Introdução à Inteligência Artificial

Duração prevista: 120 minutos, em sessão presencial.

Todos os casos, nomes, instituições e números usados nesta lição são fictícios e servem apenas de exercício.

Como o tempo desta lição está distribuído

• Acolhimento e objectivos: 10 minutos.
• Exposição: 35 minutos.
• Actividade prática: 60 minutos.
• Partilha e síntese: 15 minutos.

Como trabalhamos na sala: recomenda-se um computador por pessoa. Quando não for possível, no máximo duas pessoas por computador, alternando quem executa a meio da actividade, de modo que ambas façam. Na partilha apresentam apenas dois grupos, com tempo limitado; os restantes entregam por escrito e recebem comentário do formador. Marcar a lição como concluída é registo de aprendizagem e não é registo de assiduidade.

Objectivos da lição

• Explicar, por palavras próprias e em duas frases, o que é um sistema de inteligência artificial, usando a ideia de inferir saídas a partir de dados de entrada.
• Classificar correctamente pelo menos seis dos oito casos fornecidos na ficha como automação por regras escritas por pessoas ou como sistema que infere a partir de dados, justificando cada escolha numa frase.
• Nomear três limites da inteligência artificial e dar, para cada um, um exemplo de consequência num serviço público.
• Identificar, num texto gerado por computador fornecido na ficha, pelo menos duas afirmações que precisam de ser confirmadas na fonte antes de serem usadas.

Explicação

Comecemos por uma descrição de trabalho. Um sistema de inteligência artificial é um sistema baseado em máquina que, a partir de dados que recebe, infere como produzir saídas — por exemplo previsões, classificações, recomendações, textos ou imagens — e essas saídas podem influenciar decisões e ambientes reais. Esta é uma paráfrase, em palavras nossas, da descrição usada nos Princípios de Inteligência Artificial da OCDE. Duas ideias dessa descrição merecem atenção: o grau de autonomia varia de sistema para sistema, e a capacidade de se adaptar depois de instalado também varia. Há sistemas que não se adaptam nada depois de entrarem em serviço.

A palavra que faz o trabalho pesado é «inferir». Inferir significa tirar uma conclusão a partir de exemplos, e não seguir uma regra que alguém escreveu à mão. Se uma folha de cálculo multiplica a área de um terreno por um valor por metro quadrado e devolve a taxa a pagar, isso é automação: alguém escreveu a fórmula, e a fórmula faz sempre o mesmo. Isso é útil, é rápido e é auditável — mas não é inteligência artificial. Convém dizê-lo com clareza, porque circula a ideia contrária: nem toda a regra é inteligência artificial, e nem todo o algoritmo é inteligência artificial. Um algoritmo é apenas um procedimento com passos definidos; ordenar uma lista por ordem alfabética é um algoritmo e não tem nada de inteligência artificial.

Um pouco de história, sem mitologia. O termo «inteligência artificial» aparece em meados do século XX, associado a um encontro académico de 1956 nos Estados Unidos. Seguiram-se décadas com ciclos: períodos de grande entusiasmo e financiamento, seguidos de períodos de desilusão quando os resultados prometidos não chegaram. Nas últimas duas décadas, três coisas mudaram ao mesmo tempo — passou a haver muito mais dados registados em formato digital, muito mais capacidade de cálculo acessível, e métodos de treino melhores. É essa combinação, e não uma descoberta isolada, que explica o que vemos hoje.

Hoje é útil distinguir duas famílias. A primeira é a inteligência artificial estreita: sistemas treinados para uma tarefa específica, como reconhecer se uma fotografia de um documento está legível, prever quais pedidos têm maior probabilidade de virem incompletos, ou transcrever voz em texto. Fazem essa tarefa e mais nenhuma. A segunda é a inteligência artificial generativa: sistemas que produzem conteúdo novo — texto, imagem, som, código — a partir de uma instrução escrita. Um assistente de escrita que redige um rascunho de ofício pertence a esta segunda família. Ambas são estreitas no sentido em que não têm compreensão, intenção nem responsabilidade: a responsabilidade é sempre de quem usa e de quem decide.

É preciso desfazer um equívoco frequente: a ideia de que a inteligência artificial «aprende sempre enquanto é usada». Na maior parte dos casos não é assim. O sistema é treinado antes, com um conjunto de dados, e depois é instalado. Durante o uso limita-se a aplicar o que aprendeu. Só passa a comportar-se de outra maneira se houver um novo treino, decidido e autorizado por alguém. Alguns sistemas são de facto configurados para se actualizarem com dados novos, mas isso é uma decisão de desenho, com riscos próprios, e não uma propriedade automática de tudo o que se chama inteligência artificial.

Vantagens, quando o uso é adequado: tratar volumes de texto ou de registos que nenhuma equipa conseguiria ler em tempo útil; propor um primeiro rascunho que a pessoa depois corrige; encontrar padrões que não são visíveis a olho; tornar serviços mais acessíveis, por exemplo transcrevendo áudio ou lendo texto em voz alta. Limites, que são igualmente reais: o sistema só é tão bom quanto os dados com que foi treinado; erra de formas difíceis de prever; não explica facilmente porque respondeu aquilo; e reproduz desigualdades que existam nos dados. O quadro voluntário de gestão de risco de inteligência artificial do NIST organiza precisamente este trabalho — identificar, medir e reduzir riscos ao longo de todo o ciclo de vida do sistema. É voluntário: é uma referência de boa prática, não uma lei.

Um facto que interessa a toda a gente que trabalha com documentos: a fluência de uma saída não garante que ela seja verdadeira. Um sistema generativo produz texto bem construído, com boa gramática e tom seguro, mesmo quando a informação está errada ou foi inventada. O texto pode conter um número de diploma que não existe, uma data trocada ou uma citação atribuída a quem nunca a disse — e nada na aparência do texto avisa. Por isso a regra de trabalho é simples e não tem excepção: tudo o que vier de um sistema destes é rascunho, e tudo o que for facto verificável confirma-se na fonte antes de sair do serviço.

Caso fictício — o balcão de licenças de Muanzo

A Direcção Distrital Fictícia de Muanzo atende pedidos de licença de ocupação de espaço para bancas de mercado. Tudo o que se segue é inventado para esta aula: o distrito, a direcção, os números e as pessoas não existem.

A direcção tem três coisas novas no balcão e chama às três «o novo sistema inteligente». Vale a pena separá-las. A primeira calcula a taxa a pagar: pega na área da banca, multiplica pelo valor da tabela aprovada e acrescenta uma percentagem se a banca ficar junto à entrada principal. Está escrita numa folha de cálculo por uma técnica da direcção e faz sempre exactamente o mesmo.

A segunda olha para cada pedido que entra e estima a probabilidade de esse pedido vir a ser devolvido por falta de documentos. Foi construída a partir de mil e duzentos pedidos antigos, com a indicação de quais tinham sido devolvidos, e aprendeu sozinha que combinações de características costumam aparecer nos pedidos devolvidos. Ninguém escreveu essas combinações à mão.

A terceira recebe um resumo de três linhas escrito pelo técnico e devolve um rascunho de ofício de indeferimento, com fundamentação redigida. O texto sai bem escrito. Na semana passada saiu bem escrito e citou um artigo de um regulamento distrital que não existe.

Das três, a primeira é automação por regras. A segunda e a terceira inferem a partir de exemplos: são sistemas de inteligência artificial. E a terceira mostra o problema central desta lição — a qualidade da escrita não diz nada sobre a veracidade do conteúdo. Se aquele ofício tivesse saído sem leitura, teria fundamentado uma decisão administrativa num artigo inventado.

Ficha de trabalho — oito casos para classificar

Casos fictícios, preparados para esta aula. A coluna da direita fica em branco e é preenchida pelo grupo.

Anexo — texto gerado por computador, para verificação

Texto fictício, produzido para esta aula como exemplo de saída gerada. Contém afirmações que têm de ser confirmadas na fonte. Não é um documento real e não cita legislação real.

«Informa-se que o pedido de licença de ocupação n.º 118/2026 foi indeferido. O indeferimento fundamenta-se no artigo 14.º do Regulamento Distrital de Ocupação de Espaço Público de Muanzo, que fixa em quarenta e cinco dias o prazo máximo de instrução do processo. Verificou-se ainda que o requerente não apresentou a declaração de conformidade sanitária, documento exigido desde a revisão de 2023. Mais se informa que, segundo os dados da Direcção, noventa e dois por cento dos pedidos com esta falta são indeferidos. Do presente indeferimento cabe recurso no prazo de dez dias úteis.»

Actividade prática

Trabalho em pares, com ficha em papel — não é necessário computador, com 60 minutos de trabalho, seguidos de 15 minutos de partilha e síntese em plenário.

Parte A. Peguem na ficha dos oito casos, acima. Para cada caso, escrevam na terceira coluna uma de duas classificações: «automação por regras escritas por pessoas» ou «sistema que infere a partir de dados». Acrescentem uma frase de justificação. A pergunta que ajuda a decidir é sempre a mesma: alguém escreveu à mão a regra que produz este resultado, ou o comportamento foi obtido a partir de exemplos?

Parte B. Escolham dois dos casos que classificaram como sistemas que inferem e escrevam, para cada um, um risco concreto para o serviço e uma medida simples de controlo. Exemplo de formato: «Risco: o sistema marca como incompletos sobretudo pedidos de um bairro; Medida: comparar mensalmente as taxas de marcação por bairro.»

Parte C. Leiam o anexo com o texto gerado por computador. Sublinhem pelo menos duas afirmações que não podem ser aceites sem confirmação e escrevam, ao lado de cada uma, onde é que se confirmaria: em que documento, com que serviço, com que pessoa responsável.

A meio do tempo, quem estava a escrever passa a caneta à outra pessoa. As duas partes têm de escrever.

Produto esperado: Uma ficha por par, com os oito casos classificados e justificados, dois riscos com a respectiva medida de controlo, e o anexo anotado com pelo menos duas afirmações a confirmar e a indicação de onde se confirma cada uma.

Como o produto é apreciado

• Classificação correcta de pelo menos seis dos oito casos.
• Justificações que falam de onde vem o comportamento do sistema (regra escrita ou exemplos), e não apenas «é moderno» ou «usa computador».
• Dois riscos concretos, ligados ao caso escolhido, com uma medida de controlo que a direcção consiga mesmo executar.
• Pelo menos duas afirmações do anexo assinaladas, com a fonte de confirmação indicada de forma útil (documento, serviço ou responsável, e não «na internet»).
• Participação das duas pessoas do par, visível na alternância da escrita.

Síntese em leitura fácil

• Inteligência artificial é um sistema que, a partir de dados, infere resultados: previsões, classificações, recomendações ou textos.
• Inferir é tirar conclusões a partir de exemplos. Não é seguir uma regra escrita à mão.
• Uma fórmula, um filtro ou uma validação de formulário são automação. Não são inteligência artificial.
• Nem todo o algoritmo é inteligência artificial.
• A maioria destes sistemas é treinada antes e não aprende sozinha durante o uso.
• A inteligência artificial ajuda a tratar muita informação e a preparar rascunhos.
• A inteligência artificial erra, depende dos dados com que foi treinada e não explica bem as suas respostas.
• Um texto bem escrito pode estar errado. A boa escrita não prova que a informação é verdadeira.
• Antes de usar, a pessoa confirma os factos na fonte. A responsabilidade é de quem decide.

Verificação formativa

Estas perguntas não contam para a nota final e não são perguntas do exame final. Servem para a pessoa formanda confirmar o que percebeu.

1. Uma direcção usa uma folha de cálculo que aplica a tabela de taxas aprovada e devolve o valor a pagar. Isto é um sistema de inteligência artificial? Porquê?
2. Um colega diz: «este assistente de escrita vai melhorando sozinho à medida que o usamos todos os dias». Que resposta dá, e que cuidado é preciso ter com o texto que ele produz?

Respostas comentadas da verificação formativa

As respostas abaixo pertencem às perguntas de verificação formativa desta lição. Não são perguntas nem respostas do exame final e não têm efeito na nota. Tente responder primeiro e só depois compare.

Pergunta 1. Uma direcção usa uma folha de cálculo que aplica a tabela de taxas aprovada e devolve o valor a pagar. Isto é um sistema de inteligência artificial? Porquê?

Resposta: Não. É automação por uma regra que uma pessoa escreveu; o sistema não infere nada a partir de exemplos.

Comentário: O critério não é ser informático nem ser recente. O critério é a origem do comportamento: aqui a fórmula foi escrita à mão e aplica-se sempre igual. Seria diferente se o valor fosse estimado a partir de casos anteriores.

Pergunta 2. Um colega diz: «este assistente de escrita vai melhorando sozinho à medida que o usamos todos os dias». Que resposta dá, e que cuidado é preciso ter com o texto que ele produz?

Resposta: Em regra não melhora sozinho: foi treinado antes e, durante o uso, aplica o que aprendeu. Só muda se houver um novo treino decidido e autorizado. Quanto ao texto, mesmo bem escrito pode conter factos errados ou inventados, por isso tudo é confirmado na fonte antes de sair do serviço.

Comentário: As duas partes desta resposta são as duas ideias que mais evitam problemas no dia-a-dia: o sistema não se corrige sozinho, e a fluência não é prova de verdade.

Referências consultadas

• OECD AI Principles — definição de sistema de inteligência artificial — https://oecd.ai/en/ai-principles (consultado em 21 de Setembro de 2026).
• NIST AI Risk Management Framework — quadro voluntário de gestão de risco — https://www.nist.gov/itl/ai-risk-management-framework (consultado em 21 de Setembro de 2026).

Duração prevista: 120 minutos, em sessão presencial.

Todos os casos, nomes, instituições e números usados nesta lição são fictícios e servem apenas de exercício.

Como o tempo desta lição está distribuído

• Acolhimento e objectivos: 10 minutos.
• Exposição: 35 minutos.
• Actividade prática: 60 minutos.
• Partilha e síntese: 15 minutos.

Como trabalhamos na sala: recomenda-se um computador por pessoa. Quando não for possível, no máximo duas pessoas por computador, alternando quem executa a meio da actividade, de modo que ambas façam. Na partilha apresentam apenas dois grupos, com tempo limitado; os restantes entregam por escrito e recebem comentário do formador. Marcar a lição como concluída é registo de aprendizagem e não é registo de assiduidade.

Objectivos da lição

• Distinguir, com exemplos do conjunto fornecido, característica de rótulo, e algoritmo de modelo.
• Identificar pelo menos cinco problemas no mini-conjunto de dados fornecido e classificar cada um como qualidade, representatividade, privacidade ou vazamento de dados.
• Descrever, por palavras próprias, para que serve cada um dos conjuntos de treino, validação e teste, e o que é a inferência.
• Propor, para cada problema identificado, uma correcção concreta antes de o conjunto ser usado.

Explicação

Nesta lição olhamos para a matéria-prima. Sem dados não há aprendizagem automática, e a maior parte dos problemas que aparecem nos sistemas não nasce do método: nasce dos dados.

Comecemos pelo vocabulário. Cada linha de uma tabela é um caso, por exemplo um pedido de licença. Cada coluna que descreve o caso é uma característica: o distrito, o número de dias que o pedido esperou, se os documentos estavam completos. A coluna que queremos prever chama-se rótulo: no nosso exemplo, se o pedido foi devolvido ou não. Treinar um sistema é mostrar-lhe muitos casos com as características e o rótulo já conhecido, para que ele encontre relações entre uns e outro.

Algoritmo e modelo não são a mesma coisa, e a confusão entre os dois gera mal-entendidos. O algoritmo é o procedimento de aprendizagem: o conjunto de passos que percorre os dados e ajusta números. O modelo é o resultado desse procedimento: o objecto já treinado, com os números ajustados, que se aplica a casos novos. Uma comparação útil: o algoritmo é a receita e o processo de cozinhar; o modelo é o prato que saiu. A mesma receita, com ingredientes diferentes, dá pratos diferentes.

A qualidade dos dados é a primeira coisa a verificar, e verifica-se a olho antes de qualquer cálculo. Valores em falta, valores impossíveis — uma idade de 187 anos, um prazo de menos três dias —, a mesma informação escrita de várias maneiras («Muanzo», «muanzo», «Muanzo Sede»), linhas duplicadas, datas trocadas. Nada disto exige saber programar para ser detectado. Exige ler a tabela.

A representatividade é um problema diferente e mais traiçoeiro, porque os dados podem estar tecnicamente correctos e ainda assim não servirem. Se nove em cada dez registos vierem de um único distrito, o modelo aprende sobretudo esse distrito e comporta-se pior nos outros — mas os números da avaliação global podem parecer bons, porque também os casos de teste vêm quase todos do mesmo sítio. A pergunta a fazer é sempre: quem está a mais e quem está a menos nesta tabela, comparado com as pessoas que o serviço realmente atende?

O vazamento de dados é o erro mais embaraçoso, porque produz resultados excelentes e falsos. Acontece quando entra no treino uma informação que, na vida real, só existe depois de o resultado ser conhecido. Se a tabela tiver uma coluna «data de emissão da licença», o modelo descobre imediatamente que quem tem data de emissão foi deferido, e acerta quase sempre — mas no momento em que o pedido dá entrada essa coluna está vazia, e o modelo é inútil. Também há vazamento quando os mesmos casos aparecem no treino e no teste: o sistema é avaliado com perguntas cuja resposta já viu.

Para evitar iludirmo-nos, os dados dividem-se em três partes, antes de começar. O conjunto de treino é onde o modelo aprende. O conjunto de validação serve para comparar alternativas e afinar escolhas, ainda durante o desenvolvimento. O conjunto de teste fica guardado, intocado, e usa-se uma única vez no fim, para estimar o desempenho com casos que o sistema nunca viu. Depois disto tudo vem a inferência, que é simplesmente o uso: dar ao modelo já treinado um caso novo e receber a saída. Treino e inferência são momentos diferentes — no dia-a-dia do serviço acontece inferência, não treino.

Uma palavra sobre privacidade, que se desenvolve no módulo 2 e já obriga aqui. Um conjunto de dados para formação ou para ensaio não precisa de nomes, números de identificação, moradas nem contactos. O princípio prático é recolher e conservar apenas o que é necessário para o fim em causa. Nesta aula, e em todas as actividades deste curso, trabalhamos exclusivamente com dados inventados. Sobre o enquadramento legal aplicável em Moçambique, quem responde é a área jurídica da instituição; este curso não dá pareceres jurídicos.

Caso fictício — a tabela que a Direcção de Muanzo quer usar

A Direcção Distrital Fictícia de Muanzo quer um sistema que avise, logo à entrada, quando um pedido de licença tem risco elevado de ser devolvido por falta de documentos. Pediu ao sector de informática a tabela dos pedidos do ano passado.

O que chegou foi um ficheiro exportado à pressa, com dez linhas de amostra para começar. A técnica responsável imprimiu a amostra e sentou-se a lê-la antes de mandar seguir. Fez bem: numa tabela de dez linhas encontrou problemas suficientes para travar o trabalho.

A amostra está a seguir, completa. Repare-se que há uma coluna «resultado», que é o rótulo, e uma coluna «data de emissão da licença», que só é preenchida depois de a decisão estar tomada.

Mini-conjunto de dados fictício — dez pedidos de licença

Dados inteiramente inventados para esta aula. Nenhuma pessoa, número ou instituição é real. A tabela está completa: não é preciso programar nem consultar mais nada para fazer a actividade.

Actividade prática

Trabalho em pares, com a tabela em papel — não é necessário programar nem usar computador, com 60 minutos de trabalho, seguidos de 15 minutos de partilha e síntese em plenário.

Parte A. Identifiquem na tabela pelo menos cinco problemas. Para cada um escrevam: o número da linha ou o nome da coluna onde está, o problema em uma frase, e a classificação — qualidade dos dados, representatividade, privacidade, ou vazamento de dados.

Parte B. Para cada problema identificado, escrevam a correcção concreta a fazer antes de o conjunto ser usado. A correcção tem de ser executável por quem prepara os dados; «melhorar os dados» não é uma correcção.

Parte C. Respondam em três frases: se este conjunto fosse usado tal como está, e o resultado parecesse excelente, porque é que esse excelente resultado não seria de confiança? Usem as palavras «vazamento» e «representatividade».

Parte D. Separem, numa linha cada: qual é o rótulo desta tabela; duas colunas que são características legítimas; e uma coluna que não deve entrar no treino, com a razão.

A meio do tempo, troquem quem escreve.

Produto esperado: Uma ficha por par com, no mínimo, cinco problemas identificados e classificados, uma correcção concreta para cada um, a resposta da parte C em três frases, e a separação pedida na parte D.

Como o produto é apreciado

• Cinco ou mais problemas encontrados, com a linha ou coluna indicada.
• Classificação correcta de pelo menos quatro deles nas quatro categorias dadas.
• Correcções executáveis, e não intenções genéricas.
• Na parte C, reconhecer que a coluna da data de emissão provoca vazamento e que nove em dez registos serem de um só distrito compromete a representatividade.
• Na parte D, identificar «resultado» como rótulo e apontar pelo menos uma coluna a excluir, com razão.
• Participação das duas pessoas do par.

Síntese em leitura fácil

• Cada linha da tabela é um caso. Cada coluna que descreve o caso é uma característica.
• A coluna que queremos prever chama-se rótulo.
• O algoritmo é o procedimento que aprende. O modelo é o resultado já treinado.
• Antes de treinar, lê-se a tabela: valores em falta, valores impossíveis, nomes escritos de várias maneiras, linhas repetidas.
• Se quase todos os registos vierem do mesmo sítio ou do mesmo tipo de pessoa, o sistema não serve para os outros.
• Vazamento de dados é usar no treino uma informação que só existe depois de a decisão estar tomada. Dá resultados óptimos e falsos.
• Os dados dividem-se em treino, validação e teste. O teste fica guardado e usa-se só no fim.
• Inferência é usar o modelo já treinado num caso novo.
• Num conjunto de ensaio não se põem nomes nem números de identificação. Recolhe-se só o necessário.

Verificação formativa

Estas perguntas não contam para a nota final e não são perguntas do exame final. Servem para a pessoa formanda confirmar o que percebeu.

1. Na tabela da aula, porque é que a coluna «data de emissão da licença» não pode entrar no treino de um sistema que avisa à entrada do pedido?
2. Qual é a diferença entre algoritmo e modelo, e porque é que dois serviços podem usar o mesmo algoritmo e obter modelos com comportamentos diferentes?

Respostas comentadas da verificação formativa

As respostas abaixo pertencem às perguntas de verificação formativa desta lição. Não são perguntas nem respostas do exame final e não têm efeito na nota. Tente responder primeiro e só depois compare.

Pergunta 1. Na tabela da aula, porque é que a coluna «data de emissão da licença» não pode entrar no treino de um sistema que avisa à entrada do pedido?

Resposta: Porque essa data só existe depois de o pedido ser deferido. É vazamento de dados: o modelo acertaria quase sempre no ensaio e seria inútil no balcão, onde a coluna está vazia.

Comentário: O teste prático é sempre este: no momento em que o sistema tem de responder, esta informação já existe? Se não existe, não pode entrar no treino.

Pergunta 2. Qual é a diferença entre algoritmo e modelo, e porque é que dois serviços podem usar o mesmo algoritmo e obter modelos com comportamentos diferentes?

Resposta: O algoritmo é o procedimento de aprendizagem; o modelo é o objecto treinado que resulta desse procedimento. Com dados diferentes, o mesmo algoritmo produz modelos diferentes, porque o que o modelo aprendeu vem dos dados.

Comentário: Daqui decorre uma consequência prática: perguntar «que algoritmo usaram?» diz pouco. A pergunta útil é «com que dados foi treinado, e quem está representado nesses dados?».

Referências consultadas

• OECD AI Principles — definição de sistema de inteligência artificial — https://oecd.ai/en/ai-principles (consultado em 21 de Setembro de 2026).
• NIST AI Risk Management Framework — quadro voluntário de gestão de risco — https://www.nist.gov/itl/ai-risk-management-framework (consultado em 21 de Setembro de 2026).

Duração prevista: 120 minutos, em sessão presencial.

Todos os casos, nomes, instituições e números usados nesta lição são fictícios e servem apenas de exercício.

Como o tempo desta lição está distribuído

• Acolhimento e objectivos: 10 minutos.
• Exposição: 35 minutos.
• Actividade prática: 60 minutos.
• Partilha e síntese: 15 minutos.

Como trabalhamos na sala: recomenda-se um computador por pessoa. Quando não for possível, no máximo duas pessoas por computador, alternando quem executa a meio da actividade, de modo que ambas façam. Na partilha apresentam apenas dois grupos, com tempo limitado; os restantes entregam por escrito e recebem comentário do formador. Marcar a lição como concluída é registo de aprendizagem e não é registo de assiduidade.

Objectivos da lição

• Distinguir aprendizagem supervisionada, não supervisionada e por reforço, dando um exemplo próprio de cada uma num serviço público.
• Explicar porque é que a inteligência artificial generativa não é uma quarta categoria separada destas três.
• Calcular, a partir da tabela de resultados fornecida, a taxa de acerto, o número de falsos positivos e o número de falsos negativos, e interpretar o que cada um significa para as pessoas atendidas.
• Reconhecer sobreajustamento a partir da diferença entre o desempenho no treino e no conjunto reservado.

Explicação

Aprendizagem automática é o conjunto de métodos que permite a um sistema melhorar o seu desempenho numa tarefa a partir de exemplos, em vez de seguir regras escritas à mão. Há três formas principais de organizar essa aprendizagem, e distinguem-se pelo tipo de informação que se dá ao sistema.

Na aprendizagem supervisionada, damos exemplos com a resposta certa já indicada. Mostram-se milhares de pedidos com a indicação de quais foram devolvidos, e o sistema aprende a prever essa indicação em pedidos novos. É a forma mais comum na administração pública, porque muitas tarefas são exactamente assim: classificar, encaminhar, prever um resultado que já foi registado no passado.

Na aprendizagem não supervisionada não há resposta certa indicada. Dão-se os casos e pede-se ao sistema que encontre estrutura: que agrupe os pedidos parecidos entre si, ou que assinale os que são muito diferentes de todos os outros. É útil para explorar. Tem uma limitação importante: os grupos que saem não têm nome nem significado garantido. Cabe às pessoas olhar para cada grupo e decidir se corresponde a algo real ou a um acaso dos dados.

Na aprendizagem por reforço, o sistema toma decisões em sequência, num ambiente, e recebe um sinal de recompensa que mede se a sequência de decisões está a correr bem. Aprende tentando e ajustando. Convém desfazer aqui um equívoco comum: aprendizagem por reforço não é simplesmente «o utilizador carrega em gosto ou não gosto». É um processo de treino, com um ambiente definido, um conjunto de acções possíveis e uma função de recompensa escolhida por alguém. As preferências humanas podem ser usadas para construir esse sinal, mas o sinal não é o clique — e a escolha do que se recompensa determina o comportamento que sai. Recompensar «fechar processos depressa» produz um sistema diferente de recompensar «fechar processos correctamente».

E a inteligência artificial generativa, onde entra? Não é uma quarta categoria ao lado destas três, e não é mutuamente exclusiva delas. É uma família de modelos definida pelo que produz — conteúdo novo — e não pela forma como aprende. Na prática, esses modelos são treinados sobretudo prevendo a continuação de textos existentes, o que é uma forma de supervisão gerada a partir dos próprios dados, e depois costumam ser afinados com métodos que incorporam preferências humanas, incluindo variantes de reforço. Ou seja: a generativa usa estas formas de aprendizagem, não se opõe a elas.

Ainda sobre a generativa, repete-se o que ficou dito na primeira lição porque é o equívoco mais persistente: um assistente generativo não aprende automaticamente com cada conversa. Ele pode ter memória do que foi dito dentro daquela conversa, o que dá a impressão de aprendizagem, mas isso desaparece quando a conversa termina e não altera o modelo. Alterar o modelo exige um novo treino, decidido, preparado e autorizado.

Passemos ao que corre mal. O sobreajustamento acontece quando o modelo decora particularidades dos exemplos de treino, incluindo ruído e acasos, em vez de aprender o padrão geral. Reconhece-se de uma maneira simples: o desempenho no conjunto de treino é muito bom e no conjunto reservado é bastante pior. Um modelo que acerta 98 por cento nos casos que viu e 85 por cento nos casos que nunca viu está a mostrar esse sinal. A medida que conta é sempre a do conjunto reservado, porque é a que se parece com a realidade.

Depois, os erros. Um classificador engana-se de duas maneiras diferentes, e elas não custam o mesmo. Falso positivo é assinalar algo que afinal não era: marcar como incompleto um pedido que estava completo. O custo recai sobre o requerente, que é incomodado sem razão, e sobre o funcionário, que perde tempo. Falso negativo é deixar passar o que devia ser assinalado: um pedido incompleto que segue e só é travado semanas depois. O custo é o atraso e o retrabalho. Decidir qual dos dois erros é mais tolerável não é uma decisão técnica — é uma decisão de serviço, e tem de ser tomada por quem responde pelo serviço, não pelo sistema.

Por fim, a taxa de acerto sozinha engana. Se apenas dois em cada dez pedidos forem incompletos, um sistema que nunca assinala nada acerta oito em cada dez. Oitenta por cento parece bom e o sistema não serve para nada, porque nunca faz aquilo para que foi criado. É por isso que se olha sempre para a repartição dos erros, e não apenas para a percentagem global.

Caso fictício — o aviso de pedido incompleto, posto à prova

A Direcção Distrital Fictícia de Muanzo mandou treinar o tal sistema que avisa quando um pedido parece incompleto. A equipa fez as coisas com cuidado: guardou 200 pedidos num conjunto reservado, que o sistema nunca viu durante o treino, e só no fim usou esse conjunto para medir.

Dos 200 pedidos reservados, 40 estavam efectivamente incompletos e 160 estavam completos. Todos estes números são inventados para a aula.

O sistema assinalou 50 pedidos como incompletos. Desses 50, 30 estavam mesmo incompletos e 20 estavam completos. Dos 150 que não assinalou, 140 estavam completos e 10 estavam incompletos e passaram.

No conjunto de treino, o mesmo sistema tinha acertado 98 por cento das vezes. No conjunto reservado, a história é outra — e é essa que conta.

Resultados no conjunto reservado — 200 pedidos

Números fictícios, todos fornecidos. A tabela está completa: os cálculos da actividade fazem-se com estes valores e com uma calculadora simples.

Actividade prática

Trabalho em pares, com a tabela em papel e calculadora simples — não é necessário programar, com 60 minutos de trabalho, seguidos de 15 minutos de partilha e síntese em plenário.

Parte A. Classifiquem, em uma linha cada, três tarefas como supervisionada, não supervisionada ou por reforço, e justifiquem: (i) prever quais pedidos serão devolvidos, a partir de dez mil pedidos antigos já classificados; (ii) agrupar sozinho as reclamações recebidas em conjuntos parecidos, sem categorias definidas; (iii) afinar, por tentativa e ajuste com um sinal de recompensa definido pelo serviço, a ordem por que os processos são distribuídos pelos técnicos.

Parte B. Com a tabela dos 200 pedidos, calculem e escrevam: a taxa de acerto do sistema; o número de falsos positivos; o número de falsos negativos; a proporção de pedidos incompletos que o sistema conseguiu apanhar. Mostrem a conta feita, com todos os números à vista.

Parte C. Calculem a taxa de acerto de um «sistema preguiçoso» que nunca assinala nada. Comparem com a alínea anterior e escrevam duas frases sobre o que isto mostra acerca de usar a taxa de acerto sozinha.

Parte D. Escrevam qual dos dois erros — falso positivo ou falso negativo — é mais grave neste serviço concreto, quem suporta o custo de cada um, e quem na direcção deve tomar essa decisão. Não há resposta única; há justificação melhor e pior.

Parte E. O sistema acerta 98 por cento no treino e o valor que calcularam no conjunto reservado. Escrevam o nome deste fenómeno e uma frase a explicar porque é que o valor do conjunto reservado é o que conta.

A meio do tempo, troquem quem escreve e quem usa a calculadora.

Produto esperado: Uma ficha por par com: três tarefas classificadas e justificadas; os quatro valores da parte B com as contas visíveis; a comparação da parte C; a decisão fundamentada da parte D; e o nome e a explicação da parte E.

Como o produto é apreciado

• Taxa de acerto correcta: (30 + 140) dividido por 200 = 170 dividido por 200 = 0,85, isto é, 85 por cento.
• Falsos positivos: 20. Falsos negativos: 10.
• Proporção de incompletos apanhados: 30 dividido por 40 = 0,75, isto é, 75 por cento.
• Sistema preguiçoso: 160 dividido por 200 = 0,80, isto é, 80 por cento — apenas 5 pontos abaixo do sistema treinado, apesar de nunca assinalar nada.
• Parte D com identificação de quem suporta o custo de cada erro e atribuição da decisão à direcção do serviço, não ao sistema.
• Parte E identifica sobreajustamento e justifica a primazia do conjunto reservado.
• Contas visíveis, com todos os operandos escritos.

Síntese em leitura fácil

• Aprendizagem supervisionada: mostram-se exemplos com a resposta certa.
• Aprendizagem não supervisionada: não há resposta certa; o sistema procura grupos e casos estranhos.
• Aprendizagem por reforço: o sistema decide em sequência e recebe um sinal de recompensa definido por alguém. Não é o gosto ou não gosto do utilizador.
• A inteligência artificial generativa não é uma quarta categoria: usa estas formas de aprender e define-se por produzir conteúdo novo.
• Um assistente generativo não aprende sozinho com cada conversa. Só muda com um novo treino autorizado.
• Sobreajustamento: o sistema decora o treino e falha nos casos novos. Vê-se quando o treino é muito melhor do que o conjunto reservado.
• Falso positivo: assinalar o que estava certo. Falso negativo: deixar passar o que estava errado.
• Os dois erros não custam o mesmo. Quem decide qual é mais tolerável é o serviço, não o sistema.
• A taxa de acerto sozinha engana. Olha-se sempre para os dois tipos de erro.

Verificação formativa

Estas perguntas não contam para a nota final e não são perguntas do exame final. Servem para a pessoa formanda confirmar o que percebeu.

1. Um sistema de aviso de pedidos incompletos tem 85 por cento de acerto e um sistema que nunca assinala nada tem 80 por cento. Porque é que a diferença de cinco pontos não conta a história toda?
2. Um colega afirma: «a inteligência artificial generativa é um tipo de aprendizagem diferente dos outros três, e aprende connosco todos os dias». O que corrige nesta frase?

Respostas comentadas da verificação formativa

As respostas abaixo pertencem às perguntas de verificação formativa desta lição. Não são perguntas nem respostas do exame final e não têm efeito na nota. Tente responder primeiro e só depois compare.

Pergunta 1. Um sistema de aviso de pedidos incompletos tem 85 por cento de acerto e um sistema que nunca assinala nada tem 80 por cento. Porque é que a diferença de cinco pontos não conta a história toda?

Resposta: Porque a taxa de acerto é dominada pelos casos completos, que são a maioria. O sistema treinado apanha 30 dos 40 pedidos incompletos, ou seja 75 por cento, enquanto o preguiçoso não apanha nenhum. É nessa diferença, e no número de falsos positivos e falsos negativos, que está o valor real.

Comentário: Sempre que uma das respostas for muito mais frequente do que a outra, a percentagem global esconde o desempenho naquilo que interessa.

Pergunta 2. Um colega afirma: «a inteligência artificial generativa é um tipo de aprendizagem diferente dos outros três, e aprende connosco todos os dias». O que corrige nesta frase?

Resposta: Duas coisas. Primeiro, a generativa não é uma categoria separada: define-se por produzir conteúdo novo e, na forma como aprende, apoia-se em supervisão obtida dos próprios dados e, muitas vezes, em afinação com preferências humanas, incluindo reforço. Segundo, não aprende connosco no uso diário: pode lembrar-se do que foi dito dentro de uma conversa, mas isso não altera o modelo, que só muda com um novo treino autorizado.

Comentário: A distinção entre memória da conversa e alteração do modelo evita expectativas erradas e evita também que se ponham dados sensíveis numa conversa a pensar que «o sistema depois esquece».

Referências consultadas

• OECD AI Principles — definição de sistema de inteligência artificial — https://oecd.ai/en/ai-principles (consultado em 21 de Setembro de 2026).
• NIST AI Risk Management Framework — quadro voluntário de gestão de risco — https://www.nist.gov/itl/ai-risk-management-framework (consultado em 21 de Setembro de 2026).

Duração prevista: 120 minutos, em sessão presencial.

Todos os casos, nomes, instituições e números usados nesta lição são fictícios e servem apenas de exercício.

Como o tempo desta lição está distribuído

• Acolhimento e objectivos: 10 minutos.
• Exposição: 35 minutos.
• Actividade prática: 60 minutos.
• Partilha e síntese: 15 minutos.

Como trabalhamos na sala: recomenda-se um computador por pessoa. Quando não for possível, no máximo duas pessoas por computador, alternando quem executa a meio da actividade, de modo que ambas façam. Na partilha apresentam apenas dois grupos, com tempo limitado; os restantes entregam por escrito e recebem comentário do formador. Marcar a lição como concluída é registo de aprendizagem e não é registo de assiduidade.

Objectivos da lição

• Identificar três tarefas administrativas em que uma ferramenta de inteligência artificial pode apoiar o trabalho e duas em que não deve ser usada sem decisão superior, justificando.
• Escrever uma instrução inicial e uma instrução melhorada para a mesma tarefa, indicando pelo menos três elementos acrescentados na segunda.
• Comparar uma saída gerada com o documento de origem e registar todos os pontos em que a saída se afasta da fonte.
• Registar, na folha de registo, as edições feitas e decidir de forma fundamentada se a saída é aproveitável, aproveitável com correcções, ou inutilizável.

Explicação

Nesta lição saímos dos conceitos e olhamos para o trabalho. Onde é que estas ferramentas ajudam mesmo, no dia-a-dia de um serviço público, e onde é que atrapalham ou criam risco?

Há três tarefas em que o apoio é mais claro. A primeira é resumir: pegar num documento longo, uma acta, um relatório, um conjunto de respostas, e obter um resumo que a pessoa depois confere. A segunda é rever texto: corrigir concordância, encurtar frases, tornar um parágrafo mais claro, propor uma versão em linguagem simples para quem vai ler. A terceira é classificar e encaminhar: olhar para muitas entradas — reclamações, pedidos, mensagens — e propor a que sector pertence cada uma. Em todas estas, o padrão é o mesmo: a ferramenta propõe, a pessoa decide.

Há tarefas onde não se entra sem decisão superior e sem regras escritas. Decidir sobre direitos de pessoas — deferir, indeferir, aplicar sanção — não se delega a uma ferramenta destas. Tratar dados pessoais reais numa ferramenta externa é outro caso: não se faz sem autorização expressa da instituição e sem saber onde ficam os dados. Produzir fundamentação jurídica é um terceiro: o sistema escreve fundamentações convincentes e inventa artigos com a mesma facilidade. E há um quarto, menos óbvio: avaliar pessoas, seja desempenho, seja selecção. Nestes casos, o que a ferramenta pode fazer é, quando muito, preparar material de leitura para quem decide — nunca a decisão.

Um bom uso e um mau uso do mesmo caso, para ficar claro. Bom: o técnico recebe quarenta respostas a uma consulta pública, pede um resumo dos temas mais repetidos, lê o resumo, vai às respostas originais confirmar os três temas principais, e escreve ele próprio o relatório citando as respostas. Mau: o técnico pede o relatório completo, lê por alto, acha que está bem escrito e envia. No segundo caso, o que segue para cima pode conter temas que ninguém referiu e omitir o que foi mais dito, e ninguém o saberá.

A verificação humana não é um princípio vago; é um conjunto de gestos concretos. Confirmar cada facto, número, data, nome e referência contra a fonte original. Perguntar o que ficou de fora, e não só se o que está escrito é verdadeiro. Reescrever pelo menos as passagens sensíveis com as próprias palavras, para garantir que foram compreendidas. E deixar registo de que a verificação foi feita e por quem — porque a responsabilidade pelo documento é de quem assina, sempre.

Sobre a instrução que se dá à ferramenta, também chamada pedido ou prompt: a diferença entre uma saída pobre e uma saída útil está quase sempre aí. Uma instrução fraca diz «resume esta acta». Uma instrução melhor diz quem é o destinatário, para que serve o texto, que extensão deve ter, que estrutura seguir, o que incluir obrigatoriamente, o que não inventar, e o que fazer quando a informação não estiver no documento — por exemplo, escrever «não consta» em vez de preencher. Este último ponto reduz muito o número de invenções, mas não as elimina; a verificação continua obrigatória.

Por fim, o enquadramento honesto do que se segue. A prática desta lição usa uma ferramenta institucional previamente autorizada pela entidade, preparada pelo formador antes da sessão. Não se cria conta pessoal, não se paga nada, não se promete que a ferramenta seja gratuita e não se introduz um único dado real de pessoa: o texto usado é fictício e está fornecido no material. Se a ferramenta não estiver disponível no dia, a lição faz-se na mesma, em análise documental sobre saídas exemplificativas etiquetadas como simuladas — e a prática real fica registada como pendente, para ser reagendada dentro do horário replaneado. Nesse caso não se diz, em documento nenhum, que a prática foi realizada.

Caso fictício — resumir a acta do conselho técnico de Muanzo

A Direcção Distrital Fictícia de Muanzo tem de enviar, até sexta-feira, um extracto das deliberações da última reunião do seu conselho técnico. A acta completa está no anexo A, mais abaixo, e é fictícia.

Um técnico pediu a um assistente de escrita que resumisse a acta. A saída que recebeu está no anexo B. É uma saída exemplificativa, preparada para esta aula e etiquetada como simulada: não foi produzida por nenhuma ferramenta durante a preparação deste material.

O anexo B lê-se bem. Tem um tom institucional correcto e uma estrutura arrumada. E afasta-se da acta em vários pontos. Encontrá-los é o trabalho de hoje — e é exactamente o trabalho que uma pessoa tem de fazer, todas as vezes, antes de aproveitar uma saída destas.

Anexo A — acta fictícia, documento de origem

Documento inteiramente inventado para esta aula. Nenhuma pessoa, órgão, data ou deliberação é real. É este o texto que se dá à ferramenta.

ACTA N.º 4/2026 — Conselho Técnico da Direcção Distrital Fictícia de Muanzo.

Aos doze dias do mês de Março de dois mil e vinte e seis, pelas nove horas, reuniu-se na sala de reuniões da Direcção o Conselho Técnico, sob a presidência da senhora Directora, Amélia Fictícia Chirindza. Estiveram presentes cinco membros: a presidente; o chefe da Repartição de Licenciamento, Bento Fictício Macuácua; a chefe da Repartição Administrativa, Carla Fictícia Nhantumbo; o técnico de informática, Duarte Fictício Sitoe; e a técnica de atendimento, Elsa Fictícia Matola. Faltou, com justificação apresentada, o chefe da Repartição de Fiscalização.

Ponto um. Análise da fila de pedidos de licença de ocupação. O chefe da Repartição de Licenciamento informou que estavam pendentes duzentos e dez pedidos, dos quais setenta e quatro aguardavam documentos em falta. Deliberou-se, por unanimidade, notificar por escrito todos os requerentes com documentos em falta, concedendo o prazo de trinta dias para regularização, findo o qual o processo é arquivado.

Ponto dois. Atendimento nas sextas-feiras. A técnica de atendimento propôs a abertura do balcão até às quinze horas às sextas-feiras, em vez das treze horas actuais. Após discussão, deliberou-se, com quatro votos a favor e uma abstenção, aprovar a alteração a título experimental por três meses, com avaliação em Junho.

Ponto três. Pedido de material informático. O técnico de informática apresentou a necessidade de substituição de quatro computadores do balcão. Deliberou-se solicitar à Repartição Administrativa o levantamento das condições do equipamento existente e apresentar proposta fundamentada na próxima reunião. Não foi aprovada qualquer despesa nesta sessão.

Nada mais havendo a tratar, a reunião foi encerrada pelas onze horas e quinze minutos, da qual se lavrou a presente acta.

Anexo B — saída exemplificativa, ETIQUETADA COMO SIMULADA

SAÍDA SIMULADA. Texto escrito pela equipa para servir de exemplo de resumo gerado. Não foi produzido por nenhuma ferramenta de inteligência artificial e não representa o desempenho de nenhum produto concreto. Serve apenas para o exercício de comparação com a fonte.

«Resumo das deliberações do Conselho Técnico da Direcção Distrital de Muanzo, reunido a 12 de Março de 2026 com a presença de seis membros, sob presidência da Directora.

Primeiro, o Conselho analisou a fila de licenciamento, que conta duzentos e dez processos pendentes, setenta e quatro deles incompletos, e deliberou notificar os requerentes com prazo de quinze dias para regularização, sob pena de arquivamento.

Segundo, foi aprovado por unanimidade o alargamento do atendimento às sextas-feiras até às quinze horas, proposta apresentada pelo chefe da Repartição de Licenciamento, com carácter definitivo.

Terceiro, o Conselho aprovou a aquisição de quatro computadores para o balcão de atendimento, bem como a respectiva dotação orçamental.

A reunião decorreu entre as nove e as onze horas e quinze minutos.»

Actividade prática

Trabalho em pares, com os anexos em papel; a prática assistida faz-se ao computador, no máximo duas pessoas por posto, alternando quem escreve, com 60 minutos de trabalho, seguidos de 15 minutos de partilha e síntese em plenário.

Parte A, sem computador. Escrevam três tarefas do vosso serviço em que uma ferramenta destas pode apoiar, e duas em que não deve ser usada sem decisão superior. Uma frase de justificação para cada.

Parte B, sem computador. Comparem o anexo B com o anexo A, frase a frase. Listem todos os pontos em que a saída se afasta da fonte, indicando em cada caso o que diz o anexo B e o que diz de facto a acta. Classifiquem cada desvio como número errado, facto invertido, atribuição trocada, ou informação acrescentada que não está na fonte.

Parte C. Escrevam uma instrução inicial curta para pedir o resumo desta acta. Depois escrevam uma instrução melhorada, e sublinhem nela pelo menos três elementos que acrescentaram — por exemplo destinatário, extensão, estrutura, obrigação de indicar «não consta» quando a informação não estiver no documento, proibição de acrescentar deliberações.

Parte D, prática assistida ao computador, se a ferramenta institucional estiver disponível. Executem a instrução inicial e depois a instrução melhorada, sobre o texto do anexo A. São no mínimo duas execuções por par, alternando a pessoa que escreve entre a primeira e a segunda. Comparem cada saída com o anexo A e preencham a folha de registo.

Parte E. Decidam e escrevam: a melhor saída obtida é aproveitável como está, aproveitável com correcções, ou inutilizável? Fundamentem em duas frases, apoiadas no que registaram.

Não se escreve na ferramenta nenhum dado real de pessoa, serviço ou processo. Usa-se exclusivamente o texto fictício do anexo A.

Produto esperado: Uma ficha por par com: as cinco tarefas da parte A; a lista de desvios da parte B, classificados; as duas instruções da parte C com os acréscimos sublinhados; a folha de registo da parte D preenchida para cada execução, ou a indicação de prática pendente; e a decisão fundamentada da parte E.

Como o produto é apreciado

• Na parte B, encontrar pelo menos quatro desvios. Os desvios plantados são: seis membros presentes quando a acta diz cinco; prazo de quinze dias quando a acta diz trinta; alargamento do atendimento dado como unânime e definitivo quando a acta diz quatro votos a favor, uma abstenção e três meses a título experimental; proposta atribuída ao chefe da Repartição de Licenciamento quando foi da técnica de atendimento; e aquisição de computadores com dotação orçamental dada como aprovada quando a acta diz expressamente que não foi aprovada qualquer despesa.
• Classificação correcta da maioria dos desvios nas quatro categorias dadas.
• Instrução melhorada com três ou mais elementos acrescentados, identificados.
• Folha de registo preenchida com erros encontrados, edições feitas e tempo gasto, em cada execução — ou, não havendo ferramenta, a marcação explícita de prática pendente.
• Decisão da parte E fundamentada no registo e não na impressão de qualidade do texto.
• Alternância efectiva de quem escreve, visível no registo.

Prática assistida — Resumir a acta fictícia com uma ferramenta institucional autorizada

Condições desta prática. A ferramenta de inteligência artificial é institucional e previamente autorizada pela entidade; as contas e as permissões são preparadas pelo formador antes da sessão. Não se pede a ninguém que crie conta pessoal nem que pague, e não se promete que qualquer ferramenta seja gratuita. Nunca se introduzem dados reais de pessoas: todos os textos usados são fictícios e estão fornecidos no material.

Objectivo: Comparar o efeito de uma instrução fraca e de uma instrução bem construída sobre o mesmo texto fictício, e treinar a verificação da saída contra a fonte.

Pré-requisitos preparados pelo formador

• Ferramenta de inteligência artificial institucional, previamente autorizada pela entidade para uso em formação.
• Contas, acessos e permissões criados pelo formador antes da sessão. Nenhuma pessoa formanda cria conta pessoal, nem regista número de telemóvel, nem introduz meio de pagamento.
• Confirmação, pelo formador, de que a ferramenta está acessível a partir da rede da sala no dia da sessão.
• Cópias impressas dos anexos A e B e da folha de registo, em número suficiente.
• Regra escrita e afixada: só entra na ferramenta o texto fictício do anexo A.

Passos

1. Abrir a ferramenta com a conta institucional preparada pelo formador.
2. Primeira execução: colar o texto do anexo A e dar a instrução inicial curta escrita na parte C. Guardar ou copiar a saída para a ficha.
3. Comparar essa saída com o anexo A e anotar na folha de registo todos os pontos em que se afasta da fonte.
4. Trocar a pessoa que escreve.
5. Segunda execução: colar de novo o texto do anexo A e dar a instrução melhorada. Guardar a saída.
6. Comparar a segunda saída com o anexo A, anotar os desvios e as edições necessárias para a tornar utilizável.
7. Se houver tempo, uma terceira execução com a instrução melhorada e uma alteração à escolha do par, para observar se a saída muda entre execuções com a mesma instrução.
8. Fechar a sessão da ferramenta e não guardar nada fora da ficha de trabalho.

O que fica registado

• Qual das instruções foi usada em cada execução, e quem escreveu.
• Número de afirmações da saída que não se confirmam no anexo A, com a lista dessas afirmações.
• Informação da acta que ficou de fora da saída.
• Edições feitas para tornar a saída utilizável, e tempo gasto nessas edições.
• Decisão final: aproveitável, aproveitável com correcções, ou inutilizável.
• Nenhuma captura de ecrã que mostre nomes de conta, endereços de correio electrónico ou identificadores da instituição.

Se a ferramenta não estiver disponível

• Se a ferramenta institucional não estiver disponível ou não estiver autorizada, a lição faz-se apenas em análise documental, com o anexo B, que está etiquetado como saída simulada.
• Nesse caso cumprem-se as partes A, B, C e E, e a parte D não se executa.
• Na ficha e no registo da sessão escreve-se, literalmente, «prática com ferramenta: PENDENTE — a reagendar». Não se escreve, em documento nenhum, que a prática foi realizada.
• O formador propõe uma data de reagendamento dentro do horário replaneado do curso e comunica-a à coordenação.
• As saídas exemplificativas usadas permanecem identificadas como simuladas em todos os documentos e não podem ser apresentadas como resultado de nenhuma ferramenta.

Síntese em leitura fácil

• Estas ferramentas ajudam sobretudo a resumir, a rever texto e a classificar documentos.
• A ferramenta propõe. A pessoa decide e assina.
• Não se usam para decidir sobre direitos das pessoas, nem para fundamentação jurídica, nem para avaliar pessoas, sem decisão superior e regras escritas.
• Não se introduzem dados reais de pessoas. Nesta aula usa-se só texto inventado.
• Uma instrução boa diz para quem é, para que serve, que tamanho tem, o que incluir e o que fazer quando a informação não existe no documento.
• Verificar é confrontar cada número, data, nome e referência com o documento original.
• Também se verifica o que ficou de fora, não só o que está escrito.
• Um texto bem escrito pode inventar deliberações que nunca existiram.
• Se a ferramenta não estiver disponível, escreve-se que a prática ficou pendente. Não se diz que foi feita.

Verificação formativa

Estas perguntas não contam para a nota final e não são perguntas do exame final. Servem para a pessoa formanda confirmar o que percebeu.

1. O anexo B diz que o alargamento do atendimento às sextas-feiras foi aprovado por unanimidade e com carácter definitivo. O que diz a acta, e como classifica este desvio?
2. No dia da sessão, a ferramenta institucional não está acessível. Um colega sugere escrever no relatório que a turma fez a prática usando o anexo B como saída. O que responde?

Respostas comentadas da verificação formativa

As respostas abaixo pertencem às perguntas de verificação formativa desta lição. Não são perguntas nem respostas do exame final e não têm efeito na nota. Tente responder primeiro e só depois compare.

Pergunta 1. O anexo B diz que o alargamento do atendimento às sextas-feiras foi aprovado por unanimidade e com carácter definitivo. O que diz a acta, e como classifica este desvio?

Resposta: A acta diz que foi aprovado com quatro votos a favor e uma abstenção, a título experimental por três meses, com avaliação em Junho. É um facto invertido: a saída transformou uma decisão condicionada e não unânime numa decisão firme e unânime.

Comentário: Este é o tipo de desvio mais perigoso, porque é plausível e ninguém estranha ao ler. Só se apanha com o documento de origem ao lado.

Pergunta 2. No dia da sessão, a ferramenta institucional não está acessível. Um colega sugere escrever no relatório que a turma fez a prática usando o anexo B como saída. O que responde?

Resposta: Não se escreve isso. O anexo B é uma saída simulada, escrita pela equipa, e não foi produzida por nenhuma ferramenta. Faz-se a análise documental, regista-se «prática com ferramenta: PENDENTE — a reagendar» e propõe-se data dentro do horário replaneado.

Comentário: Registar uma prática que não aconteceu compromete o relatório inteiro do curso. A análise documental é trabalho válido — desde que seja chamada pelo nome.

Referências consultadas

• OECD AI Principles — definição de sistema de inteligência artificial — https://oecd.ai/en/ai-principles (consultado em 21 de Setembro de 2026).
• NIST AI Risk Management Framework — quadro voluntário de gestão de risco — https://www.nist.gov/itl/ai-risk-management-framework (consultado em 21 de Setembro de 2026).

Duração prevista: 120 minutos, em sessão presencial.

Todos os casos, nomes, instituições e números usados nesta lição são fictícios e servem apenas de exercício.

Como o tempo desta lição está distribuído

• Acolhimento e objectivos: 10 minutos.
• Exposição: 35 minutos.
• Actividade prática: 60 minutos.
• Partilha e síntese: 15 minutos.

Como trabalhamos na sala: recomenda-se um computador por pessoa. Quando não for possível, no máximo duas pessoas por computador, alternando quem executa a meio da actividade, de modo que ambas façam. Na partilha apresentam apenas dois grupos, com tempo limitado; os restantes entregam por escrito e recebem comentário do formador. Marcar a lição como concluída é registo de aprendizagem e não é registo de assiduidade.

Objectivos da lição

• Descrever três casos de uso de inteligência artificial num serviço público e, para cada um, a alternativa sem inteligência artificial que resolveria o mesmo problema.
• Comparar, por escrito e numa tabela, um caso de uso com a sua alternativa sem inteligência artificial em seis critérios: custo, benefício esperado, impacto no trabalho das pessoas, língua, conectividade e dependência de fornecedor.
• Escrever uma instrução concreta que produza um resumo e uma proposta de triagem de pedidos, incluindo a proibição expressa de decidir sobre direitos.
• Executar, com a ferramenta institucional autorizada, no mínimo duas execuções por par, alternando quem escreve, verificando erros e tempo gasto e melhorando a instrução entre a primeira e a segunda.
• Decidir de forma fundamentada, no final, se o caso de uso escolhido deve ser recomendado, recomendado com condições ou desaconselhado.

Explicação

Nas quatro lições anteriores percebemos o que é um sistema de inteligência artificial e como se comporta. Esta lição faz a pergunta seguinte, que é a pergunta de gestão: neste serviço, para este problema, vale a pena? A resposta honesta é muitas vezes «não», e um curso sério tem de deixar isso dito logo no início. A inteligência artificial não é obrigatória, não é sinal de modernidade e não é, por si, melhoria de serviço.

Comecemos pelos casos de uso onde estas ferramentas costumam ajudar no trabalho administrativo. Resumir documentos longos, para que uma pessoa leia depois o essencial e confirme na fonte. Rever e simplificar texto, incluindo produzir uma versão em linguagem simples de um aviso ao público. Propor a triagem de entradas, isto é, sugerir a que sector pertence cada pedido ou reclamação. Transcrever áudio em texto, o que tem valor de acessibilidade. Ajudar a procurar dentro de um acervo grande de documentos. Em todos, o padrão é o mesmo: a ferramenta propõe e a pessoa decide. Nenhum destes casos inclui decidir sobre direitos de ninguém.

Agora a parte que costuma faltar nas apresentações: a alternativa sem inteligência artificial. Quase todos os problemas do balcão têm mais do que um caminho. Se os pedidos chegam mal preenchidos, a alternativa pode ser mudar o formulário, dar um exemplo preenchido, ou pôr uma pessoa a conferir à entrada. Se a triagem é lenta, a alternativa pode ser uma lista de palavras-chave e uma regra escrita de encaminhamento — que é automação simples, auditável e que qualquer técnico compreende. Se ninguém lê os relatórios, a alternativa pode ser exigir que cada relatório traga um sumário de dez linhas escrito por quem o produz. Comparar sempre o caso de uso com a alternativa evita comprar um problema novo para resolver um problema antigo.

A comparação faz-se em critérios concretos. Custo: licenças, formação, tempo de preparação e tempo de verificação, que é um custo real e costuma ser esquecido. Benefício esperado: o que melhora, para quem, e como se mede. Impacto no trabalho das pessoas: que tarefas mudam, quem fica a fazer o quê, e se alguém fica a fazer apenas correcção de saídas — o que desqualifica o trabalho em vez de o melhorar. Língua: a qualidade não é igual em todas as línguas, e num país onde muita gente é atendida em línguas moçambicanas isto não é detalhe. Conectividade: uma ferramenta que só funciona com ligação estável falha exactamente nos serviços que mais precisam de apoio. Dependência de fornecedor: se o serviço passa a depender de um produto, o que acontece se o preço subir, se o produto mudar ou se for descontinuado, e é possível exportar o que lá está?

Sobre triagem, uma advertência que vale para o resto do curso. Propor a que sector vai um pedido é diferente de decidir se o pedido é deferido. A primeira é uma sugestão de encaminhamento interno, corrigível por quem confere; a segunda afecta direitos e não se delega a uma ferramenta destas. Corrigível não quer dizer inofensiva: um encaminhamento errado que passe despercebido faz o pedido andar de sector em sector, atrasa a resposta e pode fazer a pessoa perder prazos ou deslocações. Por isso a triagem proposta é sempre conferida, e os erros de encaminhamento contam-se e corrigem-se. A instrução que vamos escrever hoje diz isso por escrito, e diz também que, quando a informação necessária não constar do pedido, a saída deve escrever «não consta» em vez de adivinhar.

Por fim, o enquadramento da prática. Usa-se uma ferramenta de inteligência artificial institucional, previamente autorizada pela entidade, com contas e acessos preparados pelo formador antes da sessão. Ninguém cria conta pessoal, ninguém paga, e não se promete que qualquer ferramenta seja gratuita. Os pedidos com que vamos trabalhar são sintéticos — escritos para esta aula — e nenhum dado real de pessoa, processo ou serviço entra na ferramenta. Se a ferramenta não estiver disponível no dia, faz-se a análise documental com as saídas exemplificativas etiquetadas como simuladas, e regista-se que a prática com ferramenta ficou pendente, a reagendar. Uma simulação em papel não substitui a prática real e não se escreve, em documento nenhum, que a prática foi realizada.

Caso fictício — a fila de pedidos da Direcção Distrital de Muanzo

A Direcção Distrital Fictícia de Muanzo recebe, por semana, cerca de sessenta pedidos escritos no balcão e por correio electrónico. Tudo o que se segue é inventado para esta aula.

Os pedidos chegam misturados: licenças de ocupação, reclamações sobre atendimento, pedidos de certidão e assuntos que pertencem a outra instituição. Uma técnica lê tudo às segundas-feiras e distribui pelos sectores. Nas semanas de maior movimento, a distribuição atrasa dois a três dias e há pedidos que voltam para trás por terem sido encaminhados para o sector errado.

A direcção estuda duas hipóteses. A primeira é usar um assistente de escrita institucional para produzir, de cada pedido, um resumo de três linhas e uma proposta de sector, que a técnica confirma. A segunda é não usar inteligência artificial: criar um formulário de entrada com cinco opções de assunto, afixar um cartaz com exemplos e formar duas pessoas do balcão para encaminhar no próprio dia.

Nenhuma das duas é obviamente melhor. A primeira poupa leitura mas acrescenta verificação e cria dependência de um produto; a segunda é barata e transparente mas exige disciplina no balcão e não ajuda nos pedidos que chegam por correio electrónico em texto livre. A decisão é da direcção, e tem de ser fundamentada. É isso que vamos treinar.

Ficha de trabalho — grelha de comparação, a preencher pelo grupo

Grelha fictícia de trabalho. As duas colunas da direita ficam em branco e são preenchidas pelo grupo, com uma ou duas frases por célula.

Anexo A — cinco pedidos sintéticos, texto completo

Pedidos inteiramente inventados para esta aula. Nenhuma pessoa, morada, número ou processo é real. É este o texto que se dá à ferramenta, e apenas este.

Pedido 1. «Bom dia. Venho pedir licença para colocar uma banca de venda de fruta no mercado de Muanzo, junto à entrada principal. Chamo-me Joana Fictícia Cumbe. Já entreguei a fotocópia do documento de identificação no mês passado, mas disseram-me que faltava a declaração da administração do mercado. Junto agora essa declaração. Peço deferimento.»

Pedido 2. «Escrevo para reclamar do atendimento de sexta-feira. Cheguei às doze e trinta e o balcão já estava fechado, embora o aviso na porta diga treze horas. Perdi o dia de trabalho e a viagem. Peço que verifiquem o horário praticado.»

Pedido 3. «Solicito certidão comprovativa de que a minha banca está registada desde dois mil e vinte e três, para apresentar ao banco. Não sei qual é o número do processo.»

Pedido 4. «Venho na sequência da notificação que recebi sobre documentos em falta no meu pedido de renovação da licença da banca no mercado de Muanzo. Não consigo obter a declaração pedida porque o serviço que a emite está a funcionar apenas às terças-feiras e nesse dia trabalho. Peço prazo adicional para juntar esse documento ao processo de licença e informação sobre se posso entregar por um familiar.»

Pedido 5. «Queremos saber quando é que a estrada que passa atrás do mercado vai ser reparada, porque com as chuvas ninguém chega às bancas. Assinam quinze comerciantes.»

Anexo B — regras de triagem em vigor, fictícias

Regras inventadas para esta aula. São estas, e só estas, as opções de encaminhamento admitidas no exercício.

Sector 1 — Licenciamento: pedidos de licença, renovações e entrega de documentos em falta relativos a licenças.

Sector 2 — Atendimento e reclamações: queixas sobre horário, tratamento, filas ou informação prestada no balcão.

Sector 3 — Certidões e arquivo: pedidos de certidão, comprovativos e consulta de processos antigos.

Sector 4 — Fora da competência desta direcção: assuntos de obras, estradas, energia, água ou de outra instituição. Encaminhar com ofício e informar quem pediu.

Regra transversal 1: quando o pedido não indicar informação necessária, como o número de processo, escreve-se «não consta». Não se adivinha e não se preenche.

Regra transversal 2: a proposta de sector é uma sugestão interna. A decisão de deferir, indeferir, conceder prazo ou aplicar qualquer consequência é sempre de pessoa competente e nunca é pedida à ferramenta.

Anexo C — instrução concreta a usar na primeira execução

Instrução escrita para esta aula. Copia-se tal e qual na primeira execução, sempre acompanhada das regras de triagem do anexo B e dos pedidos do anexo A; a segunda execução usa a versão melhorada pelo par, também com o anexo B e o anexo A.

«Vais receber cinco pedidos escritos por munícipes, que são fictícios. Para cada pedido produz exactamente três coisas: primeiro, um resumo de duas linhas, em português simples, que não acrescente nada que não esteja no texto; segundo, uma proposta de sector, escolhida apenas de entre estas quatro opções — Licenciamento, Atendimento e reclamações, Certidões e arquivo, Fora da competência desta direcção; terceiro, a lista da informação necessária que falta no pedido.

Regras obrigatórias. Se alguma informação não constar do pedido, escreve «não consta» e não inventes. Não decidas se o pedido é deferido ou indeferido, não proponhas sanções, não indiques prazos legais e não cites legislação: essas decisões são de pessoa competente. Não acrescentes nomes, números, datas ou moradas que não estejam no texto. Apresenta o resultado em tabela com as colunas: número do pedido, resumo, sector proposto, informação em falta.»

Anexo D — saída exemplificativa, ETIQUETADA COMO SIMULADA

SAÍDA SIMULADA. Texto escrito pela equipa para servir de exemplo. Não foi produzido por nenhuma ferramenta de inteligência artificial e não representa o desempenho de nenhum produto concreto. Usa-se apenas no caminho alternativo, quando não houver ferramenta disponível.

Pedido 1 — Resumo: requerente entrega declaração da administração do mercado que faltava no processo de licença de banca. Sector proposto: Licenciamento. Informação em falta: número do processo — não consta.

Pedido 2 — Resumo: reclamação sobre encerramento do balcão antes da hora afixada, na sexta-feira. Sector proposto: Atendimento e reclamações. Informação em falta: data exacta — não consta.

Pedido 3 — Resumo: pedido de certidão de registo de banca desde 2023, para apresentar a instituição bancária. Sector proposto: Licenciamento. Informação em falta: nenhuma.

Pedido 4 — Resumo: requerente pede prorrogação de prazo por dificuldade em obter declaração e pergunta se pode entregar por terceiro. Sector proposto: Licenciamento. Informação em falta: nenhuma. Observação: o prazo de trinta dias deve ser concedido.

Pedido 5 — Resumo: quinze comerciantes pedem informação sobre reparação da estrada junto ao mercado. Sector proposto: Atendimento e reclamações. Informação em falta: nenhuma.

Actividade prática

Trabalho em pares, com os anexos em papel; a prática assistida faz-se ao computador, no máximo duas pessoas por posto, alternando quem escreve, com 60 minutos de trabalho, seguidos de 15 minutos de partilha e síntese em plenário.

Parte A, sem computador. Escolham um caso de uso realista para o vosso serviço, em uma frase, e escrevam ao lado a alternativa sem inteligência artificial que resolveria o mesmo problema.

Parte B, sem computador. Preencham a grelha de comparação nos seis critérios, para o caso escolhido e para a alternativa. Uma ou duas frases por célula. Onde não souberem, escrevam «não sabemos» e indiquem a quem é que teriam de perguntar.

Parte C. Leiam os cinco pedidos do anexo A e as regras do anexo B. Sem ferramenta, escrevam à mão qual seria a triagem correcta de cada pedido e que informação falta. Guardem esta folha: é o vosso padrão de comparação.

Parte D, prática assistida ao computador, se a ferramenta institucional estiver disponível. Primeira execução: copiem, por esta ordem, a instrução do anexo C, as regras de triagem do anexo B e os cinco pedidos do anexo A. Sem as regras do anexo B a ferramenta não conhece as quatro opções de encaminhamento, e a comparação não seria justa. Registem a saída. Comparem-na com a vossa folha da parte C e anotem todos os erros: sector errado, informação inventada, decisão sobre direitos que a instrução proibia, campos que deviam dizer «não consta». Anotem o tempo gasto na verificação.

Parte E. Troquem quem escreve. Melhorem a instrução do anexo C acrescentando pelo menos três elementos que corrijam os erros observados. Façam a segunda execução com a instrução melhorada, voltando a incluir as regras do anexo B e os mesmos cinco pedidos do anexo A, e repitam a comparação e o registo do tempo.

Parte F. Escrevam a decisão final em duas ou três frases: o caso de uso da parte A é para recomendar, recomendar com condições, ou desaconselhar? Se for com condições, digam quais. A decisão tem de se apoiar na grelha da parte B e nos registos das partes D e E, e não na impressão de qualidade do texto.

Não se escreve na ferramenta nenhum dado real de pessoa, serviço ou processo. Usam-se exclusivamente os textos fictícios dos anexos A, B e C.

Produto esperado: Uma ficha por par com: o caso de uso e a alternativa da parte A; a grelha da parte B preenchida nos seis critérios para as duas colunas; a triagem manual da parte C; o registo das duas execuções, com erros encontrados e tempo de verificação; a instrução melhorada com os acréscimos assinalados; e a decisão fundamentada da parte F. Não havendo ferramenta, a ficha traz a marcação «prática com ferramenta: PENDENTE — a reagendar» no lugar das partes D e E.

Como o produto é apreciado

• A alternativa sem inteligência artificial é real e resolveria mesmo o problema enunciado, e não uma alternativa de fachada.
• Os seis critérios preenchidos nas duas colunas, com o custo de verificação contado como custo e a dependência de fornecedor respondida em termos de saída do produto.
• Na triagem manual da parte C: pedido 1 para Licenciamento, pedido 2 para Atendimento e reclamações, pedido 3 para Certidões e arquivo, pedido 4 para Licenciamento, pedido 5 para Fora da competência desta direcção. No pedido 1 e no pedido 3 a informação em falta é o número do processo, que não consta.
• Os erros da saída são identificados por confronto com a folha da parte C e não por impressão. Na saída exemplificativa do anexo D, os erros plantados são quatro: primeiro, o pedido 3 encaminhado para Licenciamento quando é Certidões e arquivo; segundo, no mesmo pedido 3, a coluna de informação em falta a dizer «nenhuma» quando o próprio texto declara que o número do processo não é conhecido, e a regra transversal 1 obriga a escrever «não consta»; terceiro, o pedido 5 encaminhado para Atendimento e reclamações quando está fora da competência desta direcção; e quarto, no pedido 4, a frase sobre conceder trinta dias, que é uma decisão sobre direitos expressamente proibida pela instrução.
• A instrução melhorada acrescenta três ou mais elementos identificados, e pelo menos um deles responde a um erro efectivamente observado.
• Duas execuções registadas, com alternância efectiva de quem escreve e com o tempo de verificação anotado em cada uma; ou, não havendo ferramenta, prática marcada como pendente de forma explícita.
• A decisão da parte F é fundamentada nos registos e admite a hipótese de desaconselhar.

Prática assistida — Resumir e triar cinco pedidos sintéticos com uma ferramenta institucional autorizada

Condições desta prática. A ferramenta de inteligência artificial é institucional e previamente autorizada pela entidade; as contas e as permissões são preparadas pelo formador antes da sessão. Não se pede a ninguém que crie conta pessoal nem que pague, e não se promete que qualquer ferramenta seja gratuita. Nunca se introduzem dados reais de pessoas: todos os textos usados são fictícios e estão fornecidos no material.

Objectivo: Observar, com duas execuções e uma melhoria de instrução pelo meio, o que a ferramenta acerta, o que erra e quanto tempo custa verificar — sem lhe entregar qualquer decisão sobre direitos.

Pré-requisitos preparados pelo formador

• Ferramenta de inteligência artificial institucional, previamente autorizada por escrito pela entidade para uso em formação.
• Contas, acessos e permissões criados pelo formador antes da sessão. Nenhuma pessoa formanda cria conta pessoal, regista número de telemóvel ou introduz meio de pagamento.
• Confirmação, pelo formador, de que a ferramenta está acessível a partir da rede da sala no dia da sessão.
• Cópias impressas dos anexos A, B e C e da folha de registo, em número suficiente.
• Regra escrita e afixada: só entram na ferramenta os textos fictícios dos anexos A, B e C.

Passos

1. Abrir a ferramenta com a conta institucional preparada pelo formador.
2. Primeira execução: colar a instrução do anexo C, seguida das regras de triagem do anexo B e dos cinco pedidos do anexo A. Guardar ou copiar a saída para a ficha.
3. Comparar a saída com a triagem manual feita na parte C e anotar cada erro, indicando o tipo: sector errado, informação acrescentada que não está no pedido, campo que devia dizer «não consta», ou decisão sobre direitos que a instrução proibia.
4. Anotar o tempo gasto na verificação desta execução.
5. Trocar a pessoa que escreve.
6. Segunda execução: usar a instrução melhorada pelo par, novamente com as regras do anexo B e os mesmos cinco pedidos do anexo A. Guardar a saída.
7. Comparar de novo, anotar erros e tempo de verificação, e registar se a melhoria da instrução reduziu, manteve ou aumentou os erros.
8. Fechar a sessão da ferramenta e não guardar nada fora da ficha de trabalho.

O que fica registado

• Qual a instrução usada em cada execução e quem escreveu.
• Lista dos erros encontrados por execução, classificados pelos quatro tipos.
• Tempo de verificação em cada execução.
• Comparação entre a primeira e a segunda execução: o que melhorou e o que não melhorou.
• Decisão final sobre o caso de uso: recomendar, recomendar com condições, ou desaconselhar.
• Nenhuma captura de ecrã que mostre nomes de conta, endereços de correio electrónico ou identificadores da instituição.

Se a ferramenta não estiver disponível

• Se a ferramenta institucional não estiver disponível ou não estiver autorizada, a lição faz-se apenas em análise documental, usando o anexo D, que está etiquetado como saída simulada.
• Nesse caso cumprem-se as partes A, B, C e F, e as partes D e E não se executam. A simulação em papel não substitui a prática real.
• Na ficha e no registo da sessão escreve-se, literalmente, «prática com ferramenta: PENDENTE — a reagendar». Não se escreve, em documento nenhum, que a prática foi realizada.
• O formador propõe uma data de reagendamento dentro do horário replaneado do curso e comunica-a à coordenação.
• As saídas exemplificativas permanecem identificadas como simuladas em todos os documentos e não podem ser apresentadas como resultado de nenhuma ferramenta.

Síntese em leitura fácil

• Antes de escolher inteligência artificial, escreva a alternativa sem inteligência artificial.
• Compare as duas em seis pontos: custo, benefício, trabalho das pessoas, língua, internet e dependência do fornecedor.
• O tempo de verificar as saídas é um custo. Conte-o.
• A ferramenta pode propor a que sector vai um pedido. Não pode decidir sobre direitos de ninguém.
• Quando falta informação, a saída deve escrever «não consta». Não deve adivinhar.
• Se a ferramenta só funciona com boa internet, pergunte o que acontece nos dias sem internet.
• Pergunte sempre se consegue levar os seus dados se mudar de fornecedor.
• Nesta aula só entram na ferramenta textos inventados. Nunca dados reais de pessoas.
• Se a ferramenta não estiver disponível, escreve-se que a prática ficou pendente. Não se diz que foi feita.

Verificação formativa

Estas perguntas não contam para a nota final e não são perguntas do exame final. Servem para a pessoa formanda confirmar o que percebeu.

1. Um colega apresenta a proposta assim: «com inteligência artificial a triagem passa de três dias para meio dia». Que perguntas faz antes de concordar, e qual é a alternativa que exige ver?
2. Na saída da ferramenta aparece, para o pedido 4, a frase «o prazo de trinta dias deve ser concedido». A instrução proibia isso. Qual é o problema e o que faz?

Respostas comentadas da verificação formativa

As respostas abaixo pertencem às perguntas de verificação formativa desta lição. Não são perguntas nem respostas do exame final e não têm efeito na nota. Tente responder primeiro e só depois compare.

Pergunta 1. Um colega apresenta a proposta assim: «com inteligência artificial a triagem passa de três dias para meio dia». Que perguntas faz antes de concordar, e qual é a alternativa que exige ver?

Resposta: Pergunto quanto custa no primeiro ano, incluindo o tempo que alguém passa a verificar as saídas; que tarefas mudam e para quem; se funciona com os textos tal como as pessoas os escrevem; o que acontece num dia sem internet; e se conseguimos sair do fornecedor levando o que é nosso. E exijo ver a alternativa sem inteligência artificial — por exemplo formulário de entrada com opções de assunto e regra escrita de encaminhamento — comparada nos mesmos critérios.

Comentário: A comparação com a alternativa é o que transforma uma apresentação numa decisão fundamentada. Sem ela, está-se a escolher entre a proposta e nada.

Pergunta 2. Na saída da ferramenta aparece, para o pedido 4, a frase «o prazo de trinta dias deve ser concedido». A instrução proibia isso. Qual é o problema e o que faz?

Resposta: O problema é que conceder prazo é uma decisão sobre direitos do requerente, reservada a pessoa competente, e a instrução proibia expressamente decisões desse tipo. Retiro a frase da saída, registo o erro na folha como decisão sobre direitos, e na instrução melhorada reforço a proibição, por exemplo exigindo que a coluna de observações fique vazia sempre que a observação implicar uma decisão.

Comentário: Este erro é dos mais perigosos porque a frase parece útil e inofensiva. Se passar para o processo, fica no documento como se fosse orientação do serviço.

Referências consultadas

• OECD AI Principles — definição de sistema de inteligência artificial — https://oecd.ai/en/ai-principles (consultado em 21 de Setembro de 2026).
• NIST AI Risk Management Framework — quadro voluntário de gestão de risco — https://www.nist.gov/itl/ai-risk-management-framework (consultado em 21 de Setembro de 2026).
• UNESCO — Recommendation on the Ethics of Artificial Intelligence — https://www.unesco.org/en/artificial-intelligence/recommendation-ethics (consultado em 22 de Setembro de 2026).
  Síntese da equipa: A UNESCO publica uma Recomendação sobre a Ética da Inteligência Artificial, adoptada pelos Estados membros. Uma recomendação deste tipo é um instrumento normativo de referência: exprime compromissos assumidos entre Estados e orienta políticas públicas, mas não é, por si, lei nacional em país nenhum. Só passa a obrigar na medida em que cada país a transponha para o seu direito. O texto organiza-se em valores e princípios — respeito pelos direitos humanos e pela dignidade, proporcionalidade e não causar dano, equidade e não discriminação, transparência e explicabilidade, responsabilidade e prestação de contas, supervisão humana, sustentabilidade ambiental, privacidade e protecção de dados — e acrescenta áreas de acção prática, como avaliação de impacto ético, governação, política de dados, educação, género, cultura e ambiente. Para um serviço público moçambicano interessa sobretudo como lista de verificação: antes de adoptar um sistema, perguntar quem pode ser prejudicado, que dados são usados, quem responde pela decisão e como é que a pessoa afectada reclama.
• União Africana — Continental Artificial Intelligence Strategy — https://au.int/en/documents/20240809/continental-artificial-intelligence-strategy (consultado em 22 de Setembro de 2026).
  Síntese da equipa: A União Africana disponibiliza uma Estratégia Continental para a Inteligência Artificial. Uma estratégia é documento de orientação política: define prioridades e propõe caminhos. Não é lei, mas não se diga que uma estratégia nunca obriga: o efeito depende do acto que a aprova, e uma estratégia adoptada por um governo pode vincular administrativamente os serviços que dela dependem. Esta orienta os Estados e não cria, por si, obrigações directas para um serviço distrital moçambicano. O documento aborda o aproveitamento da inteligência artificial para o desenvolvimento do continente, a criação de capacidades — pessoas, dados e infra-estrutura —, os riscos e a governação, e a cooperação entre Estados africanos, incluindo a preocupação de que África participe na definição das regras internacionais. Para uma direcção distrital, o valor prático está em situar decisões locais num quadro continental: ao escolher uma ferramenta, perguntar onde ficam os dados, que dependência se cria face a um fornecedor estrangeiro e se há alternativa que desenvolva competências internas. Não se deve citar esta estratégia como se fosse legislação nem como aprovação de qualquer solução concreta.

Duração prevista: 120 minutos, em sessão presencial.

Todos os casos, nomes, instituições e números usados nesta lição são fictícios e servem apenas de exercício.

Como o tempo desta lição está distribuído

• Acolhimento e objectivos: 10 minutos.
• Exposição: 35 minutos.
• Actividade prática: 60 minutos.
• Partilha e síntese: 15 minutos.

Como trabalhamos na sala: recomenda-se um computador por pessoa. Quando não for possível, no máximo duas pessoas por computador, alternando quem executa a meio da actividade, de modo que ambas façam. Na partilha apresentam apenas dois grupos, com tempo limitado; os restantes entregam por escrito e recebem comentário do formador. Marcar a lição como concluída é registo de aprendizagem e não é registo de assiduidade.

Objectivos da lição

• Decidir, para cada campo de um formulário fictício, se deve ser mantido, minimizado, agregado ou removido, justificando cada decisão pela finalidade declarada.
• Escrever, para os campos mantidos, a finalidade, quem tem acesso, o prazo de retenção e o destino no fim do prazo.
• Explicar a diferença entre pseudonimização e anonimização e dar um exemplo concreto de reidentificação a partir de dados pseudonimizados.
• Desenhar o fluxo de dados do formulário fictício, indicando onde os dados entram, por onde passam, onde ficam guardados e quem os vê fora do serviço.
• Identificar, no caso fictício, três riscos de privacidade concretos e propor para cada um uma medida verificável.

Explicação

Esta lição ensina boas práticas de tratamento de dados pessoais: recolher pouco, saber para que serve cada campo, saber quem vê, fixar prazos e conhecer o caminho que os dados percorrem. São práticas úteis em qualquer enquadramento e é por elas que trabalhamos hoje. Não se citam aqui diplomas nacionais nem se decide na sala o que é ou não legal: a validação jurídica pede-se à área jurídica da instituição, sempre em concreto — sobre este formulário, este prazo, esta partilha — e na data em que se decide.

Comecemos pelo princípio mais poderoso e mais barato: a minimização. Só se recolhe o que é preciso para a finalidade declarada. Parece óbvio e é sistematicamente violado, porque os formulários crescem por acumulação — alguém achou útil um campo, ninguém o retirou, e dez anos depois o serviço recolhe estado civil para emitir uma certidão de banca. Cada campo a mais é trabalho a mais para quem preenche, risco a mais para quem é titular dos dados e responsabilidade a mais para o serviço. A pergunta de controlo é sempre a mesma: se este campo ficar em branco, que decisão deixa de ser possível? Se a resposta for «nenhuma», o campo sai.

Há três alternativas intermédias entre manter e remover. Minimizar é reduzir o detalhe: em vez da data de nascimento completa, o ano; em vez da morada exacta, o bairro; em vez do rendimento em meticais, um escalão. Agregar é deixar de guardar linha a linha e passar a guardar contagens: em vez da lista de quem reclamou, o número de reclamações por mês e por sector. Separar é guardar em sítios diferentes o que só junto identifica a pessoa. Estas três decisões resolvem a maior parte dos casos sem prejudicar o serviço, porque a maioria dos usos internos é estatística e não precisa de saber de quem se trata.

Quatro perguntas acompanham cada campo que se decide manter. Para que serve, em concreto — e «para análise futura» não é finalidade, é adiar a decisão. Quem tem acesso, por nome de função e não por «o serviço». Durante quanto tempo se guarda, com um prazo escrito. E o que acontece no fim: apaga-se, ou fica só a versão agregada? Um serviço que não sabe responder a estas quatro perguntas não controla os dados que tem, mesmo que os tenha em pastas bem arrumadas. Uma precisão importante sobre o prazo: o que o grupo escreve nesta aula é uma proposta de trabalho, não uma decisão. Documentos de um serviço público estão sujeitos a obrigações de arquivo e a outras obrigações legais, e nada se elimina — em papel ou em ficheiro — sem confirmar previamente essas obrigações com quem responde pelo arquivo e com a área jurídica da instituição.

Agora a distinção que mais confusão causa. Pseudonimizar é substituir o identificador directo por um código, guardando em separado a tabela que liga o código à pessoa. Os dados continuam a ser dados pessoais: com a tabela, volta-se à pessoa em segundos. Anonimizar é tornar a reidentificação razoavelmente impossível, mesmo com esforço e mesmo cruzando com outras fontes — o que normalmente obriga a perder detalhe, agregando ou suprimindo. Chamar «anonimizado» a um ficheiro apenas pseudonimizado é o erro mais comum e o mais consequente, porque leva a partilhar com terceiros um ficheiro que ainda identifica pessoas.

A reidentificação nem precisa da tabela de códigos. Basta a combinação de campos. Numa localidade pequena, «mulher, 34 anos, bairro X, banca de peixe, reclamação sobre o fiscal Y em Março» identifica uma pessoa para quem trabalha ali, mesmo sem nome. É o que se chama quase-identificador: campos que, isolados, não identificam ninguém e, juntos, identificam uma pessoa só. Por isso a decisão sobre um campo nunca se toma olhando para esse campo sozinho; toma-se olhando para o conjunto e perguntando quantas pessoas, naquele universo, partilham aquela combinação.

Falta o fluxo. Os dados raramente ficam onde entram: passam por um formulário em papel, por uma folha de cálculo no computador do balcão, por uma cópia enviada por correio electrónico para a província, por uma pasta partilhada e, às vezes, por uma ferramenta externa. Cada passagem é um ponto de risco e cada cópia é uma cópia que alguém tem de saber apagar. Desenhar o fluxo numa folha, com setas, é o exercício mais simples e mais revelador desta lição: é quase certo que apareça pelo menos uma cópia que ninguém tinha em mente. E, a propósito de ferramentas de inteligência artificial: escrever dados pessoais numa ferramenta externa é uma passagem do fluxo como outra qualquer, que exige autorização expressa da instituição e saber onde os dados ficam. Neste curso, nunca se faz.

Caso fictício — o formulário de reclamação do balcão de Muanzo

A Direcção Distrital Fictícia de Muanzo usa, desde há anos, um formulário de reclamação com dezasseis campos. Tudo o que se segue é inventado para esta aula.

A finalidade declarada do formulário é uma só, e está escrita no topo: «registar a reclamação, responder ao reclamante e melhorar o atendimento». Mais nada. Não há finalidade estatística declarada, não há finalidade de fiscalização e não há finalidade de estudo.

O formulário em papel é preenchido no balcão. Uma técnica copia tudo para uma folha de cálculo no computador do atendimento. Uma vez por mês envia essa folha, completa, por correio electrónico, para a direcção provincial, que pediu «os dados das reclamações». Os papéis ficam num armário sem chave, junto à fotocopiadora, e nunca foram destruídos. Ninguém sabe dizer durante quanto tempo se guardam.

Há duas semanas, uma reclamante perguntou ao balcão porque é que tinha de indicar o estado civil para se queixar de um horário. Ninguém soube responder. É uma boa pergunta, e é por aí que vamos começar.

Ficha de trabalho — os dezasseis campos do formulário fictício

Formulário inteiramente inventado para esta aula. As duas colunas da direita ficam em branco: o grupo escreve a decisão — manter, minimizar, agregar ou remover — e a justificação, sempre por referência à finalidade declarada.

Anexo A — quatro perguntas obrigatórias por campo mantido, e a confirmação antes de eliminar

Grelha de trabalho. Preenche-se apenas para os campos que o grupo decidir manter.

Finalidade: que decisão concreta do serviço deixa de ser possível se este campo ficar em branco?

Acesso: que funções, nomeadas, precisam de ver este campo? Quem não precisa não deve conseguir ver.

Retenção: durante quanto tempo se propõe guardar, contado a partir de que momento? O prazo escrito nesta ficha é uma proposta de trabalho.

Destino no fim do prazo: propõe-se eliminar em papel e em ficheiro, ou conservar apenas uma versão agregada sem identificação?

Confirmação antes de eliminar: que obrigações de arquivo e que outras obrigações legais se aplicam a estes documentos, e quem as confirma — responsável pelo arquivo e área jurídica da instituição — antes de qualquer eliminação?

Anexo B — extracto fictício de ficheiro «anonimizado»

Extracto inventado para esta aula. Foi entregue a um estagiário como sendo «um ficheiro anonimizado». Serve para o exercício de reidentificação.

R-0041 | mulher | 34 anos | Bairro Fictício 3 | comerciante de peixe | reclamação sobre fiscalização de banca | 12 de Março

R-0042 | homem | 51 anos | Bairro Fictício 1 | motorista | reclamação sobre horário | 12 de Março

R-0043 | mulher | 29 anos | Bairro Fictício 3 | comerciante de peixe | reclamação sobre horário | 14 de Março

R-0044 | homem | 63 anos | Bairro Fictício 7 | reformado | reclamação sobre informação prestada | 15 de Março

R-0045 | mulher | 34 anos | Bairro Fictício 3 | comerciante de peixe | reclamação sobre fiscalização de banca | 20 de Março

Anexo C — o fluxo actual, tal como foi descrito no serviço

Descrição fictícia do circuito actual. É este o fluxo que o grupo vai desenhar e criticar.

1. Formulário em papel, preenchido no balcão pela pessoa reclamante, com fotocópia do documento de identificação agrafada.

2. Cópia manual dos dezasseis campos para uma folha de cálculo guardada no computador do atendimento, sem palavra-passe própria.

3. Envio mensal da folha completa, por correio electrónico, para a direcção provincial.

4. Cópia dessa folha guardada também numa pasta partilhada da direcção, acessível a todas as repartições.

5. Papéis arquivados num armário sem chave, junto à fotocopiadora, sem prazo de eliminação.

6. Ocasionalmente, um técnico copia excertos de reclamações para uma mensagem de correio electrónico pessoal, para «tratar em casa».

Actividade prática

Trabalho em grupos de três, apenas com papel; não é necessário computador nesta lição, com 60 minutos de trabalho, seguidos de 15 minutos de partilha e síntese em plenário.

Parte A. Percorram os dezasseis campos da tabela e escrevam, para cada um, a decisão — manter, minimizar, agregar ou remover — e a justificação por referência à finalidade declarada. A pergunta de controlo é: se este campo ficar em branco, que decisão do serviço deixa de ser possível?

Parte B. Para cada campo que decidiram manter, preencham o anexo A: finalidade, acesso por função nomeada, prazo de retenção proposto, destino no fim do prazo e a confirmação de obrigações de arquivo e legais que teria de ser obtida antes de eliminar seja o que for.

Parte C. Leiam o anexo B. Identifiquem que linhas podem corresponder à mesma pessoa e expliquem com que combinação de campos chegaram lá. Escrevam depois, em duas frases, porque é que este ficheiro não está anonimizado.

Parte D. Desenhem numa folha o fluxo do anexo C, com setas e caixas, marcando com um círculo cada ponto em que existe uma cópia dos dados. Contem as cópias.

Parte E. Escolham três riscos concretos do fluxo desenhado e proponham, para cada um, uma medida verificável — isto é, uma medida que outra pessoa possa confirmar que foi cumprida, com um prazo e um responsável por função.

Produto esperado: Uma ficha por grupo com: a tabela dos dezasseis campos decidida e justificada; a grelha das quatro perguntas para os campos mantidos; a resposta de reidentificação da parte C; o desenho do fluxo com as cópias marcadas e contadas; e os três riscos com as medidas verificáveis.

Como o produto é apreciado

• Pelo menos os campos 5, 6 e 11 — estado civil, número de filhos e rendimento — são removidos, com justificação de que nenhuma decisão do serviço depende deles face à finalidade declarada.
• Os campos 3, 4 e 7 — data de nascimento, sexo e morada — não são conservados tal como estão. Aceitam-se duas soluções, desde que justificadas pela finalidade declarada: remover o campo, se nenhuma decisão do serviço depender dele, ou minimizá-lo, por exemplo escalão etário em vez da data completa e bairro em vez da morada exacta. Minimizar não obriga a conservar: um grupo que remova idade, sexo e bairro por serem dispensáveis para tratar a reclamação faz uma escolha correcta, e a morada só se justifica se a resposta tiver mesmo de ser enviada por via postal.
• O campo 16, a fotocópia do documento de identificação, é removido ou substituído por conferência presencial sem guardar cópia; guardar a fotocópia não é necessário para responder a uma reclamação.
• Os campos 12, 13 e 14 são mantidos, porque sem assunto, descrição e momento não é possível tratar a reclamação.
• As quatro perguntas respondidas com acesso indicado por função e prazo de retenção expresso em tempo, não em «o necessário»; e o prazo apresentado como proposta, com a confirmação de obrigações de arquivo e legais indicada antes de qualquer eliminação.
• Na parte C, as linhas R-0041 e R-0045 são apontadas como podendo corresponder à mesma pessoa, pela combinação de sexo, idade, bairro, ocupação e assunto — sem afirmar que é a mesma pessoa, porque a combinação não o comprova: podem ser duas pessoas com as mesmas características. O que fica demonstrado é o risco de reidentificação, e fica escrito que o código R-00xx é pseudonimização e que a anonimização não está demonstrada.
• O fluxo desenhado mostra pelo menos cinco cópias: papel, folha de cálculo local, correio electrónico para a província, pasta partilhada e mensagem para correio pessoal.
• As três medidas são verificáveis, com responsável por função e prazo, e não formulações genéricas como «ter mais cuidado».

Síntese em leitura fácil

• Só se pede o que é preciso para o que está escrito como finalidade.
• Se um campo ficar em branco e nada mudar na decisão, esse campo não deve ser pedido.
• Entre guardar tudo e não guardar nada há três caminhos: reduzir o detalhe, guardar só contagens, e separar os dados.
• Para cada campo guardado: para que serve, quem vê, quanto tempo fica, e o que acontece no fim.
• Trocar o nome por um código é pseudonimizar. Os dados continuam a ser da pessoa.
• Anonimizar é perder detalhe suficiente para já não se chegar à pessoa.
• Campos que sozinhos não dizem nada podem, juntos, apontar para uma pessoa só.
• Duas linhas iguais podem ser da mesma pessoa. Não prova que são. Prova que há risco.
• Se um campo não é preciso, pode ser removido. Reduzir o detalhe não é obrigação de guardar.
• Cada cópia dos dados é um risco. Desenhe o caminho dos dados e conte as cópias.
• Não se escrevem dados de pessoas em ferramentas externas sem autorização da instituição.
• O prazo que escrevemos na aula é uma proposta. Antes de apagar, confirme as regras de arquivo e a área jurídica.
• Sobre o que a lei exige, quem responde é a área jurídica da instituição.

Verificação formativa

Estas perguntas não contam para a nota final e não são perguntas do exame final. Servem para a pessoa formanda confirmar o que percebeu.

1. A direcção provincial pede «os dados das reclamações» para fazer estatística. Que ficheiro envia, e porquê?
2. Um colega diz: «tirei os nomes, agora o ficheiro está anonimizado e pode ser partilhado». Concorda? Use o anexo B na resposta.

Respostas comentadas da verificação formativa

As respostas abaixo pertencem às perguntas de verificação formativa desta lição. Não são perguntas nem respostas do exame final e não têm efeito na nota. Tente responder primeiro e só depois compare.

Pergunta 1. A direcção provincial pede «os dados das reclamações» para fazer estatística. Que ficheiro envia, e porquê?

Resposta: Envio um ficheiro agregado: número de reclamações por mês, por assunto e por sector, sem nome, sem documento, sem morada e sem descrição em texto livre. Para fazer estatística não é preciso saber quem reclamou. Se a província precisar mesmo de dados por pessoa, tem de dizer para que decisão concreta, e essa passagem tem de ser autorizada e registada.

Comentário: Enviar a folha completa porque «foi o que pediram» é a origem mais frequente de partilhas excessivas. A pergunta correcta não é o que pedem, é para que serve.

Pergunta 2. Um colega diz: «tirei os nomes, agora o ficheiro está anonimizado e pode ser partilhado». Concorda? Use o anexo B na resposta.

Resposta: Não concordo. Tirar o nome e pôr um código é pseudonimização: existe ainda ligação à pessoa, e mesmo sem essa ligação a combinação de campos chega. No anexo B, as linhas R-0041 e R-0045 apresentam a mesma combinação — mulher, 34 anos, Bairro Fictício 3, comerciante de peixe, reclamação sobre fiscalização. Podem corresponder à mesma pessoa, mas o ficheiro não o comprova: podem ser duas pessoas com as mesmas características. O que fica provado é o risco de reidentificação, porque numa localidade pequena aquela combinação aponta para muito poucas pessoas, talvez uma só, para quem lá trabalha. Ou seja: a anonimização não está demonstrada, e por isso não se partilha. Para partilhar seria preciso agregar ou suprimir detalhe.

Comentário: A palavra «anonimizado» é usada com demasiada leveza. O teste prático é perguntar quantas pessoas, naquele universo, partilham aquela combinação de campos. Se a resposta for uma, não está anonimizado.

Referências consultadas

• OECD AI Principles — definição de sistema de inteligência artificial — https://oecd.ai/en/ai-principles (consultado em 21 de Setembro de 2026).
• NIST AI Risk Management Framework — quadro voluntário de gestão de risco — https://www.nist.gov/itl/ai-risk-management-framework (consultado em 21 de Setembro de 2026).
• UNESCO — Recommendation on the Ethics of Artificial Intelligence — https://www.unesco.org/en/artificial-intelligence/recommendation-ethics (consultado em 22 de Setembro de 2026).
  Síntese da equipa: A UNESCO publica uma Recomendação sobre a Ética da Inteligência Artificial, adoptada pelos Estados membros. Uma recomendação deste tipo é um instrumento normativo de referência: exprime compromissos assumidos entre Estados e orienta políticas públicas, mas não é, por si, lei nacional em país nenhum. Só passa a obrigar na medida em que cada país a transponha para o seu direito. O texto organiza-se em valores e princípios — respeito pelos direitos humanos e pela dignidade, proporcionalidade e não causar dano, equidade e não discriminação, transparência e explicabilidade, responsabilidade e prestação de contas, supervisão humana, sustentabilidade ambiental, privacidade e protecção de dados — e acrescenta áreas de acção prática, como avaliação de impacto ético, governação, política de dados, educação, género, cultura e ambiente. Para um serviço público moçambicano interessa sobretudo como lista de verificação: antes de adoptar um sistema, perguntar quem pode ser prejudicado, que dados são usados, quem responde pela decisão e como é que a pessoa afectada reclama.

Duração prevista: 120 minutos, em sessão presencial.

Todos os casos, nomes, instituições e números usados nesta lição são fictícios e servem apenas de exercício.

Como o tempo desta lição está distribuído

• Acolhimento e objectivos: 10 minutos.
• Exposição: 35 minutos.
• Actividade prática: 60 minutos.
• Partilha e síntese: 15 minutos.

Como trabalhamos na sala: recomenda-se um computador por pessoa. Quando não for possível, no máximo duas pessoas por computador, alternando quem executa a meio da actividade, de modo que ambas façam. Na partilha apresentam apenas dois grupos, com tempo limitado; os restantes entregam por escrito e recebem comentário do formador. Marcar a lição como concluída é registo de aprendizagem e não é registo de assiduidade.

Objectivos da lição

• Calcular, a partir da tabela fornecida, a taxa de falsos negativos e a taxa de falsos positivos de cada grupo, escrevendo o numerador e o denominador de cada conta.
• Comparar o desempenho entre grupos e escrever em que grupo o sistema falha mais e de que maneira falha.
• Explicar porque é que uma diferença entre grupos não prova, por si, causalidade nem discriminação, e indicar que informação adicional seria precisa.
• Identificar, no caso fornecido, pelo menos três origens possíveis da diferença: representação nos dados, variáveis indirectas e barreiras de acesso.
• Propor quatro medidas — uma de mitigação técnica ou de processo, uma de consulta, uma de revisão periódica e uma alternativa acessível — com responsável por função e prazo.

Explicação

Preconceito algorítmico não é o sistema «ter opinião». É mais simples e mais incómodo do que isso: o sistema funciona melhor para umas pessoas do que para outras, e ninguém dá por isso enquanto olhar só para o número global. Um sistema com oitenta por cento de acerto pode ter noventa por cento num grupo e cinquenta noutro. A média esconde exactamente aquilo que interessa saber.

A primeira origem é a representação nos dados. Se um sistema aprendeu com pedidos submetidos em português, escritos em zona urbana, por pessoas habituadas ao formulário, é nesses que funciona bem. Os pedidos escritos noutro registo de língua, preenchidos com ajuda de terceiro, ou vindos de zonas onde o serviço é raro, estão pouco representados no treino — e o sistema não aprendeu os seus padrões. Não é malícia de ninguém: é o reflexo de quem estava nos dados.

A segunda origem são as variáveis indirectas, também chamadas proxies. Retirar o campo do sexo, da língua ou da origem não elimina a diferença, porque outros campos carregam a mesma informação por vias indirectas. O bairro pode estar associado à origem; a hora de submissão, ao tipo de emprego; o canal usado — balcão ou internet —, à conectividade e ao rendimento; a existência de endereço de correio electrónico, à escolaridade. O sistema pode reproduzir uma diferença entre grupos sem nunca ter visto o campo que define o grupo.

A terceira origem são as barreiras de acesso, que actuam antes do sistema. Se o formulário só existe em português escrito, quem é atendido noutra língua depende de intermediários e o texto que fica no registo não é o seu. Se o portal não funciona com leitor de ecrã, uma pessoa cega submete por outra via, com outras características. Se a rede é fraca, o pedido é submetido em condições diferentes. As diferenças que depois aparecem nos resultados foram criadas antes, pelo desenho do serviço.

Agora a advertência central desta lição, e a que mais custa a respeitar quando a tabela está à nossa frente: uma diferença entre grupos é um sinal, não uma prova. Não prova causalidade, porque pode haver uma terceira coisa a explicar as duas — por exemplo, se os pedidos de um grupo forem em média mais complexos, é natural que haja mais erros, e a diferença seria de complexidade e não de grupo. E também não prova, por si, discriminação, que é uma qualificação jurídica com critérios próprios, e não uma conclusão que se tira de uma tabela numa sala de formação. O que a diferença faz — e é muito — é obrigar a investigar, com dados sobre a composição dos grupos, sobre a complexidade dos casos, sobre o desenho do serviço e ouvindo as pessoas afectadas.

Há ainda um ponto que muda a leitura dos números: os dois tipos de erro não custam o mesmo, e podem não custar o mesmo a cada grupo. Num sistema que assinala pedidos com risco de estarem incompletos, um falso positivo incomoda — a pessoa é chamada a confirmar documentos que já tinha entregue. Um falso negativo custa mais — o pedido segue incompleto, é devolvido semanas depois e a pessoa perde tempo e viagem. Se os falsos negativos se concentram no grupo que já tem mais dificuldade em deslocar-se, o sistema acrescenta dificuldade a quem já tinha mais. É por isso que se olha para cada tipo de erro por grupo, e não para a taxa de acerto global.

Por fim, as respostas. Mitigar pode ser técnico — reequilibrar dados de treino, mudar o limiar de aviso, deixar de usar um campo que funciona como variável indirecta — ou pode ser de processo, por exemplo obrigar a revisão humana em todos os casos do grupo onde o sistema falha mais. Consultar é falar com quem é afectado, incluindo organizações de pessoas com deficiência, antes de decidir o que fazer, e não depois. Rever periodicamente é fixar uma data em que se volta a medir, porque o desempenho muda quando muda a população atendida. E manter uma alternativa acessível é garantir que existe sempre um caminho sem o sistema — balcão, papel, apoio presencial — para quem o sistema serve mal. Dessas quatro, a alternativa acessível é a que nunca deve faltar.

Caso fictício — o aviso de pedidos incompletos em Muanzo, três meses depois

A Direcção Distrital Fictícia de Muanzo instalou, há três meses, um sistema que assinala os pedidos com maior risco de estarem incompletos, para serem conferidos antes de entrarem na fila. Tudo o que se segue é inventado para esta aula.

Nos primeiros três meses passaram pelo sistema seiscentos pedidos. A direcção mandou verificar, um a um, quantos estavam de facto incompletos, e comparou com o que o sistema tinha assinalado. Os resultados estão na tabela, repartidos por três grupos de submissão.

No relatório interno, alguém escreveu: «o sistema acerta em setenta e oito por cento dos casos, o que é satisfatório». A frase está aritmeticamente correcta e é enganadora. Vamos ver porquê.

Os três grupos não são grupos de pessoas definidos por nenhuma característica protegida: são grupos de submissão — como o pedido entrou no serviço. Mas a maneira como um pedido entra está ligada à língua em que a pessoa é atendida, à distância a que vive, à ligação de que dispõe e ao apoio de que precisa. É por aí que a análise tem de passar.

Ficha de trabalho — resultados dos três meses, por grupo de submissão

Números fictícios, preparados para esta aula. VP são pedidos incompletos que o sistema assinalou; FN são incompletos que não assinalou; FP são pedidos completos que assinalou indevidamente; VN são completos que não assinalou. As colunas das taxas ficam em branco e são calculadas pelo grupo, com a conta escrita.

Anexo A — como se calculam as duas taxas

Definições de trabalho, para que toda a gente use o mesmo denominador.

Taxa de falsos negativos = FN dividido pelo número de incompletos reais desse grupo, isto é FN dividido por (VP + FN). Responde à pergunta: dos pedidos que estavam mesmo incompletos, que proporção é que o sistema deixou passar?

Taxa de falsos positivos = FP dividido pelo número de completos reais desse grupo, isto é FP dividido por (FP + VN). Responde à pergunta: dos pedidos que estavam bem, que proporção é que o sistema chamou indevidamente?

Taxa de acerto global = (VP + VN) dividido pelo total. Nunca se usa sozinha, e nunca se compara entre grupos sem olhar para as duas taxas acima.

Escrever sempre o numerador e o denominador. Uma percentagem sem denominador não permite discussão nenhuma.

Anexo B — o que se sabe e o que não se sabe sobre os três grupos

Informação fictícia, deliberadamente incompleta. Serve para treinar a distinção entre o que a tabela mostra e o que seria preciso saber.

Sabe-se: o sistema foi treinado com pedidos dos últimos dois anos, dos quais cerca de quatro quintos tinham entrado pelo portal.

Sabe-se: o formulário do portal existe apenas em português escrito e não foi testado com leitor de ecrã.

Sabe-se: no grupo C, o pedido é escrito por um terceiro que acompanha a pessoa, e o campo de descrição costuma ser mais curto.

Não se sabe: se os pedidos do grupo B são, em média, mais complexos do que os do grupo A.

Não se sabe: que campos pesam mais na decisão do sistema.

Não se sabe: quantas pessoas do grupo C desistiram antes de submeter, porque quem desiste não aparece em tabela nenhuma.

Actividade prática

Trabalho em pares, com a tabela em papel; calculadora simples ou a do telemóvel autorizada, com 60 minutos de trabalho, seguidos de 15 minutos de partilha e síntese em plenário.

Parte A. Calculem, para cada um dos três grupos e para o total, a taxa de falsos negativos e a taxa de falsos positivos, escrevendo sempre o numerador e o denominador. Confirmem primeiro que, em cada linha, VP mais FN dá os incompletos reais e FP mais VN dá os completos reais.

Parte B. Calculem a taxa de acerto global e escrevam, em duas frases, porque é que a frase do relatório interno — «acerta em setenta e oito por cento, o que é satisfatório» — é enganadora.

Parte C. Escrevam em que grupo o sistema falha mais e de que maneira falha, distinguindo os dois tipos de erro e dizendo qual deles custa mais à pessoa afectada e porquê.

Parte D. Usando o anexo B, listem três origens possíveis da diferença observada: uma de representação nos dados, uma de variável indirecta e uma de barreira de acesso. Em cada uma, escrevam uma frase a explicar como produziria este resultado.

Parte E. Escrevam duas frases sobre os limites da vossa conclusão: o que é que estes números não provam, e que informação adicional pediriam antes de afirmar que há tratamento desigual.

Parte F. Proponham quatro medidas, uma de cada tipo — mitigação, consulta, revisão periódica e alternativa acessível — cada uma com responsável por função e prazo.

Produto esperado: Uma ficha por par com: a tabela completada com as seis taxas por grupo e as do total, com contas visíveis; a crítica à frase do relatório; a análise do grupo mais afectado; as três origens; os limites da conclusão; e as quatro medidas com responsável e prazo.

Como o produto é apreciado

• Grupo A: taxa de falsos negativos = 15 dividido por 60 = 0,25, isto é 25 por cento; taxa de falsos positivos = 24 dividido por 240 = 0,10, isto é 10 por cento.
• Grupo B: taxa de falsos negativos = 30 dividido por 60 = 0,50, isto é 50 por cento; taxa de falsos positivos = 35 dividido por 140 = 0,25, isto é 25 por cento.
• Grupo C: taxa de falsos negativos = 8 dividido por 20 = 0,40, isto é 40 por cento; taxa de falsos positivos = 20 dividido por 80 = 0,25, isto é 25 por cento.
• Total: taxa de falsos negativos = 53 dividido por 140 = 0,3786, cerca de 37,9 por cento; taxa de falsos positivos = 79 dividido por 460 = 0,1717, cerca de 17,2 por cento; taxa de acerto global = (87 + 381) dividido por 600 = 468 dividido por 600 = 0,78, isto é 78 por cento.
• A crítica à frase do relatório assenta em que a taxa global é dominada pelo grupo A, que tem metade dos pedidos e os melhores resultados, e esconde que no grupo B o sistema deixa passar metade dos pedidos incompletos.
• A parte C identifica o grupo B como o mais afectado nos falsos negativos e explica que o falso negativo custa mais, porque o pedido segue incompleto e é devolvido semanas depois, obrigando a nova deslocação — precisamente a quem vive mais longe.
• As três origens estão ancoradas no anexo B: quatro quintos do treino vindos do portal é representação; o canal de submissão a funcionar como indicador indirecto de conectividade e rendimento é variável indirecta; o formulário só em português escrito e não testado com leitor de ecrã é barreira de acesso.
• A parte E diz expressamente que a diferença não prova causalidade nem discriminação e pede pelo menos a comparação de complexidade dos pedidos entre grupos, o peso dos campos na decisão e a escuta das pessoas afectadas, incluindo quem desistiu.
• As quatro medidas são distintas, com responsável por função e prazo, e a alternativa acessível garante um caminho sem o sistema para quem ele serve pior.

Síntese em leitura fácil

• Um sistema pode acertar muito no total e falhar muito num grupo.
• Veja sempre os dois erros separados: deixar passar e chamar sem ser preciso.
• Escreva a conta com o número de cima e o número de baixo. Percentagem sozinha não chega.
• Os dados de treino trazem quem estava neles. Quem não estava pode ser servido pior — é preciso medir para saber.
• Retirar o campo do sexo ou da língua não resolve: outros campos dizem a mesma coisa por outro caminho.
• Algumas diferenças nascem antes do sistema, no desenho do serviço: língua, internet, acessibilidade.
• Uma diferença entre grupos manda investigar. Não prova, sozinha, causa nem discriminação.
• Quem desiste de submeter não aparece em tabela nenhuma.
• Fale com as pessoas afectadas antes de decidir a solução.
• Deve existir sempre um caminho sem o sistema para quem o sistema serve mal.

Verificação formativa

Estas perguntas não contam para a nota final e não são perguntas do exame final. Servem para a pessoa formanda confirmar o que percebeu.

1. O relatório diz que o sistema «acerta em 78 por cento». Usando os números da tabela, mostre com uma conta porque é que isso não descreve o que acontece no grupo B.
2. Uma colega conclui da tabela: «está provado que o sistema discrimina as pessoas da zona rural». O que corrige, e o que propõe fazer a seguir?

Respostas comentadas da verificação formativa

As respostas abaixo pertencem às perguntas de verificação formativa desta lição. Não são perguntas nem respostas do exame final e não têm efeito na nota. Tente responder primeiro e só depois compare.

Pergunta 1. O relatório diz que o sistema «acerta em 78 por cento». Usando os números da tabela, mostre com uma conta porque é que isso não descreve o que acontece no grupo B.

Resposta: A taxa global é 468 dividido por 600, igual a 0,78. Mas no grupo B o sistema deixa passar 30 dos 60 pedidos realmente incompletos: 30 dividido por 60 é 0,50, ou seja metade. No grupo A deixa passar 15 em 60, isto é 25 por cento. O número global é puxado pelo grupo A, que tem metade de todos os pedidos e os melhores resultados.

Comentário: A média ponderada resume o conjunto todo, mas quando um grupo pesa muito no total aproxima-se sobretudo desse grupo e pode ocultar diferenças importantes nos restantes. Por isso a leitura por grupo, com denominadores à vista, é o mínimo antes de qualquer juízo sobre o sistema.

Pergunta 2. Uma colega conclui da tabela: «está provado que o sistema discrimina as pessoas da zona rural». O que corrige, e o que propõe fazer a seguir?

Resposta: Corrijo duas coisas. Primeira: a tabela mostra uma diferença de desempenho entre grupos de submissão, e uma diferença é um sinal, não uma prova de causa — pode haver, por exemplo, diferença de complexidade dos pedidos que explique parte do resultado. Segunda: discriminação é uma qualificação jurídica, com critérios próprios, e não se estabelece a partir de uma tabela numa sala de formação. Proponho investigar: comparar a complexidade dos pedidos entre grupos, ver que campos pesam na decisão, procurar quem desistiu de submeter, e ouvir as pessoas afectadas e as organizações que as representam. E, entretanto, manter revisão humana obrigatória nos casos do grupo B e garantir a alternativa presencial.

Comentário: Rigor não é indiferença. Dizer que não está provado não é dizer que está tudo bem: o sinal é forte e obriga a agir de imediato na protecção, enquanto se investiga a causa.

Referências consultadas

• OECD AI Principles — definição de sistema de inteligência artificial — https://oecd.ai/en/ai-principles (consultado em 21 de Setembro de 2026).
• NIST AI Risk Management Framework — quadro voluntário de gestão de risco — https://www.nist.gov/itl/ai-risk-management-framework (consultado em 21 de Setembro de 2026).
• UNESCO — Recommendation on the Ethics of Artificial Intelligence — https://www.unesco.org/en/artificial-intelligence/recommendation-ethics (consultado em 22 de Setembro de 2026).
  Síntese da equipa: A UNESCO publica uma Recomendação sobre a Ética da Inteligência Artificial, adoptada pelos Estados membros. Uma recomendação deste tipo é um instrumento normativo de referência: exprime compromissos assumidos entre Estados e orienta políticas públicas, mas não é, por si, lei nacional em país nenhum. Só passa a obrigar na medida em que cada país a transponha para o seu direito. O texto organiza-se em valores e princípios — respeito pelos direitos humanos e pela dignidade, proporcionalidade e não causar dano, equidade e não discriminação, transparência e explicabilidade, responsabilidade e prestação de contas, supervisão humana, sustentabilidade ambiental, privacidade e protecção de dados — e acrescenta áreas de acção prática, como avaliação de impacto ético, governação, política de dados, educação, género, cultura e ambiente. Para um serviço público moçambicano interessa sobretudo como lista de verificação: antes de adoptar um sistema, perguntar quem pode ser prejudicado, que dados são usados, quem responde pela decisão e como é que a pessoa afectada reclama.
• União Africana — Continental Artificial Intelligence Strategy — https://au.int/en/documents/20240809/continental-artificial-intelligence-strategy (consultado em 22 de Setembro de 2026).
  Síntese da equipa: A União Africana disponibiliza uma Estratégia Continental para a Inteligência Artificial. Uma estratégia é documento de orientação política: define prioridades e propõe caminhos. Não é lei, mas não se diga que uma estratégia nunca obriga: o efeito depende do acto que a aprova, e uma estratégia adoptada por um governo pode vincular administrativamente os serviços que dela dependem. Esta orienta os Estados e não cria, por si, obrigações directas para um serviço distrital moçambicano. O documento aborda o aproveitamento da inteligência artificial para o desenvolvimento do continente, a criação de capacidades — pessoas, dados e infra-estrutura —, os riscos e a governação, e a cooperação entre Estados africanos, incluindo a preocupação de que África participe na definição das regras internacionais. Para uma direcção distrital, o valor prático está em situar decisões locais num quadro continental: ao escolher uma ferramenta, perguntar onde ficam os dados, que dependência se cria face a um fornecedor estrangeiro e se há alternativa que desenvolva competências internas. Não se deve citar esta estratégia como se fosse legislação nem como aprovação de qualquer solução concreta.

Duração prevista: 120 minutos, em sessão presencial.

Todos os casos, nomes, instituições e números usados nesta lição são fictícios e servem apenas de exercício.

Como o tempo desta lição está distribuído

• Acolhimento e objectivos: 10 minutos.
• Exposição: 35 minutos.
• Actividade prática: 60 minutos.
• Partilha e síntese: 15 minutos.

Como trabalhamos na sala: recomenda-se um computador por pessoa. Quando não for possível, no máximo duas pessoas por computador, alternando quem executa a meio da actividade, de modo que ambas façam. Na partilha apresentam apenas dois grupos, com tempo limitado; os restantes entregam por escrito e recebem comentário do formador. Marcar a lição como concluída é registo de aprendizagem e não é registo de assiduidade.

Objectivos da lição

• Distinguir, com exemplos das fontes fornecidas, lei, recomendação internacional e estratégia, dizendo o que cada uma obriga e a quem.
• Explicar porque é que o Regulamento Europeu de Inteligência Artificial é referência internacional de governação e não lei automaticamente aplicável em Moçambique.
• Identificar os actores relevantes — governo, academia, fornecedores, sociedade civil incluindo organizações de pessoas com deficiência, e organizações internacionais como a União Africana, a UNESCO e a União Europeia — e dizer o que cada um pode fazer neste caso.
• Compor um comité de supervisão preenchendo as fichas de papel fornecidas, com poder expresso de suspender e corrigir.
• Preencher uma matriz de risco com risco, responsável por função, acção, evidência e prazo, e escrever as condições de suspensão.
• Redigir a minuta de suspensão do sistema, com fundamento, efeitos imediatos e caminho de contestação para a pessoa afectada.

Explicação

Supervisão humana é uma expressão que se usa muito e que quase sempre significa menos do que parece. Ter uma pessoa a olhar para o ecrã não é supervisão. Supervisão é ter alguém com poder real de parar o sistema, corrigir a saída e responder por essa decisão. Se a pessoa que verifica não pode suspender, não pode alterar e não é ouvida quando avisa, o que existe é a aparência de supervisão — e a aparência é pior do que nada, porque tranquiliza.

Três poderes concretos definem supervisão verdadeira. O poder de corrigir: dentro do âmbito que lhe foi autorizado, a pessoa pode alterar ou rejeitar a saída de imediato, sem esperar autorização caso a caso, registando o motivo de forma proporcional ao impacto da decisão — uma anotação curta no processo para correcções de rotina, um registo fundamentado quando a decisão afecta direitos. Registar não é pedir licença: a intervenção é imediata, o registo serve para prestar contas e para melhorar o sistema. O poder de suspender: existe alguém, nomeado por função, que pode mandar parar o uso do sistema no mesmo dia, e existe um procedimento escrito para o fazer. E o poder de ser ouvido: os avisos de quem usa o sistema chegam a quem decide, ficam registados e têm resposta. Faltando um destes três, é preciso dizer que falta.

Ao lado da supervisão está a contestação, que é o direito de quem foi afectado. Uma pessoa que recebe uma decisão apoiada por um sistema tem de poder saber que houve apoio de um sistema, pedir revisão por pessoa, apresentar argumentos e obter resposta em prazo. Isto exige três coisas práticas: informação legível no documento que sai, um canal indicado de forma clara, e registo do que foi decidido e por quem. Sem registo, a contestação é uma conversa.

Prestação de contas é a terceira peça e responde à pergunta: quem responde por isto? A resposta não pode ser «o sistema», nem «o fornecedor», nem «a informática». Responde a pessoa que assina a decisão, e responde a direcção que autorizou o uso. Para que isso seja verificável é preciso saber, a qualquer momento, que sistemas estão em uso, para que servem, quem autorizou, quem supervisiona e onde estão os registos. Um serviço que não consegue responder a isto numa folha não está em condições de prestar contas.

Passemos à governação, e comecemos por arrumar três palavras que são usadas como se fossem sinónimos. Lei é norma obrigatória, aprovada pelo órgão competente de um país, com consequências pelo incumprimento. Recomendação internacional é um instrumento adoptado por Estados que exprime compromissos e orienta políticas, mas que não é, por si, lei em país nenhum — só obriga na medida em que cada país a transponha. Estratégia é documento de orientação política: fixa prioridades e caminhos, não cria obrigações directas para os serviços. E há ainda a proposta em consulta pública, que é um texto aberto a comentários e que não prova que exista nada aprovado. Confundir estas categorias numa reunião é o erro que mais depressa se paga.

Com estas distinções, as fontes desta lição arrumam-se com facilidade. O Regulamento Europeu de Inteligência Artificial é legislação da União Europeia, que classifica os sistemas por risco e impõe, aos de alto risco, exigências de dados, documentação, registo, transparência e supervisão humana; a sua aplicação é faseada e o calendário tem sido objecto de alterações, pelo que não se deve afirmar que está tudo em vigor. Para Moçambique é referência internacional de boas práticas e termo de comparação: não é lei moçambicana e não se aplica automaticamente cá. Duas cautelas, porém, em sentidos opostos. Não se fundamenta uma decisão interna dizendo «o regulamento europeu obriga-nos» — não obriga, por si. Mas também não se afirma que nunca poderá abranger uma entidade moçambicana: o artigo 2.º do regulamento, no n.º 1, alínea c), alcança fornecedores e responsáveis pela utilização situados em país terceiro quando as saídas do sistema são utilizadas na União. Se um serviço ou contrato nosso produz saídas destinadas a uso na União, a questão tem de ser verificada em concreto pela área jurídica. A Recomendação da UNESCO sobre a Ética da Inteligência Artificial é instrumento normativo adoptado entre Estados: orienta políticas e serve de lista de verificação ética, mas não é, por si, vinculativa internamente — só obriga na medida em que for transposta para o direito nacional. A Estratégia Continental da União Africana é orientação política para o continente, com ênfase em capacidades, riscos, governação e cooperação; note-se que uma estratégia não é lei, mas pode vincular administrativamente os serviços conforme o acto que a aprova. E a proposta de Estratégia Nacional de Inteligência Artificial divulgada pelo INTIC para consulta pública mostra que existe um processo — e apenas isso: não prova que exista estratégia aprovada, política aprovada ou lei de inteligência artificial em vigor em Moçambique, e também não permite atribuir ao INTIC a qualidade de autoridade reguladora. A página consultada indicava 4 de Setembro como prazo de contributos, anterior à data da nossa consulta, pelo que não se diz que a consulta está em curso sem o confirmar. Quem precisar do estado actual do processo deve consultar a fonte na data em que precisa da informação.

Os actores não são todos a mesma coisa e não querem a mesma coisa, o que é normal. O governo define política e responde perante os cidadãos. A academia produz conhecimento independente e forma pessoas, e é quem pode avaliar um sistema sem interesse na sua venda. Os fornecedores desenvolvem e vendem produtos: têm conhecimento técnico indispensável e têm interesse comercial, e as duas coisas são verdadeiras ao mesmo tempo. A sociedade civil, incluindo muito especialmente as organizações de pessoas com deficiência, traz a experiência de quem é afectado e detecta barreiras que mais ninguém vê. As organizações internacionais — União Africana, UNESCO, União Europeia — produzem referências, recomendações e estratégias, e criam espaços de negociação. Reconhecer o interesse de cada um não é desconfiança: é a base de uma consulta honesta.

É aqui que entra a política e a diplomacia da inteligência artificial, que não é assunto distante. As regras internacionais estão a ser escritas agora, e quem não participa recebe-as feitas. A escolha de fornecedores, o sítio onde ficam os dados, as normas técnicas que se adoptam e a participação em espaços continentais e multilaterais são decisões de soberania, ainda que se apresentem como decisões técnicas. Ao nível de uma direcção distrital isto traduz-se em perguntas muito concretas: onde ficam alojados os nossos dados, que dependência estamos a criar, conseguimos sair deste produto, e estamos a desenvolver competência interna ou apenas a consumir um serviço?

Caso fictício — o comité de supervisão que Muanzo não tinha

Regressemos ao sistema de aviso de pedidos incompletos da Direcção Distrital Fictícia de Muanzo, e aos resultados da lição anterior. Tudo o que se segue é inventado para esta aula.

Depois de conhecidos os números, a técnica de atendimento avisou por três vezes que os pedidos vindos do balcão em zona rural estavam a ser devolvidos mais do que antes. Os avisos foram feitos de viva voz, em reuniões de sector. Não ficaram registados em lado nenhum e não chegaram à direcção.

Quando o assunto chegou finalmente à Directora, quatro perguntas ficaram sem resposta. Quem autorizou o uso deste sistema? Quem o supervisiona? Quem pode mandar parar? E o que se diz às pessoas cujos pedidos foram devolvidos por causa disto?

Não havia comité, não havia matriz de risco, não havia procedimento de suspensão e não havia caminho de contestação. Havia um sistema em uso e uma pessoa preocupada sem sítio para pôr a preocupação. O trabalho de hoje é construir o que faltava — e decidir, com fundamento, se o sistema continua, continua com condições, ou é suspenso.

Ficha de trabalho — matriz de risco, a preencher pelo grupo

Matriz fictícia de trabalho. A primeira coluna traz quatro riscos já identificados; o grupo acrescenta pelo menos um e preenche as restantes colunas. «Evidência» é aquilo que outra pessoa pode ir ver para confirmar que a acção foi cumprida.

Anexo A — fichas de papel para o comité de supervisão

Fichas fictícias de trabalho. Esta composição, os poderes e os prazos que aqui aparecem são um desenho institucional proposto para efeitos de formação: não correspondem a nenhuma obrigação legal universal nem a nenhum modelo aprovado. Cada serviço define o seu, dentro das suas competências. Cada grupo distribui os papéis entre si; um papel pode ser desempenhado por quem já tem outras funções, desde que não haja conflito de interesse.

Presidência do comité — função com poder de decisão no serviço. Convoca, decide sobre suspensão e responde perante a direcção. Não pode ser quem propôs a aquisição do sistema.

Representante de quem usa o sistema — pessoa do balcão ou do sector que trabalha com as saídas todos os dias. Traz os problemas reais e tem direito a que o seu aviso fique registado e obtenha resposta escrita.

Responsável pela protecção de dados no serviço — verifica finalidade, acesso, retenção e fluxos, e levanta as questões que devem seguir para a área jurídica da instituição.

Voz de quem é afectado — assento reservado para pessoa utente do serviço ou para organização da sociedade civil, incluindo organização de pessoas com deficiência. Não é figura decorativa: tem direito a ponto na ordem de trabalhos.

Apoio técnico — pessoa com conhecimento do funcionamento do sistema, interna ou contratada. Se for do fornecedor, o conflito de interesse é declarado por escrito e essa pessoa não participa na decisão de suspender.

Secretariado — lavra a acta, mantém o registo dos avisos recebidos e das respostas dadas, e guarda a lista dos sistemas em uso.

Anexo B — as quatro perguntas da prestação de contas

Grelha de trabalho. Deve ser possível responder às quatro numa única folha.

Que sistemas estão em uso neste serviço, para que servem, e desde quando?

Quem autorizou cada um, e com que fundamento escrito?

Quem supervisiona no dia-a-dia, e quem pode mandar parar?

Onde estão os registos, e o que é que a pessoa afectada consegue saber e pedir?

Anexo C — esqueleto da minuta de suspensão

Estrutura fictícia de trabalho, para ser preenchida pelo grupo. Não é modelo jurídico e não substitui parecer da área jurídica da instituição.

Identificação: que sistema, usado em que tarefa, desde quando, autorizado por quem.

Fundamento: que facto concreto motiva a suspensão, com os números ou os registos em que assenta.

Decisão: suspensão total ou parcial, e a partir de que momento.

Efeitos imediatos: o que passa a ser feito sem o sistema, por quem, e o que acontece aos casos que estão a meio.

Casos já decididos: quais são revistos, por quem, em que prazo, e como são as pessoas informadas.

Contestação: como é que a pessoa afectada pede revisão, a quem, em que prazo, e em quanto tempo recebe resposta.

Condições de retoma: o que tem de estar demonstrado, e por que evidência, para o sistema voltar a ser usado.

Comunicação: quem é informado dentro e fora do serviço, e em que prazo.

Actividade prática

Trabalho em grupos de quatro a seis, apenas com papel; não é necessário computador nesta lição, com 60 minutos de trabalho, seguidos de 15 minutos de partilha e síntese em plenário.

Parte A. Distribuam entre vós as fichas do anexo A e componham o comité. Escrevam, para cada papel, a função concreta do vosso serviço que o desempenharia e um conflito de interesse que teria de ser declarado.

Parte B. Respondam por escrito às quatro perguntas do anexo B para o caso de Muanzo, tal como está descrito. Onde a resposta for «não existe», escrevam «não existe» — é a resposta mais útil do exercício.

Parte C. Preencham a matriz de risco, incluindo pelo menos um risco acrescentado por vós. Cada linha precisa de responsável por função, acção, evidência verificável e prazo.

Parte D. Escrevam as condições de suspensão: em que circunstâncias concretas o sistema é parado, quem tem esse poder e em quanto tempo a decisão tem de ser tomada depois de conhecido o facto.

Parte E. Redijam a minuta de suspensão seguindo o esqueleto do anexo C, com especial cuidado no fundamento, nos efeitos imediatos, na revisão dos casos já decididos e no caminho de contestação.

Parte F. Escrevam uma proposta de piloto para retomar o sistema: âmbito reduzido, duração, indicadores que vão ser medidos por grupo de submissão, quem é consultado antes e no fim, e a alternativa acessível que se mantém sempre disponível.

Parte G. Em três linhas, digam que actores — governo, academia, fornecedor, sociedade civil incluindo organizações de pessoas com deficiência, e organizações internacionais — seriam envolvidos, para que efeito cada um, e que interesse próprio de cada um deve ser reconhecido.

Produto esperado: Um dossiê por grupo com: o comité composto e os conflitos de interesse declarados; as respostas às quatro perguntas de prestação de contas; a matriz de risco completa; as condições de suspensão; a minuta de suspensão redigida; a proposta de piloto; e a lista de actores com finalidade e interesse.

Como o produto é apreciado

• O comité atribui a alguém, por função, o poder expresso de suspender, e esse alguém não é quem propôs a aquisição do sistema.
• O assento da voz de quem é afectado está preenchido e tem função real, não decorativa.
• Na parte B, pelo menos duas respostas são «não existe», porque no caso descrito não existem mesmo comité, procedimento de suspensão, registo de avisos nem caminho de contestação.
• Todas as linhas da matriz têm responsável por função — nunca «o serviço» ou «a informática» — e evidência que outra pessoa possa ir verificar.
• As condições de suspensão são factos observáveis, com prazo para decidir, e não formulações como «se houver problemas graves».
• A minuta indica o que acontece aos casos já decididos e dá à pessoa afectada um caminho concreto de contestação, com destinatário e prazo de resposta.
• A proposta de piloto mede indicadores por grupo de submissão, e não apenas no total, e mantém a alternativa acessível.
• Na parte G, o interesse comercial do fornecedor é reconhecido expressamente, e o Regulamento Europeu de Inteligência Artificial, se citado, é apresentado como referência europeia — não é lei moçambicana nem se aplica automaticamente cá, sem que daí se conclua que jamais abrange operadores fora da União.
• Nenhuma parte do dossiê afirma que existe lei, estratégia ou política de inteligência artificial aprovada em Moçambique.

Síntese em leitura fácil

• Supervisão só é supervisão se alguém puder corrigir e mandar parar.
• Se quem verifica não pode parar nem alterar, isso não é supervisão.
• Os avisos de quem usa o sistema têm de ficar escritos e ter resposta.
• Quem é afectado tem direito a saber que houve um sistema, a pedir revisão por pessoa e a receber resposta.
• Quem responde é quem assina e quem autorizou. Não é «o sistema» nem «a informática».
• Corrigir é imediato dentro do que lhe foi autorizado. Escreve-se o motivo depois, conforme o peso da decisão.
• Lei obriga. Recomendação internacional orienta os Estados e não obriga por si. Estratégia fixa prioridades e pode obrigar os serviços conforme o acto que a aprova. Proposta em consulta ainda não é nada disso.
• O regulamento europeu de inteligência artificial não é lei de Moçambique nem se aplica cá automaticamente. Também não se diz que nunca pode tocar alguém daqui: se as saídas forem usadas na União, pergunte-se à área jurídica.
• O INTIC divulgou uma proposta para consulta pública. Isso não mostra que exista estratégia aprovada. O prazo indicado já tinha passado na data em que consultámos.
• O comité, os prazos e os poderes desenhados nesta lição são uma proposta de trabalho. Não são obrigação legal.
• Governo, academia, fornecedores e sociedade civil têm papéis e interesses diferentes. Reconheça-os.
• Onde ficam os dados e de quem se depende são decisões de soberania, mesmo quando parecem técnicas.

Verificação formativa

Estas perguntas não contam para a nota final e não são perguntas do exame final. Servem para a pessoa formanda confirmar o que percebeu.

1. Numa reunião, um colega afirma: «temos de cumprir o Regulamento Europeu de Inteligência Artificial, e a estratégia nacional de inteligência artificial já foi aprovada». Que duas correcções faz, e como fundamenta?
2. A direcção diz que já tem supervisão humana, porque uma técnica confere todas as saídas antes de seguirem. Que perguntas faz para verificar se isso é mesmo supervisão?

Respostas comentadas da verificação formativa

As respostas abaixo pertencem às perguntas de verificação formativa desta lição. Não são perguntas nem respostas do exame final e não têm efeito na nota. Tente responder primeiro e só depois compare.

Pergunta 1. Numa reunião, um colega afirma: «temos de cumprir o Regulamento Europeu de Inteligência Artificial, e a estratégia nacional de inteligência artificial já foi aprovada». Que duas correcções faz, e como fundamenta?

Resposta: Primeira correcção: o Regulamento Europeu de Inteligência Artificial é legislação da União Europeia. Não é lei moçambicana e não se aplica automaticamente cá, pelo que não se fundamenta nele uma obrigação interna; estudamo-lo como referência de governação — classificação por risco, transparência, supervisão humana — e a sua aplicação é faseada, com calendário alterado. Acrescento, contudo, que também não digo que nunca nos possa abranger: o artigo 2.º, n.º 1, alínea c), alcança operadores situados fora da União quando as saídas do sistema são utilizadas na União, e isso verifica-se caso a caso com a área jurídica. Segunda correcção: o que a fonte do INTIC mostra é uma proposta de Estratégia Nacional de Inteligência Artificial divulgada para consulta pública, com prazo de contributos indicado para 4 de Setembro. Proposta em consulta não é aprovação, não afirmo que a consulta esteja em curso sem confirmar, e daí também não se conclui que o INTIC seja autoridade reguladora. Para saber o estado actual, consulta-se a fonte na data e cita-se essa data.

Comentário: As duas afirmações corrigidas são das que circulam com mais facilidade em reuniões e apresentações. Distinguir lei, recomendação, estratégia e proposta em consulta evita comprometer a instituição.

Pergunta 2. A direcção diz que já tem supervisão humana, porque uma técnica confere todas as saídas antes de seguirem. Que perguntas faz para verificar se isso é mesmo supervisão?

Resposta: Pergunto três coisas. Pode essa técnica alterar ou rejeitar a saída por sua iniciativa, sem autorização caso a caso? Existe alguém, nomeado por função, com poder de mandar parar o uso do sistema no mesmo dia, e existe procedimento escrito para isso? E os avisos que ela dá ficam registados e obtêm resposta de quem decide? No caso de Muanzo, avisou três vezes de viva voz e nada ficou registado — logo, o terceiro poder falta, e sem ele não há supervisão, há conferência.

Comentário: A pergunta decisiva é a do registo: sem avisos escritos e respondidos, ninguém consegue depois demonstrar que sabia, nem quando soube, e a prestação de contas desfaz-se.

Referências consultadas

• OECD AI Principles — definição de sistema de inteligência artificial — https://oecd.ai/en/ai-principles (consultado em 21 de Setembro de 2026).
• NIST AI Risk Management Framework — quadro voluntário de gestão de risco — https://www.nist.gov/itl/ai-risk-management-framework (consultado em 21 de Setembro de 2026).
• Comissão Europeia — Regulatory framework for artificial intelligence (Regulamento Europeu de Inteligência Artificial) — https://digital-strategy.ec.europa.eu/en/policies/regulatory-framework-ai (consultado em 22 de Setembro de 2026).
  Síntese da equipa: A página oficial da Comissão Europeia apresenta o quadro regulamentar europeu para a inteligência artificial. A ideia central é classificar os sistemas segundo o risco que representam para a segurança e para os direitos das pessoas: há usos considerados inaceitáveis, há sistemas de alto risco sujeitos a exigências mais fortes, e há usos de risco limitado a que se aplicam sobretudo deveres de transparência, como informar a pessoa de que está perante um sistema automático. Para os sistemas de alto risco descreve obrigações de dados, documentação, registo, informação ao utilizador, supervisão humana e robustez. A aplicação é faseada e o calendário tem sido alterado; não se afirme que está tudo em vigor. Para Moçambique é referência internacional de governação: não é lei moçambicana e não se aplica automaticamente cá. Não se conclua daí que nunca possa tocar uma entidade moçambicana — o próprio regulamento define um âmbito territorial e material que, em certas condições, alcança operadores estabelecidos fora da União. Saber se é esse o caso de um contrato ou de um serviço concreto é apreciação jurídica, e faz-se caso a caso com a área jurídica da instituição.
• EUR-Lex — Regulamento (UE) 2024/1689 relativo à inteligência artificial, artigo 2.º (âmbito de aplicação) — https://eur-lex.europa.eu/legal-content/EN/TXT/?uri=OJ:L_202401689 (consultado em 22 de Setembro de 2026).
  Síntese da equipa: Texto primário do regulamento europeu, publicado no Jornal Oficial da União Europeia. Interessa aqui sobretudo o artigo 2.º, que delimita o âmbito de aplicação. Além dos fornecedores e responsáveis pela utilização estabelecidos na União, a alínea c) do n.º 1 abrange fornecedores e responsáveis pela utilização estabelecidos ou situados em país terceiro quando as saídas produzidas pelo sistema são utilizadas na União. Daqui retiram-se duas conclusões, ambas necessárias para não se dizer nada de errado numa reunião. Primeira: o regulamento não é lei moçambicana e não se aplica automaticamente em Moçambique. Segunda: estar fora da União não é, por si só, garantia de que nunca se é abrangido, porque o critério do artigo 2.º olha também para onde as saídas são utilizadas. Se um serviço ou uma empresa moçambicana produz saídas destinadas a ser utilizadas na União, a questão tem de ser apreciada em concreto pela área jurídica. Este curso não faz essa apreciação: limita-se a indicar onde ela é devida.
• UNESCO — Recommendation on the Ethics of Artificial Intelligence — https://www.unesco.org/en/artificial-intelligence/recommendation-ethics (consultado em 22 de Setembro de 2026).
  Síntese da equipa: A UNESCO publica uma Recomendação sobre a Ética da Inteligência Artificial, adoptada pelos Estados membros. Uma recomendação deste tipo é um instrumento normativo de referência: exprime compromissos assumidos entre Estados e orienta políticas públicas, mas não é, por si, lei nacional em país nenhum. Só passa a obrigar na medida em que cada país a transponha para o seu direito. O texto organiza-se em valores e princípios — respeito pelos direitos humanos e pela dignidade, proporcionalidade e não causar dano, equidade e não discriminação, transparência e explicabilidade, responsabilidade e prestação de contas, supervisão humana, sustentabilidade ambiental, privacidade e protecção de dados — e acrescenta áreas de acção prática, como avaliação de impacto ético, governação, política de dados, educação, género, cultura e ambiente. Para um serviço público moçambicano interessa sobretudo como lista de verificação: antes de adoptar um sistema, perguntar quem pode ser prejudicado, que dados são usados, quem responde pela decisão e como é que a pessoa afectada reclama.
• União Africana — Continental Artificial Intelligence Strategy — https://au.int/en/documents/20240809/continental-artificial-intelligence-strategy (consultado em 22 de Setembro de 2026).
  Síntese da equipa: A União Africana disponibiliza uma Estratégia Continental para a Inteligência Artificial. Uma estratégia é documento de orientação política: define prioridades e propõe caminhos. Não é lei, mas não se diga que uma estratégia nunca obriga: o efeito depende do acto que a aprova, e uma estratégia adoptada por um governo pode vincular administrativamente os serviços que dela dependem. Esta orienta os Estados e não cria, por si, obrigações directas para um serviço distrital moçambicano. O documento aborda o aproveitamento da inteligência artificial para o desenvolvimento do continente, a criação de capacidades — pessoas, dados e infra-estrutura —, os riscos e a governação, e a cooperação entre Estados africanos, incluindo a preocupação de que África participe na definição das regras internacionais. Para uma direcção distrital, o valor prático está em situar decisões locais num quadro continental: ao escolher uma ferramenta, perguntar onde ficam os dados, que dependência se cria face a um fornecedor estrangeiro e se há alternativa que desenvolva competências internas. Não se deve citar esta estratégia como se fosse legislação nem como aprovação de qualquer solução concreta.
• INTIC — Consulta pública da proposta da Estratégia Nacional de Inteligência Artificial — https://intic.gov.mz/consulta-publica-da-proposta-da-estrategia-nacional-de-inteligencia-artificial/ (consultado em 22 de Setembro de 2026).
  Síntese da equipa: O Instituto Nacional de Tecnologias de Informação e Comunicação, o INTIC, divulgou uma proposta de Estratégia Nacional de Inteligência Artificial para consulta pública. Atenção ao prazo: a página consultada indica 4 de Setembro como data-limite para o envio de contributos, anterior à data desta consulta. Não se deve, por isso, dizer que existe uma consulta actualmente em curso sem confirmar na fonte; o que está documentado é que a proposta foi divulgada para consulta. Há ainda duas coisas a reter. A divulgação de uma proposta não prova que exista estratégia aprovada, política aprovada ou lei de inteligência artificial em vigor em Moçambique. E também não permite concluir que o INTIC seja autoridade reguladora da inteligência artificial: o que a fonte mostra é a sua intervenção na condução deste processo. Quem precisar do estado actual do processo deve consultar a fonte na data em que precisa da informação e citar essa data.

O que a lei exige

A pessoa com deficiência tem direito de acesso ao ambiente físico, transporte, informação e tecnologias e sistemas de comunicação com base no desenho universal e ajustamento razoável.

O que significa na prática para um servidor público

Ao criar ou escolher um serviço, comece por torná-lo utilizável pelo maior número de pessoas. Quando uma pessoa ainda encontra uma barreira, faça o ajustamento adequado à sua necessidade.

Exemplo concreto de serviço digital moçambicano

No Portal do Governo de Moçambique, um formulário deve poder ser preenchido só com o teclado e lido por um leitor de ecrã.

Fonte: Lei n.º 10/2024, de 7 de Junho, artigo 16.

O que a lei exige

As entidades públicas e privadas que prestam serviços públicos devem procurar disponibilizar informação em formatos acessíveis. O Estado deve garantir formação de comunicadores e agentes do Estado em língua de sinais.

O que significa na prática para um servidor público

Publique a mesma informação em formatos que pessoas diferentes consigam usar. Use texto claro, documentos acessíveis, legendas, áudio e Língua de Sinais Moçambicana quando necessário.

Exemplo concreto de serviço digital moçambicano

Num aviso publicado num portal de um ministério, disponibilize texto acessível, versão áudio e vídeo com legendas e interpretação em Língua de Sinais Moçambicana.

Fonte: Lei n.º 10/2024, de 7 de Junho, artigo 17.

O que a lei exige

Os processos de contratação de empreitadas, fornecimento de bens e prestação de serviços devem ter em conta as necessidades da pessoa com deficiência.

O que significa na prática para um servidor público

Inclua requisitos de acessibilidade desde o caderno de encargos. Avalie esses requisitos antes de contratar. Verifique o seu cumprimento na entrega.

Exemplo concreto de serviço digital moçambicano

Na contratação de um sistema de marcação de consultas para uma unidade pública de saúde, exija navegação por teclado, compatibilidade com leitor de ecrã e atendimento alternativo acessível.

Fonte: Lei n.º 10/2024, de 7 de Junho, artigo 20.

O que a lei exige

A pessoa com deficiência tem direito à educação em instituições públicas e privadas. O Estado deve adequar metodologias, materiais, infra-estruturas, mobiliário e equipamento. Deve também incluir matérias sobre deficiência na formação de professores, quadros administrativos e gestores.

O que significa na prática para um servidor público

Planeie a formação para diferentes formas de aprender e participar. Dê materiais acessíveis. Garanta que a sala, a plataforma e os equipamentos não criam barreiras.

Exemplo concreto de serviço digital moçambicano

Numa plataforma pública de ensino à distância, disponibilize os materiais em texto acessível e áudio. Legende os vídeos. Permita concluir as actividades sem usar o rato.

Fonte: Lei n.º 10/2024, de 7 de Junho, artigo 24.

O que a lei exige

O Estado promove a recolha, a análise, o armazenamento e a divulgação de dados sobre pessoas com deficiência em todas as esferas da vida.

O que significa na prática para um servidor público

Recolha apenas os dados necessários, com uma finalidade clara. Proteja a informação individual. Use os dados agregados para melhorar políticas e serviços.

Exemplo concreto de serviço digital moçambicano

Num serviço digital de inscrição para formação pública, o tipo de deficiência é opcional e autodeclarado. A pessoa pode alterá-lo ou removê-lo. Os relatórios não identificam indivíduos.

Fonte: Lei n.º 10/2024, de 7 de Junho, artigo 30.

O que a lei exige

O Estado garante a produção estatística com indicadores que permitam desagregar os dados por sexo, idade, tipo de deficiência, causas, prevalência e outras variáveis relevantes.

O que significa na prática para um servidor público

Prepare os sistemas para produzir indicadores desagregados. Ao divulgar, proteja grupos pequenos para impedir a identificação das pessoas.

Exemplo concreto de serviço digital moçambicano

No Painel Nacional desta plataforma, os resultados podem ser cruzados por género e tipo de deficiência. Grupos com menos de cinco pessoas aparecem como informação insuficiente para divulgação.

Fonte: Lei n.º 10/2024, de 7 de Junho, artigo 31.