Marco Legal da IA está quase virando lei. Seu atendimento sobreviveria a uma auditoria hoje?

O Projeto de Lei 2338/2023, conhecido como Marco Legal da Inteligência Artificial, foi aprovado por unanimidade no Senado em dezembro de 2024 e está na fase final de tramitação na Câmara dos Deputados, com a Mesa Diretora pressionando por uma votação em plenário ainda em 2026, antes do recesso parlamentar. 

Ou seja: não é uma discussão distante. É uma lei que pode sair enquanto você lê os próximos parágrafos e decide, ou não, arrumar a casa antes disso.

E o motivo de esse tema pesar especificamente sobre quem lidera atendimento é simples: em nenhum outro momento uma regulação chegou tão perto da cadeira de quem decide, no dia a dia, o que uma IA pode e não pode responder ao cliente final.

O que o Marco Legal da IA propõe

O PL 2338/2023 segue a lógica do AI Act europeu: classifica sistemas de inteligência artificial por nível de risco (excessivo, alto e baixo/moderado) e estabelece direitos para quem é afetado por decisões automatizadas, como transparência, explicação e contestação. 

O texto também cria o Sistema Nacional de Regulação e Governança de Inteligência Artificial (SIA) e prevê sanções que podem chegar a R$ 50 milhões por infração (Exame; Senado Federal).

Na prática, empresas que usam IA em áreas como atendimento ao consumidor podem precisar demonstrar como uma decisão automatizada foi tomada, quais dados foram usados e quais critérios levaram àquele resultado, algo que só é possível se existir, hoje, algum tipo de auditoria sobre o que a IA está fazendo.

Por que isso é, antes de tudo, um problema de governança, não de tecnologia

No NeoTalks de julho, o especialista em atendimento Ricardo Tiba conversou com Rafael Fernandes, gerente de Customer Service do grupo Fitway, sobre exatamente essa lacuna: empresas que colocam IA para atender sem antes decidir quem é o dono daquela IA.

Segundo Rafael, existem três pilares inegociáveis para colocar um agente de IA em produção sem virar passivo jurídico:

Transparência com o cliente. Ele precisa saber que está falando com uma inteligência artificial e ter uma rota fácil para o atendimento humano. Não por ser uma formalidade, mas porque cada persona reage diferente ao autoatendimento. Quem já está insatisfeito não tem paciência com um fluxo robotizado; quem só quer resolver rápido nem percebe se falou com IA ou humano.

Alçada bem definida. É preciso deixar claro o que a IA nunca pode fazer (mais do que o que ela pode). No caso de Rafael, que atua com suplementação e nutrição, o agente jamais pode indicar dosagem ou fazer qualquer afirmação regulada pela Anvisa e pelo Conar, porque isso ultrapassa o limite entre orientação e prescrição.

Um dono humano. Nenhuma IA pode operar sem curadoria. Alguém precisa auditar as respostas semanal ou quinzenalmente, entender como o agente está se comportando e ajustar o trilho conforme o negócio muda porque, como ele resume, “não adianta colocar o bot para rodar e achar que isso vai resolver o problema da empresa até 2037”.

Sem esses três pilares, o risco não é só de má experiência, mas pode ser:

• financeiro: descontos ou trocas aprovados fora da alçada,
• de segurança de dados, 
• de shadow AI: times usando IA sem que a liderança saiba
• e de efeito caixa-preta: quando nem a própria empresa consegue explicar por que a IA tomou uma decisão. Esse último ponto, aliás, é exatamente o tipo de lacuna que o Marco Legal da IA quer fechar por lei.

Assista ao NeoTalks completo:

O tamanho do risco, em números

A boa notícia é que esse problema já está mapeado por quem estuda risco corporativo, não é só teoria de regulação. Segundo o estudo da Gartner, até 2027, processos manuais de conformidade em IA vão expor 75% das organizações reguladas a multas superiores a 5% da sua receita global. Apesar de as regulações variarem por país, todas convergem para a mesma exigência: um processo sistemático de gestão de risco (Gartner).

Ou seja: o problema não é ter IA. É não ter processo em torno dela. E processo manual, informal, “de boa vontade”, não escala nem para o volume de atendimento, nem para o nível de exigência que uma lei como o PL 2338/2023 impõe.

Exemplo prático: quando a falta de trilho vira notícia

O mercado de atendimento já tem um caso emblemático de quanto custa não ter esse trilho definido: o chatbot de uma companhia aérea deu uma informação errada sobre reembolso a um cliente, o caso foi para a Justiça e a empresa tentou argumentar que a IA seria uma “entidade legal separada”, responsável por suas próprias respostas. O argumento não convenceu, o cliente não estava falando com um robô, estava falando com a marca.

LEIA TAMBÉM | Como a IA vai mudar a relação entre marcas e clientes

É esse tipo de situação que o Marco Legal da IA tenta formalizar em regra: se a IA decide em nome da empresa, a responsabilidade pela decisão continua sendo da empresa.

Como aplicar isso na sua operação, antes da lei sair

Antes de contratar mais uma ferramenta de IA ou expandir a que já existe, vale rodar um checklist simples com o time:

1. Existe uma pessoa (ou área) formalmente responsável por auditar as respostas da IA no atendimento? Esse é o primeiro gap a fechar antes de qualquer decisão de compra.

2. O que a IA não pode fazer está documentado com a mesma clareza do que ela pode fazer? Regulamentações setoriais (Anvisa, Conar, LGPD, Código de Defesa do Consumidor) já impõem limites reais, mesmo sem o Marco Legal aprovado.

3. Existe um histórico auditável das decisões automatizadas, que diga o que foi respondido, com base em quê, e quem poderia revisar isso se fosse cobrado?

4. Os indicadores de eficiência (TMA, FCR, CSAT/NPS) estão sendo olhados em conjunto, e não isoladamente? Um TMA baixo pode escapar de estar “enganando” a liderança, se o esforço do cliente ou a taxa de reincidência não estiverem no mesmo painel.

Erros comuns que valem a pena evitar

Tratar a IA como um projeto com início, meio e fim, e não como algo que precisa de curadoria contínua é a armadilha mais comum entre quem implementa e “esquece”.

Otimizar só o TMA sem olhar para o First Call Resolution: reduzir o tempo de atendimento com automação parece ótimo no relatório, mas pode mascarar um cliente que precisou repetir o mesmo problema três vezes.

LEIA TAMBÉM | Principais indicadores e métricas de atendimento ao cliente para acompanhar

Deixar a IA lidar com clientes já insatisfeitos ou detratores. Segundo o próprio debate no NeoTalks, esse é o tipo de interação em que a IA quase sempre piora o indicador, porque quem já está com atrito quer, antes de tudo, ser ouvido por um humano.

Não redesenhar o papel do time humano à medida que a IA assume tarefas — tratando a automação como substituição, e não como redistribuição de trabalho para funções mais estratégicas, como orquestração, auditoria e atendimento de exceções complexas ou emocionais.

Onde a Núb.ia entra nessa conversa

Regulação nenhuma resolve, por si só, o problema de segurança e responsabilidade no uso de IA, isso depende da arquitetura da própria ferramenta. É por isso que, na NeoAssist, a Núb.ia foi construída com cibersegurança robusta, auditoria contínua dos algoritmos para identificar e corrigir viés, e políticas formais de uso responsável e de sigilo dos dados do cliente.

Na prática, isso significa que funcionalidades como Núb.ia Sugere e Núb.ia Resume operam dentro de trilhos definidos, com histórico auditável de cada interação – exatamente o tipo de estrutura que um cenário de Marco Legal da IA (e de LGPD, que já está em vigor) exige de qualquer empresa que usa inteligência artificial para conversar com o cliente final. 

Não é sobre adicionar burocracia ao atendimento; é sobre ter, desde o primeiro dia, o “dono” e a curadoria inegociáveis.

Se você quer entender com mais profundidade como transformar essa governança em prática, quem deveria ser o dono da IA, como estruturar alçada e como esse mesmo tema se conecta à métricas como TMA e FCR, vale conferir a conversa completa no NeoTalks “IA no atendimento: o que decidir antes que virar obrigação”, com Ricardo Tiba e Rafael Fernandes. Boa parte do raciocínio deste artigo nasceu direto dessa troca.

Em resumo

• O PL 2338/2023 (Marco Legal da IA) foi aprovado pelo Senado em dezembro de 2024 e está em fase final na Câmara dos Deputados, com pressão para votação ainda em 2026.
• O texto classifica sistemas de IA por risco, cria o Sistema Nacional de Regulação e Governança de IA (SIA) e prevê multas de até R$ 50 milhões por infração.
• Segundo o Gartner, até 2027, processos manuais de conformidade em IA vão expor 75% das organizações reguladas a multas superiores a 5% da receita global — o risco já é medido, não é hipotético.
• Os três pilares para uma IA de atendimento sem passivo jurídico são: transparência com o cliente, alçada bem definida sobre o que ela não pode fazer, e um dono humano responsável por auditoria contínua.
• Não redesenhar o papel do time humano tratando a IA como substituição em vez de redistribuição de trabalho é um dos erros mais comuns e mais caros dessa transição.
• Uma IA de atendimento construída com cibersegurança, auditoria de algoritmos e trilha de decisões auditável (como a Núb.ia) já nasce mais preparada para o cenário regulatório que vem antes mesmo de a lei virar obrigação.

F.A.Q

Conclusão

Regulação não nasce para travar quem já faz a lição de casa, mas sim para formalizar o que a boa liderança de atendimento já devia estar fazendo. Quem definir agora quem é o dono da sua IA, o que ela nunca pode responder e como isso é auditado, não vai encarar o Marco Legal da IA como uma corrida contra o tempo quando o texto for sancionado. Vai encarar como uma confirmação de que a casa já estava em ordem.

Se quiser entender como a Núb.ia foi construída para operar dentro desses trilhos desde o primeiro dia, fale com um especialista da NeoAssist.