Cinco testes que toda iniciativa de IA inclusiva precisa passar

Prateek Shrivastava | 13 de julho de 2026 | Reportagem da AI for Good 2026 em Genebra, Suíça.

Passei três dias no AI for Good Global Summit Em Genebra, onde mais de 11.000 participantes de 169 países se reuniram ao lado do primeiro Diálogo Global das Nações Unidas sobre Governança da Inteligência Artificial e do Fórum da Cúpula Mundial sobre a Sociedade da Informação. A cúpula mostrou quão rapidamente a inteligência artificial (IA) está avançando em áreas como saúde, educação, agricultura, finanças, ciência e indústrias criativas. Além disso, reforçou a influência das instituições que financiam, compram, regulam e distribuem essas tecnologias. A capacidade de modelagem é importante, mas as instituições determinam quais aplicativos chegam às pessoas, quais empresas garantem os clientes e onde o valor econômico resultante se acumula.

Genebra ajudou a aprimorar cinco testes que uso agora para avaliar qualquer iniciativa de IA focada no desenvolvimento e inclusão.

1. Resolve um problema prioritário para pessoas carentes em condições reais de vida?

Uma solução resolve um problema prioritário para pessoas carentes, nas condições em que elas realmente vivem e trabalham: acessível, no idioma correto, funcional em relação à conectividade e à fonte de energia existentes, e não à infraestrutura que os planejadores desejam que exista?

O presidente Paul Kagame e Marc Benioff lançaram Comissão Global de IA para o Bem. Ela reúne líderes políticos, empresas de tecnologia, investidores e instituições internacionais. Seu mandato abrange o acesso, a confiança e o uso da IA para o desenvolvimento sustentável. Isso deixa claro a magnitude do desafio. Cerca de 2,2 bilhões de pessoas ainda não têm acesso à internet. Muitos mais vivem com conectividade instável, acesso limitado à computação, dados em língua local escassos e instituições que ainda estão construindo capacidade digital básica.

Sangbu Kim, vice-presidente da World Bank para Transformação Digital, fez uma apresentação direção prática através do conceito de “Small AI”. Trata-se de sistemas construídos especificamente para operar com recursos computacionais modestos, conectividade intermitente e dados relevantes a nível local.

Essas condições moldam o design de IA útil. Produtos que dependem de conectividade constante, dispositivos caros e modelos baseados em nuvem de grande porte terão relevância limitada em muitos dos mercados onde a necessidade é maior. Alguns exemplos incluem ferramentas offline que ajudam os médicos a preparar notas médicas, tutoria baseada no WhatsApp, rastreamento de tuberculose com suporte de IA e diagnósticos agrícolas que permitem aos agricultores identificar doenças nas culturas a partir de uma fotografia. Esses sistemas funcionam dentro de serviços, dispositivos e fluxos de trabalho que as pessoas já utilizam.

Essa abordagem tem implicações claras para os financiadores e os fornecedores de tecnologia. A linguagem, a acessibilidade, a energia, a conectividade e o acesso aos dispositivos devem influenciar o design do produto desde o início. As decisões de investimento também devem considerar a distribuição, a integração, a formação e o suporte a longo prazo. O alcance depende do sistema completo de entrega que envolve a tecnologia.

2. Existe uma rota credível do ponto de vista da adoção institucional e em escala?

Existe uma rota credível para a adoção institucional a partir de um piloto bem-sucedido: clientes reais, processos de aquisição, distribuição e capital adequados aos ciclos de vendas lentos de compradores regulados?

O Fábrica de Inovação e outros programas de cúpula apresentaram empreendedores que trabalham em áreas como pagamentos, saúde, saúde mental, resiliência climática e gestão de água. Nearpays, A , uma fintech africana que transforma smartphones comuns em terminais de pagamento, foi uma das empresas reconhecidas em Genebra. Os prêmios e os concursos proporcionam visibilidade, validação e financiamento inicial. O crescimento sustentável exige clientes institucionais, canais de aquisição, acesso a dados e capital que reflita as realidades da adoção.

As agências públicas, os bancos, os prestadores de cuidados de saúde e as instituições de desenvolvimento frequentemente têm processos de aquisição lentos e capacidade limitada para avaliar sistemas emergentes. Os fundadores podem passar anos a passar de um piloto bem-sucedido a um contrato repetível. Isso enfraquece as empresas promissoras e atrasa o acesso a tecnologias potencialmente úteis. Dez instituições financeiras que exploram a IA para avaliações de crédito, prevenção de fraudes ou atendimento ao cliente podem criar um mercado mais credível trabalhando juntas do que executando dez experimentos independentes. Isso dá aos empreendedores sinais de demanda mais claros e dá aos investidores evidências mais fortes sobre desempenho e escalabilidade. O capital se torna mais eficaz quando está ligado aos clientes, à distribuição e a uma rota de adoção credível.

Os investidores de impacto podem ajudar a superar essa lacuna ao agrupar a demanda em seus portfólios e redes. Instituições que enfrentam desafios semelhantes podem definir requisitos comuns, realizar avaliações conjuntas, estabelecer padrões de aprovisionamento responsáveis e testar soluções em ambientes comparáveis.

3. É possível confiar nela, governá-la e colocá-la em prática sob pressão?

Pode-se confiar, governar e questionar um sistema na prática: com evidências, supervisão humana, monitoramento e um caminho de recurso quando algo der errado?

O CTO da Amazon, Werner Vogels, utilizou seu discurso principal para apresentar:“A confiança está morta: acredite em mim,”para descrever como a IA generativa alterou a economia do engano. Textos, imagens, áudios e identidades sintéticos agora podem ser produzidos rapidamente e com custos muito baixos. O presidente da Microsoft, Brad Smith, abordou o mesmo desafio a partir de uma perspectiva política. Sua posição refletiu a necessidade de regras que protejam a sociedade, mantendo ao mesmo tempo a capacidade de suportar a inovação e a adoção. A nova posição da UIT Grupo de Discussão sobre Confiança e Identidade para Humanos e IA Agencial proporciona uma resposta institucional concreta. Seu trabalho examinará como os sistemas autônomos são identificados, governados e responsabilizados à medida que começam a tomar ações e interagir com outros sistemas.

Estas questões têm relevância imediata para os serviços financeiros, a saúde, a educação e a administração pública. Um banco que utiliza IA para a aprovação de crédito deve compreender os dados, os métodos de teste, o risco de viés e o papel do julgamento humano. Uma agência governamental deve estabelecer responsabilidade e recursos quando um sistema automatizado influencie o acesso a um serviço público.

A IA responsável deve ser visível nos processos operacionais, nos contratos de aquisição e na supervisão do conselho de administração. As instituições devem documentar as fontes de dados, os direitos de decisão, os controles humanos, o monitoramento, os procedimentos de escalonamento e os recursos disponíveis aos usuários. A confiança depende de evidências, de responsabilidade e da capacidade de intervir quando os sistemas falharem.

4. É possível criar capacidade local e distribuir valor de forma justa?

O sistema está a criar capacidades locais e a distribuir o valor de forma justa entre os criadores, as comunidades e os empreendedores locais que proporcionam os dados, o conhecimento e o trabalho que tornam possível a implementação deste sistema, e não apenas para a empresa que o implementa?

Björn Ulvaeus, cofundador da ABBA e presidente da CISAC, colocou os direitos econômicos dos criadores no centro da cúpula. Ele defendeu acordos de licenciamento coletivo que permitam artistas e outros titulares de direitos participarem do valor gerado por obras utilizadas para treinar sistemas de IA comerciais. O projeto ABBA Voyage forneceu uma ilustração prática: a tecnologia expandiu a experiência criativa preservando o consentimento, a participação e os direitos econômicos dos artistas.

O mesmo princípio se aplica a todos os setores. Os sistemas de IA utilizam conhecimentos, linguagem, comportamento e dados gerados por trabalhadores, clientes, comunidades e instituições públicas. Uma IA inclusiva exige regras claras sobre como esses inputs são coletados, governados e monetizados.

Investidores e conselhos de administração devem examinar a cadeia de fornecimento de dados de todas as empresas de IA. Isso inclui consentimento, origem, representação, propriedade intelectual, direitos da comunidade e distribuição dos retornos econômicos. Uma empresa que depende de inputs mal governados ou não compensados carrega riscos legais, reputacionais e sociais. A participação justa reforça a legitimidade e a resiliência comercial a longo prazo.

5. Os resultados são mensuráveis e as instituições são responsáveis pela sua execução?

Os resultados são mensuráveis e alguém, uma empresa, um investidor, um governo, uma comissão, uma instituição de desenvolvimento, é responsável por alcançá-los, e não apenas por anunciá-los?

Amandeep Singh Gill, Enviado do Secretário-Geral da ONU para a Tecnologia, enfatizou a necessidade de uma participação global e baseada em evidências na governança da IA. Rachel Adams reforçou a importância de uma representação significativa para os Estados menores e as economias de baixa renda. O Prêmio Nobel da Paz Kailash Satyarthi trouxe novamente a discussão para a dignidade humana e a proteção das pessoas com menos poder.

Essas perspectivas criam uma expectativa clara de responsabilidade institucional.

O mesmo padrão deve ser aplicado em todo o campo mais amplo da IA para desenvolvimento. Conferências, aceleradoras, princípios e programas de treinamento desempenham todos um papel. Sua contribuição deve estar relacionada à adoção, à capacidade institucional e a melhorias mensuráveis na vida das pessoas.

O trabalho após Genebra

O progresso exige ação coordenada. Governos e instituições podem definir problemas prioritários e estabelecer caminhos para a aquisição de recursos. Investidores podem agregar a demanda e financiar a adoção. Provedores de tecnologia podem projetar soluções para as condições locais e demonstrar confiabilidade. Organizações globais podem publicar normas, compromissos e resultados. A IA para o bem será avaliada com base na implementação. O progresso será visível quando sistemas úteis forem adquiridos, governados e escalados por instituições competentes, e quando as pessoas que eles visam servir participarem de forma significativa dos benefícios.

Esses testes orientam o trabalho do Aliança para uma IA Inclusiva e o envolvimento da Accendo com investidores de impacto.

Há muito trabalho a ser feito. E já começámos a correr a maratona!