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

O board te chama e pergunta como a empresa governa IA. A conversa pública te dá três nomes. EU AI Act, em vigor desde agosto de 2024, plenamente aplicável em agosto de 2026. PL 2338, ainda na Câmara. NIST AI Risk Management Framework, a referência técnica americana. Os três falam a mesma língua: risco, categoria, obrigação diante de um regulador. Nenhum responde a pergunta que o board fez, que era outra: como organizar a casa por dentro.

Quem responde é um documento que quase ninguém no Brasil leu. Singapura publicou a primeira versão em janeiro de 2019, revisou em janeiro de 2020, ganhou um capítulo pra IA generativa em maio de 2024, e em janeiro de 2026 ganhou o irmão que interessa a quem opera agente: o primeiro framework de governança de IA agêntica do mundo. Tudo sob o mesmo nome de família, o Model AI Governance Framework, assinado pela IMDA. Nada disso é lei. É soft law: manual que se adota por conta própria, com checklist e exemplo de implementação, sem multa e sem licença.

O que é o Model Framework e por que ele existe

Em 2019, Singapura fez uma aposta que ninguém mais tinha feito. A Europa escrevia regra obrigatória. Os Estados Unidos deixavam o mercado se resolver sozinho. Singapura cavou um caminho no meio: escreveu o manual detalhado, com checklist e exemplo de implementação, e não obrigou ninguém a seguir. A aposta era que empresa madura adota de graça o que lhe rende uma conversa melhor com investidor, parceiro e cliente. Sete anos depois, colou. A maioria das empresas reguladas de lá segue por vontade própria, e OCDE, ISO e Conselho da Europa passaram a citar o texto como referência.

Em janeiro de 2026, em Davos, Singapura repetiu a jogada pra um problema novo: agentes de IA que planejam, decidem e executam sozinhos. O framework de IA agêntica saiu como o primeiro do mundo no assunto, e foi atualizado já em maio, com orientação pra sistemas multi-agente e agentes de terceiros. Mesma filosofia de sete anos antes: chegar na frente do regulador, de graça, e deixar o mercado adotar porque compensa.

Não existe a peça única que resolve governança de IA na sua empresa, por mais que o fornecedor da vez prometa que existe. O EU AI Act fecha o risco regulatório europeu. O PL 2338 vai fechar o brasileiro quando sair. O Model Framework fecha a governança por dentro. A ISO 42001 fecha a auditoria do sistema. São buracos distintos, e quem tapa um só e dorme tranquilo acorda com os outros três escancarados.

As quatro dimensões do Model Framework

O documento clássico, o de 2019, se organiza em quatro dimensões, não duas, como às vezes se resume por aí. A primeira, governança interna: quem manda em quê, comitê, papéis, supervisão por dentro. A segunda, nível de envolvimento humano: quanto humano entra em cada decisão aumentada por IA. A terceira, gestão de operações: qualidade de dado, mitigação de viés, validação e robustez do modelo. A quarta, comunicação com stakeholders: o que se conta pro usuário, como se explica a decisão da máquina, por onde ele reclama. A versão de 2024 pra IA generativa expandiu isso pra nove frentes: accountability, dados, proveniência de conteúdo, testes, segurança, entre outras. E a de 2026 pra IA agêntica reorganizou tudo em torno de quatro pilares próprios.

O framework de IA agêntica de 2026 parte de um fato que o de 2019 não precisava enfrentar: um agente não só sugere, ele age. Chama API, altera sistema, aciona outro agente. Por isso o texto se apoia em quatro pilares, todos voltados a conter o que a autonomia introduz de novo.

Repare no que as quatro dimensões e os quatro pilares têm em comum: todos governam a coordenação pelo ângulo do risco. Quem responde, o que o agente pode tocar, quando o humano entra, como se interrompe. É o ângulo certo pra evitar estrago. Só que tem uma frente vizinha que nenhuma versão do framework toca, de propósito, porque não é o trabalho dele: quanto essa coordenação custa em moeda. Cada humano sênior que ratifica o que a máquina produziu tem um preço em folha. Cada rodada de revisão, cada handoff entre pessoa e agente, cada agente que chama outro agente consome tempo caro. O framework diz "ponha um responsável e limite o estrago". A leitura econômica pergunta "e quanto isso custa por mês?". Daqui pra frente, o que for do framework vem marcado como tal; o que for leitura nossa, também.

Movimento 1: botar um dono nomeado em cada decisão de IA

O primeiro movimento aterrissa direto: toda decisão de IA precisa de um nome colado nela. Isso o framework já pede: a dimensão de governança interna fala em papéis e supervisão, e o pilar de responsabilidade do framework agêntico exige deixar claro quem responde entre quem desenvolve, implanta, opera e usa o agente. O que a Ritometrics acrescenta é uma forma prática de fatiar essa responsabilidade pra não sobrar canto órfão. Quatro categorias: decisão sobre o modelo (qual escolher, como treinar, quando ajustar), decisão sobre o dado (de onde vem, se presta, como anonimizar), decisão sobre o output (validar, calibrar, ratificar) e decisão de capital (quanto gastar, quanta gente, qual fornecedor). Essa quarta é recorte nosso, de propósito: é a que some da conta.

É aqui que a empresa brasileira tropeça em 2026. A IA entra com a decisão espalhada e ninguém de tutor. O CTO escolhe o modelo, o time de dados puxa o dado, o líder de área valida o output, e a decisão de capital fica órfã, sem ninguém que assuma a conta. O resultado é conhecido: o orçamento de IA incha sem dono, o ROI desce a chute de corredor, e o board cobra uma explicação que não tem de quem cobrar. Comitê de IA não tapa esse buraco, porque comitê é cerimônia mensal sobre risco e modelo, não o dono que responde pela decisão que se repete toda semana.

A quarta linha é a que mais pesa em folha na operação de verdade, e é justamente a que nem o EU AI Act nem o PL 2338 alcançam. O compliance te diz se o modelo é de alto risco. Não te diz quanto custa rodar o modelo somado ao tempo sênior gasto coordenando o uso dele, que é onde o dinheiro escorre. O framework de Singapura não nomeia esse dono. Ele fala em responsabilidade clara, e para aí. A Ritometrics vai um passo além e diz quem tem o vocabulário pra assumir a conta: o CFO.

Movimento 2: apartar a decisão técnica da decisão de capital

O segundo movimento é um corte, e esse é inteiramente leitura nossa. O framework não fala em orçamento nem em CFO. Decidir o técnico (qual modelo, qual dado, qual prompt) obedece a um critério; decidir o capital (qual orçamento de inferência, qual ROI, qual contrato de fornecedor) obedece a outro. Empilhar os dois numa mesa só é a raiz de um erro que se repete pelo mid-market brasileiro. A empresa que aprova fornecedor de IA olhando só o técnico, o modelo mais potente, ignora o ROI até a fatura explodir. A que aprova olhando só o bolso, o mais barato, prende-se a um modelo capenga e deixa eficiência na mesa. Botar cada decisão na sua mesa não dobra a papelada. Corta um erro de alocação de capital que sai muito mais caro que a reunião extra.

A leitura econômica em reais só fecha quando essas duas linhas ficam formalmente apartadas. O CFO que assume a coluna da direita ganha uma autonomia de narrativa que o comitê único de IA nunca entrega. O CTO segue dono da coluna da esquerda, protegido pra decidir no técnico sem ter que defender ROI a cada nova versão. No mid-market brasileiro, essa separação cabe em 60 dias de redesenho de comitê. CFO assume a frente econômica.

Movimento 3: escrever a revisão humana calibrada pelo risco

O terceiro movimento é o que mais mexe na folha, e é o mais ancorado no próprio framework. A segunda dimensão do documento clássico é literalmente sobre isso: determinar o nível de envolvimento humano na decisão aumentada por IA, conforme o risco. O framework agêntico reforça, exigindo mecanismos que deixem o humano interromper, interceptar ou revisar a ação do agente. O que o framework não faz, de novo, é botar preço nisso. A Ritometrics propõe três níveis com o custo à vista. No risco baixo, o humano olha depois do fato, por amostragem. No médio, ratifica antes de a coisa acontecer. No alto, aprova com revisão funda e contra-argumento. Escolher o nível é decisão de governança, não de tecnologia: o CTO dá pitaco, mas a cadeira é do COO com o Compliance.

No Brasil de 2026, essa regra quase nunca está no papel. O líder de área decide na hora quando ratifica a saída do modelo, quando deixa passar, quando barra. E sem critério escrito, a ratificação balança entre o exagero (revisar tudo, por medo do risco que ele imagina) e o relaxo (não revisar nada, porque ninguém tem tempo). A balança custa folha sênior dos dois lados, sem entregar ganho do tamanho do gasto. É exatamente onde a aresta A2H se torna a categoria invisível mais cara de uma operação híbrida.

A última coluna é a fatura que ninguém abriu ainda no Brasil. Custo carregado por saída revisada, multiplicado pelo volume mensal de cada nível, é o preço de verdade de coordenar humano e máquina. Sem a regra escrita, esse preço se dissolve na folha, sem rótulo, sem alguém pra cobrar. Com a regra escrita, o gasto de coordenação ganha um número que dá pra medir.

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

Os três movimentos cabem em 90 dias por dentro de casa, sem esperar voto no Congresso, sem fornecedor externo, sem comitê regulatório. A receita é curta. No mês 1, cole um dono em cada uma das quatro categorias de decisão de IA. No mês 2, aparte o comitê técnico do comitê de capital. No mês 3, escreva os níveis de revisão humana calibrados pelo risco, com o custo carregado estimado em cada um.

O que não atravessa o oceano é a estrutura de cima. Singapura tem uma agência só, a IMDA, com mandato regulatório e setorial ao mesmo tempo, um luxo raro fora de uma cidade-Estado, e já está na terceira geração do manual (comum, generativa, agêntica) enquanto o Brasil ainda debate a primeira lei. Por aqui, a ANPD cuida de dado pessoal, sem braço dedicado à IA, e o PL 2338 reparte a responsabilidade por vários órgãos. Querer clonar a IMDA dentro da ANPD ou inventar uma agência única é discussão de política pública que dura mais que o ano da sua empresa. Os três movimentos operacionais seguem valendo independente de como a regulação brasileira terminar desenhada.

As versões mais novas atravessam só pela metade. A de 2024 pra IA generativa e a de 2026 pra IA agêntica trazem peças úteis (proveniência de conteúdo, transparência com o usuário, supervisão calibrada ao risco), mas a proveniência pede ajuste jurídico (LGPD e PDPA pisam em bases diferentes pra dado pessoal usado em treino) e a transparência pede outro grau pela cultura do mercado local. Esse ajuste cabe num projeto à parte, de Jurídico com Produto, e não trava o resto.

Plano de adoção em 90 dias pra empresa brasileira

O quarto mês é opcional porque o inventário das arestas em 30 dias serve de prova real pros números estimados no mês 3. Quem entrega do mês 1 ao mês 3 já cobriu o essencial dos três movimentos. O mês 4 é o que fecha a leitura econômica em reais que se defende na frente do board.

Perguntas frequentes

O fechamento

A empresa brasileira de 2026 não precisa esperar o PL 2338 entrar em vigor pra governar a própria IA por dentro. Singapura mostrou duas vezes, em 2019 com IA comum e em 2026 com agentes, que governança operacional pode nascer antes de qualquer regra obrigatória, e que a adoção voluntária cresce sozinha quando o manual é bom o bastante pra virar referência de mercado. O Model AI Governance Framework não é o único modelo no mundo. É o mais bem testado pra quem precisa arrumar a casa antes de o regulador bater na porta.

O que ele governa é o risco da coordenação: quem responde, o que o agente faz, quando o humano entra. O que ele deixa em aberto é o preço dessa coordenação. Essa é a frente vizinha, e é onde a leitura econômica encaixa, com o CFO na conta e o custo em reais na mesa, para que o vetor invisível da governança de IA ganhe leitura em moeda. O framework fecha o risco, a leitura econômica fecha o capital, e as duas correm em paralelo. Quem cobre as duas chega na frente do board com a resposta inteira, não com metade.