Inteligência artificial generativa na elaboração de peças processuais do controle externo: diretrizes de governança para uma inovação responsável e segura

Detalhes bibliográficos
Ano de defesa: 2025
Autor(a) principal: Campagnolli, Juliana Narjara Libório
Orientador(a): Santos, Jefferson de Barros
Banca de defesa: Não Informado pela instituição
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