João Miguel MesquitaAPDC quer mapear a inteligência artificial no Estado e acelerar a sua adoção. Foi esse o ponto de partida do encontro, “Conferência IA no Setor Público: Balanço e Futuro”, promovido pela associação que juntou academia, empresas e administração pública para discutir o estado dos projetos de IA no setor público português. A iniciativa revelou duas conclusões claras: há muito mais projetos em curso do que se imaginava e o principal obstáculo já não é tecnológico, mas organizacional.
Qual foi a motivação para organizar este encontro dedicado à inteligência artificial na administração pública?
A ideia surgiu em várias conversas com a professora Maria Manuela Leitão, que já foi presidente do nosso congresso e continua ligada a muitas iniciativas da APDC. A professora comentava frequentemente que tem acompanhado inúmeros projetos, mas que muitas vezes é difícil perceber o que está efetivamente a acontecer no terreno.
Ao mesmo tempo, no último ano tínhamos promovido vários eventos GovTech, dedicados à tecnologia aplicada à administração pública. Nesses encontros olhámos para áreas como educação, justiça e saúde e percebemos algo interessante: há muita coisa a acontecer, sobretudo na área da inteligência artificial.
Mas essa informação está dispersa. Cada organismo comunica pelos seus próprios canais e é difícil ter uma visão global.
Houve ainda um fator adicional. Em alguns casos percebemos que existiam projetos muito semelhantes a serem desenvolvidos em paralelo, por exemplo na área da justiça, relacionados com a anonimização de sentenças judiciais. Isto mostra que existe inovação, mas também alguma duplicação de esforços.
Por isso decidimos tentar mapear os projetos existentes e criar um espaço onde os diferentes atores pudessem partilhar experiências.
Como foi feito esse levantamento de projetos?
Foi um processo em várias etapas. Começámos há cerca de um ano.
Agregámos informação pública, por exemplo projetos financiados por fundos públicos ou pela FCT. Também contamos com o trabalho de investigação que a professora Joana Gonçalves Sá, da Nova, já vinha a desenvolver sobre este tema.
No final juntámo-nos as três como promotoras da iniciativa: eu pela APDC, a professora Maria Manuela Leitão e a professora Joana Gonçalves Sá.
Desenvolvemos dois questionários: um dirigido aos investigadores envolvidos nos projetos; outro dirigido aos promotores dentro da administração pública.
O objetivo era perceber o que correu bem, o que falhou e que lições foram aprendidas.
Com base nessa informação organizámos o evento.
O objetivo principal foi dar visibilidade ao que está a ser feito?
Sem dúvida.
A missão da APDC é acelerar a transformação digital de Portugal. E muitas vezes o problema não é falta de projetos, é falta de visibilidade.
A administração pública comunica, mas comunica nos seus próprios canais. As empresas também têm limitações naquilo que podem divulgar quando trabalham com o Estado.
O resultado é que ninguém tem uma visão do conjunto.
Por isso este evento não foi pensado como uma iniciativa pontual. A nossa ideia é fazer um balanço bienal. Ou seja, daqui a dois anos queremos voltar a reunir a comunidade para perceber: o que aconteceu aos projetos que já existiam; que novos projetos surgiram; e qual o impacto das novas políticas públicas. Entretanto estamos também a preparar um relatório com as conclusões e a listagem dos projetos identificados.
Uma das conclusões do encontro foi que Portugal já ultrapassou a fase de experimentação em IA no setor público. Que evidências sustentam essa ideia?
Curiosamente essa conclusão apareceu em várias sessões do evento.
Tivemos sessões paralelas e cada uma tinha um relator a recolher conclusões. Quando começámos a comparar as notas percebemos que havia frases muito semelhantes.
Uma delas era esta: o maior risco já não é usar inteligência artificial, é ficar apenas no piloto.
Ou seja, a administração pública consegue mobilizar financiamento e equipas para desenvolver projetos piloto. O problema aparece depois: quando chega o momento de escalar a solução e transformá-la num serviço público permanente.
Não é um problema de inovação. Nem de capacidade técnica.
É sobretudo um problema de escala e de implementação.
O que impede essa passagem do piloto para a operação?
São vários fatores.
Primeiro, muitas vezes é necessário redesenhar processos. A inteligência artificial não funciona simplesmente como uma camada tecnológica por cima do que já existe.
Se aplicamos IA num determinado processo, muitas vezes isso implica alterar processos adjacentes e envolver vários organismos.
Depois há questões legais e regulatórias, que obrigam a revisões legislativas.
Outro problema importante tem a ver com modelos de financiamento.
A administração pública consegue frequentemente financiamento para o investimento inicial, o CAPEX. Mas depois surgem dificuldades em financiar a operação, o OPEX. E hoje muitas soluções tecnológicas funcionam em modelo “as a service”. Isso implica custos operacionais recorrentes que nem sempre estão previstos na lógica tradicional da contabilidade pública.
Quais foram os maiores bloqueios identificados na adoção da IA?
Um dos mais claros foi a dificuldade em redesenhar processos.
Se a tecnologia afeta vários serviços ou vários organismos, torna-se difícil coordenar mudanças.
Outro problema está nos modelos de contratação pública, que muitas vezes não estão alinhados com a oferta tecnológica atual.
Também surgem desafios relacionados com responsabilidades. Num projeto piloto as equipas conseguem organizar-se informalmente. Mas quando chega a fase de escalar a solução surge a pergunta: quem é responsável pelo quê?
E há ainda uma dimensão importante relacionada com ética e governação da IA. É preciso definir processos de controlo e verificação.
O evento também destacou que o problema já não é tecnológico, mas institucional. O que significa isso na prática?
Significa que a tecnologia existe e está disponível.
Os obstáculos são sobretudo organizacionais e culturais.
Os projetos que tiveram mais sucesso tinham algumas características comuns: partiam de problemas concretos e bem definidos; envolviam desde o início administração pública, academia e empresas; combinavam tecnologia com mudança organizacional.
Se alguém tenta apenas introduzir uma ferramenta de IA sem repensar o processo completo, o projeto acaba por bloquear mais à frente.
Falou-se muito também da importância dos dados…
Sim, esse é um ponto crítico.
Os dados são o principal ativo da inteligência artificial. Mas na administração pública continuam muito fragmentados, pouco normalizados e com fraca interoperabilidade.
Às vezes temos a mesma informação classificada de formas diferentes em sistemas distintos.
Sem dados bem governados não é possível ter IA de confiança.
A colaboração entre Estado, empresas e academia é frequentemente apontada como essencial. O que falta para que funcione de forma mais consistente?
Uma das propostas que apresentámos no final do evento foi a criação de um Technology Transfer Officer dedicado a este tipo de projetos.
A ideia é ter alguém responsável por acompanhar todo o ciclo do projeto: conceção; desenvolvimento; implementação; operação.
Hoje muitas iniciativas juntam investigadores, técnicos da administração pública e empresas tecnológicas. Mas nem sempre existe uma estrutura que assegure continuidade.
Existem exemplos internacionais que possam servir de referência?
Um caso interessante é o da cidade de Amesterdão.
Lá existe um centro de transferência tecnológica onde projetos para a administração pública são desenvolvidos com financiamento público. Mas há uma diferença importante: funcionários públicos são alocados a tempo inteiro ao projeto durante um período significativo, por exemplo um ano.
Isso garante duas coisas: maior envolvimento da administração pública; maior probabilidade de implementação bem-sucedida.
É uma abordagem muito diferente da lógica tradicional de reuniões periódicas de acompanhamento.
Que impacto podem estes projetos ter para cidadãos e empresas?
A inteligência artificial pode aumentar muito as capacidades dos profissionais da administração pública.
Pode melhorar: diagnósticos médicos; análise documental; processos de licenciamento; acesso à jurisprudência em processos judiciais.
Mas há outro impacto muito relevante: libertar tempo para o atendimento ao cidadão.
Uma das críticas mais frequentes à administração pública é a qualidade do atendimento. Se conseguirmos automatizar processos de back-office, os profissionais podem dedicar mais tempo a ouvir os cidadãos e a resolver problemas.
Para as empresas há também uma oportunidade importante. Muitas das soluções desenvolvidas em Portugal para o setor público podem tornar-se produtos exportáveis.
Aliás, é uma das ambições da APDC promover essa internacionalização. Este ano vamos organizar um GovTech Summit precisamente para discutir esse potencial.
Quais são os principais riscos associados a esta transição tecnológica?
O maior risco é não identificar e mitigar os riscos desde o início.
É fundamental definir: quem verifica os resultados; quem é responsável por cada etapa; que processos de auditoria existem.
Já vimos casos problemáticos no estrangeiro, por exemplo em sistemas automáticos de avaliação de benefícios sociais ou crédito bancário, onde surgiram enviesamentos.
Isso está muitas vezes relacionado com os dados utilizados para treinar os sistemas.
Por isso é essencial monitorizar continuamente os resultados.
Falta também literacia e talento nesta área?
Sim, é um desafio real.
Não podemos disponibilizar ferramentas de inteligência artificial sem garantir que as pessoas sabem utilizá-las.
Ao mesmo tempo existe uma forte procura por profissionais especializados. Muitas organizações enfrentam um dilema: precisam desses especialistas para desenvolver projetos e ao mesmo tempo para formar as equipas.
Mas acredito que o mercado está a amadurecer rapidamente. Depois de uma primeira fase focada na literacia digital, veremos cada vez mais formação técnica especializada.
Que projetos concretos destacaria?
Um dos exemplos é o Calama, um projeto na área da saúde ocupacional que envolve a Universidade Nova e entidades públicas.
Utiliza inteligência artificial para identificar padrões de risco e prevenir lesões. A tecnologia está bastante madura, mas o projeto enfrentou dificuldades na adoção nacional por falta de um modelo de escala dentro do SNS.
Outro caso é o Rheuma-Aide, um sistema de apoio à triagem e encaminhamento de doentes reumáticos.
Mas estes não são casos isolados. Na área da saúde e dos dados clínicos há vários exemplos que ajudam a perceber a diversidade do trabalho que está a ser feito. O CardioFollowAI, promovido pela Fraunhofer AICOS, aposta na monitorização remota de doentes com insuficiência cardíaca para detetar sinais precoces de descompensação e evitar internamentos. O HealthDisrupt, do LIP, usa Big Data para medir o impacto de eventos disruptivos, como pandemias ou crises climáticas, nos diagnósticos de saúde. Já o GIMM está a aplicar modelos de linguagem e ontologias à organização de grandes volumes de dados biomédicos não estruturados, numa lógica de aceleração da investigação clínica e da medicina personalizada. Nesta mesma linha, o AIH, do ISTAR-ISCTE, procura criar infraestruturas seguras para armazenar dados de saúde e aplicar IA com conformidade regulatória e requisitos de cibersegurança assegurados.
Na operação do sistema de saúde há também exemplos mais próximos do terreno. A SPMS surge associada a duas iniciativas distintas: a triagem inteligente no SNS 24, baseada em algoritmos clínicos de apoio à decisão para orientar cidadãos e apoiar a triagem; e o MODE, Modelo de Acompanhamento do Desperdício, que recorre a machine learning para identificar padrões anómalos e potenciais irregularidades na prescrição médica eletrónica.
Fora da saúde, a aplicação da inteligência artificial também já está a ganhar expressão noutras áreas do Estado. No domínio da integridade pública, o MENAC está a desenvolver um sistema de análise automática de documentos declarativos para identificar inconsistências e potenciais riscos de corrupção. Na Justiça, o Guia Prático da Justiça, promovido no âmbito da Estratégia GovTech, usa IA conversacional para facilitar o acesso a informação jurídica dispersa por vários organismos. E no emprego, o IEFP tem em produção desde 2021 um sistema de profiling para prevenção do desemprego de longa duração, que apoia os técnicos na identificação de pessoas com maior risco de permanecerem afastadas do mercado de trabalho.
Há ainda uma frente menos visível, mas igualmente importante, que é a da capacitação interna da própria administração pública. Aí entra o IA Experience Lab, do INA, que procura preparar dirigentes públicos para uma tomada de decisão mais informada sobre inteligência artificial e governação tecnológica.
O que esta lista mostra é que o ecossistema já é mais vasto, mais diverso e mais maduro do que muitas vezes se supõe. Também reforça a principal conclusão do encontro: os bloqueios mais sérios já não estão tanto na prova de conceito, mas na capacidade de escalar, integrar e dar continuidade institucional às soluções.
Aqui os desafios estiveram sobretudo ligados ao financiamento para ensaios clínicos alargados e à certificação de dispositivos médicos, que é um processo bastante demorado.
São bons exemplos de projetos tecnicamente avançados que enfrentam obstáculos sobretudo organizacionais e regulatórios.
Em suma, o que falta para acelerar a adoção da IA no setor público?
Falta sobretudo coordenação, governação e visão de conjunto.
Portugal tem talento, projetos inovadores e empresas capazes. O desafio agora é garantir que essas iniciativas passam da fase experimental para serviços públicos em escala.
Se conseguirmos isso, o impacto para cidadãos, empresas e para a própria competitividade do país pode ser muito significativo.
