Resposta curta: A inteligência artificial deve classificar a prova de inspeção, mostrar as lacunas e apresentar sugestões ao especialista. A decisão de conformidade, a interpretação do achado crítico, a aceitação de exceções e a publicação do relatório não devem ser concluídas sem a aprovação rastreável de uma pessoa competente.
Porque é que o limite correto deve ser traçado por tarefa?
A pergunta «Usamos inteligência artificial?» não basta por si só. A verdadeira pergunta é que tarefa o sistema executa e a que conduz um resultado errado. Corresponder a fotografia à ordem de trabalho correta não está na mesma classe de risco que decidir que o equipamento está apto para utilização.
Publicada pela ISO em março de 2026, a norma ISO/IEC 17020:2026assenta na competência, imparcialidade e funcionamento consistente dos organismos de inspeção; a nova edição salienta também o pensamento baseado no risco e o controlo de dados e informação. Deste enquadramento resulta a seguinte conclusão técnica: o resultado da IA deve ser concebido como uma entrada controlada no processo, sem substituir o método de inspeção nem o pessoal competente por uma decisão autónoma.
Onde é que a inteligência artificial produz valor seguro?
As áreas mais adequadas são as tarefas de apoio com resultado reversível e em que o especialista regressa facilmente à prova original. A não aceitação da sugestão do sistema não deve perturbar o fluxo de trabalho; a confiança baixa, a deriva de dados ou a prova em falta devem criar automaticamente uma fila de análise.
- Verificação de integridade do registo: Assinalar, antes da publicação do relatório, as faltas em campos obrigatórios, fotografias, registo de instrumento, competência de pessoal e carimbo temporal.
- Priorização de anomalias: Ordenar, entre muitas medições ou imagens, os registos suspeitos que o especialista verá primeiro; não proferir o juízo «existe defeito».
- Correspondência de documentos e provas: Associar a fotografia de campo ao equipamento, ao ponto de controlo e à ordem de trabalho; deixar as correspondências ambíguas numa fila humana.
- Geração de rascunhos: Criar um resumo de relatório ou um rascunho de achados a partir dos campos aprovados; não publicar uma frase cuja origem não consiga indicar.
- Apoio ao planeamento: Sugerir rota ou sequência com dados de carga, localização e duração; não contornar regras rígidas como competência, independência e adequação do instrumento.
O núcleo online atual do NIST AI RMF 1.0 exige a separação de papéis humano–IA, a documentação dos limites de informação do sistema, a definição de processos de supervisão humana e o teste dos sistemas antes da entrada em produção e durante a utilização. No fluxo de trabalho da VizyonTech, a contrapartida é manter no mesmo rasto de auditoria a versão do modelo, a prova de entrada, o estado de confiança/exceção e a operação humana.
Em que passos deve a aprovação humana permanecer obrigatória?
Se o resultado tiver impacto na segurança, na conformidade legal, no âmbito da acreditação, nos direitos do cliente ou no caráter oficial do relatório, o ser humano não pode ser apenas um botão simbólico de “aprovar”. A pessoa competente deve poder aceder à evidência original, rejeitar a proposta, registar a justificação e parar o processo.
| Tarefa | Papel da IA | Ponto de controlo humano | Comportamento fail-closed |
|---|---|---|---|
| Classificação de fotografias e registos | Proposta | Verificação de correspondência com baixa confiança | Se a correspondência for ambígua, o registo não se fecha |
| Deteção de anomalias | Priorização | Interpretação da evidência bruta e construção da constatação | O resultado do modelo, por si só, não constitui defeito |
| Aceitação de medições | Aviso de coerência/limites | Avaliação da conformidade do método, do equipamento e das condições | Sem rastreabilidade completa, o resultado não pode ser utilizado |
| Decisão de conformidade | Resumo da evidência | Decisão técnica competente | Sem aprovação humana não se forma decisão |
| Exceção ou desvio | Sinal de risco | Aceitação/rejeição fundamentada pelo responsável | Sem aprovação limitada no tempo e registada, o processo para |
| Publicação do relatório | Verificação de rascunho e completude | Aprovação técnica e, se necessário, assinatura | Uma versão não aprovada não pode ser divulgada externamente |
Regulamento (UE) 2024/1689 de Inteligência Artificial, Artigo 14, prevê que, em sistemas de alto risco, a pessoa encarregada da supervisão compreenda as capacidades e limitações, mantenha vigilância contra o enviesamento por automatização, interprete e possa invalidar o resultado e parar o sistema. Este artigo não afirma que toda a utilização de IA em inspeção seja legalmente “de alto risco”; usa estas capacidades como uma lista de verificação de conceção sólida para decisões críticas de inspeção.
Como é que a aprovação humana se torna um controlo real?
Escrever um nome num ecrã de aprovação não chega. Para um controlo eficaz, a tarefa, a autoridade e a evidência devem reunir-se no mesmo ponto:
- Defina o papel previamente: Ligue, através do registo de competências, quem pode aprovar em cada método, âmbito e tipo de decisão.
- Mostre a evidência original: O especialista deve poder ver não apenas o resumo da IA, mas a fotografia, a medição bruta, o equipamento, o método e as revisões anteriores.
- Não esconda a ambiguidade: A versão do modelo, a hora da avaliação, o limiar de desempenho e o motivo da baixa confiança devem constar do registo de auditoria.
- Torne a rejeição possível: As competências para alterar a proposta, rejeitá-la, encaminhá-la para segunda revisão e parar em situação de urgência devem ser reais.
- Meça o enviesamento por automatização: A frequência com que as pessoas aceitam a proposta sem verificar a evidência, as constatações omitidas e os exemplos de falsos alarmes devem ser analisados periodicamente.
Dirigido às organizações de inspeção ILAC P15:05/2020, é o documento ILAC em vigor que explica a aplicação de acreditação da ISO/IEC 17020:2012. Embora a edição de 2026 da ISO já tenha sido publicada, o plano de transição da organização e as normas atualizadas da respetiva autoridade de acreditação devem igualmente ser confirmados. Por isso, o software não deve assumir uma versão fixa da norma; deve manter configuráveis o método, o âmbito e a regra de transição.
Como é protegida a segurança e a privacidade dos dados?
Fotografias de campo, informações de clientes, registos de pessoal e conteúdos de relatórios não devem ser enviados de forma descontrolada para um modelo de uso geral. O guia da ANPD/KVKK de 24 de novembro de 2025 Guia sobre Inteligência Artificial Generativa e Proteção de Dados Pessoais, enfatiza uma abordagem centrada no ser humano, transparente e auditável; e a avaliação ao longo de todo o ciclo de vida do processamento de dados pessoais.
Na prática técnica, a minimização de dados, o acesso baseado em funções, o registo do destino das transferências, o prazo de conservação, a avaliação de fornecedores terceiros e o fluxo de eliminação/anonimização devem ser implementados em conjunto. A entrada e a saída do modelo não devem criar um arquivo paralelo que fuja ao controlo de acessos.
Arquitetura de controlo exemplar no fluxo de trabalho da VizyonTech
Vizyon Periyodik num fluxo orientado ao terreno como este, a camada de IA pode, após a ordem de trabalho e as validações de competência e equipamento, gerar a completude da evidência e a prioridade das anomalias. Contudo, a decisão técnica, o bloqueio de versão e a publicação do relatório devem permanecer na cadeia de aprovação autorizada existente. De forma semelhante, em na gestão de relatórios de END a evidência bruta específica do método deve ser preservada de forma independente do resumo da IA.
O rasto de auditoria mínimo deve incluir: identificador da ordem de trabalho, origem dos dados, versões do modelo e das regras, hora, proposta, informação de confiança/exceção, evidência consultada pela pessoa, ação de aceitação/rejeição, justificação e versão do relatório publicado. Se o modelo estiver indisponível, o caminho de decisão crítico deve continuar de forma manual e segura; não deve haver publicação automática com evidência incompleta.
Matriz de evidências
| Afirmação | Fonte | Data / versão | Correspondência na VizyonTech | Consequência técnica |
|---|---|---|---|---|
| A confiança na inspeção assenta em competência, imparcialidade e operação consistente | ISO, ISO/IEC 17020 | 2026, 3.ª edição; versão corrigida 2026-06 | É uma camada de apoio com IA | A decisão de conformidade fica bloqueada numa função competente |
| Papéis humano–IA, limites e supervisão devem ser documentados | Núcleo do NIST AI RMF | AI RMF 1.0, 2023; acesso à fonte online em 2026 | Função, modelo, entrada e rasto das ações | A proposta torna-se rejeitável e verificável |
| Na supervisão crítica, o ser humano deve poder invalidar o resultado e parar o sistema | UE 2024/1689, Artigo 14 | 2024; o calendário de aplicação varia conforme a utilização/âmbito | Sobreposição, paragem e segunda revisão | Estabelece-se controlo eficaz em vez de aprovação simbólica |
| A aplicação de acreditação ISO/IEC 17020 é adicionalmente interpretada | ILAC P15 | 05/2020 | As regras de versão e transição são configuráveis | A transição entre normas antigas/novas não é assumida |
| Os efeitos sobre dados pessoais devem ser avaliados ao longo do ciclo de vida da IA | Guia KVKK sobre IA Generativa | 24.11.2025 | Controlos de minimização, acesso e conservação | Os dados de campo não são transferidos descontroladamente para o modelo |
Decisão final
Na inspeção, uma boa conceção de IA é mais concreta do que o lema “manter o humano no circuito”: acelera as tarefas preparatórias de baixo risco, deixa a decisão crítica à pessoa competente e liga cada ação de ambos à evidência. No primeiro piloto, escolha uma única tarefa; documente, antes da produção, o custo do erro, a condição de fuga, a autoridade humana e a medida de sucesso.
Fontes
- ISO — ISO/IEC 17020:2026, Avaliação da conformidade — Requisitos para organismos que realizam inspeção (março de 2026; versão inglesa corrigida em junho de 2026).
- ILAC — ILAC P15:05/2020, Aplicação da ISO/IEC 17020:2012 para a Acreditação de Organismos de Inspeção.
- NIST — Estrutura de Gestão de Riscos de Inteligência Artificial (AI RMF 1.0), NIST AI 100-1 (26 de janeiro de 2023).
- NIST AIRC — Núcleo do AI RMF: Govern, Map, Measure, Manage.
- EUR-Lex — Regulamento (UE) 2024/1689, em particular o Artigo 14 (13 de junho de 2024).
- Autoridade de Proteção de Dados Pessoais — Guia sobre Inteligência Artificial Generativa e Proteção de Dados Pessoais (em 15 perguntas) (24 de novembro de 2025).