Leonardo Gomes Ribeiro Gonçalves*
A inteligência artificial generativa já está presente nas empresas e no poder púbico, e sua adoção geralmente segue o caminho da informalidade. Em outras palavras, em vez de chegar por decisão dos gestores, ela entra pelas mãos de cada colaborador, que adota por conta própria ferramentas de propósito geral existentes. A esse uso por iniciativa individual, à margem dos instrumentos de gestão, dá-se o nome de shadow AI.
Pesquisa da Deloitte com trabalhadores do Reino Unido apurou que 71% admitiram usar ferramentas de IA não aprovadas no trabalho, e 51% o faziam ao menos uma vez por semana. No setor público, o Public Sector AI Adoption Index 2026, levantamento com 3.335 servidores em dez países, constatou que mais de 70% já usam IA no trabalho cotidiano. Nesse contexto, a questão relevante é qual deve ser o papel da governança exercida pela gestão diante de um fenômeno que se manifesta de modos distintos no setor público e em empresas.
A shadow AI costuma produzir resultados positivos no curto prazo, e é exatamente isso que a torna difícil de administrar o seu uso por colaboradores. Mas, por trás do ganho imediato, ela esconde um desalinhamento entre o incentivo individual do colaborador que a adota e o interesse da organização. Esse desalinhamento, deixado sem resposta, pode comprometer a própria organização. O papel da governança, em qualquer setor, é corrigir esse desalinhamento de interesses.
1. Por que a shadow AI é interessante aos colaboradores das empresas e do poder público
Convém começar compreendendo o fenômeno. A shadow AI nasce de uma assimetria de velocidade. O mercado de IA de propósito geral (ChatGPT, Gemini, Claude) opera em ciclos de meses. A governança da tecnologia nas empresas e na administração pública tem ciclos medidos em anos, porque depende de decisões que envolvem avaliação de segurança, homologação e treinamento de colaboradores. Entre o que o colaborador consegue usar individualmente, por sua vontade e autoaprendizado, e o que a organização decide, abre-se um intervalo permanente, que se amplia a cada nova geração de ferramentas lançadas no mercado.
Nesse intervalo, a escolha individual é racional. A ferramenta de mercado entrega ganho imediato ao colaborador, proporcionando mais rapidez, mais qualidade aparente, menos esforço. O risco, em contrapartida, é difuso e futuro. Para o colaborador que decide isoladamente, a conta fecha quase sempre a favor de adotar a ferramenta de mercado. E como o benefício aparece logo, a shadow AI se autolegitima, com resultados positivos individuais no curto prazo reforçando a percepção de que a governança da tecnologia utilizada no trabalho é um entrave, não uma proteção ou um benefício.
É essa eficácia individual de curto prazo que mascara o problema de fundo. O colaborador otimiza para o seu próprio resultado imediato, com benefícios aparentes para a organização. E os dois interesses, do indivíduo e da empresa ou do poder público nem sempre coincidem.
2. O desalinhamento de interesses mascarados no ganho
O desalinhamento tem várias faces, e nenhuma delas aparece no resultado imediato que incentiva o uso da IA na sombra.
Há o risco sobre o dado. Informação sensível inserida em ferramentas não homologadas pela gestão escapa ao controle da organização, sem que o colaborador, focado na própria entrega, perceba o que está expondo. Relatório da IBM de 2025 estimou que violações de dados envolvendo shadow AI custaram, em média, cerca de US$ 670 mil a mais do que outros incidentes, e que a esmagadora maioria das organizações atingidas não dispunha de controles de acesso adequados à época. A exposição é alimentada pela forma como a ferramenta é acessada, estimando-se que perto de metade dos usuários de IA generativa o façam por meio de contas pessoais, contornando por completo os controles corporativos.
Além disso, há o risco sobre a qualidade. A ferramenta produz resultados que parecem bons, e o colaborador, recompensado pela rapidez, tende a não verificar com o rigor que a tarefa exige.
E há, por fim, o risco sobre a continuidade. Na adoção não transparente da ferramenta, cada um reinventa sozinho suas práticas e o aprendizado que poderia ser um ativo coletivo permanece fragmentado, perdido quando aquele colaborador sai da organização. Uma organização cujos processos passam a depender de ferramentas que ela não conhece, não controla e não documenta torna-se vulnerável sem perceber. A dependência só se revela quando algo falha, quando a ferramenta muda, encarece, vaza um dado ou produz um erro grave e, até lá, os ganhos de curto prazo terão escondido a vulnerabilidade acumulada.
É por isso que a shadow AI, mesmo produtiva individualmente, é um problema de governança e não uma solução espontânea dentro das empresas e na administração pública. Ela representa a organização sendo conduzida por uma soma de decisões individuais sem coordenação, cujo alinhamento com o interesse comum é, na melhor das hipóteses, acidental. Trata-se de uma manifestação do clássico problema do principal e do agente, estudado há décadas pela economia, segundo a qual, quando alguém delega uma tarefa a outrem sob informação imperfeita entre as duas partes, o agente otimiza para aquilo que lhe é vantajoso, não necessariamente para o que o principal deseja. O desalinhamento, nesse arcabouço teórico, é o resultado esperado da delegação quando os incentivos de cada uma das partes não são previamente alinhados. A shadow AI é esse problema aplicado à adoção de tecnologia, sendo o colaborador o agente e a organização o principal. A ferramenta de IA de propósito geral disponível no mercado é o que facilita ou promove o descolamento dos interesses dos dois.
3. O setor privado competitivo
A natureza do desalinhamento, e portanto o papel da governança, varia conforme o ambiente de incentivos em que a organização está inserida.
Nas empresas que estão em ambiente concorrencial, a competição funciona como um corretor parcial do problema da falta de governança da IA. O ganho de eficiência que o colaborador obtém com a ferramenta tende a se converter em resultado para a empresa, pelo menos em curto prazo, porque o mercado cobra desempenho. Existe, nesse sentido, um alinhamento de origem, pois o que é bom para a produtividade do colaborador costuma ser bom para a competitividade da organização. Por isso a shadow AI da empresa competitiva é, em geral, de alto rendimento, com o colaborador tendo todo o incentivo para dominar a ferramenta de propósito geral de IA a fundo.
Mas alinhamento parcial de interesses do colaborador e da empresa competitiva não significa alinhamento integral. A competição alinha o vetor da produtividade, não os vetores do risco. O colaborador que foca no resultado não internaliza o custo de um vazamento de dados, de uma dependência mal calculada ou de um erro que só aparecerá no futuro, custos esses que recaem sobre a organização.
O papel da governança no setor privado, portanto, não é frear a adoção, que o mercado premia, mas capturar a energia que a competição já produz e coordená-la, homologando o que já se usa, oferecendo ferramentas customizadas próximas da fronteira de inovação em ambiente seguro, transformar a iniciativa clandestina em prática institucional. A experiência tem mostrado que a tentativa de simplesmente proibir o uso de IA nas empresas competitiva tende a falhar, como no caso da reação da Samsung, que baniu integralmente as ferramentas de IA generativa após um vazamento de dados via ChatGPT. Esse exemplo é citado na literatura especializada como tipo de resposta natural e equivocada, porque empurra o uso para a clandestinidade em vez de eliminá-lo. A governança eficaz, aqui, corre junto com o incentivo, não contra ele.
4. O setor público
No setor público, onde o regime concorrencial da empresa privada é estranho à organização, falta o motor que a competição oferece aos colaboradores e o desalinhamento é de interesses é mais abrangente.
A disposição do servidor a usar IA tende a não ser um traço individual de busca por eficiência produtiva. A razão está relacionada com o regime de responsabilização disciplinar e civil, que é constituído por controle interno e externo, vinculação à lei e limitação formal da iniciativa individual, o que influencia o cálculo de quem pensa em inovar na atividade desempenhada como servidor público. O erro cometido com auxílio de IA é identificável, atribuível a uma pessoa e punível. Assim, o ganho de eficiência, quando existe, é difuso, dificilmente mensurável e possivelmente não recompensado.
O resultado não é a ausência de shadow AI ou a baixa adoção individual. Dados registrados entre 2025 e 2026 desfazem a imagem do servidor refratário à tecnologia. Uma pesquisa Gallup apontou que, no quarto trimestre de 2025, o uso de IA no setor público já superava ligeiramente o do setor privado em adoção geral, embora o privado mantivesse vantagem no uso frequente, ao passo que no público predominava o uso ocasional. A diferença entre público e privado é que o servidor público usa IA de forma menos profunda e intermitente. A shadow AI, nesse contexto, tem feição defensiva e de baixo rendimento. O servidor emprega a ferramenta, porque ela alivia o trabalho, mas a usa pela metade, em tarefas triviais, sem método e sem assumir publicamente a autoria, com pouco incentivo para dominá-la tecnicamente. Colhe os riscos da informalidade e renuncia aos ganhos que os justificam.
O Public Sector AI Adoption Index 2026 confirma essa leitura. O levantamento constatou que, em organizações com orientação limitada, 70% dos servidores que usam IA o fazem “na sombra”, sem conhecimento oficial do empregador. De outro lado, onde há orientação e respaldo claros das lideranças, 91% dos servidores se sentem confiantes para usar a ferramenta. O estudo conclui que o gargalo não é tecnológico, mas de governança, orientação, incentivos internos e infraestrutura segura, precisamente o que falta para que o uso saia da sombra e ganhe profundidade e frequência. Não por acaso, o relatório recomenda, entre as medidas para destravar a adoção da IA no setor público, o uso de incentivos e o reconhecimento de equipes que desenvolvam novos casos de uso.
No caso específico do Brasil, a questão tem densidade constitucional. A eficiência é princípio expresso da administração pública, inscrito no caput do art. 37 da Constituição. Quando a estrutura de incentivos da organização administrativa induz o servidor a subutilizar meios tecnicamente disponíveis para realizar melhor o interesse público, a baixa adoção deixa de ser questão de produtividade e passa a tangenciar uma omissão no dever de boa administração. Há, nesse caso, uma tensão entre dois comandos constitucionais, o controle público, que pune o erro e estimula a inércia e a shadow AI de baixo rendimento, e a eficiência, que impõe o aproveitamento dos melhores meios para realizar o interesse público da melhor forma. Tratar o primeiro como absoluto e o segundo como dispensável é também uma forma de descumprimento de deveres constitucionais.
Por isso o papel da governança no setor público é distinto do seu papel no privado. Não basta canalizar uma energia que já existe, porque ela não existe na intensidade necessária. A governança pública precisa produzir o alinhamento que, na empresa, vem de fora, “fabricando” o incentivo que a competição na qual a empresa está inserida oferece naturalmente.
5. Considerações finais: o papel da governança da inteligência artificial
Reunindo os argumentos desenvolvidos ao longo deste texto, é possível responder à pergunta inicial. O papel da governança da IA não é proibir a shadow AI, nem deixá-la correr solta, mas converter o desalinhamento que ela representa em alinhamento entre o que o colaborador é levado a fazer e o que a organização precisa que seja feito.
No setor privado, isso significa aproveitar a força do incentivo de mercado competitivo da organização, trazer a adoção para da IA a luz, homologando e oferecendo alternativas seguras próximas da fronteira das empresas de tecnologia (Anthropic, OpenAI, Google, Microsoft), e concentrar o controle nos flancos dos dados, dependências tecnológicas e qualidade dos resultados. A governança que tenta impedir o uso da IA pelos colaboradores rema contra um incentivo mais forte do que ela e tende a assumir riscos sem transparência.
No setor público, significa enfrentar a assimetria mais abrangente e entre os interesses dos servidores públicos e da administração. Enquanto for possível punir o erro praticado com diligência no uso, o servidor provavelmente seguirá racionalmente preferindo não usar a IA por aversão ao risco e ausência de prêmios. Uma garantia que distinga erro grosseiro do erro escusável faria mais pela adoção responsável do que qualquer manual de boas práticas. Além disso, enquanto o ganho de eficiência produtiva for inteiramente difuso e o risco inteiramente pessoal, será preciso criar algum incentivo positivo, ainda que modesto, que torne o esforço de usar bem a ferramenta compensador ao agente público. Sem isso, a administração seguirá pagando o preço dos riscos da shadow AI sem colher os seus frutos.
Em ambos os casos, a shadow AI é um recado. Ela revela onde os incentivos individuais divergem do interesse coletivo. Governar a IA é ler esse recado e reconstruir o alinhamento antes que os ganhos de curto prazo terminem de esconder os custos que se acumulam ao longo do tempo.
Resta, entretanto, uma questão que tudo isso deixa em aberto. Se a shadow AI existe justamente porque entrega no curto prazo aquilo que a governança formal demora a entregar aos colaboradores, como pode a governança ser, ao mesmo tempo, rápida o bastante para não ser contornada e cuidadosa o bastante para proteger o interesse de longo prazo da organização? E, quando a organização é o Estado, quem deve assumir o risco de construir esse equilíbrio, o servidor público que a utiliza, a alta administração ou o poder legislativo?
______________
*Doutor em direito constitucional (IDP). Mestre em direito da regulação (FGV Direito Rio). Advogado e Procurador do Estado do Piauí.
Notas: Os dados citados provêm das seguintes referências: pesquisa Deloitte sobre uso de IA não aprovada por trabalhadores do Reino Unido (2024); IBM, Cost of a Data Breach Report (2025), para o percentual de organizações com políticas de governança de IA, o custo adicional das violações associadas à shadow AI e o uso de contas pessoais; Gallup, sobre adoção comparada de IA nos setores público e privado no quarto trimestre de 2025; e Public Sector AI Adoption Index 2026, produzido por Public First para o Center for Data Innovation, levantamento com 3.335 servidores em dez países, para os dados de adoção, uso “na sombra” e confiança associada à orientação institucional. O caso Samsung é relatado em análises especializadas sobre governança de shadow AI. A referência ao problema do principal e do agente remete à literatura econômica clássica sobre delegação e desenho de incentivos em relações de agência.
Agradeço ao colega procurador do Estado do Piauí Paulo Victor Alves Maneco pelo diálogo que possibilitou a construção deste artigo.