Acompanhamento do projeto
Veja em que etapa o projeto está, quem são os responsáveis por cada decisão e quais aprovações ainda são necessárias.
Guia → Projeto → Acompanhamento
Implemente projetos de
Inteligência Artificial
Um guia para planejar, executar e acompanhar projetos de Inteligência Artificial (IA) no serviço público.
PARA GESTORES PÚBLICOS
O que este guia permite ao seu projeto
Como demandante de um projeto de IA, você é responsável por ele do início ao fim.
Esse guia orienta as etapas do processo.
Verificações de conformidade
Cada fase inclui verificações de LGPD, avaliação de impacto ético e critérios de avaliação, documentados para fins de auditoria.
Indicadores de acompanhamento
O guia orienta a definição de indicadores desde o início do projeto, como redução de tempo, adesão e eficiência operacional.
As 7 etapas do GuIA
Prospecção
Identificando o desafio certo antes de falar em IA
Fases desta etapa
Descoberta de desafioAprofundamentoValidação NIA (Opcional)Definição de facilitador
O que verificar antes de avançar
- Avaliar o impacto potencial com o uso da solução (operacional ou política pública).
- Confirmar que o desafio só pode ser resolvido por IA.
- Verificar necessidade de adequação à LGPD para dados pessoais ou sensíveis.
- Confirmar disponibilidade e acessibilidade dos dados.
- Confirmar se é um desafio estratégico para políticas públicas.
- Análise e aprovação dos resultados obtidos (Estudo Técnico Preliminar, Mapas de riscos, Avaliação de Impacto Ético e Briefing).
- Avaliar se o potencial de adoção de IA é viável.
- Verificar se o desafio atende aos critérios de viabilidade técnica.
- Verificar se a avaliação preliminar da disponibilidade e validade dos dados foi satisfatória.
- Verificar se o potencial de impacto positivo é relevante e justificado.
Estruturação
Entendendo o escopo, riscos e viabilidade da solução
Fases desta etapa
CompreensãoDefinição de executores e sustentadoresViabilidade e risco ético dos dadosProposição de arquitetura inicial da soluçãoViabilidade técnica e financeiraAvaliação de riscosDefinição de métricas e proposta da experimentação
O que verificar antes de avançar
- Validação da proposta de MVP junto aos stakeholders.
- Definição e indicação das alternativas e decisões quanto à aquisição ou parcerias necessárias.
- Definir formato, volume mínimo e mecanismo de extração dos dados (detalhamento técnico).
- Identificar o responsável (guardião/curador) pelos dados.
- Classificar os dados quanto ao sigilo e sensibilidade.
- Verificar conformidade com LGPD e marco regulatório do órgão.
- Definir plano de anonimização (se necessário).
- Formalizar logística de acesso aos dados.
- Concluir AIE (parte 2) e verificar se riscos são aceitáveis/mitigáveis.
- Validar a separação em camadas (IA, aplicacional, governança).
- Justificar tecnicamente a tecnologia selecionada.
- Validar o reuso de ativos da plataforma do NIA.
- Garantir soberania digital (residência dos dados).
- Validar controles de acesso (menor privilégio, autenticação) e criptografia.
- Prever ferramentas de observabilidade (data drift, concept drift, auditoria).
- Mapear infraestrutura de TI necessária para a sustentação.
- Identificar técnicos (próprios ou parceiros) para manter a solução.
- Apurar o custo total estimado (nuvem, inferência, pessoal).
- Validar os recursos com o responsável pela sustentação futura.
- Identificar riscos críticos (dados, infraestrutura, regulação, ética).
- Executar a AIE total.
- Estabelecer caminho formal de liberação/acesso aos dados.
- Definir ambiente de armazenamento seguro.
- Validar se o plano de mitigação reduz riscos a níveis aceitáveis.
- Definir métricas de negócio claras e quantificáveis.
- Estabelecer critérios de aceite (thresholds).
- Descrever hipóteses a serem testadas.
- Validar disponibilidade/mapeamento de dados.
- Validar cronograma macro de experimentação.
- Confirmar orçamento e aceitabilidade dos riscos.
Experimentação
Testando a abordagem de IA antes de construir a solução completa.
Fases desta etapa
Planejamento e detalhamento do uso da IAExperimentação de modelo de IAValidação técnica, segurança e viabilidade
O que verificar antes de avançar
- Definir claramente o caso de uso.
- Incluir hipóteses da proposta nos casos de uso.
- Liberar recursos de infraestrutura e acesso aos dados (amostra).
- Disponibilizar os dados necessários.
- Validar a exequibilidade do cronograma detalhado.
- Se usar treino: verificar se a análise exploratória confirma dados suficientes.
- Se usar pré-treinado: Dados compatíveis com o modelo, dados sensíveis tratados, corpus atualizado e sem lacunas temáticas/contradições.
- Confirmar performance acima do limiar definido.
- Validar latência viável para experiência do usuário (UX).
- Verificar conformidade com LGPD.
- Zerar vulnerabilidades críticas.
Implementação
Construindo com qualidade e segurança.
Fases desta etapa
Arquitetura e designConstrução e infraTestes e validação
O que verificar antes de avançar
- Validar se o tempo de resposta (latência) permanece nos níveis aceitáveis.
- Testar plano de rollback.
- Verificar vulnerabilidades críticas e conformidade com LGPD.
- Configurar pipeline de retreino e monitoramento.
Implantação
Colocando em produção com segurança.
Fases desta etapa
Execução da GMUD (Gestão de Mudança)
Critério de aceite
- Equipe de sustentação aceitou formalmente os entregáveis?
- Códigos, acessos e documentação entregues?
Sustentação
Mantendo o modelo saudável e em evolução.
Fases desta etapa
Monitoramento contínuoGestão, retreino e evolução
Alertas de atenção contínua
- Performance acima do mínimo definido?
- Segurança sem vulnerabilidades ativas?
- Conformidade revalidada periodicamente?
- Custos de infra e tokens dentro do orçamento?
Desativação
Encerrando com rastreabilidade e responsabilidade.
Fases desta etapa
IdentificaçãoExecuçãoRastreabilidade e auditoria
O que verificar antes de encerrar
- Motivos documentados e stakeholders notificados?
- Dependências de negócio mapeadas?
- Endpoints desconectados?
- Recursos de nuvem e orçamento liberados?