A Inteligência Artificial (IA) deixou de ser uma tecnologia emergente e periférica para se tornar um componente estrutural da gestão educacional contemporânea. Sistemas de recomendação, chatbots institucionais, ferramentas de análise preditiva de evasão, ferramentas de correção automatizada e, mais recentemente, modelos de linguagem de larga escala utilizados por docentes na elaboração de materiais didáticos e por gestores em processos de tomada de decisão administrativa, compõem um ecossistema tecnológico que atravessa transversalmente as instituições de ensino, da educação básica ao ensino superior.
Essa incorporação, contudo, tem ocorrido de forma predominantemente reativa e fragmentada. Levantamentos recentes indicam que parte significativa das instituições brasileiras reconhece os impactos da IA em suas práticas, mas ainda enfrenta dificuldades relevantes na formulação e na implementação de diretrizes claras para seu uso ético e responsável.
A relevância da questão decorre de uma tensão específica do ambiente educacional: gestores e docentes não são apenas usuários finais de tecnologia, mas agentes que exercem, simultaneamente, autoridade decisória (sobre matrículas, avaliações, contratos e alocação de recursos) e função pedagógica (sobre a formação de competências, o desenvolvimento do pensamento crítico e a integridade acadêmica).
O uso não regulado de sistemas de IA por esses atores pode, portanto, comprometer tanto direitos individuais de estudantes e servidores quanto a própria missão formativa da instituição.
Governança de Inteligência Artificial pode ser definida como o conjunto de estruturas, políticas, processos e mecanismos de controle voltados a assegurar que o desenvolvimento, a implementação e o uso de sistemas de IA ocorram de maneira ética, seguindo princípios de transparência, responsabilização (accountability), explicabilidade e supervisão humana. Três referenciais internacionais consolidam esse conceito em instrumentos aplicáveis. Em primeiro lugar, a Recomendação sobre a Ética da Inteligência Artificial, adotada pela UNESCO em 2021, estabelece princípios como proporcionalidade, segurança, equidade, não discriminação, supervisão humana e sustentabilidade, além de recomendar aos Estados-membros o fomento à alfabetização em IA “adequada ao público em todos os níveis”, de modo a reduzir desigualdades digitais de acesso (UNESCO, 2021), os Princípios sobre Inteligência Artificial da Organização para a Cooperação e Desenvolvimento Econômico (OCDE) e a norma internacional ISO/IEC 42001:2023 é o primeiro padrão certificável de sistema de gestão de IA (AI Management System), estabelecendo requisitos para que organizações de qualquer porte e setor estruturem políticas, avaliações de risco e ciclos de melhoria contínua para seus sistemas de IA.
Complementarmente, existem outros documentos que subsidiam a Governança da IA e propõe um modelo operacional estruturado em quatro funções — Governar, Mapear, Medir e Gerenciar — que pode ser adaptado por organizações de diferentes naturezas para identificar, avaliar e mitigar riscos ao longo de todo o ciclo de vida de um sistema de IA. A função “Governar”, em particular, é transversal a todas as demais e estabelece a cultura organizacional, as políticas e as estruturas de responsabilização que antecedem qualquer uso técnico do sistema — o que a torna especialmente aplicável ao desenho de instrumentos de governança em instituições de ensino.
No ordenamento jurídico brasileiro, dois marcos normativos incidem diretamente sobre o uso institucional de IA na gestão educacional. O primeiro é a Lei Geral de Proteção de Dados Pessoais (LGPD), que disciplina o tratamento de dados pessoais de estudantes, docentes e servidores, exigindo, entre outros deveres, transparência quanto a decisões automatizadas que afetem interesses do titular (BRASIL, 2018). Qualquer sistema de IA utilizado por gestores para triagem de matrículas, concessão de bolsas ou avaliação de desempenho funcional, por exemplo, deve observar tais exigências, sob pena de responsabilização institucional.
Estudos aplicados a Instituições Federais de Ensino no Brasil demonstram que a IA contribui significativamente para a eficiência administrativa, a integridade institucional e a gestão de riscos — em processos como planejamento, elaboração de termos de referência, auditoria e controle contratual —, mas que tais benefícios permanecem condicionados à institucionalização de práticas de governança de dados e algoritmos capazes de assegurar transparência, explicabilidade e não discriminação, em conformidade com marcos legais como a Lei de Licitações e a LGPD (VASCONCELOS et al., 2025).
A incorporação da IA no ensino superior evidencia um “esforço consciente” de parte das instituições em construir políticas orientadas por transparência, responsabilidade, proteção de dados e letramento digital, mas alerta que essa adoção “não é neutra nem isenta de tensões”, por envolver disputas simbólicas, econômicas e políticas — o que reforça a urgência de formação continuada de docentes para o uso crítico da IA.
A análise da literatura e dos marcos normativos revisados permite identificar, ao menos, quatro categorias de risco associadas ao uso não governado de sistemas de IA por gestores e docentes.
O primeiro risco é de natureza decisória-administrativa: gestores que utilizam sistemas de IA para triagem de candidatos, concessão de benefícios, avaliação de desempenho de servidores ou alocação orçamentária, sem processos de auditoria e explicabilidade, expõem a instituição a decisões automatizadas potencialmente enviesadas e de difícil contestação — o que colide diretamente com os direitos à explicação e à revisão de decisões previstos no PL nº 2.338/2023 (BRASIL, 2023) e com os deveres de transparência da LGPD (BRASIL, 2018).
O segundo risco é de natureza pedagógico-avaliativa: docentes que empregam ferramentas de IA generativa na correção de trabalhos, na produção de feedback ou na detecção de plágio, sem critérios institucionais claros, comprometem a equidade do processo avaliativo e a própria segurança jurídica da avaliação, sobretudo diante de resultados falso-positivos de ferramentas de detecção de textos gerados por IA — problema já identificado como fonte de tensão simbólica entre docentes e discentes (BARBOSA; VARELA; HOFF, 2026).
O terceiro risco é de natureza organizacional: a ausência de estruturas formais de governança tende a produzir adoção fragmentada e não coordenada da tecnologia, em que diferentes setores e docentes utilizam ferramentas distintas, com níveis de segurança e conformidade heterogêneos, dificultando qualquer auditoria centralizada e ampliando a superfície de risco institucional — achado consistente com a constatação de que os benefícios da IA na gestão pública educacional dependem da institucionalização de práticas de governança de dados e algoritmos (VASCONCELOS et al., 2025).
O quarto risco é de natureza reputacional e de confiança: a revisão de escopo de Gomes, Ramos e Oliveira (2025) identifica, como uma das lacunas mais recorrentes da literatura internacional, justamente a falta de percepção compartilhada entre gestores, docentes e discentes sobre o que constitui uso “aceitável” da IA — o que, na ausência de diretrizes formais, tende a corroer a confiança mútua entre esses atores e a legitimidade das decisões institucionais mediadas por algoritmos.
Na camada estratégico-normativa, recomenda-se a formalização de um Plano Institucional para o Uso Responsável da Inteligência Artificial (PIIA), articulado ao Plano de Desenvolvimento Institucional, contemplando princípios, diretrizes de uso para gestores e docentes, e mecanismos de revisão periódica (SEMESP; CONSÓRCIO STHEM BRASIL; METARED TIC BRASIL, 2024). Esse plano deve refletir os princípios consolidados pela UNESCO (2021) e pela OCDE (2019) — proporcionalidade, não discriminação, transparência e supervisão humana —, adaptando-os à realidade orçamentária e organizacional de cada instituição.
Na camada de estrutura de governança, recomenda-se a constituição de um comitê multidisciplinar de governança de IA, que poderá corresponder a uma adaptação de estruturas colegiadas já existentes, como a Comissão Própria de Avaliação, desde que ampliada para incluir competências técnicas em proteção de dados e IA, e representação docente, discente e administrativa. A esse comitê competiria, entre outras atribuições, autorizar o uso institucional de novas ferramentas de IA, revisar incidentes e manter um inventário atualizado dos sistemas em uso — função equivalente à “Governança” (Govern) do NIST AI RMF (TABASSI, 2023) e aos requisitos de liderança e planejamento da ISO/IEC 42001 (INTERNATIONAL ORGANIZATION FOR STANDARDIZATION, 2023).
A governança de IA em instituições de ensino não deve ser compreendida apenas como um mecanismo de controle e conformidade normativa, mas como um processo formativo contínuo, que transforma gestores e docentes de meros usuários de tecnologia em corresponsáveis pela integridade, pela equidade e pela transparência das decisões institucionais mediadas por sistemas de IA. Essa perspectiva está alinhada à noção de responsabilização (accountability) como elemento central da IA responsável (DIGNUM, 2019): a responsabilidade não se esgota no fornecedor da tecnologia, mas se distribui entre todos os atores que a operam institucionalmente.
Conclui-se, portanto, que a necessidade de instrumentos de Governança de Inteligência Artificial em instituições de ensino, pois a ausência de governança formal expõe as instituições a riscos decisório-administrativos, pedagógico-avaliativos, organizacionais e reputacionais, e que a adoção de instrumentos estruturados — como o Plano Institucional para o Uso Responsável da Inteligência Artificial, comitês multidisciplinares de governança inspirados em estruturas já existentes (como a Comissão Própria de Avaliação) e ciclos de gestão de risco alinhados a frameworks como o NIST AI RMF e a ISO/IEC 42001 — constitui condição necessária para a confiabiabilidade, transparência e ética institucional.
