Singapore IMDA Model AI Governance Framework: o que o Brasil pode aprender em 2026

Em 2026, quando o conselho cobra explicação sobre como a sua empresa governa IA, três frentes regulatórias dominam a conversa pública. EU AI Act está em vigor desde agosto de 2024 e plenamente aplicável em agosto de 2026. PL 2338 tramita na Câmara em ritmo lento. NIST AI Risk Management Framework é referência técnica nos EUA. Você lê os três, percebe que falam de risco, de categoria e de obrigação regulatória. Nenhum responde como organizar a governança interna da sua operação com IA dentro de casa.

O que responde isso é outro tipo de documento. Singapore publicou dele a primeira versão em janeiro de 2019, atualizou em janeiro de 2020, e em maio de 2024 lançou uma versão específica pra IA generativa. O Model AI Governance Framework da IMDA junto com a PDPC. Não é hard law. É soft law setorial, com 2 dimensões core e 11 princípios operacionais que cabem na mesa do COO sem virar consultoria cara. Três deles funcionam direto na realidade brasileira.

O que é o Model Framework e por que ele existe

Singapore, em 2019, fez escolha de política industrial pouco usual. Em vez de criar regulação obrigatória pra IA (o caminho europeu), em vez de deixar mercado autoregular (o caminho americano até 2024), construiu um terceiro caminho. Publicou playbook setorial detalhado, com checklists e exemplos de implementação, e deixou a adoção voluntária. A aposta foi que empresa madura adota porque a referência facilita conversa com investidor, parceiro e cliente enterprise. Em 2026, a aposta se mostrou correta. A maioria das empresas reguladas em Singapore segue o framework na prática, e o documento virou referência internacional citada por OECD, ISO e Council of Europe.

A leitura da tabela acima muda a conversa de board. Não existe um documento único que resolva governança de IA na sua empresa. EU AI Act fecha risco regulatório europeu. PL 2338 vai fechar risco brasileiro quando aprovado. Model Framework fecha governança operacional interna. ISO 42001 fecha auditoria de sistema. Empresa de mid-market BR séria em 2026 trata as quatro camadas como paralelas. Reduzir tudo a uma única peça regulatória deixa lacuna previsível.

As 2 dimensões core do Model Framework

O documento original de 2019 tem 2 dimensões principais. Internal Governance Structures and Measures, que fala de como organizar comitê, papéis e oversight interno. Determining the Level of Human Involvement in AI-augmented Decision-making, que fala de quanto humano participa de cada categoria de decisão. A versão pra IA generativa de 2024 adicionou 3 sub-dimensões: Provenance and Watermarking, Disclosure to Users, e Human Oversight Calibrated to Risk.

A segunda dimensão é a mais relevante pra leitura econômica que a governança brasileira ainda não fez. Quanto humano sênior precisa ratificar output de IA por categoria de decisão. Em qual frequência. Com qual profundidade. Essas perguntas têm resposta em moeda diretamente, e é nelas que custo de coordenação humano-agente vive.

Princípio 1 transferível: atribuir dono nomeado pra decisão de IA

O primeiro princípio do Model Framework que viaja direto pra mid-market brasileira é estrutural. Cada categoria de decisão de IA precisa ter dono nomeado. Em Singapore o framework recomenda 4 categorias: decisão sobre modelo (escolha, treino, ajuste), decisão sobre dado (origem, qualidade, anonimização), decisão sobre output (validação, calibração, ratificação) e decisão de capital (orçamento, headcount, vendor).

A versão brasileira típica em 2026 falha aqui. Empresa mid-market BR adota IA com decisões dispersas. CTO escolhe modelo. Data team puxa dado. Líder de área valida output. Ninguém formaliza decisão de capital. Resultado: orçamento de IA explode sem dono, ROI fica chute, board cobra explicação que ninguém tem. Comitê de IA não resolve esse vácuo, porque comitê é cerimônia mensal sobre risco e modelo, não dono operacional de decisão recorrente.

A 4ª linha é a categoria que mais pesa em moeda na operação real e que nem o EU AI Act nem o PL 2338 cobrem. Compliance regulatório responde se o modelo é categoria alto-risco. Não responde quanto custa operar o modelo somado ao tempo sênior gasto coordenando o uso dele. Atribuir dono nomeado pra essa categoria é movimento governança operacional, não regulatória. O Model Framework recomenda CFO. A realidade brasileira em 2026 sugere o mesmo movimento.

Princípio 2 transferível: separar decisão técnica de decisão de capital

O segundo princípio é uma separação. Decisão técnica (qual modelo, qual dado, qual prompt) tem critério diferente de decisão de capital (qual orçamento de inferência, qual ROI, qual contrato de vendor). Em Singapore as duas seguem comitês separados com sobreposição limitada. CTO lidera decisão técnica. CFO lidera decisão de capital. Comitê executivo arbitra interseções raras.

A confusão entre as duas é causa raiz de erro recorrente em mid-market BR. Empresa que aprova vendor de IA com critério técnico (modelo de ponta) ignora ROI até ele estourar. Empresa que aprova com critério financeiro (vendor mais barato) trava em modelo inferior e desperdiça eficiência possível. Separar formalmente as duas decisões em comitês distintos não dobra burocracia. Reduz erro estratégico de capital allocation.

A leitura econômica em moeda só funciona quando essas duas linhas ficam separadas formalmente. CFO que assume a coluna direita ganha autonomia narrativa que comitê único de IA não entrega. CTO continua dono da coluna esquerda, com proteção pra decidir tecnicamente sem ter que defender ROI a cada release. Em mid-market BR, a separação cabe em 60 dias de redesenho de comitê. CFO assume a frente econômica.

Princípio 3 transferível: fluxo formal de oversight humano-no-circuito calibrado por risco

O terceiro princípio é operacional. Cada categoria de decisão de IA precisa ter regra escrita de quanto humano participa. Em Singapore o framework recomenda 3 tiers: low-risk (humano observa pós-fato), medium-risk (humano ratifica antes de ação), high-risk (humano aprova com revisão profunda). A escolha de tier é matéria de governança, não de tecnologia. CTO opina, mas dono é COO + Compliance.

O equivalente prático em mid-market BR 2026 raramente é escrito. Líder de área decide quando ratifica output, quando deixa passar, quando rejeita. Sem critério escrito, a ratificação fica oscilando entre o exagerado (pra cobrir risco percebido) e o omisso (porque ninguém tem tempo). A oscilação consome payroll sênior sem trazer ganho proporcional. É exatamente onde a aresta A2H se torna a categoria invisível mais cara em operação híbrida.

A última coluna da tabela é a categoria econômica que ainda não tem nome canônico em B2B BR. Custo carregado por output revisado, somado ao volume mensal de cada tier, é a fatura real da coordenação humano-agente. Sem fluxo formal escrito de oversight, esse custo fica diluído em payroll sem categoria. Com fluxo escrito, a categoria FinOps de coordenação ganha leitura mensurável.

O que o Brasil pode aprender (e o que não pode copiar)

Os 3 princípios transferíveis cabem em 90 dias de implementação interna sem depender de aprovação legislativa, vendor externo ou comitê regulatório. A versão pragmática é direta. Mês 1: atribuir dono nomeado pras 4 categorias de decisão de IA. Mês 2: separar formalmente comitê técnico de comitê de capital. Mês 3: escrever tiers de oversight humano-no-circuito calibrados por risco, com custo carregado estimado por tier.

O que não viaja é a estrutura macro. Singapore tem agência única (IMDA) com mandato regulatório e setorial, condição rara fora de economias-cidade. Brasil tem ANPD pra proteção de dado, ainda sem equivalente pra IA, e PL 2338 distribui responsabilidade entre múltiplos órgãos. Tentar replicar a IMDA na ANPD ou criar agência única no Brasil é debate de política pública que ultrapassa o ciclo da sua empresa em 2026. Os 3 princípios operacionais continuam aplicáveis independente da forma final da regulação brasileira.

A outra peça que viaja parcialmente é a versão pra IA generativa de 2024. Provenance + Disclosure + Human Oversight Calibrated são sub-dimensões úteis em B2B BR, mas o Provenance precisa adaptação legal (LGPD vs PDPA têm bases diferentes pra dado pessoal usado em treino) e o Disclosure tem grau distinto pela cultura de mercado. Adaptação cabe em projeto separado de Legal + Produto.

Roadmap de adoção em 90 dias pra mid-market BR

O quarto mês é opcional porque o inventário das arestas em 30 dias serve de teste de realidade dos números carregados estimados no Mês 3. Empresa que entrega Mês 1 a Mês 3 já cumpriu 80% do que o Model Framework propõe. O Mês 4 fecha a leitura econômica em moeda defensável diante do board.

Perguntas frequentes

O fechamento

Empresa brasileira em 2026 não precisa esperar o PL 2338 entrar em vigor pra começar a governar IA dentro de casa. Singapore mostrou em 2019 que governança operacional pode existir antes de regulação obrigatória, e que a adoção voluntária cresce quando o framework é referência de mercado. O Model AI Governance Framework não é modelo único, mas é o playbook setorial mais bem testado pra empresa que precisa organizar a governança antes da regulação chegar.

Os 3 princípios transferíveis cabem em 90 dias, com Chief of Staff + COO + CFO + 1 analista sênior dedicado. Atribuir dono nomeado, separar decisão técnica de decisão de capital, escrever tiers de oversight humano-no-circuito. O resultado é defesa narrativa completa diante de board, investidor e cliente enterprise, mais o vetor invisível da governança de IA ganha leitura econômica em moeda. Compliance regulatório fecha risco. Governança operacional fecha capital. As duas frentes continuam paralelas, e quem cobre as duas chega em 2027 com vantagem narrativa que concorrente sem playbook setorial não consegue recuperar.