Melhores formas de elaborar termo de referência em compras públicas

Existem quatro formas comuns de elaborar o termo de referência (TR) de uma compra pública: a redação manual pelo setor requisitante, o uso de uma ferramenta de inteligência artificial genérica com copiar e colar, um módulo de compras de sistema legado com template fixo, ou uma plataforma especializada em que a IA gera a minuta a partir do histórico de contratações do próprio órgão. A diferença entre elas não é só velocidade de entrega — é o quanto cada uma preserva o padrão jurídico e a linguagem que a assessoria técnica do órgão já costuma aprovar.

Este guia compara as quatro abordagens pelos critérios que pesam na decisão de um setor de compras: aderência ao padrão redacional do órgão, consulta automática a contratações anteriores, vínculo com o processo administrativo e risco de inconsistência entre o que foi pedido e o que foi escrito. Se o ponto de partida ainda é entender como estruturar esse fluxo do zero, o guia sobre como usar IA para gerar TR, DFD e ETP em compras públicas trata do passo a passo de implantação.

O que muda entre as abordagens

Abordagem	Segue o padrão redacional do órgão	Consulta contratações anteriores automaticamente	Nasce vinculada ao processo	Risco de inconsistência jurídica
Redação manual	Depende de quem redige	Não	Sim	Alto
IA genérica + copiar e colar	Não, precisa reescrever	Não	Não	Alto
Módulo de sistema legado com template fixo	Parcial (modelo único)	Não	Sim	Médio
IA nativa com histórico do órgão	Sim	Sim	Sim	Baixo

Redação manual pelo setor requisitante

É o ponto de partida da maioria dos órgãos: o servidor do setor requisitante escreve o TR do zero, geralmente sem prática de redação técnica desse tipo de documento. O resultado costuma ser uma minuta incompleta, devolvida pelo setor de compras ou pela assessoria jurídica antes de seguir para a fase externa da licitação — e cada rodada de devolução atrasa o cronograma da contratação. Funciona, mas o tempo gasto cresce proporcionalmente ao volume de processos, e a qualidade varia conforme a experiência de quem está escrevendo naquele mês.

IA genérica de uso geral, com copiar e colar

Diante do retrabalho da redação manual, é comum que o próprio servidor recorra a uma ferramenta de IA de propósito geral fora do sistema, gere um texto e cole no formulário do processo. Resolve parte do problema de partir da página em branco, mas cria dois novos: a ferramenta não conhece o padrão redacional nem o histórico de contratações daquele órgão específico, então o texto sai genérico e precisa ser inteiramente reescrito para caber na linguagem que a assessoria jurídica local já aprovou antes. E como a geração acontece fora do sistema, não existe vínculo automático entre aquele texto e o processo — alguém ainda precisa copiar, colar e formatar manualmente, o que também levanta a questão de estar levando dados de uma contratação ainda não formalizada para uma ferramenta externa ao ambiente do órgão.

Módulo de compras de sistema legado com template fixo

Sistemas de gestão mais antigos costumam oferecer um modelo padrão de TR já vinculado ao processo de compras, o que resolve o problema do vínculo, mas não o da customização: é um template único, igual para qualquer tipo de contratação, que o servidor preenche campo a campo. Não há geração automática de conteúdo nem consulta a contratações semelhantes já feitas pelo órgão — o ganho é organizacional, não de produtividade na redação.

IA nativa com histórico do órgão

Aqui a IA gera a minuta a partir do que foi solicitado no formulário do processo de compras já aberto, consultando uma base formada pelos próprios termos de referência que aquele órgão elaborou anteriormente — não um modelo genérico nacional. A minuta sai com objeto, fundamento da contratação, descrição da solução e estimativa de valor já estruturados, na linguagem que a assessoria jurídica daquele órgão específico costuma praticar, porque foi treinada com o que o próprio órgão já produziu e aprovou antes. Continua exigindo revisão do setor técnico, mas o ponto de partida já nasce dentro do processo, não em uma aba separada.

Critérios para escolher

Três perguntas ajudam a decidir sem depender de achismo:

• O órgão já tem um volume relevante de termos de referência anteriores para servir de base? Sem histórico próprio, mesmo uma IA nativa perde parte da vantagem sobre uma ferramenta genérica.
• Existe risco de dado sensível de uma contratação ainda não formalizada — valor estimado, fornecedor cotado — circular em uma ferramenta fora do ambiente do órgão? Se sim, isso pesa contra a IA genérica externa.
• Quantas rodadas de devolução por inconsistência entre DFD, ETP e TR o setor de compras enfrenta hoje? Quanto maior esse número, maior o ganho de uma abordagem que já nasce vinculada ao processo.

Independentemente da abordagem escolhida, a Lei nº 14.133/2021 (Nova Lei de Licitações) mantém a responsabilidade técnica pelo conteúdo do termo de referência com o órgão contratante, não com a ferramenta usada para redigi-lo — o que faz da revisão humana uma etapa obrigatória em qualquer uma das quatro abordagens comparadas aqui.

Como o Aprova se encaixa

• A skill de geração de TR consulta o histórico de termos de referência já elaborados pelo próprio órgão, não uma base genérica nacional, então a minuta nasce mais próxima do padrão que a assessoria jurídica local já costuma aprovar.
• A minuta é gerada direto na aba de despacho do processo de compras aberto, sem precisar copiar e colar de uma ferramenta externa ao sistema.
• Campos como objeto, fundamento da contratação e estimativa de valor vêm pré-preenchidos a partir do que já foi informado no formulário inicial do processo, reduzindo a redigitação.
• O conteúdo gerado permanece editável e segue para revisão do setor técnico antes da fase externa da licitação, no mesmo fluxo descrito no guia sobre gerar TR, DFD e ETP com IA em compras públicas.

Conheça a solução de Compras da Aprova.

FAQ sobre elaboração de termo de referência

Copiar e colar de uma IA genérica é seguro para dados de uma contratação pública?

É um ponto de atenção. Informações de uma contratação ainda não formalizada — como valor estimado ou fornecedores cotados — passam a trafegar por uma ferramenta fora do controle do órgão, o que exige cautela redobrada quanto ao que é digitado ali.

Um módulo de sistema legado com template pronto já resolve o problema?

Resolve o vínculo do documento com o processo, mas não gera conteúdo nem consulta contratações anteriores. O ganho é organizacional; o esforço de redação continua manual, campo a campo.

A IA treinada no histórico do órgão elimina a revisão técnica do servidor?

Não. Ela reduz o tempo de produzir a primeira versão, mas a validação do conteúdo, a coerência com o DFD e o ETP e a responsabilidade legal pelo termo de referência final continuam sendo do setor técnico responsável.

Faz diferença a IA consultar uma base nacional genérica ou só os termos do próprio órgão?

Sim. Um banco de dados nacional produz um texto correto, mas escrito na linguagem que a jurídica do próprio órgão pode não estar acostumada a aprovar. Uma base formada pelos termos que aquele órgão específico já elaborou tende a exigir menos ajuste na revisão.

Esse comparativo vale só para prefeitura, ou também para câmara municipal e outros órgãos?

Vale para qualquer órgão público sujeito à Lei nº 14.133/2021 — prefeitura, câmara municipal, autarquia ou fundação —, já que a exigência de elaborar termo de referência na fase de planejamento da contratação não muda conforme o tipo de instituição.

Conclusão

Não existe uma abordagem única certa para elaborar termo de referência — existe a abordagem certa para o volume de contratações e o histórico já acumulado por cada órgão. Redação manual e template fixo resolvem parcialmente e concentram o esforço na revisão; IA genérica externa resolve a página em branco, mas perde o padrão local e levanta questão de exposição de dado sensível; IA nativa treinada no histórico do próprio órgão é a única das quatro que une geração de conteúdo, aderência ao padrão jurídico local e vínculo automático com o processo. A escolha certa depende de quanto histórico o órgão já tem para alimentar essa base — e de quanto tempo hoje se perde em devoluções por inconsistência entre DFD, ETP e TR.

Quer ver como essa geração funciona a partir do histórico de contratações do seu órgão? Agende uma demonstração da Aprova.