Marco da Economia Digital pode mudar regras de IA

O Marco da Economia Digital pode alterar as regras para inteligência artificial no Brasil, mas o projeto ainda não está em vigor. Atualizado em agosto/2026, este guia explica o PL 5.960/2025, seus possíveis efeitos para empresas e a diferença entre propostas legislativas e obrigações já existentes.

O texto recebeu parecer favorável do relator na Comissão de Desenvolvimento Econômico em 06/08/2026, com aprovação parcial de emenda e substitutivo. Ainda faltam análises pelas demais comissões da Câmara dos Deputados. Portanto, empresas não devem tratar as medidas propostas como normas aplicáveis hoje.

O que é o Marco da Economia Digital

O projeto pretende criar uma estrutura legal para atividades digitais, incluindo transparência algorítmica, uso comercial de sistemas de inteligência artificial e proteção de conteúdos utilizados por essas tecnologias.

A proposta também trata da identificação de respostas automatizadas, da atribuição de fontes e de regras para reprodução de conteúdos protegidos. O texto prevê remuneração e licenciamento coletivo para titulares de direitos, tema que pode afetar empresas que treinam, distribuem ou integram modelos de IA.

Entre os mecanismos previstos estão o Fundo Nacional de Economia Digital, bases públicas com dados anonimizados, financiamento à inovação e iniciativas de requalificação de trabalhadores afetados pela automação. O projeto ainda prevê um sistema nacional de certificação de IA, com certificação obrigatória para aplicações classificadas como de alto risco.

Essas disposições continuam sujeitas ao processo legislativo. Em audiência pública realizada em 12/08/2026, participantes defenderam ajustes no texto e maior articulação com o PL 2.338/2023, dedicado especificamente à futura regulação da inteligência artificial.

O que já existe e o que ainda é proposta

A Lei Geral de Proteção de Dados Pessoais, conhecida como LGPD, já estabelece regras para tratamento de informações pessoais, incluindo princípios, bases legais, direitos dos titulares e deveres de segurança. O Marco da Economia Digital, por sua vez, ainda é um projeto em tramitação.

A comparação não significa equivalência automática. A aplicação da LGPD depende do tipo de informação, da finalidade e da operação realizada. Já as regras do projeto podem alcançar sistemas e usos que não envolvem dados pessoais, especialmente quando relacionados a transparência, certificação, propriedade intelectual e automação.

Como o projeto pode afetar empresas

As empresas podem enfrentar novas exigências de governança, documentação, testes e supervisão humana se o projeto avançar. O custo dependerá do setor, da criticidade do sistema e da qualidade dos controles já implantados.

Governança de dados e informações pessoais

A governança começa pela identificação dos dados usados para treinar, testar e operar cada sistema. A empresa deve saber a origem da informação, a finalidade do uso, o prazo de retenção e quem pode acessar os resultados.

O debate legislativo também mostrou a importância de diferenciar dados não pessoais de dados pessoais submetidos à LGPD. Essa distinção pode afetar projetos de inteligência artificial que utilizam bases públicas, registros anonimizados ou informações agregadas.

Uma base considerada pública não está automaticamente livre de riscos. A equipe precisa verificar anonimização, finalidade, direitos autorais, segurança e compatibilidade com a legislação vigente.

Transparência e responsabilidade

Sistemas que geram textos, análises, recomendações ou decisões podem precisar informar ao usuário que houve automação. A proposta também aborda atribuição de fontes, o que aumenta a necessidade de rastrear dados e referências usados na resposta.

Responsabilidade exige mais do que publicar uma política interna. A empresa deve definir quem aprova o sistema, quem acompanha falhas e quem interrompe a operação quando o resultado apresentar risco relevante.

Na nossa mesa de câmbio, por exemplo, um sistema que classifica documentos de exportadores pode acelerar a triagem, mas não deve substituir a revisão de informações contratuais, dados pessoais ou instruções de liquidação. O caso é anônimo, mas ilustra uma regra prática: quanto maior o impacto financeiro ou jurídico, maior deve ser a rastreabilidade da decisão.

Segurança cibernética e auditoria

A adoção de IA amplia pontos de exposição. A empresa precisa controlar credenciais, registrar acessos, separar ambientes de teste e produção e monitorar alterações no modelo ou na base de dados.

Auditorias podem examinar vieses, erros, incidentes, qualidade das fontes e aderência às políticas internas. Em aplicações de alto risco, a certificação prevista no projeto pode acrescentar documentos técnicos, avaliações independentes e evidências de supervisão.

As áreas de tecnologia e compliance devem trabalhar com registros compreensíveis. Um relatório que apenas diga que o modelo foi aprovado não explica quais dados foram usados, quais testes ocorreram ou por que a empresa aceitou determinado nível de risco.

Propriedade intelectual e conteúdo protegido

O uso de textos, imagens, códigos e bases protegidas pode gerar questionamentos sobre autorização, reprodução e remuneração. O projeto aborda licenciamento coletivo e compensação para titulares de direitos, mas os detalhes ainda podem mudar durante a tramitação.

Empresas que desenvolvem modelos próprios devem mapear as fontes utilizadas. Empresas que contratam ferramentas de terceiros precisam analisar contrato, política de uso de dados, direitos sobre os resultados e responsabilidades por violações.

Impactos para bancos, fintechs, indústrias e pequenas empresas

O impacto regulatório tende a variar conforme a criticidade do sistema, a quantidade de dados tratados e a capacidade de demonstrar controle sobre a automação.

Instituições financeiras podem precisar demonstrar como uma decisão automatizada foi produzida e revisada. Fintechs podem enfrentar pressão para documentar serviços terceirizados, especialmente quando o fornecedor controla o modelo e limita o acesso aos registros.

Na indústria, uma ferramenta de visão computacional pode influenciar manutenção, segurança ou qualidade. Uma falha de classificação pode causar perda operacional. Já a pequena empresa talvez não desenvolva IA, mas ainda assim responda pelo uso de uma plataforma contratada, conforme o caso concreto e as normas aplicáveis.

Os custos de adequação podem incluir revisão contratual, treinamento, avaliação de segurança, documentação técnica, auditoria e substituição de ferramentas sem controles suficientes. O risco regulatório cresce quando a empresa não consegue identificar qual sistema tomou uma decisão, com quais dados e sob qual aprovação.

Observacao GX: uma regra prática para priorizar projetos é combinar impacto e reversibilidade. Sistemas que apenas sugerem respostas podem receber controles mais simples. Sistemas que bloqueiam pagamentos, classificam clientes ou afetam trabalhadores exigem validação humana, registro de decisões e plano de interrupção antes da expansão.

Checklist de preparação para o uso de IA

As empresas podem iniciar a preparação sem esperar a aprovação final do projeto, concentrando esforços em controles que também ajudam no cumprimento da LGPD e na segurança operacional.

Área jurídica

• Mapear contratos com fornecedores de IA e identificar quem responde por incidentes, dados e resultados.
• Verificar direitos de uso sobre textos, imagens, códigos e bases incorporadas ao sistema.
• Classificar as operações que tratam dados pessoais e revisar a base legal correspondente.
• Acompanhar a tramitação do PL 5.960/2025 e sua relação com o PL 2.338/2023.

Área tecnológica

• Manter inventário dos modelos, ferramentas, bases e integrações em produção.
• Registrar versões, acessos, alterações e resultados relevantes.
• Testar segurança, precisão, vieses e comportamento diante de entradas inadequadas.
• Definir procedimento para suspender o sistema quando houver falha ou incidente.

Compliance e gestão

• Classificar aplicações por impacto sobre clientes, trabalhadores e operações.
• Definir níveis de aprovação e supervisão humana.
• Treinar equipes para reconhecer respostas automatizadas inadequadas e exposição de dados.
• Medir fornecedores por transparência, segurança, suporte e capacidade de auditoria.

O checklist deve ser proporcional ao risco. Uma ferramenta interna para organizar documentos não recebe o mesmo tratamento de um sistema que influencia crédito, fraude, contratação ou segurança industrial.

Referências regulatórias e próximos passos

O debate brasileiro envolve a Câmara dos Deputados, a Autoridade Nacional de Proteção de Dados, o Banco Central e órgãos setoriais, conforme a atividade desempenhada. Empresas reguladas devem acompanhar suas regras específicas, sem presumir que uma futura lei de IA substitua normas já aplicáveis.

Referências úteis incluem a Câmara dos Deputados, fonte do acompanhamento legislativo, a Autoridade Nacional de Proteção de Dados, responsável por orientações sobre a LGPD e o Banco Central, referência para temas de segurança e tecnologia no sistema financeiro.

Debates internacionais podem ajudar na comparação de conceitos como sistemas de alto risco, transparência e avaliação de impacto. Essa comparação serve como referência, não como autorização para copiar obrigações estrangeiras ou presumir que elas tenham aplicação direta no Brasil.

O PL 5.960/2025 ainda pode receber alterações. Até que haja aprovação e entrada em vigor, a conduta mais segura é separar o que já decorre da LGPD, dos contratos e das regras setoriais daquilo que permanece como proposta legislativa.

Empresas que organizarem seus dados, contratos e registros desde já terão melhores condições de avaliar mudanças futuras. O trabalho começa pela visibilidade: saber onde a IA está, quais informações utiliza e qual consequência pode produzir.

Equipe GX Capital, boutique financeira em Porto Alegre/RS, 15+ anos em cambio, credito estruturado, trade finance e wealth management.

Este conteudo e informativo e nao constitui recomendacao de investimento ou solicitacao de servico.