Inteligência artificial generativa na elaboração de peças processuais do controle externo: diretrizes de governança para uma inovação responsável e segura
| Ano de defesa: | 2025 |
|---|---|
| Autor(a) principal: | |
| Orientador(a): | |
| Banca de defesa: | |
| Tipo de documento: | Dissertação |
| Tipo de acesso: | Acesso aberto |
| Idioma: | por |
| Instituição de defesa: |
Não Informado pela instituição
|
| Programa de Pós-Graduação: |
Não Informado pela instituição
|
| Departamento: |
Não Informado pela instituição
|
| País: |
Não Informado pela instituição
|
| Palavras-chave em Português: | |
| Palavras-chave em Inglês: | |
| Link de acesso: | https://hdl.handle.net/10438/37555 http://lattes.cnpq.br/1868054668198558 |
Resumo: | Objetivo: Esta dissertação tem como objetivo propor diretrizes de governança para o uso ético e responsável da inteligência artificial generativa (IAGen) na elaboração de peças processuais nos Tribunais de Contas brasileiros, com foco na mitigação de riscos técnicos, éticos, jurídicos e organizacionais. Metodologia: Adotou-se uma abordagem qualitativa, exploratória e descritiva, com fundamentação teórica em governança adaptativa, sistemas adaptativos complexos (CAS) e ética digital. A coleta de dados foi realizada por meio de questionário estruturado enviado via Lei de Acesso à Informação (LAI) aos 33 Tribunais de Contas do país, obtendo-se 31 respostas (93,9%). As informações foram sistematizadas em três dimensões analíticas: adoção tecnológica, aplicação prática e governança e controle. Resultados: Os dados evidenciam crescente adoção de LLMs nas Cortes de Contas, ainda que de forma assimétrica, sem diretrizes padronizadas, com frágil rastreabilidade e baixa exigência de revisão humana. Embora já existam iniciativas relevantes, como o sistema INACIA (TCU) e o Chat-TCE (TCE-AM), identificou-se lacuna normativa e institucional para o uso dessas ferramentas em peças processuais técnico-decisórias. Com base na triangulação dos dados empíricos e do referencial teórico, foi proposto o framework teórico CRISP-LLM Gov, inspirado na lógica cíclica e iterativa do CRISP-DM e estruturado em seis fases interdependentes, com foco em accountability, revisão humana obrigatória, rastreabilidade e aprendizado institucional contínuo. Limitações: O estudo apresenta natureza teórica e não foi validado em aplicação prática. A coleta de dados via e-SIC limitou a profundidade das respostas qualitativas e retrata um cenário específico até maio de 2025. Não contempla a totalidade das práticas informais ou culturas institucionais. Aplicabilidade no trabalho: O framework proposto oferece um roteiro estruturado e adaptativo para a construção de políticas de governança da IAGen nos Tribunais de Contas, contribuindo para decisões mais seguras, auditáveis e alinhadas ao interesse público. Contribuições para a sociedade: Ao abordar os principais riscos envolvidos no uso de Large Language Models (LLMs) em peças processuais que repercutem diretamente no processo decisório do controle externo, a dissertação contribui para o fortalecimento da governança institucional, da legitimidade das decisões públicas e da proteção dos direitos fundamentais, promovendo uma inteligência artificial centrada na responsabilidade pública. Originalidade: A originalidade do trabalho reside na combinação entre pesquisa empírica nacional inédita sobre o uso de LLMs em peças processuais e a contrução de um framework teórico próprio, inspirado no CRISP-DM, voltado à governança adaptativa da IAGen no contexto das Cortes de Contas brasileiras. |
| id |
FGV_957dae8d25d6239e200e534c708d8ab6 |
|---|---|
| oai_identifier_str |
oai:repositorio.fgv.br:10438/37555 |
| network_acronym_str |
FGV |
| network_name_str |
Repositório Institucional do FGV (FGV Repositório Digital) |
| repository_id_str |
|
| spelling |
Campagnolli, Juliana Narjara LibórioEscolas::EBAPESoares, Carla Danielle Monteirovirtual::3979-1Braga, André Luiz Albuquerque Gomes da Silvavirtual::13236-1virtual::3978Santos, Jefferson de Barros2025-08-29T12:50:38Z2025-08-29T12:50:38Z2025-08-07https://hdl.handle.net/10438/37555http://lattes.cnpq.br/1868054668198558Objetivo: Esta dissertação tem como objetivo propor diretrizes de governança para o uso ético e responsável da inteligência artificial generativa (IAGen) na elaboração de peças processuais nos Tribunais de Contas brasileiros, com foco na mitigação de riscos técnicos, éticos, jurídicos e organizacionais. Metodologia: Adotou-se uma abordagem qualitativa, exploratória e descritiva, com fundamentação teórica em governança adaptativa, sistemas adaptativos complexos (CAS) e ética digital. A coleta de dados foi realizada por meio de questionário estruturado enviado via Lei de Acesso à Informação (LAI) aos 33 Tribunais de Contas do país, obtendo-se 31 respostas (93,9%). As informações foram sistematizadas em três dimensões analíticas: adoção tecnológica, aplicação prática e governança e controle. Resultados: Os dados evidenciam crescente adoção de LLMs nas Cortes de Contas, ainda que de forma assimétrica, sem diretrizes padronizadas, com frágil rastreabilidade e baixa exigência de revisão humana. Embora já existam iniciativas relevantes, como o sistema INACIA (TCU) e o Chat-TCE (TCE-AM), identificou-se lacuna normativa e institucional para o uso dessas ferramentas em peças processuais técnico-decisórias. Com base na triangulação dos dados empíricos e do referencial teórico, foi proposto o framework teórico CRISP-LLM Gov, inspirado na lógica cíclica e iterativa do CRISP-DM e estruturado em seis fases interdependentes, com foco em accountability, revisão humana obrigatória, rastreabilidade e aprendizado institucional contínuo. Limitações: O estudo apresenta natureza teórica e não foi validado em aplicação prática. A coleta de dados via e-SIC limitou a profundidade das respostas qualitativas e retrata um cenário específico até maio de 2025. Não contempla a totalidade das práticas informais ou culturas institucionais. Aplicabilidade no trabalho: O framework proposto oferece um roteiro estruturado e adaptativo para a construção de políticas de governança da IAGen nos Tribunais de Contas, contribuindo para decisões mais seguras, auditáveis e alinhadas ao interesse público. Contribuições para a sociedade: Ao abordar os principais riscos envolvidos no uso de Large Language Models (LLMs) em peças processuais que repercutem diretamente no processo decisório do controle externo, a dissertação contribui para o fortalecimento da governança institucional, da legitimidade das decisões públicas e da proteção dos direitos fundamentais, promovendo uma inteligência artificial centrada na responsabilidade pública. Originalidade: A originalidade do trabalho reside na combinação entre pesquisa empírica nacional inédita sobre o uso de LLMs em peças processuais e a contrução de um framework teórico próprio, inspirado no CRISP-DM, voltado à governança adaptativa da IAGen no contexto das Cortes de Contas brasileiras.Objective: This dissertation aims to propose governance guidelines for the ethical and responsible use of generative artificial intelligence (GenAI) in the drafting of procedural documents by Brazilian Courts of Accounts, with a focus on mitigating technical, ethical, legal, and organizational risks. Methodology: A qualitative, exploratory, and descriptive approach was adopted, grounded in the theoretical frameworks of adaptive governance, complex adaptive systems (CAS), and digital ethics. Data collection was conducted through a structured questionnaire submitted under the Brazilian Access to Information Law to all 33 Courts of Accounts in the country, resulting in 31 responses (93.9%). The data were systematized according to three analytical dimensions: technological adoption, practical application, and governance and control mechanisms. Results: The findings indicate a growing adoption of Large Language Models (LLMs) within the Courts of Accounts, albeit asymmetrically and with notable gaps in standardized guidelines, traceability mechanisms, and requirements for human oversight. Despite relevant initiatives – such as the INACIA system (TCU) and Chat-TCE (TCE-AM) – there remains a regulatory and institutional vacuum concerning the use of such tools in technical-decisional documents. Based on the triangulation of empirical data and theoretical foundations, the CRISP-LLM Gov framework was proposed. Inspired by the iterative and cyclical logic of the CRISP-DM model, it is structured into six interdependent phases focused on accountability, mandatory human review, traceability, and continuous institutional learning. Limitations: This study has a theoretical nature and was not empirically validated through practical application. The use of the Brazilian Access to Information Law as the data collection method limited the depth of qualitative responses and reflects a specific timeframe up to May 2025. It does not encompass informal practices or organizational cultures in their entirety. Practical implications: The proposed framework offers a structured and adaptive roadmap for building GenAI governance policies in the Courts of Accounts, contributing to safer, auditable, and more transparent public decisions aligned with the public interest. Contributions to society: By addressing the key risks associated with the use of LLMs in procedural documents that directly influence the decision-making process in external control, this dissertation contributes to strengthening institutional governance, the legitimacy of public decisions, and the protection of fundamental right – thus promoting a human-centered and publicly accountable approach to artificial intelligence. Originality: This research is original in combining an unprecedented nationwide empirical study on the use of LLMs in procedural documents with the development of a proprietary theoretical framework – CRISP-LLM Gov – designed to guide the adaptive governance of GenAI within the context of Brazilian Courts of Accounts.118 f.porInteligência artificial generativaGovernança adaptativaTribunais de contasPeças processuaisLarge language modelsGenerative artificial intelligenceAdaptive governanceCourts of accountsProcedural documentsAdministração públicaInteligência artificialGovernança públicaTribunais de ContasInteligência artificial generativa na elaboração de peças processuais do controle externo: diretrizes de governança para uma inovação responsável e segurainfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisAdministração Públicavirtual::13234-1-1info:eu-repo/semantics/openAccessreponame:Repositório Institucional do FGV (FGV Repositório Digital)instname:Fundação Getulio Vargas (FGV)instacron:FGVPublication5985d633-7835-46b4-b415-934103674ad5virtual::3978-15985d633-7835-46b4-b415-934103674ad5virtual::3978-12685054b-324f-44ee-a58c-b12580d5dd90virtual::3979-1111f8447-b82c-41c6-a7df-d365f1473003virtual::13236-12685054b-324f-44ee-a58c-b12580d5dd90virtual::3979-1111f8447-b82c-41c6-a7df-d365f1473003virtual::13236-192f29cad-b8ec-4d94-afae-8e923efcb109virtual::13234-192f29cad-b8ec-4d94-afae-8e923efcb109virtual::13234-1LICENSElicense.txtlicense.txttext/plain; charset=utf-85112https://repositorio.fgv.br/bitstreams/f458d6a1-f3dc-41d3-9dc1-9667cdc4bd8f/download2a4b67231f701c416a809246e7a10077MD51falseAnonymousREADORIGINALDissertação-depósito final.pdfDissertação-depósito final.pdfPDFapplication/pdf2291247https://repositorio.fgv.br/bitstreams/ab669360-e921-4048-8c0d-7065532a33d9/download07cb1df854ceeb433521114f499bb721MD52trueAnonymousREADTEXTDissertação-depósito final.pdf.txtDissertação-depósito final.pdf.txtExtracted texttext/plain103041https://repositorio.fgv.br/bitstreams/a38d1d73-49ec-4206-aa22-bc858d06dacf/download6da8784046d06e4f5e2d3276e26ab3b0MD53falseAnonymousREADTHUMBNAILDissertação-depósito final.pdf.jpgDissertação-depósito final.pdf.jpgGenerated Thumbnailimage/jpeg3377https://repositorio.fgv.br/bitstreams/f2e1e81f-b72a-4ec8-a730-8f2175451650/download1f1cca7a535aaac205675eb2d8345604MD54falseAnonymousREAD10438/375552026-10-08 17:51:54.548open.accessoai:repositorio.fgv.br:10438/37555https://repositorio.fgv.brRepositório InstitucionalPRIhttp://bibliotecadigital.fgv.br/dspace-oai/requestbiblioteca.digital@fgv.bropendoar:39742026-10-08T17:51:54Repositório Institucional do FGV (FGV Repositório Digital) - Fundação Getulio Vargas (FGV)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 |
| dc.title.por.fl_str_mv |
Inteligência artificial generativa na elaboração de peças processuais do controle externo: diretrizes de governança para uma inovação responsável e segura |
| title |
Inteligência artificial generativa na elaboração de peças processuais do controle externo: diretrizes de governança para uma inovação responsável e segura |
| spellingShingle |
Inteligência artificial generativa na elaboração de peças processuais do controle externo: diretrizes de governança para uma inovação responsável e segura Campagnolli, Juliana Narjara Libório Inteligência artificial generativa Governança adaptativa Tribunais de contas Peças processuais Large language models Generative artificial intelligence Adaptive governance Courts of accounts Procedural documents Administração pública Inteligência artificial Governança pública Tribunais de Contas |
| title_short |
Inteligência artificial generativa na elaboração de peças processuais do controle externo: diretrizes de governança para uma inovação responsável e segura |
| title_full |
Inteligência artificial generativa na elaboração de peças processuais do controle externo: diretrizes de governança para uma inovação responsável e segura |
| title_fullStr |
Inteligência artificial generativa na elaboração de peças processuais do controle externo: diretrizes de governança para uma inovação responsável e segura |
| title_full_unstemmed |
Inteligência artificial generativa na elaboração de peças processuais do controle externo: diretrizes de governança para uma inovação responsável e segura |
| title_sort |
Inteligência artificial generativa na elaboração de peças processuais do controle externo: diretrizes de governança para uma inovação responsável e segura |
| author |
Campagnolli, Juliana Narjara Libório |
| author_facet |
Campagnolli, Juliana Narjara Libório |
| author_role |
author |
| dc.contributor.unidadefgv.por.fl_str_mv |
Escolas::EBAPE |
| dc.contributor.member.none.fl_str_mv |
Soares, Carla Danielle Monteiro Braga, André Luiz Albuquerque Gomes da Silva |
| dc.contributor.author.fl_str_mv |
Campagnolli, Juliana Narjara Libório |
| dc.contributor.advisor1ID.fl_str_mv |
virtual::3978 |
| dc.contributor.advisor1.fl_str_mv |
Santos, Jefferson de Barros |
| contributor_str_mv |
Santos, Jefferson de Barros |
| dc.subject.por.fl_str_mv |
Inteligência artificial generativa Governança adaptativa Tribunais de contas Peças processuais |
| topic |
Inteligência artificial generativa Governança adaptativa Tribunais de contas Peças processuais Large language models Generative artificial intelligence Adaptive governance Courts of accounts Procedural documents Administração pública Inteligência artificial Governança pública Tribunais de Contas |
| dc.subject.eng.fl_str_mv |
Large language models Generative artificial intelligence Adaptive governance Courts of accounts Procedural documents |
| dc.subject.area.por.fl_str_mv |
Administração pública |
| dc.subject.bibliodata.por.fl_str_mv |
Inteligência artificial Governança pública Tribunais de Contas |
| description |
Objetivo: Esta dissertação tem como objetivo propor diretrizes de governança para o uso ético e responsável da inteligência artificial generativa (IAGen) na elaboração de peças processuais nos Tribunais de Contas brasileiros, com foco na mitigação de riscos técnicos, éticos, jurídicos e organizacionais. Metodologia: Adotou-se uma abordagem qualitativa, exploratória e descritiva, com fundamentação teórica em governança adaptativa, sistemas adaptativos complexos (CAS) e ética digital. A coleta de dados foi realizada por meio de questionário estruturado enviado via Lei de Acesso à Informação (LAI) aos 33 Tribunais de Contas do país, obtendo-se 31 respostas (93,9%). As informações foram sistematizadas em três dimensões analíticas: adoção tecnológica, aplicação prática e governança e controle. Resultados: Os dados evidenciam crescente adoção de LLMs nas Cortes de Contas, ainda que de forma assimétrica, sem diretrizes padronizadas, com frágil rastreabilidade e baixa exigência de revisão humana. Embora já existam iniciativas relevantes, como o sistema INACIA (TCU) e o Chat-TCE (TCE-AM), identificou-se lacuna normativa e institucional para o uso dessas ferramentas em peças processuais técnico-decisórias. Com base na triangulação dos dados empíricos e do referencial teórico, foi proposto o framework teórico CRISP-LLM Gov, inspirado na lógica cíclica e iterativa do CRISP-DM e estruturado em seis fases interdependentes, com foco em accountability, revisão humana obrigatória, rastreabilidade e aprendizado institucional contínuo. Limitações: O estudo apresenta natureza teórica e não foi validado em aplicação prática. A coleta de dados via e-SIC limitou a profundidade das respostas qualitativas e retrata um cenário específico até maio de 2025. Não contempla a totalidade das práticas informais ou culturas institucionais. Aplicabilidade no trabalho: O framework proposto oferece um roteiro estruturado e adaptativo para a construção de políticas de governança da IAGen nos Tribunais de Contas, contribuindo para decisões mais seguras, auditáveis e alinhadas ao interesse público. Contribuições para a sociedade: Ao abordar os principais riscos envolvidos no uso de Large Language Models (LLMs) em peças processuais que repercutem diretamente no processo decisório do controle externo, a dissertação contribui para o fortalecimento da governança institucional, da legitimidade das decisões públicas e da proteção dos direitos fundamentais, promovendo uma inteligência artificial centrada na responsabilidade pública. Originalidade: A originalidade do trabalho reside na combinação entre pesquisa empírica nacional inédita sobre o uso de LLMs em peças processuais e a contrução de um framework teórico próprio, inspirado no CRISP-DM, voltado à governança adaptativa da IAGen no contexto das Cortes de Contas brasileiras. |
| publishDate |
2025 |
| dc.date.accessioned.fl_str_mv |
2025-08-29T12:50:38Z |
| dc.date.available.fl_str_mv |
2025-08-29T12:50:38Z |
| dc.date.issued.fl_str_mv |
2025-08-07 |
| dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
| dc.type.driver.fl_str_mv |
info:eu-repo/semantics/masterThesis |
| format |
masterThesis |
| status_str |
publishedVersion |
| dc.identifier.uri.fl_str_mv |
https://hdl.handle.net/10438/37555 |
| dc.identifier.lattes.none.fl_str_mv |
http://lattes.cnpq.br/1868054668198558 |
| url |
https://hdl.handle.net/10438/37555 http://lattes.cnpq.br/1868054668198558 |
| dc.language.iso.fl_str_mv |
por |
| language |
por |
| dc.relation.confidence.fl_str_mv |
-1 |
| dc.relation.GradProgram.none.fl_str_mv |
Administração Pública |
| dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
| eu_rights_str_mv |
openAccess |
| dc.format.none.fl_str_mv |
118 f. |
| dc.source.none.fl_str_mv |
reponame:Repositório Institucional do FGV (FGV Repositório Digital) instname:Fundação Getulio Vargas (FGV) instacron:FGV |
| instname_str |
Fundação Getulio Vargas (FGV) |
| instacron_str |
FGV |
| institution |
FGV |
| reponame_str |
Repositório Institucional do FGV (FGV Repositório Digital) |
| collection |
Repositório Institucional do FGV (FGV Repositório Digital) |
| bitstream.url.fl_str_mv |
https://repositorio.fgv.br/bitstreams/f458d6a1-f3dc-41d3-9dc1-9667cdc4bd8f/download https://repositorio.fgv.br/bitstreams/ab669360-e921-4048-8c0d-7065532a33d9/download https://repositorio.fgv.br/bitstreams/a38d1d73-49ec-4206-aa22-bc858d06dacf/download https://repositorio.fgv.br/bitstreams/f2e1e81f-b72a-4ec8-a730-8f2175451650/download |
| bitstream.checksum.fl_str_mv |
2a4b67231f701c416a809246e7a10077 07cb1df854ceeb433521114f499bb721 6da8784046d06e4f5e2d3276e26ab3b0 1f1cca7a535aaac205675eb2d8345604 |
| bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 MD5 |
| repository.name.fl_str_mv |
Repositório Institucional do FGV (FGV Repositório Digital) - Fundação Getulio Vargas (FGV) |
| repository.mail.fl_str_mv |
biblioteca.digital@fgv.br |
| _version_ |
1882209774161887232 |