← Back to all posts

Plano Brasileiro de Inteligência Artificial (PBIA): resumo e reflexões

Resumo comentado do Plano Brasileiro de Inteligência Artificial (PBIA, MCTI/CGEE, 2025), suas prioridades, e implicações para pesquisa, indústria e políticas públicas.

brasilpoliticaiagovernanca

O Ministério da Ciência, Tecnologia e Inovação publicou em 2025 o "Plano Brasileiro de Inteligência Artificial (PBIA)", um documento de 104 páginas que organiza uma estratégia nacional para IA com foco em infraestrutura, formação, serviços públicos, inovação empresarial e governança.

Neste post, apresento um resumo dos eixos principais, ações destacadas e reflexões críticas sobre os impactos e riscos.

Principais eixos do PBIA

PBIA diagrama

Portal oficial e notas do MCTI

A página oficial do MCTI para o PBIA (2024–2028) resume o plano lançado na 5ª Conferência Nacional de Ciência, Tecnologia e Inovação e destaca metas e números centrais: um investimento previsto de aproximadamente R$ 23 bilhões ao longo de quatro anos; a ambição de implantar um supercomputador Top‑5 mundial movido por energias renováveis; o desenvolvimento de modelos de linguagem em português com dados nacionais; e programas de formação e requalificação em larga escala. O portal organiza as ações em iniciativas de impacto imediato e ações estruturantes, alinhadas aos cinco eixos (infraestrutura, difusão, serviço público, inovação empresarial e governança).

Veja a página oficial do MCTI para o PBIA: https://www.gov.br/mcti/pt-br/acompanhe-o-mcti/transformacaodigital/plano-brasileiro-de-inteligencia-artificial

Minhas reflexões (curtas): a ênfase no investimento, na infraestrutura e na formação sinaliza que o PBIA busca combinar soberania tecnológica (infraestrutura e modelos em língua portuguesa) com objetivos de inclusão social e modernização do setor público. A concretização dependerá de governança clara, métricas de progresso e financiamento sustentado — pontos que o próprio portal reconhece ao listar iniciativas prioritárias.

O PBIA organiza-se em cinco eixos estruturantes:

  • Eixo 1 — Infraestrutura e desenvolvimento de IA: construção de capacidade computacional, promoção de data centers sustentáveis e investimento em infraestrutura nacional (incluindo ambição por supercomputadores de classe mundial).
  • Eixo 2 — Difusão, formação e capacitação: ampliar literacia em IA, apoiar cursos e programas de formação, e promover olimpíadas/atividades ligadas à educação.
  • Eixo 3 — IA para melhoria do serviço público: implantar plataformas e soluções de IA para otimizar processos públicos e apoiar políticas baseadas em evidências.
  • Eixo 4 — IA para inovação empresarial: fomento à cadeia de valor da IA, apoio a P&D e integração com missões industriais.
  • Eixo 5 — Apoio ao processo regulatório e de governança da IA: desenvolver guias brasileiros de IA responsável, fortalecer marcos regulatórios e mecanismos de confiança.

Ações estruturantes de destaque

O PBIA traz um conjunto extenso de ações e programas. Entre os mais notáveis:

  • Aquisição e desenvolvimento de capacidade de HPC especializada para IA, com meta ambiciosa de alcançar posição de destaque internacional.
  • Programas de difusão e literacia em IA, voltados a escolas, universidades e sociedade civil.
  • Plataforma de IA do Governo Federal para promover interoperabilidade e suporte a tomada de decisão nas políticas públicas.
  • Incentivos para data centers regionais com ênfase em renováveis, visando reduzir gargalos de infraestrutura e distribuir capacidade entre o Norte e Nordeste.
  • Guias e ações de apoio ao aperfeiçoamento do marco regulatório brasileiro, adaptando padrões globais à realidade nacional.

Reflexões e implicações

  1. Ambição técnica e soberania: a busca por supercomputadores e data centers próprios é consistente com uma visão de soberania tecnológica que reduz dependência externa. Isso facilita pesquisa de alto impacto, mas exige investimentos contínuos e atenção a custos operacionais e consumo energético.

  2. Distribuição regional e inclusão: a ênfase em apoiar infraestrutura nas regiões Norte e Nordeste é positiva para diminuir assimetrias, mas exige políticas complementares (formação local, conectividade, parcerias com universidades regionais) para garantir que a infraestrutura gere atividade científica e econômica local.

  3. Governança e confiança pública: a construção de guias brasileiros de IA responsável e o reforço do marco regulatório são passos essenciais. A transparência, participação da sociedade civil e mecanismos de avaliação independente serão determinantes para evitar capturas e desigualdades.

  4. Do plano à execução: muitos planos nacionais falham na implementação. O PBIA lista ações concretas, mas o sucesso dependerá de financiamento recorrente, coordenação interministerial eficaz e métricas claras de progresso.

  5. Risco de centralização: plataformas governamentais e incentivos concentrados devem ser desenhados para evitar ênfase excessiva em soluções centralizadas ou proprietárias; preferir arquiteturas abertas e interoperáveis facilita inovação distribuída.

Sugestões práticas

  • Priorizar projetos-piloto com avaliação pública: antes de escalar, testar plataformas e modelos em contextos controlados com avaliação aberta.
  • Transparência de dados e modelos usados pelo governo: publicar descrições técnicas e métricas de desempenho, além de impacto social esperado.
  • Apoiar ecossistemas locais: combinar investimentos em data centers com bolsas, programas de capacitação e parcerias universidade-indústria regionais.
  • Criação de uma unidade independente de auditoria de IA para projetos financiados com recursos públicos.

Conclusão

O PBIA representa um marco importante para a política pública de IA no Brasil: combina ambição técnica com preocupações de governança e inclusão. O desafio real será transformar a lista de ações em entregas mensuráveis e sustentáveis, protegendo direitos e fomentando inovação distribuída.


Referência: MINISTÉRIO DA CIÊNCIA, TECNOLOGIA E INOVAÇÃO - MCTI; CENTRO DE GESTÃO E ESTUDOS ESTRATÉGICOS - CGEE. IA para o bem de todos; Plano Brasileiro de Inteligência Artificial. Brasília, DF: MCTI; CGEE, 2025. 104 p.

Engineering is the application of knowledge to solve problems within constraints. The constraint here is the central fact. Understanding the constraint is understanding the problem. The solution follows from the constraint. This is the engineering method: name the constraint, design within it, verify the design works.