Não Regule Modelos de IA. Regule o Uso de IA

Estados Unidos - Agência de Notícias Ekhbary

Não Regule Modelos de IA. Regule o Uso de IA

O cenário global da regulamentação da Inteligência Artificial (IA) está evoluindo rapidamente, com nações buscando estratégias distintas para governar essa tecnologia transformadora. Das regras focadas no provedor da China à Lei Abrangente de IA da Europa e ao emergente quadro de governança da Índia, a comunidade internacional está lutando para encontrar a melhor maneira de aproveitar o potencial da IA enquanto mitiga seus riscos. Em meio a essa complexa corrida geopolítica e tecnológica, os EUA se encontram em uma encruzilhada, com estados individuais promulgando suas próprias regras, enquanto os esforços federais visam criar uma abordagem mais unificada. Surge uma questão crucial para engenheiros e formuladores de políticas americanos: qual estrutura regulatória os EUA podem implementar efetivamente para reduzir danos tangíveis no mundo real?

John deVadoss, um experiente tecnólogo e cofundador da NeuralFabric (adquirida pela Cisco), defende uma mudança de paradigma na governança de IA. Em vez de tentar regular os modelos de IA subjacentes, complexos e muitas vezes difíceis de apreender, deVadoss propõe concentrar os esforços regulatórios no *uso* dos sistemas de IA. Essa abordagem, argumenta ele, não é apenas mais prática, mas também mais alinhada com as realidades da tecnologia digital e os quadros legais existentes, especialmente nos Estados Unidos.

A tendência regulatória global atual exibe divergências significativas. As regulamentações iniciais da China sobre IA, publicadas em 2021, enfatizaram fortemente a governança de conteúdo e a responsabilidade do provedor, aplicadas por meio de supervisão de plataforma e requisitos de manutenção de registros. A Europa, com sua Lei de IA da UE (em vigor desde 2024), já busca atualizações e simplificações, indicando a natureza dinâmica da governança de IA. A Índia, em novembro de 2025, publicou seu sistema de governança de IA desenvolvido por consultores técnicos seniores. Enquanto isso, os EUA apresentam um quadro mais fragmentado. A legislação a nível estadual está surgindo, criando um mosaico de regras, enquanto as iniciativas federais em 2025 buscaram centralizar o controle e potencialmente afrouxar as rédeas existentes, levando a debates e incertezas consideráveis.

DeVadoss critica propostas como a licenciamento de execuções de treinamento "frontier" ou a restrição de modelos de peso aberto, citando como exemplo a Lei de Transparência em Inteligência Artificial de Fronteira da Califórnia. Ele argumenta que essas medidas, embora bem-intencionadas, oferecem a ilusão de controle em vez de governança eficaz. O desafio fundamental reside na própria natureza dos modelos de IA. Pesos e código de modelos são essencialmente artefatos digitais. Uma vez liberados no éter digital - seja por meio de pesquisa legítima, vazamentos acidentais ou ações de concorrentes estrangeiros - eles podem ser replicados a um custo quase zero. Tentativas de controlar ou "despublicar" esses artefatos são semelhantes a tentar capturar fumaça. Esforços para cercar geograficamente a pesquisa ou impedir a destilação de modelos grandes em modelos menores e mais acessíveis são tecnicamente difíceis, senão impossíveis, de serem aplicados globalmente.

As consequências de tentar regular diretamente os modelos são duplas e prejudiciais. Primeiro, empresas em conformidade, especialmente startups e pequenas empresas, correm o risco de serem soterradas por burocracia onerosa e procedimentos de conformidade complexos, o que pode sufocar a inovação e o crescimento econômico. Segundo, atores menos escrupulosos podem facilmente contornar essas regulamentações operando no exterior, usando redes clandestinas ou explorando brechas. Isso cria um campo de jogo desigual onde atores éticos são penalizados e atores não éticos ganham vantagem.

Além disso, no contexto dos EUA, a regulamentação da publicação de modelos de IA enfrenta obstáculos legais significativos relacionados à liberdade de expressão. Tribunais federais historicamente trataram o código-fonte de software como uma forma de expressão protegida. Consequentemente, qualquer regime regulatório que busque impedir ou restringir severamente a publicação e disseminação de modelos de IA pode enfrentar desafios legais substanciais, sendo potencialmente declarado inconstitucional.

A alternativa à regulamentação rigorosa de modelos não é uma abordagem de laissez-faire. DeVadoss enfatiza que a inação não é uma opção. Sem salvaguardas adequadas, a sociedade continuará a testemunhar a proliferação de aplicações prejudiciais de IA, incluindo sofisticadas fraudes de deepfake, fraudes financeiras automatizadas e campanhas onipresentes de persuasão em massa. Tal proliferação descontrolada muitas vezes leva a um ponto de crise, forçando uma resposta reativa e politicamente motivada que prioriza a aparência sobre os resultados eficazes.

Um regime regulatório baseado no uso oferece uma solução mais pragmática. Essa abordagem envolve classificar as implementações de IA com base em seu nível de risco potencial e dimensionar as obrigações regulatórias de acordo. Por exemplo, aplicações de alto risco em setores críticos como saúde, finanças ou emprego estariam sujeitas a supervisão, testes e medidas de responsabilidade mais rigorosos do que aplicações de baixo risco em áreas como entretenimento ou produtividade geral. Esse quadro garante que os esforços regulatórios se concentrem precisamente onde os sistemas de IA interagem com as pessoas e onde o potencial de dano é mais significativo. Ele permite flexibilidade, adaptabilidade e uma abordagem mais direcionada à aplicação, tornando-a mais eficaz na mitigação de riscos do mundo real sem impedir indevidamente o progresso tecnológico.

John deVadoss traz vasta experiência para o discurso sobre governança de IA. Ele é cofundador da NeuralFabric, especializada em modelos fundamentais específicos de domínio, que foi adquirida pela Cisco. Ele também é cofundador da InterWork Alliance, onde desenvolveu o inovador Token Taxonomy Framework para ativos digitais. Sua extensa carreira inclui cargos de liderança na Microsoft, onde foi pioneiro na Arquitetura Orientada a Serviços (SOA), projetou o framework .NET e liderou iniciativas como a Microsoft Digital. Ele possui doutorado em IA pela Universidade de Massachusetts, Amherst.

Agência de Notícias Ekhbary