Governança Digital: a Inteligência Artificial como Aliada – e como Risco

Danielle Santos Figuerôa; Larissa Paula Stachio

DOI: 10.22167/2675-6528-202602812

Artigo derivado de Trabalho de Conclusão de Curso (TCC), com conteúdo baseado no trabalho original do aluno e adaptado ao formato editorial da Revista E&S com apoio da ferramenta ResumeAI, solução de inteligência artificial desenvolvida pelo Instituto Pecege para síntese e organização textual.

Resumo

A rápida ascensão da Inteligência Artificial (IA) impôs desafios éticos e regulatórios sem precedentes, exigindo que as organizações revissem seus modelos de controle para garantir a sustentabilidade dos negócios. Diante das lacunas regulatórias e dos riscos associados à adoção da IA, o estudo investigou como a aplicação dessa tecnologia impacta a governança digital sob a ótica dos pilares ESG (Environmental, Social and Governance). A metodologia adotou uma abordagem qualitativo-quantitativa e exploratória, composta por uma análise documental de quinze estudos de caso globais, aplicação de questionário estruturado com 65 profissionais e realização de entrevista semiestruturada com uma especialista de uma organização tecnológica global. Os resultados evidenciaram uma lacuna crítica de conformidade, visto que 75% dos respondentes relataram a ausência de diretrizes claras em suas instituições, o que corroborou a preocupação de 45% da amostra com a falta de regulamentação da IA. Esse cenário contrastou com a percepção da governança como um ativo de confiança e diferencial competitivo. A pesquisa identificou que a mitigação de riscos, como o viés algorítmico e a segurança dos dados, exigiu a implementação de supervisão humana contínua e a adoção de novos frameworks de ciclo de vida. Demonstrou-se ainda que a convergência entre IA e os critérios ESG potencializou ganhos como eficiência energética e transparência social. Conclui-se que a governança da IA, quando integrada aos princípios ESG, constitui elemento estratégico para promover conformidade, transparência, confiança institucional e sustentabilidade organizacional.

Palavras-chave: Ética Algorítmica; Gestão de Riscos; Governança Digital; Inteligência Artificial; Sustentabilidade Corporativa.

1. Introdução

A transformação digital tem impulsionado mudanças significativas nos ambientes corporativos e institucionais, fomentando a adoção crescente de tecnologias emergentes, com destaque para a Inteligência Artificial (IA). A IA é compreendida, conforme a Organização para a Cooperação e Desenvolvimento Econômico (OCDE, 2024), como um conjunto de ferramentas computacionais que processam dados de entrada para gerar resultados como estimativas, recomendações ou resoluções capazes de influenciar contextos reais e digitais. A aplicação dessa tecnologia, na visão de Fernandes, Costa e Abreu (2025), redefine as estratégias organizacionais, abrangendo desde a automação de tarefas operacionais até a execução de análises preditivas complexas.

Contudo, essa integração tecnológica avançada não ocorre sem a necessidade de estruturas que garantam a integridade e o direcionamento ético das decisões automatizadas. Nesse contexto, a governança se estabelece, definida por Loureiro Coutinho (2024) como a implementação de estruturas normativas e mecanismos de responsabilização que consideram não apenas aspectos técnicos, mas também os impactos jurídicos e sociais. No âmbito da tecnologia, a governança da IA emerge como um esforço global, colaborativo e adaptável, conforme relatório da Organização das Nações Unidas (ONU, 2024), fundamentado em direitos humanos e sustentabilidade, visando enfrentar riscos complexos e promover benefícios compartilhados.

Apesar do potencial estratégico da IA, Fernandes, Costa e Abreu (2025) alertam para as preocupações éticas e regulatórias associadas à sua implementação, especialmente no que tange à segurança da informação, privacidade de dados, viés algorítmico e tomada de decisão automatizada. A ausência de mecanismos robustos de governança pode acarretar falhas operacionais, impactos reputacionais e prejuízos financeiros para as organizações. Essa problemática é amplificada pela lacuna de conformidade e pela preocupação com a falta de regulamentação clara, conforme evidenciado no resumo aprovado, que aponta para uma lacuna crítica de conformidade e a ausência de diretrizes claras em muitas instituições.

A necessidade de uma governança ética da inteligência artificial é reforçada pela discussão sobre a importância da explicabilidade das decisões automatizadas e da prevenção de vieses discriminatórios (Pacheco et al., 2023). Loureiro Coutinho (2024) enfatiza a urgência de políticas públicas e corporativas focadas na responsabilização civil e na proteção social, promovendo a transparência algorítmica. Embora a IA ofereça ganhos significativos em eficiência e inovação, Floridi et al. (2018) destacam que ela também intensifica dilemas éticos, assimetrias de poder e riscos sistêmicos, desafiando os modelos tradicionais de controle e responsabilização. A ausência de uma governança contextualizada pode comprometer a segurança e a privacidade dos dados, perpetuar desigualdades e fragilizar a confiança institucional.

Para estruturar uma resposta a esses riscos, os pilares de ESG (Environmental, Social and Governance) se apresentam como um framework normativo capaz de nortear a responsabilidade tecnológica. O “United Nations Global Compact” (2004) estabelece que o ESG oferece critérios para integrar questões ambientais, sociais e de governança corporativa na gestão de riscos e na avaliação de valor das organizações. Assim, quando aplicado à Inteligência Artificial, o ESG funciona como uma ferramenta de controle que busca equilibrar a inovação com a transparência algorítmica, a privacidade e a justiça social.

Diante desse cenário de rápida transformação tecnológica e dos desafios éticos e regulatórios sem precedentes, torna-se imperativo investigar a aplicação da Inteligência Artificial em um contexto de governança digital alinhada aos princípios de ESG. Portanto, esta pesquisa tem o objetivo de investigar como a Inteligência Artificial impacta a governança digital alinhada aos princípios de ESG (“Environmental, Social and Governance”), analisando o potencial da IA como ferramenta estratégica e os riscos associados à sua adoção, com foco na responsabilidade ética e social (privacidade e viés) e no fortalecimento dos mecanismos de governança (segurança e conformidade) na tomada de decisão automatizada.

2. Material e Métodos

O presente estudo adotou uma abordagem metodológica qualitativo-quantitativa e exploratória, caracterizando-se como um estudo de casos múltiplos complementado por pesquisa bibliográfica e documental. O objetivo foi investigar a aplicação da Inteligência Artificial em um contexto de governança digital alinhada aos princípios de ESG, analisando seu potencial estratégico e os riscos associados à sua adoção.

A coleta de dados secundários foi realizada por meio de análise documental de materiais públicos e internos. Para tanto, selecionaram-se quinze estudos de caso globais, com base na relevância dos incidentes de conformidade reportados entre 2022 e 2025. Desses, sete casos representaram falhas em governança de IA e oito exemplificaram impactos positivos da tecnologia.

A análise documental abrangeu diversos setores e geografias, focando em quatro áreas principais de falha: viés algorítmico, privacidade de dados, transparência e responsabilidade. Os incidentes foram categorizados pela natureza do risco e pelo seu impacto ético-legal, sem a identificação nominal das organizações, para fundamentar a discussão sobre a ausência de estruturas de conformidade.

A coleta de dados primários quantitativos foi efetuada por um questionário estruturado, transversal e bilíngue (português e inglês), contendo 46 questões (23 por idioma). O instrumento foi dividido em três blocos: “Panorama Geral da Amostra” (14 questões), “Perspectiva Técnica: Criadores e Mantenedores de Sistemas” (5 questões) e “Perspectiva de Governança: Usuários e Supervisores” (4 questões), utilizando formatos de múltipla escolha e escala Likert.

A amostra do questionário consistiu em 65 profissionais, com 61 interações em português e 4 em inglês, recrutados por conveniência em redes profissionais e grupos de tecnologia e gestão empresarial. A coleta ocorreu entre 15 e 20 de dezembro de 2025, de forma anônima, via plataforma Google Forms, garantindo a imparcialidade e a privacidade dos dados. Reconhece-se a possibilidade de viés de seleção devido à amostragem não probabilística.

Como etapa qualitativa complementar, realizou-se uma entrevista semiestruturada com uma especialista em Automação de IA e Plataformas de Dados de uma organização tecnológica global (Apêndice 2). A entrevista buscou uma visão estratégica sobre a governança de IA, focando no ciclo de vida da tecnologia, desde o design até a descontinuidade, e na percepção da governança como diferencial competitivo.

A análise dos dados combinou técnicas descritivas para o questionário e análise de conteúdo para a entrevista. Adicionalmente, foi conduzida uma pesquisa documental exploratória, que incluiu relatórios anuais de sustentabilidade e ESG (2023-2025), decisões de órgãos reguladores internacionais, reportagens jornalísticas e legislação sobre IA. Este procedimento permitiu confrontar as percepções dos respondentes com as práticas de mercado e as evidências de falhas éticas.

O cruzamento dos dados primários, referentes às percepções dos participantes, com os dados secundários, relativos a fatos e casos de mercado, possibilitou uma análise crítica sobre a efetividade dos modelos de governança aplicados. Os cuidados éticos foram rigorosamente observados, com a garantia de anonimato e confidencialidade para todos os participantes, conforme os princípios de pesquisa.

3. Resultados e Discussão

A análise dos dados coletados revelou um cenário complexo e multifacetado sobre a governança da Inteligência Artificial (IA) nas organizações, destacando tanto os desafios inerentes à sua rápida evolução quanto o potencial estratégico de uma abordagem alinhada aos princípios ESG. Os resultados evidenciaram uma lacuna crítica de conformidade e a necessidade urgente de diretrizes claras, contrastando com a percepção da governança como um ativo de confiança e um diferencial competitivo. A pesquisa explorou as percepções de profissionais, casos práticos de falhas e sucessos, e o panorama regulatório global, conforme detalhado nos blocos de análise a seguir.

Inicialmente, o questionário aplicado a 65 profissionais revelou que a privacidade de dados, com 26% das menções, e o viés algorítmico, com 28%, são as preocupações mais críticas na adoção da IA sob a perspectiva de compliance. Adicionalmente, 45% dos respondentes identificaram a falta de regulamentação clara como o maior desafio para alinhar a IA às políticas de conformidade organizacional. Esses achados sublinham a urgência de abordar os riscos éticos e legais associados à tecnologia, conforme também apontado por Fernandes, Costa e Abreu (2025), que enfatizam a necessidade de estruturas robustas de governança para mitigar falhas operacionais e danos reputacionais.

A percepção geral da amostra indicou que 71% dos participantes acreditam que os benefícios da IA superam os riscos, e 82% associam a integração da IA a um aumento significativo na produtividade e eficiência. Contudo, essa otimismo é temperado pela incerteza sobre a responsabilidade pelas decisões geradas pela IA, com 58% dos respondentes afirmando já ter refletido sobre o tema, mas sem clareza. A confiança nas recomendações da IA também se mostrou moderada, com 60% dos participantes atribuindo uma nota neutra (Nota 3), enquanto 34% expressaram alta confiança (Nota 4) e 6% baixa confiança (Nota 2).

A explicabilidade dos sistemas de IA emergiu como um fator crucial para a confiança, com 80% dos respondentes concordando que uma maior explicabilidade aumenta a confiança na tecnologia. No entanto, a pesquisa revelou que 75% dos participantes não sabem onde reportar resultados enviesados, e 65% afirmaram que suas organizações não oferecem treinamentos sobre o uso ético e compliance em IA. Essa lacuna na capacitação e nos canais de reporte fragiliza a capacidade das instituições de gerenciar proativamente os riscos, como o viés algorítmico, que, segundo Silva (2022), não é um erro técnico isolado, mas uma reprodução de desigualdades estruturais.

Na perspectiva técnica, direcionada a criadores e mantenedores de sistemas de IA (n=9), 55% dos profissionais não participaram do desenvolvimento ou integração de soluções de IA, enquanto 45% sim. Os maiores desafios técnicos para garantir o compliance foram identificados como a conformidade regulatória (36%) e a transparência dos algoritmos (36%), seguidos pela explicabilidade dos modelos (28%). A maioria desses profissionais (72%) não conhece ou não tem acesso a ferramentas que auxiliam na explicabilidade da IA, o que dificulta a implementação de práticas de governança eficazes e a mitigação de riscos complexos, como os vieses discriminatórios.

Ainda sob a ótica técnica, a recepção de diretrizes claras sobre requisitos de compliance em projetos de IA é inconsistente: 36% dos respondentes as recebem “às vezes” e outros 36% “raramente”, com apenas 10% recebendo-as “sempre”. Essa variabilidade na comunicação de requisitos de conformidade pode comprometer a integridade dos sistemas desde as fases iniciais de desenvolvimento. A percepção sobre o impacto das auditorias internas no ciclo de desenvolvimento da IA foi majoritariamente neutra (53% Nota 3), indicando que, embora existam, as auditorias podem não ser percebidas como plenamente eficazes ou integradas ao processo.

A perspectiva de governança, focada em usuários e supervisores (n=56), revelou que 63% dos respondentes já tomaram decisões baseadas em recomendações de IA. Contudo, 76% já recusaram seguir uma recomendação de IA por falta de confiança, evidenciando uma desconfiança latente que pode impactar a adoção e a efetividade da tecnologia. As principais preocupações de compliance para este grupo foram a privacidade (48%), o risco de erro (35%) e a falta de transparência (17%), reforçando a necessidade de mecanismos que garantam a integridade e a explicabilidade dos sistemas.

A compreensão das políticas de compliance aplicadas aos sistemas de IA utilizados pelos usuários e supervisores também se mostrou variada, com 39% atribuindo uma nota neutra (Nota 3) e 22% uma nota muito baixa (Nota 1). Essa dispersão sugere que as políticas existentes podem não ser claras, acessíveis ou suficientemente comunicadas, o que dificulta a adesão e a responsabilização. A ausência de uma compreensão uniforme das diretrizes de compliance pode levar a interpretações diversas e, consequentemente, a práticas inconsistentes no uso da IA, aumentando os riscos de não conformidade e falhas éticas.

A análise documental de quinze estudos de caso globais complementou as percepções dos respondentes, evidenciando que a ausência de uma estrutura de conformidade pode resultar em prejuízos severos. Casos de falhas incluíram viés de gênero em sistemas de recrutamento de uma multinacional americana, responsabilização civil por “alucinações” de chatbot em uma empresa de aviação canadense, e a prática de “AI washing” por uma empresa de tecnologia de vigilância. Estes incidentes demonstram a materialização dos riscos de viés algorítmico e falhas na tomada de decisão, que foram apontados como críticos por 28% dos respondentes na pesquisa de campo.

No Brasil, a realidade apresentou paralelos com os riscos globais, como os indeferimentos automáticos no INSS, que geraram um aumento substancial nos recursos administrativos, e casos de racismo algorítmico em sistemas de segurança pública, resultando em identificações errôneas e prisões indevidas. Esses episódios reforçam a tese de que a explicabilidade algorítmica, considerada essencial por 28% dos participantes técnicos, não é apenas um requisito técnico, mas uma salvaguarda contra discriminações automatizadas que ferem os princípios da governança digital e a licença social de operação das empresas.

Em contraste, a pesquisa identificou oito casos de sucesso onde a IA foi implementada com governança robusta, gerando valor e eficiência. Exemplos incluem uma multinacional americana que desenvolveu sua própria “Constituição Ética” interna, uma empresa brasileira que usou IA para agilizar investigações de compliance sem perder o rigor ético, e um banco brasileiro que utiliza comitês de ética para garantir modelos de crédito transparentes e livres de preconceito. Esses casos demonstram que a governança, quando bem estruturada, transforma a IA em uma aliada estratégica, mitigando riscos e promovendo a confiança institucional.

A sistematização dos riscos identificados, conforme a tipologia da Inteligência Artificial aplicada, revelou que a governança digital não pode ser tratada de forma genérica. A IA Preditiva, utilizada em sistemas de recrutamento ou concessão de crédito, exige um foco rigoroso na equidade dos dados históricos para atender ao pilar Social do ESG, prevenindo o viés algorítmico e a discriminação estrutural. A especialista entrevistada reforçou que a garantia de decisões justas exige supervisão humana contínua, e não apenas o aprimoramento dos modelos técnicos, consolidando a dimensão social como fundamental para a manutenção da licença social de operação das empresas.

Por outro lado, a IA Generativa, exemplificada por chatbots e modelos de linguagem, demanda mecanismos de transparência e rastreabilidade que sustentem o pilar de Governança, especialmente para mitigar riscos de “alucinação” de dados e violação de privacidade. A IA Agêntica, que transcende a mera geração de conteúdo para planejar e executar tarefas de forma autônoma, impõe um novo desafio ao compliance: a governança da autonomia, onde a rastreabilidade das ações se torna tão crítica quanto a precisão dos dados, exigindo que a conformidade seja nativa em cada agente desenvolvido.

A dimensão do Pilar Ambiental demonstrou como a IA pode ser uma ferramenta de sustentabilidade, mitigando seu próprio custo energético. O Google, por exemplo, utilizou algoritmos do DeepMind para otimizar o resfriamento de seus data centers, reduzindo o consumo de energia em 40%. Outros casos incluem a BMW, que usa IA e visão computacional para reciclagem de componentes de veículos, e a JBS, que monitora fornecedores via satélite para assegurar a rastreabilidade socioambiental de sua cadeia produtiva, endereçando riscos de desmatamento e trabalho análogo à escravidão. Esses exemplos práticos ilustram o potencial da IA para alcançar metas globais de descarbonização e otimização de recursos naturais.

Sob a ótica do Pilar de Governança, os respondentes identificaram as práticas de compliance como facilitadoras da adoção tecnológica, reforçando o argumento de Mittelstadt (2019) de que princípios éticos, por si só, são insuficientes sem mecanismos concretos de governança, monitoramento e prestação de contas. A especialista entrevistada destacou que a governança atua como um “ativo de confiança”, permitindo que a organização se destaque pela segurança e integridade de suas soluções em um mercado saturado por novos “players” sem controles validados.

A ausência de diretrizes claras ou treinamentos específicos em IA, relatada por 75% dos usuários, fragiliza a governança estratégica. O Relatório do custo das violações de dados de 2025 da IBM (2025) corrobora essa lacuna, indicando que 63% das empresas não possuem política de governança da IA. Essa carência de capacitação aponta para a negligência da educação e cultura empresarial, pilares fundamentais para uma governança eficaz, onde uma força de trabalho instruída sobre o uso diário da tecnologia é essencial para que as políticas de conformidade não sejam ignoradas na ponta da operação.

Um dos achados mais relevantes da pesquisa, presente tanto na análise documental quanto no questionário, é o impacto negativo da falta de regulamentação clara. Este fator foi apontado por 45% dos respondentes como o maior desafio para o alinhamento da IA às políticas de compliance organizacional. Essa percepção corrobora a tese de Jobin, Ienca e Vayena (2019), que destacam como a ausência de marcos regulatórios globais vinculativos cria um cenário de incerteza jurídica, dificultando a implementação de diretrizes éticas e de governança operacionalizáveis nas empresas.

A ausência de normas padronizadas dificulta a atribuição de responsabilidades, gerando incerteza em 58% dos respondentes sobre quem deveria responder por decisões automatizadas falhas. No Brasil, o Projeto de Lei nº 2338/2023 (Brasil, 2023) surge como um caminho de resolução, atuando em conjunto com a LGPD para cuidar do processamento de dados pela inteligência. Ao classificar sistemas de recrutamento e avaliação de crédito como de “Alto Risco”, o PL brasileiro endereça diretamente os medos de viés e falhas de decisão identificados na amostra, exigindo a implementação de Avaliações de Impacto Algorítmico.

O cenário regulatório mundial apresenta três modelos principais que influenciam a legislação brasileira. O EU AI Act (European Union, 2024) é a primeira lei abrangente do mundo, adotando uma abordagem baseada em risco e exigindo transparência total para modelos de fundação, sendo a principal inspiração para o PL brasileiro. Os Estados Unidos seguem uma abordagem setorial e baseada em segurança nacional, focando na proteção do consumidor e na mitigação de riscos catastróficos, sem uma lei federal única (FTC, 2025). A China, por sua vez, foca na soberania e no controle de conteúdo, regulamentando algoritmos de recomendação e IA generativa e exigindo que os sistemas reflitam valores sociais (Kaufman e Zavaglia, 2024).

Essa convergência global para a regulamentação valida os resultados encontrados, indicando que a transparência e o compliance não são apenas desejos éticos, mas requisitos regulatórios essenciais das empresas na era digital. A especialista consultada projeta para os próximos anos um cenário de controles significativamente mais rigorosos sobre privacidade de dados e capacidades técnicas de plataforma. Assim, o alinhamento com marcos como o EU AI Act ou o futuro PL 2338 brasileiro torna-se a base da licença social de operação, garantindo que a inovação tecnológica ocorra dentro de limites jurídicos claros e seguros para a sociedade.

Em síntese, a pesquisa demonstrou que a governança da IA é um elemento estratégico para as organizações, capaz de transformar os desafios éticos e regulatórios em oportunidades de fortalecimento da confiança e da sustentabilidade. A integração dos princípios ESG à governança da IA não apenas mitiga riscos como o viés algorítmico e a violação de privacidade, mas também potencializa ganhos em eficiência energética e transparência social. A conformidade digital e a responsabilidade social emergem como requisitos essenciais para a licença social de operação e a geração de valor ético na tomada de decisão automatizada, exigindo supervisão humana contínua e a adoção de novos frameworks de ciclo de vida.

4. Conclusão

O estudo investigou como a Inteligência Artificial impacta a governança digital alinhada aos princípios de ESG, analisando seu potencial estratégico e os riscos associados à adoção, com foco na responsabilidade ética e social, e no fortalecimento dos mecanismos de governança. Verificou-se uma lacuna crítica de conformidade nas organizações, onde a maioria dos profissionais relatou a ausência de diretrizes claras e expressou preocupação com a falta de regulamentação da IA. Identificou-se que riscos como o viés algorítmico e a segurança dos dados são preocupações centrais, exigindo supervisão humana contínua e a adoção de novos frameworks de ciclo de vida para mitigação. Observou-se que a governança é percebida como um ativo de confiança e um diferencial competitivo, e que a integração da IA com os critérios ESG potencializa ganhos em eficiência energética e transparência social. A principal contribuição reside na demonstração de que a governança da IA, quando alinhada aos princípios ESG, constitui um elemento estratégico para promover conformidade, transparência, confiança institucional e sustentabilidade organizacional, assegurando a licença social de operação e a geração de valor ético na tomada de decisão automatizada.

Apesar dos achados, o estudo apresentou limitações decorrentes do uso de amostragem por conveniência e da predominância de análises descritivas, o que restringe a capacidade de generalização dos resultados para outras populações. A composição da amostra e o recorte temporal adotado também refletem um contexto específico de percepção sobre a governança da IA, recomendando cautela na extrapolação para outros ambientes organizacionais. Para pesquisas futuras, sugere-se a ampliação da amostra e a utilização de técnicas estatísticas inferenciais, bem como a realização de estudos setoriais ou comparativos entre países. Tais abordagens poderiam aprofundar a compreensão das complexas relações entre governança de IA, conformidade regulatória e os critérios ESG, consolidando ainda mais o entendimento sobre como a inovação tecnológica pode ser gerida de forma ética e responsável.

Referências Bibliográficas

Brasil. 2023. Projeto de Lei nº 2338, de 2023. Dispõe sobre o uso da Inteligência Artificial. Senado Federal, Brasília, DF, Brasil. Disponível em: https://www25.senado.leg.br/web/atividade/materias/-/materia/157448. Acesso em: 28 jan. 2026.

European Union. 2024. Regulation (EU) 2024/1689 (Artificial Intelligence Act). Official Journal of the European Union, Bruxelas, Bélgica. Disponível em: https://eur-lex.europa.eu/legal-content/PT/TXT/?uri=CELEX:32024R1689. Acesso em: 28 jan. 2026.

Federal Trade Commission [FTC]. 2025. FTC Finalizes Order with IntelliVision over Al Washing Claims. Washington, DC, EUA. Disponível em: https://www.ftc.gov/news-events/news/press-releases/2025/01/ftc-finalizes-order-intellivision-over-ai-washing-claims. Acesso em: 12 nov. 2025.

Fernandes, A.A.; Costa, I.; Abreu, V.F. 2025. Governança da Inteligência Artificial: Estrutura, desafios e práticas para organizações inovadoras. Brasport, Rio de Janeiro, RJ, Brasil.

Floridi, L. et al. 2018. Al4People: An Ethical Framework for a Good Al Society: Opportunities, Risks, Principles, and Recommendations. Minds and Machines. Disponível em: https://doi.org/10.1007/s11023-018-9482-5 Acesso em: 10 ago. 2026.

International Business Machines Corporation [IBM]. 2025. Cost of a Data Breach Report 2025. IBM Security, Armonk, NY, EUA. Disponível em: https://www.ibm.com/reports/data-breach. Acesso em: 28 jan. 2026.

Jobin, A., lenca, M., Vayena, E. 2019. The global landscape of ai ethics guidelines. Nature Machine Intelligence. Disponível em: https://doi.org/10.1038/s42256-019-0088-2. Acesso em: 29 jan. 2026.

Kaufman, D.; Zavaglia, A. 2024. Governança e Ética de Inteligência Artificial nas Companhias Abertas. ABRASCA, São Paulo, SP, Brasil. Disponível em: https://s3-sa-east-1.amazonaws.com/abrasca/GovernancaEtica/8862-Relatorio-Final-Governanca-e-Etica-da-IA-nas-Cias-Abertas-Abrasca-Kaufman-e-Zavaglia.pdf. Acesso em: 16 jan. 2026.

Loureiro Coutinho, 2024 [Referência completa não encontrada no documento original]

MITTELSTADT, B.D. 2019. Principles Alone Cannot Guarantee Ethical Al. Nature Machine Intelligence, 1(11):501-507. Disponível em: https://doi.org/10.1038/s42256-019-0114-4 Acesso em: 08 ago. 2026.

OCDE, 2024 [Referência completa não encontrada no documento original]

Organização das Nações Unidas [ONU], 2024. Governing Al for humanity: final report. Disponível em: https://www.un.org/sites/un2.un.org/files/governing_ai_for_humanity_final_report_en.pdf Acesso em: 22 out. 2025.

Pacheco et al., 2023 [Referência completa não encontrada no documento original]

Silva, T. 2022. Racismo Algorítmico: Inteligência Artificial e Discriminação nas Redes Digitais. Edições Sesc, São Paulo, SP, Brasil.

UNITED NATIONS GLOBAL COMPACT. 2004. Who cares wins: connecting financial markets to a changing world. Geneva: UN Global Compact. Disponível em: https://documents1.worldbank.org/curated/en/280911488968799581/pdf/113237-WP-WhoCaresWins-2004.pdf. Acesso em: 15 mar. 2026.

Artigo oriundo de Trabalho de Conclusão de Curso da Especialização em Compliance e ESG do MBA USP/Esalq

Para saber mais sobre o curso, clique aqui e acesse a plataforma MBX Academy