Indicador de governança de IA que sobrevive numa reunião de diretoria não mede acerto de modelo. Mede inventário: quantos sistemas de IA generativa a empresa usa, quantos já passaram por avaliação de impacto formal, e quantos decidem alguma coisa sem dono nomeado. Esses três números compõem o núcleo dos indicadores de governança de IA que eu levaria ao conselho, atualizados a cada ciclo, com período e denominador declarados em cada um.
A maioria das diretorias com quem eu converso chega a essa pergunta depois do susto, não antes: alguém pergunta “quantos sistemas de IA a empresa tem” numa reunião de auditoria e a resposta é silêncio. Esse silêncio já é o indicador, só que ninguém mede. Antes de desenhar qualquer dashboard, eu levantaria esse retrato com o Gap Analysis gratuito, que devolve cláusula por cláusula o que já existe e o que falta; métrica de governança de IA sem esse retrato de base é número sem denominador, bonito no slide e inútil na decisão.
O que medir em governança de IA: duas camadas que não se confundem
A ISO 42001 separa, na cláusula 9.1, duas coisas que a maioria dos relatórios de IA ainda mistura numa tabela só1. A primeira camada é o sistema de gestão: os processos de governança estão funcionando, os objetivos estão sendo atingidos, os controles continuam efetivos. A segunda camada é o comportamento de cada sistema de IA individual: acurácia, deriva, viés, disponibilidade. São dois relatórios diferentes, para públicos diferentes.
O conselho precisa da primeira camada. A segunda pertence ao comitê técnico e ao time de risco, que a consome com muito mais frequência e muito mais detalhe do que qualquer diretoria tem paciência ou competência para acompanhar. Levar métrica de modelo para dentro do conselho é o erro mais comum que eu vejo: a reunião trava em discutir uma taxa de acerto que ninguém ali sabe interpretar, e a pergunta que o conselho deveria estar fazendo, “a governança está funcionando”, fica sem resposta.
O NIST AI RMF organiza essa segunda camada em quatro blocos de trabalho, e vale conhecer a lista mesmo que o relatório final do conselho mostre só o resumo: escolher o método e a métrica certa para cada sistema; avaliar o sistema nas características de confiança que a norma lista, como confiabilidade, segurança e viés; acompanhar ao longo do tempo o risco já identificado; e revisar se a própria métrica continua útil2. Cada bloco tem dono técnico próprio. O que sobe ao conselho é o veredito de cada um, não a métrica bruta.
A diretoria tem o que cobrar, só que um andar acima: as métricas de IA para o conselho respondem se o processo que produz e revisa esses quatro blocos técnicos está rodando, não o valor isolado de cada métrica. Um comitê técnico que nunca errou numa métrica de acurácia, mas que também nunca revisou o próprio inventário, está pior do que um comitê que erra e corrige, porque o primeiro não sabe que precisa corrigir nada.
Por que a maioria dos boards ainda não recebe métrica nenhuma de IA
A pesquisa “What Directors Think 2026”, do Diligent Institute em parceria com a Corporate Board Member, com mais de 200 conselheiros de empresa aberta ouvidos no outono de 2025, mostra o tamanho do vácuo: 66% dos conselheiros já usam IA no próprio trabalho de conselho, mas apenas 22% têm algum processo formal de governança de IA em vigor3. A competência técnica anda no mesmo compasso: só 8% dos conselheiros relatam domínio forte do assunto, o menor número entre todas as áreas cobertas pela pesquisa3.
Eu leio esse descompasso como estrutural, não como má vontade. Dá para usar uma ferramenta de IA todo dia e nunca ter visto o inventário de sistemas que a própria empresa opera; são competências diferentes. O artigo sobre risco de IA para o CFO mostra o mesmo vácuo visto de dentro da diretoria financeira: ninguém nomeado, ninguém cobrando número, até a auditoria externa perguntar.
O que reportar sobre IA ao conselho a cada trimestre?
Três números, no mínimo, cada um com período e denominador: quantos sistemas de IA generativa estão em uso hoje contra o trimestre anterior; quantos desses sistemas têm avaliação de impacto concluída e assinada; e quantos incidentes, mesmo pequenos, foram registrados e tratados. Nenhum dos três exige entender rede neural. Todos exigem inventário atualizado, e é aí que a maioria das empresas trava antes de chegar ao relatório.
| Categoria | Pergunta que ela responde | Quem produz o número |
|---|---|---|
| Inventário | Quantos sistemas de IA existem e cresceram quanto | Dono de cada sistema, consolidado por governança |
| Avaliação de impacto | Quantos sistemas de risco médio/alto já foram avaliados | Comitê de risco ou área de compliance |
| Incidente | Quantos eventos aconteceram e como foram tratados | Linha de resposta a incidente, com prazo de encerramento |
Essas três linhas sustentam a norma por dentro: a ISO 42001 pede, na mesma cláusula 9.1, que a organização decida o quê monitorar, como monitorar e quando analisar o resultado, sem entregar uma lista genérica pronta1. A lista acima não substitui essa decisão interna. Ela é o piso mínimo que eu cobraria antes de aceitar que “estamos cuidando disso” é uma resposta suficiente. Depois de montar esse piso, boa parte do trabalho que falta é documentar a política e o registro de avaliação de impacto que sustentam cada linha; os modelos de política e inventário de sistemas de IA existem para encurtar essa parte sem substituir a decisão de quais sistemas entram em cada categoria.
Premissa minha, sem fonte de mercado para sustentar o número: consolidar essas três linhas pela primeira vez, numa empresa de porte médio com inventário disperso em planilha de cada área, costuma consumir de 15 a 25 horas de trabalho entre levantar os sistemas, confirmar dono e cruzar com avaliação de impacto já existente. Da segunda rodada em diante, o custo cai bastante, porque o trabalho pesado foi montar o inventário, não atualizar o número.
Quando esse indicador para de funcionar
Todo indicador bom tem um jeito de ser enganado, e vale declarar o deste antes que alguém descubra sozinho. Contar “sistemas avaliados” sem olhar o risco de cada um premia quem avalia primeiro os sistemas fáceis e deixa os de risco alto para depois, porque o número sobe do mesmo jeito. A correção é simples de enunciar e incômoda de aplicar: o indicador de avaliação de impacto precisa vir sempre acompanhado da classificação de risco de cada sistema, nunca como contagem solta. Sem esse par, o relatório mostra progresso enquanto o risco real continua intocado.
Dashboard de governança de IA: o que cabe numa página
Dashboard de governança de IA que precisa de treinamento para ser lido já nasceu errado para o público que vai lê-lo numa reunião de uma hora com outros doze assuntos na pauta. Eu cobriria, numa página só, com cor em vez de número decimal onde for possível:
O que cabe no relatório trimestral de IA para o conselho
- Sistemas de IA generativa em uso, com variação contra o trimestre anterior
- Sistemas de risco alto ou médio sem avaliação de impacto concluída, com nome do dono e prazo
- Incidentes abertos e fechados no período, com tempo médio de encerramento
- Fornecedores de IA novos no período, com due diligence pendente ou concluída
- Uma frase de uma linha: a governança está dentro do planejado, atrasada ou sem plano
A frequência dessa página importa tanto quanto o conteúdo. O artigo sobre auditoria interna de IA detalha com que cadência cada tipo de sistema deveria ser revisado; o relatório ao conselho não precisa da mesma cadência da auditoria interna, mas precisa estar sincronizado com ela, porque um relatório trimestral que cita uma avaliação de impacto de catorze meses atrás está reportando uma fotografia, não o estado atual do risco.
KPI de governança de IA que eu não levaria ao conselho
Taxa de acerto de modelo, tempo de resposta de API e volume de chamadas processadas são métricas boas, só que pertencem ao comitê técnico, não à pauta do conselho. Levar esse tipo de número para a diretoria tem um custo que ninguém cobra: a reunião gasta o tempo mais caro da empresa discutindo um detalhe de engenharia em vez de decidir se o programa de governança está funcionando.
Eu vi esse mesmo erro de nível, fora do contexto de IA, numa auditoria de ITIL que conduzi numa indústria: a métrica que sobreviveu na reunião de diretoria foi “zero chamados perdidos” e queda de 75% no tempo de processamento, porque tinha período, baseline e denominador declarados. “Melhoramos o atendimento” não teria sobrevivido àquela mesma reunião, porque não dizia nada que alguém pudesse conferir depois. A régua para métrica de IA que sobe ao conselho é a mesma: alguém de fora da área técnica consegue repetir a conta e chegar no mesmo número?
Essa régua custa alguma coisa, e eu prefiro declarar o custo em vez de escondê-lo. Reduzir todo relatório de IA a três ou quatro números obriga alguém a decidir o que fica de fora, e o que fica de fora às vezes é exatamente a métrica técnica que o comitê de risco mais discutiu naquele trimestre. O conselho perde detalhe; em troca, ganha um relatório que lê em cinco minutos e decide algo com ele, em vez de um anexo de trinta páginas que ninguém abre antes da reunião. Eu aceito essa troca porque já vi o anexo de trinta páginas guardado sem leitura; nunca vi isso acontecer com três números que alguém sabe explicar de memória.
Por onde eu começaria, se fosse montar esse relatório amanhã
Eu começaria pelo inventário, porque nenhum dos três números do relatório trimestral existe sem ele; depois eu nomearia, por escrito, quem é dono de cada sistema e quem consolida o número final antes de ele chegar à pauta. Só então eu discutiria formato de dashboard, cor, gráfico, porque formato bonito em cima de inventário incompleto só esconde o problema por mais um trimestre.
Se o seu conselho pedisse amanhã os três números deste artigo, inventário, avaliação de impacto e incidente, a resposta já existiria em algum lugar da empresa, ou alguém teria que montá-la correndo na véspera da reunião?
Referências
- ↑ ISO/IEC. ISO/IEC 42001:2023 - Information technology — Artificial intelligence — Management system. ISO. 2023. consultar Acesso em 2026-11-17.
- ↑ National Institute of Standards and Technology. Artificial Intelligence Risk Management Framework (AI RMF 1.0). NIST. 2023. consultar Acesso em 2026-11-17.
- ↑ Diligent Institute; Corporate Board Member. What Directors Think 2026: Building future-ready boards. Diligent. 2026. consultar Acesso em 2026-11-17.
Veja também
Qual a validade do certificado ISO 42001?
A validade do certificado ISO 42001 é de três anos, com auditoria de manutenção anual e recertificação completa no fim do ciclo.
Ler artigo → RiscosVazamento de dados em IA generativa: quem responde por isso?
Vazamento de dados em IA generativa expõe a empresa, não o funcionário: entenda o que a LGPD cobra e como reduzir o risco.
Ler artigo →
