Por que a IA de análise documental não é determinística

A IA que lê e avalia documentos anexados a um processo administrativo não devolve sempre a mesma resposta para o mesmo arquivo. Pedir ao requerente que retire um anexo e reenvie o mesmo PDF, sem alterar nada nele, pode ser suficiente para a análise sair diferente da primeira vez. Isso não é uma falha de configuração à espera de correção — é a natureza do tipo de modelo usado para interpretar linguagem e imagem. Gestor público que trata essa variação como defeito de fabricação corre o risco de descartar, por desconfiança, uma ferramenta que — usada com o controle certo — ainda reduz mais erro do que produz.

Vale separar três ideias antes de decidir o que fazer com essa variabilidade: por que ela existe, por que não é exclusividade da máquina, e o que muda no desenho do processo quando se aceita que ela vai continuar existindo.

Software tradicional responde sempre igual; IA de leitura documental, não

Um sistema que calcula uma taxa, define um prazo por tipo de processo ou decide a próxima etapa de um fluxo é determinístico por construção: a mesma entrada sempre produz a mesma saída, porque a lógica é uma sequência fixa de regras. É esse tipo de automação que sustentou décadas de digitalização no setor público — e é por isso que o gestor acostumado a ela espera o mesmo comportamento de qualquer automação nova.

A IA que lê uma petição, confere um croqui ou avalia se um anexo atende a um checklist opera de outro jeito. Ela não segue uma regra fixa escrita por um analista de sistemas — ela interpreta o conteúdo e produz a resposta mais provável diante daquele texto ou imagem, o que pode variar entre uma execução e outra mesmo sem nenhuma mudança no arquivo de entrada. Isso já foi observado na prática por equipes que implantam esse tipo de leitura automática em plataformas de governo digital: a mesma peça, reenviada sem alteração, pode ser avaliada de forma diferente na segunda tentativa.

A variação não nasceu com a máquina — ela já existia entre dois analistas humanos

O padrão de comparação que a maioria dos gestores usa está errado. Comparar a IA com uma calculadora é injusto porque leitura documental nunca foi um problema de cálculo — é um problema de interpretação, e interpretação humana também varia. Dois servidores diferentes analisando o mesmo processo, no mesmo dia, já podem chegar a conclusões distintas sobre se um documento está completo ou se uma justificativa é suficiente. A IA herdou essa variabilidade de quem ela imita, não a inventou.

O que muda é a escala: um analista inconsistente afeta um processo por vez, silenciosamente. Um modelo de IA mal supervisionado pode repetir o mesmo padrão de inconsistência em milhares de processos antes que alguém perceba — e é exatamente esse risco de escala, não a existência da variação em si, que justifica desenhar um controle formal em vez de simplesmente confiar no resultado.

O controle certo não elimina a variação — impede que ela decida sozinha

A Lei nº 9.784/1999, no art. 50, exige que todo ato administrativo que negue, limite ou afete direito seja motivado — o que já deixa claro que a decisão final de um processo público precisa ter responsável identificado e justificativa registrada, seja ela sugerida por IA ou não. Isso significa que o resultado da leitura automática nunca pode ser o despacho em si: ele é um insumo para a análise do servidor, que confirma, corrige ou descarta a sugestão antes de assinar.

Na prática, isso se traduz em dois hábitos operacionais. O primeiro é permitir reprocessar uma análise quando o resultado parecer estranho, em vez de tratá-lo como definitivo — um documento reavaliado costuma corrigir o desvio. O segundo é registrar formalmente quando a IA erra de forma recorrente, porque esse padrão indica que a instrução dada ao modelo precisa ser ajustada, não que o modelo deve ser abandonado. É esse tipo de calibragem contínua que separa uma IA usada com governança de uma IA usada como caixa-preta — e é também o motivo pelo qual dividir a leitura documental, a análise técnica e a geração de relatório entre modelos especializados por etapa reduz o espaço para esse tipo de erro se propagar por um processo inteiro sem ser percebido.

Conclusão

Recusar IA de análise documental porque ela não é 100% consistente ignora que a análise manual nunca foi. A métrica que importa não é “a IA nunca erra” — nenhuma leitura, humana ou automatizada, cumpre esse padrão —, é se o erro é detectado e corrigido mais rápido do que era antes de existir automação alguma. Assim como a IA não substitui o julgamento jurídico da procuradoria, ela também não substitui a responsabilidade do servidor que assina o despacho — só reduz o tempo que ele gasta chegando até a decisão. Para entender como estruturar esse tipo de supervisão dentro de um processo eletrônico real, veja como a IA se aplica à gestão pública ou agende uma demonstração da Aprova.