Há um momento na vida de toda empresa em crescimento no qual ela é colocada sob a lupa de terceiros: a captação de investimento, a venda de participação, a disputa por um contrato estratégico com uma grande organização. Esses processos de due diligence sempre examinaram finanças, contratos, passivos trabalhistas e, mais recentemente, proteção de dados. A novidade, que muitos fundadores e diretores ainda não perceberam, é que a governança de IA entrou nessa lista. Fundos de investimento, especialmente os alinhados a critérios ambientais, sociais e de governança, já pedem evidências de como a empresa gerencia seus sistemas de inteligência artificial, e a ausência de resposta estruturada começou a derrubar avaliações e a travar negociações.
A lógica por trás dessa exigência é estritamente financeira. Para quem investe ou contrata, uma empresa que usa inteligência artificial sem governança carrega passivos invisíveis: exposição regulatória que pode virar sanção, dependência de ferramentas de terceiros sem salvaguarda contratual, decisões automatizadas que podem gerar litígios, dados de clientes circulando por sistemas que ninguém inventariou. Nenhum desses riscos aparece no balanço, mas todos podem se materializar depois da assinatura, e é exatamente para capturá-los antes que a due diligence existe. O avaliador que ignora IA hoje está avaliando mal, e os melhores avaliadores sabem disso.
O efeito prático é que a governança de IA se tornou um ativo com valor de transação, mesmo quando nunca evitou incidente algum. A empresa que responde a um questionário de due diligence com inventário de sistemas, política de uso, avaliações de risco documentadas e responsáveis nomeados transmite uma mensagem que vai além da IA: a de que sua gestão tem método. A que responde com evasivas, ou que descobre durante o processo quantas ferramentas seus times usam por conta própria, planta a dúvida sobre tudo o mais, porque o avaliador raciocina por amostragem, e a desorganização em um tema novo sugere desorganização nos antigos.
Esse movimento não se restringe ao mercado de capitais. Grandes contratantes incorporaram perguntas sobre gestão de inteligência artificial a seus processos de homologação de fornecedores, e concorrências relevantes passaram a incluir o tema entre os critérios de qualificação. Para empresas que vendem para organizações maiores, a régua chega pela área de compras do cliente, sem cerimônia e sem prazo de adaptação: o questionário aparece, a resposta é exigida em dias, e a incapacidade de respondê-lo bem custa o contrato. É a forma mais silenciosa e mais cara de descobrir que o tema deixou de ser opcional.
O que avaliadores procuram quando examinam governança de IA
Quem conduz uma due diligence séria sobre inteligência artificial procura, antes de tudo, coerência entre discurso e evidência. O ponto de partida é sempre o inventário: quais sistemas de IA a empresa usa, desenvolve ou embute em seus produtos, com quais dados, para quais finalidades e sob responsabilidade de quem. Um inventário completo e atualizado é raro o suficiente para, sozinho, posicionar a empresa acima da média; sua ausência, por outro lado, encerra a conversa, porque ninguém governa o que não consegue listar. A pergunta parece simples e é justamente por isso que funciona como filtro.
Na sequência vêm as evidências de processo. O avaliador quer ver a política de uso de IA e, mais importante, sinais de que ela é praticada: registros de avaliação de risco antes da adoção de novas ferramentas, atas de decisões sobre aplicações sensíveis, trilhas que permitam reconstruir como uma decisão automatizada relevante foi tomada. Quer entender também o tratamento dado aos fornecedores, quais cláusulas protegem os dados da empresa nos contratos com provedores de IA, o que acontece se uma ferramenta crítica for descontinuada, e como se monitora o comportamento daquilo que foi contratado. Documentos criados na véspera têm cheiro reconhecível; consistência ao longo do tempo, não.
Há um terceiro bloco, mais sutil, que distingue avaliações sofisticadas: a competência das pessoas. De pouco vale a documentação impecável se, na entrevista, os responsáveis não souberem explicar como os sistemas funcionam, quais riscos já se materializaram e o que se aprendeu com eles. Avaliadores experientes pedem exemplos de incidentes ou quase incidentes, e desconfiam de quem afirma nunca ter tido nenhum, porque isso indica menos uma operação perfeita do que uma operação que não enxerga os próprios problemas. A maturidade transparece na naturalidade com que a equipe fala de limites e falhas, não na pretensão de infalibilidade.
Para empresas cujo produto é a própria IA, o exame desce um nível adicional, alcançando a proveniência dos dados de treinamento, os direitos sobre eles, a dependência de modelos de terceiros e a defensibilidade técnica do que se afirma proprietário. Mais de uma negociação relevante já se desfez quando a due diligence revelou que a tecnologia anunciada como diferencial era, na essência, uma camada fina sobre serviços de mercado, ou que os dados que treinaram o modelo carregavam restrições de uso que contaminavam o produto inteiro. Nesses casos, a governança deixa de ser tema acessório e passa a ser o próprio objeto da avaliação.
Como preparar a empresa antes que a pergunta chegue
A preparação eficaz começa pelo gesto mais simples e mais adiado: inventariar. Levantar, com honestidade, todas as aplicações de inteligência artificial em uso na organização, incluindo as que entraram sem aprovação formal, as embutidas em softwares contratados para outros fins e as que times adotaram por iniciativa própria. Esse retrato inicial costuma surpreender pela extensão, e é exatamente essa surpresa que justifica o exercício: ela é menor e mais barata quando provocada internamente do que quando provocada por um avaliador externo com uma proposta na mesa e prazo correndo.
Sobre o inventário se constrói o essencial: uma política de uso clara, que diga o que é permitido, o que exige aprovação e o que é vedado; a nomeação de responsáveis por aplicação, para que cada sistema relevante tenha um dono identificável; e avaliações de risco proporcionais, concentrando rigor na qual o impacto sobre pessoas, dados e finanças é maior. Nada disso exige estruturas pesadas em empresas de porte médio; exige decisão, método e constância. Um conjunto enxuto de práticas operando de verdade vale, numa due diligence, muitas vezes mais do que um manual extenso que a operação ignora.
Os contratos com fornecedores merecem atenção específica, porque é neles que mora boa parte do risco transferível. Revisar os termos das ferramentas de IA em uso, entender o que cada provedor pode fazer com os dados da empresa, negociar cláusulas de confidencialidade, de não utilização para treinamento e de portabilidade em caso de descontinuidade são providências que protegem a operação no presente e constroem as evidências que o avaliador pedirá no futuro. Empresas que tratam a contratação de IA com a mesma diligência com que tratam a contratação de serviços financeiros saem na frente nos dois tabuleiros.
Por fim, vale ensaiar. Submeter a própria organização a um questionário de due diligence simulado, do tipo que fundos e grandes contratantes aplicam, revela lacunas com custo zero e transforma a preparação em rotina. O exercício funciona melhor quando conduzido por quem conhece o padrão real dessas avaliações e consegue calibrar a exigência ao porte e ao setor da empresa, evitando tanto a complacência quanto o exagero. A diferença entre a empresa que ensaiou e a que não ensaiou aparece no primeiro dia do processo real, na velocidade e na segurança das respostas.
Governança de IA como tese de valor, não como custo
A forma mais comum de errar nesse tema é contabilizá-lo como despesa de conformidade, um custo a minimizar até que alguma obrigação o torne inevitável. Essa contabilidade ignora o lado do balanço no qual a governança de fato opera: o do valor da empresa. Em um processo de captação ou de venda, a governança demonstrável reduz o desconto de risco que o avaliador aplica; em uma concorrência, qualifica a empresa para mesas das quais concorrentes desorganizados são excluídos; na operação cotidiana, evita os incidentes cujo custo nunca aparece em orçamento algum porque ninguém orça o desastre. O retorno existe, apenas não chega com etiqueta.
Há também um efeito de composição ao longo do tempo. A governança construída cedo cresce junto com a empresa, incorporada à cultura e aos processos, a um custo marginal decrescente. A governança adiada precisa ser instalada de uma vez, sob pressão, sobre uma operação que já se acostumou a funcionar sem ela, e esse retrofit é caro, lento e politicamente desgastante. Fundadores que viveram a corrida de adequação à legislação de proteção de dados reconhecem essa matemática: o tema avisou com anos de antecedência, e ainda assim a maioria pagou o preço da pressa. Com a inteligência artificial, o aviso está dado de novo.
O cenário competitivo tende a amplificar essa diferença, porque a exigência de governança se propaga em cadeia: cada grande organização que adota a régua a impõe a dezenas de fornecedores, que a repassam aos seus. Em poucos ciclos, a pergunta sobre como a empresa governa sua IA estará tão normalizada quanto hoje está a pergunta sobre como protege dados pessoais, e responder bem deixará de diferenciar para apenas habilitar. A vantagem real pertence a quem se estrutura enquanto a pergunta ainda surpreende os concorrentes.
Fica, então, a provocação para quem lidera: se o próximo grande negócio da empresa, o investimento, a aquisição, o contrato transformador, dependesse de demonstrar em duas semanas como a organização governa sua inteligência artificial, esse negócio estaria seguro? A resposta honesta a essa pergunta define se a governança de IA é, para a empresa, uma vantagem em construção ou um passivo em maturação, e não existe terceira categoria.