Nem toda IA merece o mesmo controle. Qual uso pode parar sua operação?

Um colaborador usa IA para resumir uma reunião interna. Outro agente recomenda limite de crédito. Um terceiro altera datas de entrega no ERP. Os três aparecem no inventário como “uso de IA”, mas uma falha em cada caso produz consequências completamente diferentes.

Quando a empresa aplica o mesmo controle a tudo, costuma cair em um de dois extremos. Ou cria uma burocracia que ninguém sustenta para tarefas leves, ou libera sistemas materiais com a mesma revisão informal usada em um rascunho. Materialidade de IA é a disciplina de descobrir quais usos merecem mais atenção, antes que volume, integração e dependência transformem um piloto discreto em infraestrutura crítica.

O termo não é uma nota universal nem uma categoria jurídica pronta. É uma classificação interna, contextual e revisável. Ela ajuda a decidir onde colocar teste, aprovação, monitoramento, contingência, contrato e tempo de especialista — recursos finitos em qualquer PME.

O sinal recente: adoção cresce, mas o controle contínuo não acompanha no mesmo ritmo

Em 26 de outubro, o Banco da Inglaterra e a Financial Conduct Authority publicaram a pesquisa de IA no setor financeiro britânico de 2026. O levantamento recebeu 196 respostas, entre 101 empresas maiores e 95 menores; 105 responderam o questionário completo. É um setor regulado e não representa automaticamente empresas de Goiás, mas oferece um retrato recente de como organizações classificam e controlam usos cada vez mais numerosos.

Entre os respondentes do questionário completo, 62% disseram já ter uma classificação formal de materialidade para IA; o número chegava a 87% ao incluir processos parciais ou em desenvolvimento. Apenas cerca de 7% dos sistemas relatados foram considerados de alta materialidade, porém o número absoluto desses sistemas aumentou desde 2024. O dado é importante porque mostra que classificar não significa travar tudo: significa concentrar o controle no subconjunto que pode causar dano relevante ou interromper o negócio.

O mesmo relatório encontrou um desequilíbrio. Aprovação humana, revisão antes da implantação e diligência de fornecedor apareciam em mais de 90% das respostas, enquanto monitoramento contínuo, teste de vazamento e revisão ou recertificação periódica apareciam em torno de metade. Comprar e aprovar recebe atenção; verificar se o sistema continua adequado depois de mudanças, nem sempre.

O Financial Stability Board reforçou o ponto em suas práticas finais de 15 de outubro: avaliar materialidade e risco no início e novamente ao longo do ciclo de vida; ligar tecnologia, dados, explicabilidade, desempenho, supervisão humana, risco cibernético e dependências de terceiros. A referência também é financeira, mas o princípio é transferível: um uso muda de materialidade quando muda o contexto, não apenas quando muda o modelo.

Materialidade não é sinônimo de autonomia, precisão ou custo

Um sistema pode apenas recomendar e ainda ser material se sua recomendação influenciar repetidamente crédito, atendimento clínico, segurança ou contratação. Também pode executar de forma automática e continuar pouco material se o escopo for pequeno, reversível, observável e sem dados sensíveis.

Da mesma forma, precisão alta não reduz sozinha a consequência de um erro raro. E custo alto de licença não torna o uso material para a operação. A classificação precisa combinar o que o sistema faz, para quem, em qual volume, com quais dados, dentro de quais dependências e com que capacidade de recuperação.

O NIST AI Risk Management Framework trata risco como combinação de probabilidade e magnitude das consequências, mas alerta que tolerância é contextual. Seus recursos de gestão recomendam priorizar controles conforme impacto, probabilidade e recursos disponíveis. Uma planilha numérica pode ajudar, mas não deve esconder regras de parada: certos efeitos sobre pessoas, segurança, dinheiro ou continuidade elevam a classe mesmo quando o histórico de falha ainda é pequeno.

Método MATERIAL: oito perguntas antes de definir o controle

1. M — Missão e resultado. Declare o resultado operacional que o sistema influencia. “Usar chatbot” não basta. Escreva “confirmar agendamento”, “recomendar limite”, “abrir pedido”, “classificar ocorrência” ou “alterar promessa de entrega”.
2. A — Alcance e frequência. Quantas pessoas, transações, unidades, obras, clientes ou hectares podem ser afetados? Um erro corrigível em um caso muda de natureza quando se repete mil vezes antes de ser percebido.
3. T — Terceiros e dependências. Liste modelo, nuvem, conectores, fornecedores de dados e sistemas oficiais. Registre substituição possível, aviso de mudança, suporte, portabilidade e plano de saída.
4. E — Efeito sobre pessoas e patrimônio. Procure impacto em saúde, segurança, direitos, acesso, reputação, caixa, margem, contrato, prazo e ambiente. Não limite o efeito ao valor de uma única transação.
5. R — Reversibilidade e recuperação. É possível desfazer tecnicamente e operacionalmente? Cancelar um registro não recupera um cliente exposto, uma dose enviada, um serviço coberto ou uma carga que já saiu.
6. I — Informação e sensibilidade. Identifique dados pessoais, clínicos, financeiros, estratégicos e credenciais. Verifique também qualidade, validade, origem, permissão de uso e retenção.
7. A — Autonomia e alçada. Separe preparar, recomendar, decidir e executar. Quais ferramentas o agente pode acionar? Que limite de valor, quantidade, prazo ou consequência exige aprovação ou bloqueio?
8. L — Lastro e observabilidade. Que evidência prova entrada, decisão, ação e resultado? Existe log útil, reconciliação com o sistema oficial, métrica de desfecho, alerta e responsável capaz de interromper o fluxo?

Não transforme as oito respostas em uma média que compense um dano crítico com vários itens leves. Use-as para identificar o pior efeito plausível, a extensão da exposição e a força real dos controles. Dados sensíveis sem finalidade clara, ação irreversível, ausência de dono ou impossibilidade de interromper são gatilhos de elevação.

Quatro classes operacionais — e o pacote mínimo de cada uma

• Classe 1 — Assistência reversível: rascunho, resumo ou organização interna sem atualização automática de registro oficial. Exija finalidade, orientação de uso, proteção básica de dados, revisão por amostra e canal para relatar erro.
• Classe 2 — Influência controlada: recomendação que orienta uma pessoa ou alimenta uma etapa posterior. Acrescente dono do processo, fonte e validade, critério de aceite, conjunto de testes, registro de correções e revisão periódica.
• Classe 3 — Execução material limitada: o sistema altera registro, envia mensagem, reserva recurso ou aciona fluxo dentro de alçada. Exija identidade própria, menor privilégio, aprovação por condição, idempotência, monitoramento, reconciliação, rollback ou compensação, fila de exceção e contingência.
• Classe 4 — Efeito crítico ou difícil de recuperar: impacto relevante em segurança, saúde, direitos, caixa, obrigação, continuidade ou grande volume. A IA pode preparar e sinalizar, mas a empresa precisa de avaliação especializada, validação independente, testes adversariais, decisão formal de alçada, supervisão contínua, resposta a incidentes, plano de saída e prova de que a alternativa sem IA funciona.

Essas classes servem para priorização interna; não substituem lei, norma setorial, responsável técnico ou análise jurídica. Um uso pode ser elevado por obrigação externa mesmo que pareça simples. Também pode descer depois que escopo, volume, dados e ação forem reduzidos de forma comprovável.

Matriz consequência × exposição

• Baixa consequência + baixa exposição: controle leve, limites claros e amostragem. É o espaço para experimentar sem criar um comitê para cada prompt.
• Baixa consequência + alta exposição: monitore repetição, custo, qualidade e reversão em lote. Um erro pequeno, multiplicado, pode virar desperdício ou dano reputacional.
• Alta consequência + baixa exposição: mesmo poucos casos pedem especialista, evidência forte, alçada e plano de recuperação. Raridade não neutraliza gravidade.
• Alta consequência + alta exposição: reduza primeiro autonomia e raio de impacto. Só escale depois de testes, monitoramento, resposta a incidentes e contingência demonstrarem capacidade real.

Exposição combina volume, velocidade, duração até detecção e propagação entre sistemas. Um agente que processa dez casos por dia, mas altera automaticamente cinco bases antes de qualquer revisão, pode ter exposição maior que outro que analisa centenas de casos e entrega apenas uma fila priorizada.

Exemplo hipotético: a mesma IA em quatro pontos de uma distribuidora

Uma distribuidora implanta um modelo para interpretar pedidos recebidos por e-mail e WhatsApp. No primeiro uso, ele resume mensagens para a equipe. No segundo, sugere SKU e quantidade. No terceiro, cria o pedido no ERP. No quarto, libera a separação e confirma prazo ao cliente.

A tecnologia de base é a mesma; a materialidade não é. O resumo pode ficar na Classe 1. A sugestão de item entra na Classe 2 porque influencia a decisão. Criar pedido vira Classe 3: exige validação de cliente, unidade, preço, estoque, duplicidade, alçada e reconciliação. Liberar separação e prometer data pode chegar à Classe 4 em pedidos grandes, itens regulados, clientes críticos ou operação sem recuperação antes do embarque.

A classificação também mostra um caminho de implantação. Em vez de liberar tudo ou bloquear tudo, a empresa começa pela leitura, mede aceitação, testa exceções, restringe catálogo e valor, integra com confirmação e só depois considera ação. Escalar IA deixa de significar aumentar acesso; passa a significar provar controle em cada novo efeito.

Como a classificação muda nas verticais da V7

• v7 Obras: resumir diário é diferente de alterar cronograma, liberar medição ou recomendar uma correção que ficará coberta. Segurança, contrato, custo e reversibilidade elevam a classe.
• v7 Carteira: ordenar uma lista comercial não equivale a mudar crédito, preço, cobrança, baixa ou promessa de entrega. Exposição financeira e volume precisam aparecer no cartão.
• v7 Agro: organizar histórico de cliente é diferente de recomendar dose, manejo ou produto em contexto que exige fonte, condição local e responsabilidade técnica.
• v7 Imob: escrever descrição de imóvel pode ser leve; priorizar candidatos, alterar disponibilidade, preço ou documento afeta pessoas, patrimônio e obrigações.
• v7 Clínicas Retorno: lembrar consulta dentro de regra aprovada não é o mesmo que interpretar sintoma, priorizar urgência ou registrar conteúdo clínico. A consequência muda o limite da automação.
• v7 Custom: em finanças, compras, RH e contratos, o mesmo agente pode atravessar classes conforme ganha dados, conectores, volume e poder de execução.

Cartão mínimo de materialidade

Para cada uso, registre: nome e ID; processo; resultado pretendido; dono de negócio; operador; usuários e pessoas afetadas; frequência e volume; entradas e fontes; dados sensíveis; saídas; sistemas conectados; ações permitidas; alçada; pior efeito plausível; tempo até detecção; reversibilidade; dependências de terceiros; critérios de aceite; testes; métricas de resultado e risco; logs; fila de exceção; modo degradado; plano de saída; classe atual; justificativa; aprovador; data da revisão; e gatilhos de reclassificação.

O cartão deve acompanhar o uso, não ficar enterrado no projeto inicial. Nova integração, aumento de volume, mudança de fornecedor, dado mais sensível, expansão para outra unidade, incidente ou alteração de política exigem reclassificação.

Doze perguntas para a reunião de portfólio

1. Qual resultado de negócio este uso muda, e quem responde por ele?
2. Ele prepara, recomenda, decide ou executa?
3. Qual pessoa, valor, obrigação ou operação pode ser prejudicada?
4. Quantos casos podem ser afetados antes de alguém perceber?
5. Que dado sensível entra, sai ou fica retido?
6. Qual sistema oficial é alterado e como o efeito é confirmado?
7. O erro pode ser desfeito no mundo real, não apenas na tela?
8. Que mudança do fornecedor pode chegar à produção sem aviso?
9. Quem pode pausar, corrigir, reverter e comunicar?
10. Qual evidência sustenta a classe atual?
11. Que evento eleva automaticamente a materialidade?
12. Se a IA ficar indisponível amanhã, o processo continua?

Piloto de 15 dias úteis para classificar sem paralisar

1. Dias 1 a 3: inventarie até dez usos reais, incluindo ferramentas compradas, automações internas e usos informais. Nomeie o processo e o dono; não catalogue apenas o produto.
2. Dias 4 a 6: preencha o cartão MATERIAL e aplique as quatro classes. Use gatilhos de elevação antes de discutir nota ou média.
3. Dias 7 a 9: escolha um caso de cada classe e verifique controles no fluxo real. Peça evidência de logs, aprovação, reconciliação, recuperação e contingência.
4. Dias 10 a 12: simule mudança de fornecedor, dado incorreto, integração indisponível, duplicidade e aumento de volume. Reclassifique onde o efeito escapou do limite previsto.
5. Dias 13 a 15: aprove três decisões: manter com controle atual, reforçar antes de escalar ou reduzir escopo e autonomia. Defina calendário de revisão e gatilhos automáticos de retorno.

A pesquisa D4SME 2026 da OCDE, baseada em uma amostra não representativa de mais de 2.000 PMEs em 12 países, encontrou adoção crescente, mas integração estratégica e segura ainda desigual. Tempo, custo de manutenção e competências continuam como barreiras. Isso reforça a abordagem proporcional: PME não precisa copiar a estrutura de um banco, mas precisa saber quais poucos usos merecem disciplina comparável.

Do diagnóstico à operação contínua

O V7 IA Ready transforma a lista dispersa de ferramentas em um portfólio por processo, resultado e materialidade. Os Agentes Verticais entram com dados, alçadas, exceções e provas próprios de cada setor. A Operação Contínua monitora mudanças de volume, fornecedor, integração, comportamento e consequência para reclassificar o uso antes que o risco cresça em silêncio.

IA só gera ROI quando existe processo, dados, responsável, rotina de revisão e implantação operacional. Materialidade dá a essa disciplina uma ordem prática: controle leve onde o efeito é leve; controle forte onde um erro pode atravessar a empresa.

Fontes consultadas

• Bank of England e FCA — Artificial intelligence in UK financial services 2026, 26 de outubro de 2026.
• Financial Stability Board — Sound Practices for Responsible Adoption of Artificial Intelligence, 15 de outubro de 2026.
• NIST — AI Risk Management Framework, enquadramento e priorização de riscos.
• NIST — AI RMF Core, funções Map, Measure e Manage.
• OCDE — Empowering SMEs in the age of AI: The 2026 OECD D4SME Survey.