Classificação de riscos da IA na educação: guia de governança para escolas e faculdades

MANUAL OPERACIONAL | COMPLIANCE E GOVERNANÇA • Revisado em 14 de novembro de 2026 • EiPassei • Série especial 2026
A primeira pergunta de um comitê de IA educacional não deveria ser “qual plataforma comprar?”, mas “qual resultado essa aplicação produz e sobre quais direitos pode interferir?”. A Resolução CNE/CP nº 1/2026 exige classificação por finalidade e risco, processos de supervisão e documentação adequados. Este manual transforma a sequência normativa em uma rotina de avaliação institucional.
PRIORIDADE 1 | Interromper práticas vedadas.
Antes de inventariar ferramentas de baixo risco, identifique decisões exclusivamente automatizadas, vigilância proibida e treinamento indevido.
Experimente a análise na prática
Ferramenta editorial de consulta: escolha uma situação e confira a regra. A leitura do texto normativo continua indispensável.
A classificação não é um selo fixo de fornecedor
O art. 36 determina análise proporcional à finalidade educacional, autonomia, dados tratados e riscos efetivos. O art. 37 enumera baixo, moderado, alto e excessivo ou incompatível. Já o art. 7º, § 1º, estabelece que funções associadas a diferentes categorias devem observar cumulativamente os critérios aplicáveis, prevalecendo o nível mais elevado para definição de salvaguardas.
Se uma solução começa como tradutor e depois recebe dados de desempenho para prever evasão, a classificação precisa ser reavaliada. Não se trata de atualizar a descrição comercial do produto, mas de identificar uma mudança material no impacto sobre a trajetória do estudante.
Como classificar: quatro categorias
O art. 37 estabelece baixo, moderado, alto e excessivo ou incompatível. O art. 36 manda avaliar finalidade educacional, grau de autonomia, tipo de dado, perfilização, consequências, reversibilidade e presença real de supervisão e governança. A lista de exemplos é ilustrativa, não exaustiva.
Quando uma aplicação possui mais de uma finalidade ou característica de risco, os critérios são cumulativos e prevalece a classificação mais elevada para definir salvaguardas (art. 7º, § 1º). Assim, a mesma ferramenta pode deixar de ser baixo risco ao ganhar acesso a notas individualizadas ou função de decisão.
Baixo risco: apoio instrumental
O art. 38 inclui organização de material, planejamento, revisão textual não avaliativa, tradução e recursos simples de acessibilidade, desde que não haja repercussão relevante, perfilização, dados sensíveis ou decisão automática. A governança pode ser simplificada, com registro de finalidade, transparência, proteção de dados e possibilidade de supervisão.
Uma ferramenta que transforma um documento em áudio sem registrar informações sensíveis, por exemplo, pode se enquadrar nesse patamar. Se passar a inferir diagnóstico, acompanhar continuamente comportamento ou decidir sobre direitos, a avaliação muda.
Inventário institucional: o primeiro documento de governança
Para cada aplicação, registre nome, fornecedor, finalidade, público, controlador dos dados, base de tratamento, integrações, local de armazenamento, autonomia, pessoa responsável, efeito esperado, possível dano, alternativa menos invasiva e periodicidade de revisão. O art. 12 exige documentação das decisões e mecanismos de atualização de políticas.
O inventário deve diferenciar ferramentas aprovadas pela instituição de usos individuais que não se confundem automaticamente com adoção institucional. A política também precisa explicar como reportar falhas e como suspender uma integração que se mostrou incompatível com a finalidade educacional.
Risco moderado: acompanhamento e apoio contínuo
O art. 39 abrange tutores automatizados, assistentes institucionais, feedback formativo, ferramentas de apoio à pesquisa e recomendações acadêmicas que não tenham efeito decisório automático relevante. Exige identificar responsáveis e dados tratados, comunicar limites, promover revisão humana de resultados que influenciem orientação, monitorar erros e viés e manter canal de contestação pertinente.
A classificação não significa ausência de risco. Uma recomendação de estudo pode reforçar desigualdades se determinada por histórico enviesado. O monitoramento periódico deve examinar impacto desproporcional e mudança de finalidade ou integração com novas bases de dados.
Avaliação de impacto: antes da implantação
Para alto risco, o art. 40, § 2º, prevê avaliação prévia de impacto algorítmico e, quando aplicável, relatório de impacto à proteção de dados. Considere vieses, erros de decisão, grupos afetados, assimetria de informação, riscos de exclusão, reversibilidade e documentação do processo humano de validação.
A estrutura AI RMF do NIST pode contribuir como referência de organização do gerenciamento de risco, mas não substitui a classificação e as proibições específicas impostas pela resolução brasileira. É importante conservar o fundamento normativo nacional em cada avaliação.
Alto risco: decisões e dados sensíveis
O art. 40 inclui correção com repercussão acadêmica, proctoring, perfilização individual, sistemas de seleção, certificação, benefícios, predição de evasão e tratamento de dados sensíveis. Determina avaliação prévia de impacto algorítmico, relatório de proteção de dados quando aplicável, supervisão humana documentada, auditoria, rastreabilidade e direito de contestar.
A validação humana deve anteceder decisões relevantes e poder modificar o resultado. Para redações, a leitura integral e a apreciação direta são indispensáveis. Detector de IA em apuração disciplinar pode ser apenas auxiliar; uma pontuação automatizada não é sanção.
Contratos e cadeia de responsabilidade
O art. 5º exige instrumentos de contratação com mecanismos de governança, auditoria, monitoramento e responsabilização dos fornecedores. As cláusulas devem enfrentar finalidade de tratamento, uso dos conteúdos para treinamento, confidencialidade, subcontratação, registro de incidentes, portabilidade, exclusão e mecanismos de auditoria.
Uma solução terceirizada não transforma a instituição em espectadora sem obrigação. A responsabilidade sobre decisão acadêmica e sobre segurança precisa ser distribuída de forma juridicamente adequada, inclusive nos contratos com operadores e prestadores.
Risco excessivo: aplicações proibidas
O art. 41 veda pontuação social, vigilância emocional, exploração de vulnerabilidades, perfilização psicológica ou biométrica inadequada, monitoramento biométrico permanente, discriminação automatizada e uso de dados educacionais para publicidade direcionada. Também proíbe decisões exclusivamente automatizadas com efeitos acadêmicos relevantes, notas dissertativas sem correção humana e sanção baseada apenas em detector.
A existência da ferramenta no mercado não torna legítima sua implantação institucional. Se uma funcionalidade vedada estiver ativa, o dever é interromper sua utilização, sem aguardar o fim do prazo de adequação.
Plano de implementação e fiscalização
Um plano proporcional pode conter inventário de sistemas, responsável institucional, finalidade, base de dados, categoria de risco, evidências de eficácia, contrato, requisitos de transparência, avaliações de impacto, controles de segurança, canais de revisão e periodicidade de auditoria. O art. 5º também exige mecanismos contratuais de responsabilização de fornecedores.
O art. 46 prevê 12 meses desde a publicação para adequar políticas, práticas, governança e contratos, com proibições do art. 41 já aplicáveis. Os arts. 43 e 44 exigem levar em conta porte, infraestrutura, cooperação e capacidades de cada rede sem abandonar proteção de direitos.
Plano de adequação com prioridades reais
Aplique uma ordem de execução: primeiro, interromper práticas vedadas pelo art. 41; segundo, inventariar aplicações com efeito acadêmico ou dados sensíveis; terceiro, formalizar políticas de supervisão e revisão humana; quarto, revisar contratos, dados e formação; quinto, instituir monitoramento e reclassificação periódica.
O prazo de 12 meses previsto no art. 46 não posterga o cumprimento das proibições imediatas. A proporcionalidade do art. 43 considera o porte e a infraestrutura da instituição para estruturar a governança, sem dispensar proteção de direitos.
Indicadores para acompanhar a implantação
Sugestão de indicadores: percentual de aplicações inventariadas; proporção de avaliações de risco documentadas; prazo de atendimento a contestação; taxa de decisões acadêmicas revisadas por humanos; incidentes de vazamento ou tratamento indevido; participação docente na governança; registros de formação; periodicidade de reclassificação.
Esses indicadores são uma proposta operacional e não constam como metas numéricas obrigatórias da resolução. A gestão deve definir métricas e valores de referência com base em seus riscos, recursos e procedimentos institucionais.
Exemplo comentado
Uma plataforma começa oferecendo tradução (baixo risco), passa a recomendar trilhas (moderado) e posteriormente decide quais alunos obtêm bolsas (alto risco ou vedação, se for decisão exclusivamente automatizada). A classificação deve ser reavaliada a cada mudança de finalidade e funcionalidade.
Documentos que uma auditoria deve conseguir encontrar
Inventário institucional das aplicações utilizadas.
Análise de finalidade, contexto e classificação de risco.
Avaliações de impacto e medidas de mitigação aplicáveis.
Contratos com deveres de fornecedor, segurança e auditoria.
Mecanismos de revisão e contestação de decisões.
Registros de formação docente e atualização das políticas.
Fontes para aprofundar
Os documentos abaixo oferecem a fundamentação normativa e referências complementares de integridade, metodologia ou governança. Os materiais internacionais são recomendações e não substituem a resolução brasileira.
Continue pela sua dúvida
Referências bibliográficas (ABNT)
AUTIO, Chloe et al. Artificial Intelligence Risk Management Framework: Generative Artificial Intelligence Profile. Gaithersburg: NIST, 2024. DOI: 10.6028/NIST.AI.600-1.
BRASIL. Autoridade Nacional de Proteção de Dados. Guia orientativo para definições dos agentes de tratamento de dados pessoais e do encarregado. Brasília, DF: ANPD, 2022.
BRASIL. Autoridade Nacional de Proteção de Dados. Guia orientativo sobre segurança da informação para agentes de tratamento de pequeno porte. Brasília, DF: ANPD, 2024.
BRASIL. Conselho Nacional de Educação. Resolução CNE/CP nº 1, de 11 de novembro de 2026. Diário Oficial da União: seção 1, Brasília, DF, 12 nov. 2026.
BRASIL. Ministério da Educação. MEC estabelece diretrizes para uso responsável da IA na educação. Brasília, DF, 11 nov. 2026.
MIAO, Fengchun; CUKUROVA, Mutlu. Marco referencial de competências em IA para professores. Paris: UNESCO, 2024.
TABASSI, Elham. Artificial Intelligence Risk Management Framework (AI RMF 1.0). Gaithersburg: NIST, 2023. DOI: 10.6028/NIST.AI.100-1.
Nota editorial: análise informativa da norma vigente em 14/11/2026. Os exemplos e as ferramentas de consulta nesta página são didáticos; sua aplicação concreta depende do contexto institucional e das demais regras jurídicas e acadêmicas. Não constitui parecer jurídico individual.