política de IA publicada no site
- [ ] Canal de contestação documentado (e-mail ou formulário)
- [ ] Cláusula de transparência em contratos com fornecedores de IA
- [ ] Treinamento básico de equipe (2h/ano)
3.3 Médias e Grandes Empresas (100+ funcionários)
Cenário típico: sistemas próprios em múltiplos domínios, modelos de ML em produção, dados em escala.
Responsabilidades: implementação completa das quatro camadas.
Adicional para grandes empresas (500+ funcionários):
- Publicação do Relatório Anual de Transparência de IA
- Comitê de IA com representação de funcionários e usuários externos
- Auditoria independente bienal de sistemas de alto risco
- Divulgação proativa de indicadores de fairness em sistemas de RH
4. Transparência por Setor
4.1 Setor Financeiro
Sistemas críticos: scoring de crédito, detecção de fraude, precificação, onboarding automatizado.
Requisitos adicionais (BACEN/CMN):
- Resolução CMN 4.557/2017: gestão de riscos inclui risco de modelo
- Circular BACEN 3.909/2018: controles de algoritmos de precificação
- PL IA: sistemas de crédito classificados como alto risco → obrigações reforçadas
Boa prática: Extrato de Crédito Algorítmico — documento enviado ao cliente com os 3-5 fatores principais que influenciaram a decisão de crédito, expresso em linguagem não técnica.
4.2 Saúde
Sistemas críticos: triagem de urgência, apoio diagnóstico, gestão de leitos, negação de cobertura (saúde suplementar).
Requisitos adicionais (ANVISA/ANS):
- RDC ANVISA 657/2022: softwares de saúde como dispositivos médicos
- Instrução Normativa ANS: sistemas de autorização automatizada devem ter revisão humana disponível
Boa prática: Laudo de IA — documento que acompanha qualquer diagnóstico ou negativa gerada com apoio de IA, indicando que sistema foi usado, com qual confiança e que revisão médica está disponível.
4.3 Recursos Humanos
Sistemas críticos: triagem de currículos, análise de entrevistas em vídeo, avaliação de desempenho, offboarding.
Requisitos adicionais (MTE/TST):
- Jurisprudência TST crescente sobre dispensas algorítmicas sem motivação
- Convenção OIT 158: exige motivo justificado para dispensa — algoritmo não é motivo
- Negociação coletiva: sindicatos negociando cláusulas específicas sobre IA em RH
Boa prática: Carta de Feedback Algorítmico — enviada a candidatos reprovados em triagem automatizada, indicando os critérios gerais utilizados (sem revelar algoritmo) e oferecendo canal de contestação.
4.4 Setor Público
Sistemas críticos: benefícios sociais, regularidade fiscal, scoring de risco tributário, triagem de licitantes.
Requisitos adicionais (LAI/LGPD Pública):
- LAI (Lei 12.527/2011): transparência ativa inclui divulgação de ferramentas de tomada de decisão
- CGU: Instrução Normativa sobre inventário de dados e sistemas automatizados (em elaboração)
- TCU: tem fiscalizado uso de IA em compras públicas
Boa prática: Publicação do inventário de sistemas de IA em uso no portal de transparência, com descrição de finalidade, fornecedor (quando aplicável), dados utilizados e mecanismo de contestação.
5. Checklist Geral de Conformidade em Transparência Algorítmica
5.1 Documentação Interna
- [ ] Inventário completo de sistemas de IA em operação (próprios e contratados)
- [ ] Ficha Técnica do Sistema (FTS) para cada sistema de alto impacto
- [ ] Relatório de Impacto Algorítmico (RIA) com métricas de fairness
- [ ] Registro de alterações e histórico de versões
- [ ] Mapa de dados (fonte, base legal, qualidade)
- [ ] Contratos com fornecedores com cláusulas de transparência e auditabilidade
5.2 Comunicação ao Usuário
- [ ] Aviso de uso de IA em todos os pontos de contato relevantes
- [ ] Política de IA publicada e acessível no site institucional
- [ ] Canal de solicitação de explicação de decisões automatizadas
- [ ] Prazo de resposta definido (recomendado: 15 dias úteis)
- [ ] Canal de contestação com revisão humana garantida
5.3 Auditabilidade
- [ ] Procedimento documentado para atender requisições ANPD
- [ ] Relatório Anual de Transparência de IA (publicado ou em elaboração)
- [ ] Repositório organizado de conformidade acessível ao DPO e jurídico
- [ ] Registro de treinamentos e capacitações realizados
5.4 Governança
- [ ] Comitê de IA ou responsável designado para governança algorítmica
- [ ] Processo de avaliação pré-implantação de novos sistemas
- [ ] Programa de treinamento em IA responsável para equipes
- [ ] Revisão anual da política de transparência algorítmica
6. Casos de Uso: O que Fazer e o que Evitar
Caso 1 — Triagem de Currículos (RH)
Evitar: "Seu currículo foi analisado automaticamente e não atende ao perfil. Boa sorte."
Fazer: "Nossa triagem identificou que seu perfil não atende ao perfil mínimo deste processo, com base nos critérios de [formação na área, experiência mínima de X anos, localização]. Caso discorde desta avaliação, entre em contato em [canal] para revisão humana em até 5 dias úteis."
Caso 2 — Negativa de Crédito (Fintech)
Evitar: Código de negativa genérico sem explicação.
Fazer: Extrato indicando: "Os principais fatores que influenciaram esta decisão foram: histórico de pagamentos (peso alto), tempo de relacionamento bancário (peso médio) e renda declarada vs. renda estimada (peso médio). Você pode solicitar revisão desta análise em [canal]."
Caso 3 — Negativa de Autorização Médica (Saúde Suplementar)
Evitar: "Procedimento não autorizado pelo sistema."
Fazer: "A análise automatizada identificou que o procedimento [código] requer documentação adicional ou apresenta inconsistência com protocolo [X]. Revisão médica disponível em [canal] em até 24 horas."
Caso 4 — Benefício Social Negado (Setor Público)
Evitar: "Cadastro não elegível."
Fazer: "O sistema identificou que seu cadastro não atende ao critério [renda per capita abaixo de R$ X ou composição familiar]. Caso os dados estejam incorretos, você pode contestar em qualquer CRAS ou pelo [portal] em até 30 dias."
7. Recomendações Prioritárias por Público
Para CIOs e CTOs
- Construir inventário de sistemas de IA e classificar por nível de impacto nas próximas 60 dias
- Implementar Ficha Técnica como artefato obrigatório no processo de deploy de modelos
- Exigir métricas de fairness como critério de aceitação em modelos que tomam decisões sobre pessoas
Para DPOs e Jurídico
- Atualizar Avisos de Privacidade para incluir explicação de decisões automatizadas (LGPD art. 20)
- Revisar contratos com fornecedores de IA: exigir documentação técnica, direito de auditoria e SLA de transparência
- Mapear exposição regulatória: quais sistemas poderiam ser alvo de ação ANPD ou litigância?
Para CEOs e Conselhos
- Aprovar política corporativa de transparência algorítmica até final de 2026
- Incluir transparência de IA no relatório de ESG e sustentabilidade
- Designar responsável (CDO, CRO ou DPO) com mandato claro para governança algorítmica
Para Gestores Públicos
- Publicar inventário de sistemas de IA usados em decisões que afetam cidadãos
- Garantir que todo sistema contratado tenha cláusula de transparência e direito de auditoria
- Estabelecer canal de contestação para cidadãos afetados por decisões algorítmicas
8. Conclusão
Transparência algorítmica não é custo — é proteção. Organizações que documentam seus sistemas, comunicam suas lógicas e garantem revisão humana reduzem litígios, evitam multas e constroem confiança com usuários, reguladores e investidores. O arcabouço regulatório brasileiro está amadurecendo rapidamente: LGPD em plena vigência, ANPD com precedentes relevantes, PL 2338 em reta final. Esperar pela obrigatoriedade legal é a estratégia mais arriscada.
O framework de quatro camadas proposto neste guia oferece um caminho escalável: empresas pequenas implementam o mínimo em horas; empresas grandes têm uma roadmap completo para conformidade plena. Em todos os casos, o princípio é o mesmo — decisões que afetam pessoas merecem explicação.
Sobre o IBGIA
O Instituto Brasileiro de Governança em IA (IBGIA) é uma organização independente dedicada à pesquisa e promoção da governança responsável de inteligência artificial no Brasil. Esta publicação integra a Série Policy Briefs do IBGIA, destinada a oferecer orientação prática sobre conformidade e boas práticas em IA.
Contato: [email protected] | Site: ibgia.org