WP-2026-010 — Responsabilidade Civil por Danos Causados por IA Generativa: Teoria, Casos e Propostas para o Brasil

Autores: André Nakamura, Thiago Almeida Data: Março de 2026 Classificação: Working Paper DOI (preprint): IBGIA-WP-2026-010

Resumo Executivo

A difusão de sistemas de IA generativa cria danos novos e juridicamente desafiadores: informações falsas geradas por chatbots que causam prejuízos financeiros; deepfakes que destroem reputações; conteúdo ilegal gerado por modelos de texto-imagem; decisões automatizadas com erros sistêmicos que afetam milhares de pessoas simultaneamente. A pergunta central — quem responde civil e criminalmente por esses danos? — está longe de ser respondida pelo ordenamento jurídico brasileiro atual.

Este Working Paper analisa as lacunas do Código Civil, do CDC e do Marco Civil da Internet na atribuição de responsabilidade por danos de IA generativa, examina as abordagens adotadas na União Europeia (AI Liability Directive), nos Estados Unidos e no Reino Unido, e propõe um framework de responsabilidade civil adaptado ao PL 2338/2023 e à tradição jurídica brasileira.

Palavras-chave: responsabilidade civil, IA generativa, danos algorítmicos, nexo de causalidade, product liability, deepfakes, CDC

1. O Problema: Danos de IA e Vazios Normativos

1.1 Tipologia dos Danos de IA Generativa

Os sistemas de IA generativa produzem categorias de danos inéditas:

Categoria 1 — Desinformação e danos informacionais:

Chatbot fornece conselho médico incorreto → paciente toma medicação errada
IA "alucina" jurisprudência inexistente citada por advogado → cliente perde processo
Sistema de busca com IA resume artigo de forma distorcida → empresa perde negócios

Categoria 2 — Danos de identidade e reputação:

Deepfake pornográfico não consensual
Voz sintética usada em golpe financeiro (já registrado no Brasil, perdas de R$ 5M+)
Imagem gerada associando pessoa a crime que não cometeu

Categoria 3 — Danos discriminatórios sistêmicos:

Algoritmo de contratação rejeita sistematicamente candidatos negros
IA de concessão de crédito cobra taxas maiores para CEPs periféricos
Sistema de triagem médica prioriza pacientes brancos

Categoria 4 — Danos em cadeias longas:

IA treinada em dados com viés → produto construído sobre ela → dano ao usuário final
Quem responde: fornecedor do modelo de fundação, desenvolvedor da aplicação, operador ou usuário?

1.2 Inadequação do Regime Atual

Código Civil e responsabilidade subjetiva (Art. 186/927):

Exige prova de culpa — impossível quando o algoritmo é uma caixa-preta
Nexo causal difícil de estabelecer em sistemas probabilísticos
Quem é o "agente"? A IA não tem personalidade jurídica; seus criadores podem estar em outra jurisdição

CDC e responsabilidade objetiva (Art. 12/14):

Aplica-se a "defeito do produto/serviço" — mas o que é um "defeito" em IA generativa?
Output imprevisto não é necessariamente defeito técnico
Excludentes de responsabilidade (Art. 12, §3º) favorecem fornecedores

Marco Civil da Internet (Art. 19):

Plataformas só respondem por conteúdo de terceiros após ordem judicial de remoção
Criado em 2014 — não contempla conteúdo gerado pela própria plataforma via IA
STF (ADI 6790): debate em curso sobre constitucionalidade do Art. 19

2. Direito Comparado

2.1 União Europeia: AI Liability Directive (2024)

A Diretiva de Responsabilidade em IA da UE (aprovada em 2024, transposição até 2026) estabelece:

Presunção de nexo causal: Para sistemas de alto risco, se o requerente provar que o réu não cumpriu obrigação de cuidado (due diligence) e que o dano é do tipo tipicamente causado por essa falha, presume-se o nexo causal. O réu deve ilidir a presunção.

Direito de acesso à evidência: Vítimas podem requerer acesso judicial a logs, documentação técnica e dados de treinamento do sistema de IA — quebrando a assimetria de informação que hoje favorece os fornecedores.

Responsabilidade solidária na cadeia: Fornecedores de modelos de fundação respondem solidariamente com operadores quando o dano deriva de características inerentes ao modelo base.

2.2 Estados Unidos: Fragmentação Jurisprudencial

Os EUA não possuem legislação federal de responsabilidade em IA. O cenário atual:

Product Liability: Aplicada a sistemas de IA autônomos em veículos, equipamentos médicos. Exige "defeito de projeto" — difícil de provar para sistemas probabilísticos.

Negligence: Utilizada para casos de conteúdo prejudicial. Padrão de "reasonable care" definido caso a caso.

Section 230 (Communications Decency Act): Proteção a plataformas para conteúdo de terceiros — mas tribunais divergem sobre se se aplica a conteúdo gerado pela própria plataforma via IA.

Casos relevantes:

Gonzalez v. Google (2023): SCOTUS decidiu não ampliar Section 230 para cobertura de recomendação algorítmica
Doe v. GitHub (2023): GitHub/OpenAI/Microsoft processados por reprodução de código com copyright em GitHub Copilot

2.3 Reino Unido: Abordagem Flexível com Revisão

O governo britânico optou por não criar nova legislação, mas:

Publicou orientações sobre aplicação do direito comum (common law) a danos de IA
Criou sandbox regulatório para testar abordagens de responsabilidade com empresas
Prevê revisão legislativa em 2026 baseada em evidências empíricas de danos

3. Framework Proposto para o Brasil

3.1 Princípios Fundamentais

Princípio 1 — Responsabilidade proporcional ao controle: Quem mais controla o sistema de IA (fornecedor do modelo base > desenvolvedor da aplicação > operador) tem maior parcela de responsabilidade, mas toda a cadeia pode responder solidariamente perante a vítima.

Princípio 2 — Inversão do ônus da prova em casos de alto risco: Para sistemas de IA de alto risco (PL 2338/2023, art. X), presume-se o nexo causal quando o dano é do tipo típico daquele sistema. O réu deve provar que adotou todas as medidas de precaução exigidas.

Princípio 3 — Acesso à evidência: Vítimas têm direito, mediante requerimento judicial fundamentado, ao acesso a: logs do sistema, documentação técnica, dados de treinamento relevantes e avaliações de impacto algorítmico.

Princípio 4 — Responsabilidade por produto para modelos de fundação: Fornecedores de modelos de fundação (GPT-4, Gemini, Llama etc.) respondem objetivamente por danos causados por características estruturais do modelo que persistem em todas as suas aplicações.

Princípio 5 — Solidariedade na cadeia: Vítima pode demandar qualquer elo da cadeia; responsabilidade se distribui entre os elos por ação regressiva.

3.2 Proposta de Artigos para Inclusão no PL 2338/2023

Art. X — Responsabilidade civil por danos de sistemas de IA

§1º: O fornecedor de sistema de IA de alto risco responde objetivamente pelos danos causados por seu sistema, salvo prova de que: (I) não colocou o sistema em circulação ou em serviço; (II) o dano decorre exclusivamente de ato culposo do operador ou do usuário; (III) o estado da arte técnica à época tornava impossível detectar o defeito causador do dano.

§2º: Para sistemas de IA não classificados como alto risco, aplica-se a responsabilidade subjetiva, com inversão do ônus da prova quando a vítima demonstrar verossimilhança da alegação e hipossuficiência técnica.

§3º: O fornecedor de modelo de fundação utilizado no desenvolvimento de sistema de IA responde solidariamente pelos danos decorrentes de características estruturais do modelo que o desenvolvedor da aplicação não poderia razoavelmente detectar ou mitigar.

§4º: Em ação de reparação por danos de sistema de IA, o juiz poderá, a requerimento da vítima, determinar a exibição de: logs de operação, documentação técnica do sistema, avaliações de impacto algorítmico e dados de treinamento pertinentes.

3.3 Danos Específicos: Deepfakes

Os deepfakes merecem tratamento específico dada sua gravidade:

Proposta de tipificação:

Deepfake pornográfico não consensual: dano moral presumido; responsabilidade objetiva do criador e da plataforma de hospedagem (invertendo Art. 19 MCI para conteúdo gerado por IA)
Deepfake político em período eleitoral: dano à integridade eleitoral; responsabilidade penal do criador e civil solidária da plataforma

Remoção emergencial: Plataformas devem remover deepfake ilegal em 2 horas após notificação verificada, sob pena de responsabilidade solidária pelo dano causado após o prazo.

3.4 Danos Discriminatórios Sistêmicos: Tutela Coletiva

Danos discriminatórios de IA afetam grupos, não apenas indivíduos. O framework propõe:

Legitimidade do Ministério Público, Defensoria Pública, associações e do IBGIA para ação civil pública por danos algorítmicos coletivos
Reparação coletiva via fundo específico gerenciado pelo CNPJ/MJSP
Obrigação de auditoria e correção do sistema como forma de reparação in natura

4. Desafios de Implementação

4.1 Jurisdição Internacional

Os principais fornecedores de modelos de fundação são empresas norte-americanas ou europeias. O framework proposto enfrenta:

Imunidade de jurisdição vs. dano no território brasileiro (solução: critério do efeito)
Execução de sentença no exterior
Necessidade de cooperação internacional (INTERPOL, acordos bilaterais)

4.2 Perícia Técnica

A aplicação do framework exige peritos especializados em IA — escassos no sistema judiciário brasileiro. Proposta:

Criar corpo de peritos técnicos em IA no CNJ
Credenciar entidades técnicas (como o IBGIA) para emissão de laudos periciais

4.3 Seguro de Responsabilidade por IA

Para que o framework seja efetivo, deve existir mercado de seguro de responsabilidade para IA:

SUSEP deve regulamentar seguro obrigatório de IA para sistemas de alto risco
Modelo similar ao seguro DPVAT para veículos automotores

5. Conclusões

A lacuna de responsabilidade civil para danos de IA no Brasil não é teórica — é vivenciada todos os dias por brasileiros que perdem dinheiro para golpes com voz sintética, têm crédito negado por algoritmos opacos ou veem sua imagem usada sem consentimento. O ordenamento jurídico atual não oferece resposta adequada.

O Brasil tem a oportunidade, no processo de aprovação do PL 2338/2023, de estabelecer um regime de responsabilidade moderno, proporcional e efetivo. Os princípios propostos — responsabilidade proporcional ao controle, inversão do ônus em alto risco, acesso à evidência, solidariedade na cadeia — criam incentivos corretos sem inviabilizar a inovação.

Referências

Comissão Europeia. Proposal for an AI Liability Directive. COM(2022) 496 final. 2022.
Dignum, V. Responsible Artificial Intelligence. Springer, 2019.
European Parliament. Resolution on the use of artificial intelligence in criminal law. 2021.
Lemos, R. Marco Civil da Internet: Comentários. Atlas, 2020.
Nunes, L. A. R. Código de Defesa do Consumidor Comentado. Saraiva, 2023.
Senado Federal. PL 2338/2023. 2023.
Solove, D.; Schwartz, P. Information Privacy Law. Wolters Kluwer, 2023.
Veale, M.; Edwards, L. Clarity, Surprises, and Further Questions in the Article 29 Working Party Draft Guidance on Automated Decision-Making and Profiling. Computer Law & Security Review, 2018.

Responsabilidade Civil por Danos Causados por IA Generativa: Teoria, Casos e Propostas para o Brasil