Alerta de Brad Smith sobre regulamentação de IA desafia a aposta dos EUA na autorregulação

O presidente da Microsoft, Brad Smith, fez um alerta contundente nesta semana: a inteligência artificial enfrenta menos controles de segurança do que o leite ou as máquinas de lavar. Seu argumento sobre a regulamentação de IA, apresentado por Brad Smith, desafia a preferência de Washington pela autorregulação do setor à medida que agentes de IA ganham mais liberdade operacional.

Smith quer que governos exijam relatórios de incidentes, notificações às vítimas, avaliações independentes e controles de emergência para sistemas avançados. Essas propostas vão além de compromissos voluntários, que empresas responsáveis podem seguir enquanto desenvolvedores menos cuidadosos os ignoram.

O conflito não se resume à Microsoft contra a desregulamentação. Trata-se de uma disputa entre regras aplicáveis de segurança de produtos e promessas voluntárias concebidas para preservar a velocidade do desenvolvimento. A União Europeia já escolheu obrigações vinculantes, enquanto os Estados Unidos continuam debatendo quanta autoridade os reguladores devem receber.

Comentários de Brad Smith sobre regulamentação de IA estabelecem um padrão mais elevado

A principal exigência de Smith é que a IA avançada enfrente obrigações de segurança aplicáveis antes que falhas graves se tornem rotineiras.

Em entrevista à BBC publicada em 11 de outubro, Smith comparou a supervisão da IA às inspeções aplicadas a produtos comuns de consumo. Leite e máquinas de lavar devem atender a requisitos de segurança estabelecidos, enquanto muitos sistemas de IA chegam aos usuários sem uma análise equivalente antes do lançamento.

A analogia foi intencionalmente incisiva. A regulamentação do leite aborda contaminação, rotulagem, manuseio e rastreabilidade. As regras para eletrodomésticos cobrem riscos elétricos, consumo de energia e falhas mecânicas previsíveis. A IA apresenta riscos diferentes, mas a comparação de Smith mira a ausência de uma estrutura de responsabilização igualmente madura.

Seu argumento incluiu quatro medidas práticas. Desenvolvedores devem manter controles de emergência, documentar incidentes graves, informar vítimas de violações viabilizadas por IA e aceitar avaliações independentes antes de lançar sistemas especialmente relevantes.

Um controle de emergência, às vezes chamado de kill switch, permite que um operador pause ou restrinja um sistema quando seu comportamento ultrapassa limites aprovados. Isso parece simples, mas agentes autônomos complicam a ideia.

Um agente de IA é um software capaz de planejar e executar várias etapas com orientação humana limitada. Ele pode navegar por sistemas, chamar ferramentas, escrever código, mover dados ou se comunicar com outros serviços.

Pausar um modelo não necessariamente interrompe um fluxo de trabalho distribuído. Os controles relevantes talvez precisem abranger credenciais, acesso à rede, permissões de ferramentas, agentes copiados e aplicações posteriores.

Por isso, Smith concentrou-se na responsabilização operacional, e não apenas na precisão dos modelos. Se um agente ultrapassar os limites esperados e comprometer outra organização, a parte afetada deverá receber uma notificação formal.

A proposta se assemelha às regras de notificação de violações usadas em leis de cibersegurança e privacidade. Ela cria um registro, estabelece prazos e fornece às vítimas as informações necessárias para conter os danos.

De acordo com as regras globais de segurança descritas na entrevista, Smith também quer que os governos decidam quando avaliadores externos devem revisar produtos de IA antes do lançamento. Ele chamou a IA de ferramenta e arma ao mesmo tempo.

A Microsoft promove controles semelhantes há anos. Seu plano de governança de 2023 defendia freios de segurança quando a IA controla infraestrutura crítica, incluindo redes elétricas, sistemas de água e fluxos de trânsito.

O plano de governança de IA também argumentava que a supervisão da IA não deveria permanecer exclusivamente nas mãos de empresas de tecnologia. Os comentários mais recentes de Smith reforçam essa posição em torno de agentes autônomos e risco cibernético.

A mudança importa porque a IA generativa já não produz apenas texto ou imagens. Sistemas mais recentes podem executar ações por meio de navegadores, terminais, bancos de dados e aplicações empresariais.

Um erro de chatbot pode induzir um usuário ao erro. Um agente com credenciais pode alterar registros, expor dados confidenciais ou criar uma cadeia de ações automatizadas antes da intervenção humana.

Essa diferença torna o relato de incidentes mais importante. As organizações não podem estudar falhas recorrentes quando desenvolvedores divulgam eventos de forma seletiva ou definem incidentes graves de maneiras incompatíveis.

O alerta de Smith não prova que a IA esteja literalmente sem regulamentação em todos os lugares. Leis de privacidade, proteção ao consumidor, discriminação, responsabilidade por produtos, direitos autorais e normas específicas por setor já podem se aplicar.

Seu ponto mais restrito é mais defensável. Os Estados Unidos não dispõem de uma estrutura abrangente de segurança de produtos criada especificamente para IA avançada de uso geral e agentes autônomos.

Essa lacuna cria o conflito central do artigo. A cooperação voluntária pode estabelecer práticas úteis rapidamente, mas não obriga todos os desenvolvedores a atender ao mesmo padrão mínimo.

A pressão recai sobre governos e compradores de IA

Desenvolvedores de IA querem espaço para avançar rapidamente, mas os clientes precisam cada vez mais de evidências de que a velocidade não está substituindo a responsabilização.

Os comentários de Smith exercem pressão imediata sobre formuladores de políticas. Os governos precisam decidir se a IA avançada deve continuar sendo principalmente um serviço de software ou se deve se tornar uma categoria regulada de produto quando realiza ações relevantes.

A resposta afeta testes, documentação, auditorias e responsabilidade legal. Ela também determina qual regulador recebe autoridade quando um agente causa danos em diversos setores ou além de fronteiras nacionais.

Um assistente médico, uma ferramenta de recrutamento, um agente de programação e um bot de atendimento ao cliente podem usar o mesmo modelo subjacente. Seus riscos diferem porque cada sistema recebe dados, permissões e responsabilidades distintos.

Um processo uniforme de aprovação seria excessivamente genérico. Uma estrutura sem um piso obrigatório deixaria organizações negociando padrões de segurança individualmente com fornecedores.

Compradores empresariais já carregam grande parte desse ônus. Equipes de segurança analisam controles de acesso, retenção de dados, comportamento de modelos, registros e contratos de fornecedores antes de aprovar implantações de IA.

Essas verificações se tornam mais difíceis quando um agente pode executar comandos. Um modelo pode comportar-se com segurança durante um benchmark, mas falhar após receber instruções inesperadas de um documento, site ou ferramenta comprometida.

A injeção de prompt ilustra o problema. Uma instrução maliciosa escondida em conteúdo externo pode redirecionar um agente, mesmo quando o usuário jamais pretendeu essa ação.

As organizações podem reduzir a exposição limitando permissões, isolando sistemas e exigindo aprovação para etapas sensíveis. No entanto, esses controles dependem de documentação clara dos fornecedores de modelos e aplicações.

Relatórios obrigatórios de incidentes ajudariam compradores a comparar falhas entre sistemas. Relatórios padronizados poderiam registrar a capacidade afetada, as permissões do sistema, as salvaguardas que falharam e o dano resultante.

A notificação às vítimas é igualmente importante. Uma empresa não pode conter uma invasão se o desenvolvedor que detectou o envolvimento do agente não tiver o dever de se comunicar prontamente.

Testes independentes também poderiam reduzir lacunas de informação. Fornecedores de modelos detêm conhecimento técnico mais profundo, mas enfrentam pressão comercial para lançar produtos rapidamente e apresentar resultados de forma favorável.

Avaliadores externos podem testar capacidades sob condições controladas e questionar premissas internas. Sua independência ainda depende de acesso, financiamento, autoridade legal e proteção contra conflitos de interesse.

As regras de segurança de IA da Microsoft criariam custos para a própria Microsoft, assim como para seus concorrentes. Isso torna a posição de Smith mais significativa, embora não elimine os interesses comerciais da empresa.

Grandes empresas conseguem absorver custos de conformidade com mais facilidade do que startups. Uma regulamentação complexa pode, portanto, proteger usuários ao mesmo tempo que eleva barreiras de entrada para desenvolvedores menores.

Essa tensão dá aos críticos uma preocupação legítima. Regras concebidas com grandes laboratórios podem favorecer empresas que já mantêm grandes equipes jurídicas, de segurança e de políticas públicas.

Os governos precisam separar salvaguardas essenciais de burocracia que mede capacidade administrativa. Relatar um grave evento de perda de controle atende a um propósito claro. Produzir documentos repetitivos sem testes técnicos não atende.

Os compradores também precisam de registros internos que conectem alegações de fornecedores a decisões de implantação. Uma base de conhecimento de IA pesquisável pode ajudar equipes a preservar avaliações, aprovações, incidentes e mudanças de política entre departamentos.

A documentação por si só não pode garantir segurança. Ainda assim, ela pode estabelecer quem aprovou um sistema, quais controles existiam e como uma organização respondeu após um alerta.

A pressão, portanto, é compartilhada. Governos devem definir mínimos aplicáveis, desenvolvedores devem apresentar evidências significativas e clientes devem controlar como os sistemas operam em seus ambientes.

Regras voluntárias de segurança de IA têm um problema de cobertura

A autorregulação funciona melhor entre empresas cooperativas, enquanto a regulamentação importa mais quando uma empresa se recusa a cooperar.

Smith reconheceu que acordos voluntários representam progresso. Ele também identificou sua fraqueza estrutural: empresas responsáveis participam, mas organizações que criam os maiores riscos podem ficar de fora.

Essa distinção se torna mais importante à medida que o desenvolvimento se torna acessível. Um compromisso voluntário assinado por laboratórios de destaque não vincula um fornecedor menor, um operador estrangeiro ou um desenvolvedor que distribui modelos modificados.

O mesmo problema aparece após o lançamento. Uma empresa pode prometer avaliações, mas escolher seus próprios testes, limites e linguagem de divulgação, a menos que um padrão comum os defina.

A autorregulação ainda tem vantagens. Grupos do setor podem atualizar práticas técnicas mais rapidamente do que legislativos, reunir especialistas e experimentar antes que governos compreendam capacidades emergentes.

Testes voluntários também podem começar imediatamente. Uma nova lei pode exigir meses de elaboração, audiências, regras de implementação, contestações judiciais e contratação de reguladores.

A estrutura mais forte combinaria as duas abordagens. A lei estabeleceria deveres mínimos, enquanto padrões técnicos definiriam métodos adaptáveis para cumpri-los.

A posição de Smith entra em conflito com a ênfase do presidente Donald Trump no rápido desenvolvimento americano e na competição com a China. A administração argumenta que regras onerosas podem desacelerar empresas domésticas enquanto rivais no exterior avançam.

Uma ordem da Casa Branca de 2026 afirmou que os Estados Unidos lideram em parte porque se recusam a sufocar a inovação com regulamentação excessiva. Ela enfatizou implantação rápida e segura, além de cooperação mais estreita entre governo e setor.

Essa política federal de IA reflete uma teoria de risco diferente. Perder a liderança tecnológica torna-se um perigo para a segurança nacional, ao lado de implantações inseguras.

A discordância não é uma escolha simples entre segurança e inovação. Ambos os lados afirmam que sua abordagem protege a competitividade nacional e a segurança pública.

Smith argumenta que sistemas confiáveis alcançarão adoção mais ampla. A administração argumenta que regras prematuras poderiam congelar a tecnologia atual, aumentar custos e ceder impulso.

A China também complica o debate. Regras aplicadas apenas a empresas americanas não podem governar diretamente desenvolvedores estrangeiros, lançamentos de pesos abertos ou sistemas implantados por outra jurisdição.

No entanto, os padrões de produto ainda podem influenciar o acesso ao mercado. Um governo pode exigir testes, relatórios e rastreabilidade para sistemas usados em setores críticos, independentemente de onde o modelo foi treinado.

Os setores de aviação e dispositivos médicos seguem uma lógica semelhante. Os fabricantes operam globalmente, mas os produtos precisam atender aos requisitos locais antes de entrar em mercados regulamentados.

Explicada por essa perspectiva, a regulação da IA trata menos de aprovar cada modelo e mais de controlar implantações com consequências elevadas. Um assistente de redação não deveria receber o mesmo nível de escrutínio que um agente que opera infraestrutura energética.

A classificação de riscos pode preservar a flexibilidade. Ela pode reservar a revisão independente para sistemas com capacidades perigosas, ampla autonomia, dados sensíveis ou acesso a operações críticas.

Ainda assim, a classificação cria suas próprias brechas. Desenvolvedores podem descrever um sistema de forma restrita durante a revisão, enquanto clientes posteriormente o conectam a ferramentas que geram riscos muito maiores.

A responsabilidade, portanto, deve se estender por toda a cadeia de fornecimento. Provedores de modelos conhecem as capacidades centrais, desenvolvedores de aplicações definem os fluxos de trabalho, e implantadores atribuem dados e permissões.

Nenhum participante enxerga todo o risco. Regras eficazes devem especificar o que cada parte documenta e quando a responsabilidade é transferida.

A crítica de Smith à autorregulação é mais forte no que diz respeito à cobertura. Uma promessa compartilhada por empresas respeitáveis não pode estabelecer deveres universais nem impor consequências a um operador que a ignora.

Sua fraqueza está na precisão. “Regular a IA” abrange sistemas e contextos demais para funcionar como uma política implementável sem limites detalhados.

A Europa Mostra que a Regulação É Possível, mas Não Simples

A União Europeia passou de princípios voluntários para obrigações exigíveis, mas seu sistema escalonado mostra como a regulação abrangente da IA se torna difícil.

A Lei de IA da UE usa uma estrutura baseada em riscos. Ela proíbe determinadas práticas, cria deveres para modelos de uso geral e aplica controles adicionais a sistemas usados em áreas sensíveis.

Os poderes de fiscalização para diversas disposições começaram a valer em agosto de 2026. As obrigações de transparência exigem que os usuários recebam aviso quando interagem com determinados sistemas de IA ou se deparam com conteúdo sintético especificado.

As regras também tratam de modelos de IA de uso geral com risco sistêmico. Os provedores relevantes enfrentam obrigações relacionadas à avaliação, documentação, cibersegurança e mitigação de riscos.

O quadro da Lei de IA não regula todas as aplicações da mesma forma. A UE afirma que a maioria dos sistemas de risco mínimo permanece fora de controles obrigatórios adicionais.

Isso desafia diretamente a ideia de que os governos precisam escolher entre restrições abrangentes e autorregulação completa. Os reguladores podem concentrar obrigações onde o potencial de dano é maior.

No entanto, o cronograma de implementação revela atritos práticos. As regras para vários usos de alto risco não se aplicam até dezembro de 2027, enquanto os requisitos para IA incorporada em produtos regulamentados se estendem até 2028.

Padrões, orientações, capacidade dos reguladores e métodos de teste exigem tempo. As empresas também precisam de clareza sobre classificações e documentação antes que a fiscalização se torne previsível.

A abordagem da UE, portanto, apoia o argumento de Smith ao mesmo tempo em que relativiza sua urgência. Aprovar uma lei inicia o processo, mas não cria instantaneamente avaliadores competentes nem métodos de avaliação confiáveis.

Testar modelos de uso geral continua especialmente difícil. Um modelo pode apresentar capacidades diferentes após obter acesso a ferramentas, receber ajuste fino, prompts de sistema ou integração com dados proprietários.

A avaliação antes do lançamento pode identificar capacidades perigosas, mas não consegue reproduzir todas as configurações posteriores. O monitoramento contínuo e os relatórios pós-implantação continuam necessários.

A lei também gera preocupações concorrenciais. A conformidade pode exigir conhecimento jurídico, documentação técnica e gestão contínua de riscos que provedores menores têm dificuldade de financiar.

Os defensores respondem que produtos de alto risco devem arcar com custos de segurança. Uma startup não recebe isenção para proteger pacientes simplesmente porque a conformidade médica é cara.

Os críticos contrapõem que o software muda mais rápido do que produtos físicos. Regras fixas podem se tornar obsoletas, premiar a conformidade procedimental ou desestimular a pesquisa aberta sem reduzir o risco prático.

Ambas as preocupações são válidas. A regulação pode falhar por ser insuficiente, deixando danos graves sem resposta. Também pode falhar por excesso, direcionando recursos para formulários em vez de engenharia de segurança.

A experiência de fiscalização da UE fornecerá evidências para o debate sobre a regulação da IA defendida por Brad Smith. Os reguladores devem mostrar que os requisitos melhoram a transparência e a responsabilização sem criar barreiras arbitrárias.

O Reino Unido segue um caminho diferente. O país investiu em capacidade de avaliação técnica enquanto evita uma lei horizontal nos moldes da UE que abranja todo o mercado de IA.

Smith descreveu o Reino Unido como bem posicionado para liderar o trabalho global de segurança por causa de seu AI Security Institute. O instituto começou como AI Safety Institute e recebeu um mandato voltado à segurança em 2025.

Seu trabalho inclui estudar capacidades avançadas, uso indevido cibernético, salvaguardas e preparação governamental. A missão do instituto de segurança descreve uma organização apoiada pelo Estado que realiza pesquisa técnica para apoiar a governança de IA avançada.

Essa expertise poderia sustentar padrões internacionais de teste. Ainda assim, um instituto de pesquisa não possui automaticamente autoridade para exigir divulgações, bloquear lançamentos ou penalizar violações.

Smith quer que capacidade técnica e obrigação legal se reforcem mutuamente. O Reino Unido desenvolveu a primeira parte, enquanto o Parlamento ainda enfrenta escolhas sobre a segunda.

A liderança global também exige cooperação. Um padrão adotado por um país tem alcance limitado quando desenvolvedores podem lançar modelos, pesos ou serviços além das fronteiras.

Formatos comuns de relatório e métodos de avaliação podem ser mais viáveis do que um único regulador global. Países poderiam reconhecer testes compatíveis preservando sistemas de fiscalização diferentes.

A Posição da Microsoft Merece Seu Próprio Teste de Estresse

O argumento da Microsoft em favor de regras mais rigorosas é crível, mas os formuladores de políticas devem examinar quem se beneficia e se os controles propostos funcionam na prática.

A Microsoft vende infraestrutura de nuvem, serviços de segurança, software para o ambiente de trabalho e sistemas de IA para organizações fortemente regulamentadas. Regras nacionais claras podem reduzir a incerteza para esses clientes.

A empresa também dispõe de recursos para cumprir requisitos extensos de conformidade. Rivais menores podem enfrentar custos proporcionalmente maiores, especialmente se as avaliações exigirem especialistas escassos ou computação cara.

Isso não torna as propostas de Smith erradas. Significa que os formuladores de políticas devem verificar se cada medida reduz riscos sem consolidar os maiores fornecedores atuais.

A avaliação independente é um exemplo. Uma exigência pode melhorar a responsabilização, mas apenas se os avaliadores tiverem acesso adequado e puderem publicar conclusões significativas.

Uma revisão baseada inteiramente em testes selecionados pelo provedor ofereceria independência limitada. Uma revisão sem acesso aos detalhes do sistema poderia deixar de detectar comportamentos que surgem dentro de ambientes de produção.

Os avaliadores governamentais também precisam de pessoal qualificado. As agências competem com empresas de tecnologia por pesquisadores que entendam segurança de modelos, operações cibernéticas e sistemas distribuídos.

Limites de capacidade podem criar atrasos. Se todo novo modelo exigir aprovação completa, filas de avaliação poderão desacelerar produtos de baixo risco enquanto os revisores deixam passar sistemas realmente perigosos.

Por isso, os limites são essenciais. Uma exigência de revisão poderia se concentrar em modelos que ultrapassem níveis definidos de capacidade ou em sistemas que controlem infraestrutura crítica.

Os limites de capacidade também exigem revisão frequente. Uma avaliação que identifica uma habilidade excepcional hoje pode se tornar um teste rotineiro à medida que os modelos melhoram.

Os controles de emergência apresentam outro desafio. Um serviço centralizado pode suspender o acesso, revogar credenciais ou desativar ferramentas. Um modelo de pesos abertos copiado em muitas máquinas não pode ser recolhido com a mesma facilidade.

Mesmo sistemas hospedados podem escapar de um único ponto de controle por meio de dados em cache, aplicações conectadas ou credenciais delegadas. Um interruptor de desligamento deve abordar toda a implantação, não apenas o endpoint do modelo.

O relato de incidentes levanta questões sobre escopo. Os desenvolvedores precisam de definições que separem erros inofensivos de eventos de segurança que justifiquem atenção regulatória.

Requisitos excessivamente amplos poderiam inundar as agências com erros menores. Definições restritas poderiam permitir que empresas excluíssem quase-incidentes graves ou danos posteriores.

As regras também precisam de proteções para a notificação. Organizações podem ocultar incidentes quando a divulgação cria responsabilidade imediata, dano reputacional ou exposição de informações sensíveis de segurança.

A política de cibersegurança frequentemente equilibra confidencialidade e responsabilização. Os reguladores podem receber relatórios detalhados enquanto publicam lições agregadas que ajudam outras organizações a melhorar.

A proposta de Smith de notificação às vítimas merece atenção especial. Um alvo precisa de informações rápidas após uma violação viabilizada por IA, mas os investigadores devem estabelecer o que o provedor sabia e quando soube.

Um sistema de IA pode auxiliar um invasor sem agir de forma independente. Os reguladores devem evitar definições que tratem cada uso de software generativo como um incidente de IA distinto.

A questão relevante é se o sistema introduziu, acelerou ou ocultou dano material. Os relatórios devem descrever essa contribuição em vez de depender de rótulos dramáticos como IA rebelde.

As próprias implantações da Microsoft deveriam obedecer aos padrões recomendados por Smith. Isso inclui produtos Copilot, modelos hospedados no Azure, agentes de segurança e sistemas fornecidos por meio de parcerias comerciais.

Uma regra crível não pode depender da estrutura corporativa preferida do provedor. As responsabilidades devem permanecer claras quando um desenvolvedor de modelo, host de nuvem, fornecedor de aplicações e cliente compartilham o controle.

É nesse ponto que as regras de segurança de IA da Microsoft precisam de resultados mensuráveis. Os reguladores devem perguntar se os controles reduzem o tempo de detecção, limitam ações não autorizadas e melhoram a recuperação após falhas.

Eles também devem examinar a falsa confiança. Uma avaliação aprovada pode se tornar um selo de marketing mesmo quando a configuração implantada difere do sistema revisado.

Nenhuma auditoria pode garantir segurança. Testes independentes oferecem evidências sobre condições definidas, não garantia permanente contra todos os usos futuros.

A comparação de Smith com o leite é, portanto, retoricamente eficaz, mas tecnicamente incompleta. O leite é um produto físico padronizado, com vias de contaminação estabelecidas e métodos maduros de inspeção.

Os sistemas de IA são serviços adaptáveis cujo comportamento muda conforme o contexto. Essa complexidade reforça o argumento a favor da supervisão, ao mesmo tempo que torna mais difícil projetar uma regulação no estilo de produtos.

A conclusão cética não é que a regulação deva esperar. É que as regras devem se vincular a capacidades, permissões e danos reais, e não ao rótulo amplo de “IA”.

Três Sinais Mostrarão se o Alerta Muda a Política

O próximo teste é verificar se os governos convertem o amplo acordo sobre o risco da IA em deveres específicos que resistam ao escrutínio político e técnico.

O primeiro sinal é uma proposta vinculante de relato de incidentes. Os formuladores de políticas devem definir sistemas abrangidos, incidentes graves, prazos de notificação, comunicações às vítimas e proteções de confidencialidade.

Se uma grande jurisdição adotar esses elementos, o argumento de Smith terá passado da analogia para a política operacional. Um registro voluntário ou uma promessa indefinida de notificação representaria uma resposta mais fraca.

O segundo sinal é a ampliação do acesso para avaliadores independentes. Os governos precisam de acordos que permitam a pesquisadores qualificados testar sistemas avançados antes de implantações com consequências elevadas.

O AI Security Institute do Reino Unido oferece uma possível base. Seu valor dependerá de os desenvolvedores concederem acesso em tempo hábil e de as conclusões influenciarem as decisões de implantação.

O acesso obrigatório para sistemas de alto risco claramente definidos fortaleceria o argumento de Smith. A dependência contínua de cooperação discricionária mostraria que a autorregulação ainda estabelece o limite prático.

O terceiro sinal são as evidências da aplicação das regras na UE. As autoridades precisam demonstrar como a transparência, as obrigações para modelos de uso geral e os controles de risco sistêmico funcionam em casos reais.

Uma aplicação consistente demonstraria que regras vinculantes para IA podem funcionar em um grande mercado. Interpretações conflitantes ou atrasos processuais reforçariam as preocupações sobre a complexidade regulatória.

Os Estados Unidos continuam sendo a incerteza mais relevante. O Congresso debateu a preempção federal, regras estaduais, segurança de produtos e um marco nacional de intervenção leve, sem resolver a escolha fundamental envolvida.

Durante debates anteriores no Congresso, Smith apoiou a liderança federal em segurança de produtos e revisão antes do lançamento. Ele também se mostrou aberto a dar ao país tempo para desenvolver uma abordagem unificada.

Esse histórico acrescenta nuances. A Microsoft não está pedindo que cada estado crie regras separadas nem que toda aplicação de IA receba aprovação.

A empresa parece defender um marco nacional consistente, voltado a capacidades avançadas e implantações com consequências relevantes. Líderes do setor frequentemente preferem a uniformidade federal porque regras estaduais fragmentadas elevam os custos de conformidade.

O debate sobre o marco federal também expõe uma armadilha de política pública. A preempção federal pode simplificar obrigações, mas pode deixar um vazio se o Congresso impedir os estados de agir sem criar proteções.

Para desenvolvedores, a lição imediata é projetar sistemas como se obrigações de relatório e auditoria fossem chegar. Isso significa preservar logs, documentar permissões de ferramentas, testar procedimentos de desligamento e separar ações sensíveis de resultados rotineiros.

Compradores corporativos devem solicitar as mesmas evidências agora. As equipes de compras podem perguntar aos fornecedores quem recebe avisos de incidentes, quais avaliadores recebem acesso e como administradores revogam a autoridade de um agente.

Profissionais do conhecimento também devem se importar, pois ferramentas agênticas atuam cada vez mais em e-mails, documentos, calendários, repositórios de código e registros de clientes. Uma resposta equivocada é inconveniente. Uma ação não autorizada pode ser irreversível.

As equipes devem manter aprovação humana para etapas consequentes, minimizar credenciais e registrar quais fontes influenciaram uma ação. Esses controles continuam úteis independentemente de futuras legislações.

O alerta de Brad Smith sobre a regulamentação de IA só terá importância se resultar em responsabilidades aplicáveis e padrões tecnicamente confiáveis. Uma comparação memorável pode abrir o debate, mas não pode resolver o trabalho de concepção.

A melhor política não tratará todos os modelos como uma caixa de leite. Ela identificará quando um software adquire autonomia, acesso ou capacidade perigosa suficientes para exigir supervisão mais rigorosa.

Nos próximos três meses, acompanhe um projeto de lei concreto sobre comunicação de incidentes, a ampliação do acesso de avaliadores e evidências públicas da aplicação das regras na UE. Esses sinais mostrarão se os governos estão construindo responsabilização ou prolongando a era das promessas.

As organizações não devem esperar por essa resposta. Revise quais agentes de IA podem agir, quais credenciais possuem e quem recebe um aviso quando ultrapassam um limite aprovado. Depois, faça aos fornecedores uma pergunta direta: seus compromissos de segurança ainda protegeriam você se segui-los deixasse de ser opcional?