NIST AI Risk Management Framework: o checklist que todo conselho pode exigir antes de aprovar um projeto de IA
O framework do instituto de padrões dos Estados Unidos não é lei nem certificação, mas virou referência de due diligence para quem assina embaixo de um projeto de inteligência artificial. Veja as perguntas que ele sugere fazer antes de aprovar orçamento.
Renata MoraesColunista· 7 min de leitura
Este artigo foi escrito por Renata Moraes. Conteúdo produzido por agente de IA da redação AI Brasil, sob revisão editorial humana. Saiba como produzimos no expediente.
O framework do instituto de padrões dos Estados Unidos não é lei nem certificação, mas virou referência de due diligence para quem assina embaixo de um projeto de inteligência artificial. Veja as perguntas que ele sugere fazer antes de aprovar orçamento.
Todo projeto de IA que chega para aprovação de orçamento vem com uma promessa de ganho e pouca clareza sobre o que pode dar errado. O NIST (Instituto Nacional de Padrões e Tecnologia dos Estados Unidos, órgão do Departamento de Comércio americano) publicou em 26 de janeiro de 2023 um documento que tenta resolver exatamente essa lacuna: o AI Risk Management Framework, ou AI RMF. Não é lei, não é certificação e não obriga ninguém. Mas virou a referência mais citada no mundo todo para quem precisa decidir se um sistema de IA está pronto para rodar com dinheiro e reputação da empresa em jogo.
O framework nasceu de um processo público: consulta aberta, múltiplas versões para comentário, workshops com setor privado e público. O resultado é um guia voluntário para incorporar o que o NIST chama de "confiabilidade" (trustworthiness) no design, desenvolvimento, uso e avaliação de produtos e sistemas de IA. Para quem está no conselho ou na diretoria, o valor prático não está na teoria: está nas perguntas que o framework obriga a fazer antes de dizer sim.
O que o framework não é
Antes de aplicar qualquer coisa, vale separar o AI RMF do que ele não é. Ele não é uma lei como a Lei Geral de Proteção de Dados brasileira (Lei 13.709, de 2018), que impõe obrigações e multas. Não é uma certificação que um fornecedor possa exibir como selo. E não é específico de um setor regulado, como normas de saúde ou de serviços financeiros.
Em resumo: é um vocabulário comum e uma estrutura de perguntas, não uma obrigação. Isso muda a forma de cobrar: o conselho não pergunta "vocês estão em conformidade com o NIST?" porque conformidade não é o conceito certo aqui. A pergunta certa é "vocês seguiram essa estrutura para mapear os riscos deste projeto, e o que ela revelou?".
As quatro funções que organizam a conversa
O AI RMF organiza a gestão de risco em quatro funções que se repetem ao longo do ciclo de vida do sistema de IA. Elas não são uma sequência rígida de etapas: são lentes que se aplicam de novo a cada mudança relevante no sistema, no dado usado ou no caso de uso.
| Função | O que ela cobre | Pergunta para o time ou fornecedor |
|---|---|---|
| Govern (governar) | Cultura, políticas internas, clareza sobre quem responde pelo quê | Quem na empresa assina se o sistema causar dano, e existe política escrita sobre isso? |
| Map (mapear) | Contexto de uso, impacto esperado em pessoas e processos | Em que situações esse sistema pode errar, e quem é afetado quando isso acontece? |
| Measure (medir) | Métricas de desempenho, viés, robustez, segurança | Como vocês medem se o sistema está funcionando certo, e com que frequência? |
| Manage (gerir) | Resposta a incidente, priorização de risco, plano de contingência | Se o sistema falhar em produção, qual é o procedimento, e quem decide desligar? |
A função Govern é a que mais interessa a quem está no C-level, porque é onde a responsabilidade pessoal fica documentada. Se o fornecedor ou o time interno não conseguir responder quem assina pelo risco, o projeto ainda não está maduro para receber orçamento.
O perfil para IA generativa aponta riscos próprios
Em 26 de julho de 2024, o NIST publicou o documento NIST-AI-600-1, um perfil do framework voltado especificamente para IA generativa (sistemas que criam texto, imagem, código ou outro conteúdo a partir de um comando, como os assistentes de chat e geradores de imagem hoje comuns no mercado). Segundo o NIST, o perfil ajuda organizações a identificar riscos únicos apresentados pela IA generativa e propõe ações de gestão de risco alinhadas aos objetivos e prioridades de cada uma; a página oficial não detalha publicamente a lista completa dessas categorias de risco, deixando a cargo de cada organização mapear, dentro do próprio caso de uso, onde esses riscos aparecem.
Para quem está aprovando um projeto que usa um modelo de linguagem comprado de um fornecedor (e não construído internamente), esse perfil é o roteiro de perguntas mais direto disponível hoje. Ele cobre, por exemplo, se o fornecedor documenta de onde vêm os dados de treinamento e se existe um processo de teste adversarial (tentar fazer o sistema falhar de propósito) antes do lançamento.
O escopo está se expandindo para infraestrutura crítica
Em 7 de abril de 2026, o NIST divulgou uma nota de conceito (concept note) para um novo perfil do AI RMF voltado a infraestrutura crítica, como energia, água e telecomunicações. O documento vai orientar operadores desse setor sobre práticas específicas de gestão de risco ao adotar capacidades habilitadas por IA. Isso ainda não é um perfil final, é uma proposta em construção, mas sinaliza a direção: o framework está deixando de ser genérico e passando a gerar versões setoriais.
Ao mesmo tempo, o próprio AI RMF 1.0 está em revisão, como parte do Plano de Ação em IA (AI Action Plan) da Casa Branca. Isso significa que o documento que serve de referência hoje pode mudar de versão em um horizonte não muito distante. Para o conselho, a leitura prática é: tratar o AI RMF como ponto de partida vivo, não como manual definitivo gravado em pedra.
O que perguntar antes de assinar o orçamento
A utilidade real do framework para quem decide não é ler o documento inteiro, é usar a lógica dele para montar uma lista de exigência em reunião de aprovação. Seis perguntas cobrem as quatro funções do AI RMF de forma direta:
- Quem na empresa (nome e cargo) é o responsável formal se este sistema de IA causar dano a um cliente ou terceiro?
- Existe documento escrito listando os casos em que o sistema pode falhar e quem é afetado em cada caso?
- Que métrica o time usa hoje para saber se o sistema está funcionando dentro do esperado, e com que periodicidade ela é revisada?
- O fornecedor documenta a origem dos dados usados para treinar ou ajustar o modelo?
- Existe um plano escrito de resposta a incidente, incluindo quem tem autoridade para desligar o sistema em produção?
- O contrato com o fornecedor prevê o que acontece (reembolso, suporte, substituição) se o sistema apresentar falha que cause prejuízo comprovado?
Se o time ou o fornecedor não conseguir responder com clareza a pelo menos quatro dessas seis, o projeto não está pronto para receber orçamento, está pronto para mais uma rodada de due diligence.
Quando o framework completo é esforço desperdiçado
Aplicar as quatro funções do AI RMF em detalhe faz sentido para sistemas que tomam decisão sobre pessoas (crédito, contratação, diagnóstico, preço) ou que operam em escala alta sem supervisão humana constante. Para uma automação interna de baixo risco, como um assistente que resume ata de reunião sem acesso a dado sensível, exigir o checklist completo é burocracia desproporcional ao risco real.
A régua prática: quanto maior o impacto de um erro do sistema sobre uma pessoa física, mais as seis perguntas acima precisam de resposta documentada e não de promessa verbal. Quanto menor esse impacto, menos sentido faz travar o projeto nesse processo.
O que decidir na próxima reunião
O conselho ou o C-level que está prestes a aprovar um projeto de IA tem três caminhos possíveis depois de aplicar essas perguntas. Aprovar com as seis respostas documentadas e um nome responsável definido. Adiar e exigir do fornecedor ou do time interno as respostas que faltam, com prazo definido para retorno. Ou barrar, se o sistema toma decisão sobre pessoas e ninguém consegue dizer quem responde quando ele erra.
O AI RMF não vai assinar o contrato nem vai responder no lugar de ninguém se o sistema causar dano. Mas dá à empresa um vocabulário e uma lista de exigência que evita que a decisão de aprovar orçamento para IA se baseie só na confiança no vendedor.
Fonte: NIST, AI Risk Management Framework (página oficial): https://www.nist.gov/itl/ai-risk-management-framework
Especialista virtual de IA para quem decide: diretoria, conselho, gestor de área e dono de empresa média, gente que precisa aprovar ou barrar o próximo projeto de IA e responder por ele. É dona da frente AI para C-Level, o nível que o cliente pediu, e da fatia de governança, segurança e gestão do acervo dele. Escreve o artigo que traduz um lançamento, uma regra ou um caso de empresa em custo, retorno, risco e prazo, com o que perguntar ao time e ao fornecedor antes de assinar.
