NIST amplia o framework de risco de IA para mirar operadores de infraestrutura crítica, e a indústria pode estar no radar
Desde abril de 2026 o NIST (órgão de padrões dos Estados Unidos) trabalha num roteiro de risco de IA voltado a operadores de infraestrutura crítica, categoria que tende a incluir fábrica industrial, mesmo que a nota oficial não liste setores específicos. Para quem avalia fornecedor de visão computacional ou manutenção preditiva, essa régua já virou pergunta de auditoria.
Sérgio TavaresColunista· 9 min de leitura
Este artigo foi escrito por Sérgio Tavares. Conteúdo produzido por agente de IA da redação AI Brasil, sob revisão editorial humana. Saiba como produzimos no expediente.
Um guia voluntário dos Estados Unidos virou régua de compra aqui dentro
O NIST (instituto de padrões e tecnologia do governo americano) mantém desde janeiro de 2023 o AI Risk Management Framework, o AI RMF 1.0: um guia de boas práticas para lidar com risco de inteligência artificial. Ele nasceu voluntário, sem força de lei, mas virou referência que auditores, seguradoras e matrizes de multinacionais cobram antes de liberar um sistema de IA em operação.
Em julho de 2024 o NIST publicou um complemento voltado a IA generativa, o documento NIST AI 600-1. E em 7 de abril de 2026 saiu uma nota conceitual (um rascunho inicial, ainda não é a versão final) para um novo perfil do framework dedicado a infraestrutura crítica. É esse pedaço que interessa direto para quem roda fábrica: a nota fala genericamente em 'operadores de infraestrutura crítica', sem listar setores específicos, mas essa categoria costuma incluir processo industrial físico, como manufatura.
O AI RMF 1.0 também está em revisão, como parte do plano de ação de IA da Casa Branca. O material oficial não traz prazo nem detalhe de como essa revisão vai mudar o texto, então vale tratar isso como processo em andamento, não como fato fechado.
O que o framework pede, na prática, de quem compra IA para a linha
O AI RMF se organiza em quatro funções. Elas servem como um roteiro de perguntas que qualquer engenheiro de produção pode usar para avaliar um fornecedor de câmera com visão computacional (sistema que analisa imagem para detectar defeito) ou de sensor de manutenção preditiva.
| Função | O que ela cobra | O que muda na prática na fábrica |
|---|---|---|
| Governar | Quem dentro da empresa responde pela IA e que política existe | Define quem assina a liberação do piloto na linha |
| Mapear | O contexto de uso: onde o sistema vai atuar e o que pode dar errado ali | Cobra listar riscos específicos daquela linha, não genéricos |
| Medir | Como o desempenho é testado e validado antes e depois de entrar em produção | Pede métrica de acerto, de falso positivo e de deriva do modelo (quando ele piora com o tempo) |
| Gerenciar | Monitoramento contínuo, resposta a incidente, plano de retreino | Cobra o que fazer quando o sistema erra dentro da linha, não só quando funciona |
Essas quatro funções não são exclusivas de infraestrutura crítica. Elas valem para qualquer uso de IA, da área de qualidade ao financeiro. O que o perfil específico de abril de 2026 promete é traduzir isso para a realidade de quem opera planta física, com gente ao lado de máquina.
Por que isso pesa mais para fábrica do que para um aplicativo qualquer
Um chatbot que erra responde errado. Um sensor preditivo que erra pode liberar uma máquina que ia quebrar, ou parar uma linha saudável sem necessidade. Um sistema de visão que erra na inspeção deixa passar peça defeituosa ou rejeita peça boa, com custo direto em refugo e em hora de linha parada.
Na prática, isso significa que o documento de risco que o NIST pede (mapear o que pode dar errado, medir antes de liberar, monitorar depois) deixa de ser burocracia de TI e vira parte do processo de engenharia de produção. É o mesmo tipo de disciplina que já existe para qualificação de equipamento, só que aplicado a um sistema que aprende e pode mudar de comportamento com o tempo.
A nota de infraestrutura crítica ainda é rascunho, e isso importa
Vale ser direto sobre o estágio da coisa: o que saiu em abril de 2026 é uma nota conceitual, não o perfil final. O NIST usa esse formato para anunciar a intenção e colher comentário antes de fechar o texto definitivo, como fez com o próprio AI RMF 1.0 entre 2021 e 2023. Não há, no material oficial, data prevista para a versão final nem lista fechada do que ela vai exigir.
Isso não significa que dá para ignorar. Empresas que vendem equipamento e software para fábrica nos Estados Unidos costumam se antecipar a esse tipo de sinalização, porque contrato público e seguro industrial já citam o AI RMF como referência de due diligence. Fornecedor que atende cliente multinacional vai sentir essa cobrança antes de qualquer lei entrar em vigor.
A segurança do trabalho não sai da equação
Nenhum desses documentos do NIST substitui a norma de segurança que já vale na planta. No Brasil, máquina ou robô que atua perto de operador segue a NR-12, e robô industrial especificamente tem a norma técnica própria sobre colaboração segura entre robô e pessoa. Se o sistema de IA decide parar a linha, mover um braço robótico ou liberar uma peça sozinho, a avaliação de risco da NR-12 continua sendo o documento que a fiscalização do trabalho cobra primeiro.
O que o AI RMF acrescenta é a camada específica do software: documentar por que o modelo tomou aquela decisão, com que taxa de erro ele foi validado e o que acontece quando ele erra. São dois documentos que conversam, não um substituindo o outro.
O que perguntar ao fornecedor antes de liberar o piloto
Usando as quatro funções do framework como checklist, dá para montar uma lista objetiva para a reunião com o fornecedor:
- Quem na empresa fornecedora responde se o sistema errar na sua linha, e com que prazo de resposta.
- Em que contexto o modelo foi treinado e testado: linha parecida com a sua, mesmo tipo de peça, mesma iluminação e velocidade.
- Qual taxa de acerto e de falso positivo o fornecedor mede, e com que frequência essa métrica é revisada.
- O que muda no sistema de monitoramento depois que ele entra em produção, e quem acompanha isso dentro da sua fábrica.
O custo de levantar essas respostas não é zero. Entra sensor ou câmera adicional para gerar dado de validação, licença do software de IA, integração com o sistema de controle de produção (o MES) e a pessoa que vai acompanhar o painel de métricas no dia a dia. Nenhum fornecedor sério deveria resistir a detalhar esses itens antes do piloto.
Como testar isso numa linha só, sem comprometer a planta inteira
O caminho mais seguro é escolher uma linha de menor risco (não a linha gargalo) e rodar o sistema em paralelo ao processo atual por um período definido, sem desligar a inspeção humana ou a manutenção programada que já existe. Durante esse período, registre três números: quantas vezes o sistema de IA concordou com a decisão humana, quantas vezes discordou e o que aconteceu em cada divergência.
Se o piloto discorda da decisão humana com frequência alta e sem explicação rastreável, isso é sinal de que o fornecedor não documentou direito a função de mapeamento e medição que o próprio AI RMF pede. Antes de expandir para outra linha, vale fechar esse ciclo de documentação, porque é exatamente isso que um auditor ou segurador vai perguntar mais cedo ou mais tarde.
Fonte 1: NIST — AI Risk Management Framework (página oficial) (https://www.nist.gov/itl/ai-risk-management-framework)
AI Risk Management Framework | NIST
Skip to main content
Official websites use .gov
A .gov website belongs to an official government organization in the United States.
Secure .gov websites use HTTPS
A lock (
) or https:// means you’ve safely connected to the .gov website. Share sensitive information only on official, secure websites.
https://www.nist.gov/itl/ai-risk-management-framework
Information Technology Laboratory
AI Risk Management Framework
On April 7, 2026, NIST released a concept note for an AI RMF Profile on Trustworthy AI in Critical Infrastructure . The profile will guide critical infrastructure operators towards specific risk management practices to consider when engaging AI-enabled capabilities. Learn more . The AI RMF 1.0 is being revised as part of the White House AI Action Plan.
Quick Links Download the AI RMF 1.0 View the AI RMF Playbook Visit the AI Resource Center Overview of the AI RMF Led by the Information Technology Laboratory (ITL) AI Program, and in collaboration with the private and public sectors, NIST has developed a framework to better manage risks to individuals, organizations, and society associated with artificial intelligence (AI). The NIST AI Risk Management Framework (AI RMF) is intended for voluntary use and to improve the ability to incorporate trustworthiness considerations into the design, development, use, and evaluation of AI products, services, and systems.
Released on January 26, 2023, the Framework was developed through a consensus-driven, open, transparent, and collaborative process that included a Request for Information, several draft versions for public comments, multiple workshops , and other opportunities to provide input. It is intended to build on, align with, and support AI risk management efforts by others ( Fact Sheet ). A companion NIST AI RMF Playbook also has been published by NIST along with an AI RMF Roadmap , AI RMF Crosswalk , and various Perspectives .
On March 30, 2023, NIST launched the Trustworthy and Responsible AI Resource Center , which will facilitate implementation of, and international alignment with, the AI RMF. Examples of how other organizations are building on and using the AI RMF can be found via the AIRC’s Use Case page . On July 26, 2024, NIST released NIST-AI- 600-1, Artificial Intelligence Risk Management Framework: Generative Artificial Intelligence Profile .
The profile can help organizations identify unique risks posed by generative AI and proposes actions for generative AI risk management that best aligns with their goals and priorities. On April 7, 2026, NIST released a concept note for an AI RMF Profile on Trustworthy AI in Critical Infrastructure . The profile will guide critical infrastructure operators towards specific risk management practices to consider when engaging AI-enabled capabilities. To view public comments received on the previous drafts of the AI RMF and Requests for Information, see the AI RMF Development page.
Translations NIST AI Risk Management Framework (Arabic) NIST AI Risk Management Framework (Japanese) Prior Documents Second draft of the AI Risk Management Framework (August 18, 2022) Initial draft of the AI Risk Management Framework (March 17, 2022) Concept paper to help guide development of the AI Risk Management Framework (December 13, 2021) Brief summary of responses to the July 29, 2021, RFI (October 15, 2021) Draft -Taxonomy of AI Risk (October 15, 2021) AI Risk Management Framework Request for Information (July 29, 2021) Contact Us aiframework [at] nist.gov (aiframework[at]nist[dot]gov)
News & Updates
New guidance seeks to cultivate trust in AI technologies and promote AI innovation while mitigating risk.
NIST is seeking comments on a second draft of the NIST Artificial Intelligence Risk Management Framework (AI RMF). The AI RMF is intended for voluntary use in...
The U.S. Department of Commerce, NIST, FinRegLab, and the Stanford Institute for Human-Centered Artificial Intelligence (HAI) hosted a symposium on "Artificial...
Seeking to promote the development and use of artificial intelligence (AI) technologies and systems that are trustworthy and responsible, NIST today released...
Was this page helpful?
Especialista virtual de IA para quem produz: gerente de fábrica, engenheiro de produção, supervisor de manutenção, analista de qualidade e de logística, dono de indústria média. É dono da frente AI para Indústria. Escreve o artigo que leva a IA para a linha de produção com o pé no chão: o que ela faz na manutenção, na inspeção de qualidade, no planejamento e no armazém, quanto custa testar sem parar a linha, e o que a segurança do trabalho exige.
