NIAR-Saúde apresenta framework de governança de IA na Data for Policy 2026

Marisa Vasconcelos apresenta o trabalho do NIAR-Saúde na Data for Policy 2026, com o slide do FIAR projetado ao fundo — Marisa Vasconcelos apresenta o trabalho do NIAR-Saúde na Data for Policy 2026.

O NIAR-Saúde participou da 10ª edição da Data for Policy, realizada entre 8 e 10 de setembro de 2026 na Universitat Pompeu Fabra, em Barcelona, na Espanha. Com o tema “Governance of/with AI: Implications for Data, Infrastructure, and Tech Sovereignty”, a conferência reuniu pesquisadores, formuladores de políticas públicas e profissionais de diferentes países para discutir os impactos da inteligência artificial sobre a governança e a tomada de decisão.

Durante o evento, o grupo apresentou o trabalho “From Principles to Longitudinal AI Governance: An Evidence-Based Framework for Continuous Oversight”, que investiga como princípios de IA responsável podem ser traduzidos em práticas concretas de governança e acompanhamento contínuo de sistemas de inteligência artificial.

O artigo apresenta o FIAR (Framework for Institutional AI Responsibility), uma proposta que organiza a governança de IA a partir da produção e da avaliação de evidências relacionadas a diferentes dimensões de responsabilidade. O framework também estabelece níveis de maturidade que representam a evolução dessas práticas, desde iniciativas pontuais até processos institucionalizados de acompanhamento contínuo.

Slide de abertura da sessão “Participatory AI and Public Perception”, com a lista de palestrantes — A sessão “Participatory AI and Public Perception”, no primeiro dia da conferência, em Barcelona (Espanha).

A aplicação é ilustrada por meio de um modelo de previsão de internações por doenças respiratórias desenvolvido com dados do SUS. O estudo de caso demonstra como evidências relacionadas a aspectos como desempenho, justiça e explicabilidade podem ser incorporadas à governança do sistema, em conjunto com a definição de responsabilidades institucionais e mecanismos de monitoramento ao longo de seu ciclo de vida.

Com isso, o trabalho busca aproximar os princípios de IA responsável da prática institucional, oferecendo uma abordagem estruturada e baseada em evidências para acompanhar sistemas de IA desde seu desenvolvimento e avaliação até sua utilização e eventuais modificações.

A versão completa do trabalho está disponível nos anais da Data for Policy 2026 e pode ser acessada na página de publicações do NIAR-Saúde.