O Congresso Precisa de uma Lei Federal de Governança de IA com Responsabilização Real

A Brookings fez um alerta direto no Google News: o Congresso precisa aprovar uma lei federal de governança de IA antes que ações do Executivo e regras estaduais acabem definindo o sistema por padrão.

O conflito já não se resume a regulamentação versus inovação. Washington precisa decidir quem responde por falhas de IA, quais regras pertencem ao âmbito federal e que autoridade os estados mantêm. Um padrão nacional que apenas bloqueie leis estaduais resolveria a jurisdição sem criar uma responsabilização significativa.

Essa distinção importa porque a Casa Branca já tem uma direção preferida. Seu marco de março de 2026 pede ao Congresso que crie um padrão nacional com o menor ônus possível e preempte regras estaduais que dificultem o desenvolvimento de IA. A Brookings argumenta que a governança também precisa enfrentar o poder corporativo concentrado, a supervisão fraca e a responsabilidade pouco clara.

A disputa emergente é, portanto, específica. Um lado prioriza uniformidade e implantação mais rápida. O outro exige responsabilização aplicável antes que Washington substitua as proteções criadas pelos estados.

O Congresso já tentou a primeira via. Em julho de 2025, o Senado rejeitou por 99 votos a 1 uma proposta de moratória estadual para IA. A derrota mostrou que os legisladores apoiam, em princípio, a coordenação nacional, mas desconfiam da preempção federal sem uma substituição confiável.

O mais recente argumento da Brookings não é mais um pedido abstrato por IA responsável. É um alerta de que a demora se tornou uma decisão de política pública. Cada mês sem legislação dá a agências do Executivo, tribunais, estados e empresas de IA mais poder para definir as regras por conta própria.

O Que o Argumento da Brookings Realmente Muda

A intervenção da Brookings desloca o debate de se os Estados Unidos precisam de regras para IA para o que um sistema nacional legítimo deve conter.

A manchete que circula pelo Google News pede que o Congresso aprove uma nova lei federal de governança de IA. A demanda surge após vários anos de decretos executivos, compromissos voluntários, orientações de agências, legislação estadual e propostas legislativas malsucedidas.

Essas medidas influenciam o comportamento das empresas, mas não formam um único sistema legal duradouro. Políticas executivas podem mudar entre governos. Compromissos voluntários dependem da cooperação corporativa. Os poderes das agências continuam vinculados a leis frequentemente escritas antes da existência do aprendizado de máquina moderno.

Os pesquisadores da Brookings Tom Wheeler e Bill Baer identificaram, em março de 2026, a principal fragilidade da abordagem do governo. Sua crítica à política de IA afirma que o marco federal negligencia responsabilidade e prestação de contas.

A preocupação deles não se limita a sistemas hipotéticos que escapam ao controle humano. Eles se concentram na concentração imediata das decisões sobre comportamento de modelos, dados de treinamento, implantação e acesso nas mãos de poucas grandes empresas.

Esse foco muda a questão legislativa. O Congresso não pode simplesmente publicar princípios compartilhados e declarar resolvido o mosaico regulatório. Precisa decidir quais organizações têm deveres legais quando sistemas de IA causam danos previsíveis.

Uma lei federal útil também definiria quem pode investigar falhas. Reguladores precisam ter acesso a registros relevantes, avaliações e documentação técnica. Uma regra sem autoridade investigativa deixa as agências dependentes daquilo que os desenvolvedores escolhem divulgar.

A lei precisaria distinguir desenvolvedores de implantadores. Uma empresa que cria um modelo de uso geral não controla todos os usos posteriores. Contudo, essa separação não pode se tornar uma isenção geral sempre que as escolhas de projeto de um desenvolvedor contribuam para riscos previsíveis.

O Congresso também deve definir o limiar para a intervenção federal. Um filtro de currículos, uma ferramenta de decisão médica, um modelo de fronteira e um bot de atendimento ao cliente não criam riscos idênticos. Aplicar um processo rígido de conformidade a todos os quatro desperdiçaria recursos e estimularia burocracia meramente formal.

O desafio é criar direitos comuns preservando a especialização setorial. Reguladores do trabalho entendem discriminação na contratação. Reguladores financeiros entendem decisões de crédito. Agências de saúde entendem risco clínico e evidências médicas.

A Brookings já propôs um modelo distribuído chamado Critical Algorithmic System Classification. Nessa abordagem, reguladores setoriais receberiam nova autoridade para investigar e governar decisões automatizadas importantes em suas áreas já existentes.

Essa proposta não é o único desenho possível. Ela demonstra por que a legislação é importante. As agências não podem ampliar de forma confiável sua própria jurisdição quando a autoridade legal é pouco clara ou vulnerável a contestações judiciais.

O Congresso estabelece essas autoridades. Pode definir proteções mínimas, atribuir deveres, financiar a aplicação da lei e identificar os limites da preempção federal. Nenhum memorando executivo pode oferecer a mesma permanência.

É por isso que a manchete da Brookings merece mais do que um ciclo de notícias passageiro. Ela trata a ausência do Congresso como a característica definidora da governança de IA nos Estados Unidos, e não como um inconveniente administrativo.

Por Que o Google News Está Destacando Agora a Disputa Federal

A demanda por legislação ganha urgência porque a preempção federal avançou mais rapidamente do que a responsabilização federal.

A Casa Branca divulgou seu National Policy Framework for Artificial Intelligence em 20 de março de 2026. O documento pede ao Congresso que estabeleça um padrão federal enquanto impede os estados de regulamentar áreas que Washington considera de alcance nacional.

Seu marco legislativo afirma que os estados não devem regulamentar o desenvolvimento de IA. Ele descreve o desenvolvimento de modelos como uma atividade interestadual com implicações para política externa e segurança nacional.

O marco preservaria determinados poderes estaduais. Entre eles estão proteção do consumidor de aplicação geral, segurança infantil, combate a fraudes, zoneamento, compras públicas e uso de IA pelos governos estaduais.

Essa divisão parece organizada, mas questões difíceis ficam entre as categorias. Uma lei estadual de divulgação pode se assemelhar à proteção do consumidor e, ao mesmo tempo, afetar o desenvolvimento de modelos. Uma exigência de segurança pode regulamentar a implantação enquanto força desenvolvedores a mudar práticas de teste.

O governo já havia se preparado para essas disputas. O presidente Donald Trump assinou, em 11 de dezembro de 2025, uma ordem executiva instruindo autoridades federais a contestar leis estaduais consideradas incompatíveis com a política nacional de IA.

A ordem executiva pediu a criação de uma AI Litigation Task Force dentro do Departamento de Justiça. Também instruiu autoridades a identificar regras estaduais consideradas excessivamente onerosas.

A ordem reconhece um problema econômico real. Empresas que operam nacionalmente enfrentam custos crescentes quando os estados usam diferentes definições, formatos de relatório e calendários de conformidade. Empresas menores podem enfrentar mais dificuldades do que plataformas estabelecidas com grandes equipes jurídicas.

Ainda assim, a uniformidade não determina o conteúdo de uma regra. Cinquenta padrões fracos seriam fragmentados. Um único padrão federal fraco seria consistente, mas ainda deixaria usuários expostos.

Esse é o conflito central por trás da reportagem no Google News. Washington trata a consistência nacional como um objetivo urgente, enquanto os deveres impostos aos principais desenvolvedores de IA continuam em disputa.

O momento também reflete o uso acelerado de IA em contextos relevantes. Empregadores usam ferramentas automatizadas para classificar candidatos e monitorar trabalhadores. Instituições financeiras usam modelos para detecção de fraudes, análise de crédito e atendimento ao cliente.

Escolas implantam sistemas que avaliam textos ou recomendam materiais de aprendizagem. Agências governamentais usam algoritmos para alocar recursos, detectar irregularidades e apoiar decisões administrativas.

Esses exemplos não exigem especulação sobre inteligência artificial geral. Eles envolvem sistemas atuais que tomam ou influenciam decisões sobre renda, oportunidades, educação, saúde e acesso a serviços públicos.

As leis existentes se aplicam a muitos resultados. Um empregador não pode escapar da legislação contra discriminação apenas porque um software contribuiu para sua decisão. No entanto, aplicar essas proteções pode se tornar mais difícil quando pessoas externas não conseguem inspecionar os dados ou o processo do modelo.

O debate federal chega após a implantação, e não antes dela. Isso cria pressão por uma lei que regule os usos atuais enquanto se adapta a novas capacidades.

O Congresso também enfrenta uma comparação internacional. A União Europeia escolheu uma lei abrangente baseada em risco. Os Estados Unidos têm dependido mais de regras setoriais, ações executivas, padrões técnicos e experimentação estadual.

Os Estados Unidos não precisam copiar o modelo europeu. Mas precisam de uma resposta duradoura para a mesma questão institucional: quem deve documentar os riscos, quem verifica as evidências e quem atua após uma falha?

Regras Nacionais Uniformes Versus Responsabilização Aplicável

A principal escolha não é controle federal versus controle estadual. É uniformidade sem responsabilização versus uniformidade sustentada por deveres aplicáveis.

Os defensores da preempção federal têm um argumento sério. Produtos de IA atravessam fronteiras estaduais instantaneamente, e o desenvolvimento de modelos exige infraestrutura nacional, capital, dados e talento técnico.

O CEO da OpenAI, Sam Altman, resumiu a preocupação com a conformidade durante o debate sobre a moratória de 2025. Ele disse aos legisladores que era difícil imaginar como cumprir 50 sistemas regulatórios diferentes.

Os desenvolvedores também temem que regras técnicas conflitantes moldem produtos nacionais em torno da jurisdição mais restritiva. Uma exigência adotada em um estado pode, na prática, tornar-se uma regra nacional de produto.

Essas preocupações sustentam a coordenação federal. Elas não demonstram que os estados devem abrir mão de sua autoridade antes que o Congresso aprove uma substituição eficaz.

O Senado enfrentou essa sequência em 2025. Os legisladores consideraram bloquear a regulamentação estadual e local de IA por dez anos, reduzindo posteriormente o período proposto durante as negociações.

A Câmara Alta acabou removendo a disposição por 99 votos a 1. A votação sobre a moratória reuniu autoridades que divergiam sobre muitos outros aspectos da política tecnológica.

Entre os opositores estavam legisladores democratas, governadores republicanos, parlamentares estaduais, defensores da segurança e famílias afetadas por danos online. A objeção compartilhada dizia respeito ao vácuo regulatório que uma moratória criaria.

Esse episódio continua sendo a referência histórica mais clara para o debate atual. O Congresso pode rejeitar a fragmentação estadual e, ao mesmo tempo, se recusar a eliminar regras locais sem proteções federais.

Um compromisso funcional começa com pisos e tetos. Um piso federal estabelece direitos que todas as pessoas recebem. Um teto federal impede que os estados acrescentem exigências em áreas cuidadosamente definidas nas quais a consistência nacional é essencial.

O Congresso precisa identificar cada categoria de forma explícita. Linguagem ampla que abranja qualquer coisa relacionada à IA convidaria litígios e enfraqueceria proteções de maneira não intencional.

A lei também deveria separar regras para desenvolvimento de modelos de regras para usos específicos. Desenvolvedores de fronteira podem ter deveres relacionados a testes de segurança, comunicação de incidentes e documentação. Implantadores podem ter deveres relacionados a aviso, revisão humana e avaliação de impacto.

Algumas obrigações devem ser compartilhadas. Um implementador não pode avaliar adequadamente um sistema sem informações de seu desenvolvedor. Um desenvolvedor não pode controlar o fluxo de trabalho de um cliente nem todas as decisões posteriores.

A responsabilidade deve acompanhar o controle, o conhecimento e a capacidade de evitar danos. Esse princípio evitaria colocar todo o ônus sobre o criador do modelo ou o usuário final.

Reguladores federais precisam de autoridade compatível com essas atribuições. A Brookings argumentou que as agências abrangidas deveriam obter instrumentos para acessar registros técnicos e investigar sistemas automatizados dentro de seus domínios estabelecidos.

Essa autoridade não exigiria um único super-regulador novo. As agências existentes poderiam aplicar proteções federais comuns por meio da expertise que já possuem.

O Congresso ainda precisaria de mecanismos de coordenação. As empresas não deveriam receber instruções contraditórias de várias agências sobre a mesma documentação de modelo ou incidente.

Um escritório técnico central poderia apoiar os reguladores sem substituí-los. Definições, formatos de reporte e métodos de avaliação compartilhados reduziriam a duplicação.

A estrutura de risco de IA do National Institute of Standards and Technology oferece uma base voluntária. Ela organiza o trabalho de risco em torno de governar, mapear, medir e gerenciar riscos de IA.

O Congresso poderia incorporar processos compatíveis sem transformar toda recomendação voluntária em uma exigência legal. As obrigações legais devem se concentrar em evidências, resultados e responsabilização em contextos de alto impacto.

Esse caminho é mais exigente do que declarar um único padrão nacional. Ele exige que os legisladores resolvam disputas que documentos do Executivo podem evitar.

Também é mais legítimo. A preempção se torna mais fácil de defender quando a lei federal dá às pessoas um recurso claro e aos reguladores uma via prática de aplicação.

Uma Lei Federal de IA Ainda Pode Não Resolver o Problema Real

O Congresso pode aprovar uma lei sobre IA e deixar a lacuna de responsabilização praticamente intacta.

Uma lei superficial poderia preemptar regras estaduais, endossar padrões voluntários e atribuir estudos a agências federais. Isso produziria uniformidade jurídica sem mudar a forma como as empresas documentam ou respondem por decisões arriscadas.

As definições criam o primeiro perigo. Empresas podem reestruturar produtos para evitar uma definição restrita de desenvolvedor de IA, sistema de alto impacto ou modelo abrangido.

Uma definição excessivamente ampla cria o problema oposto. Recursos comuns de software entrariam em programas de conformidade criados para sistemas que afetam emprego, crédito, saúde ou infraestrutura crítica.

Limites baseados apenas em recursos computacionais também podem envelhecer mal. A capacidade computacional de treinamento oferece uma fronteira mensurável, mas nem sempre prevê como um modelo se comporta após otimização ou integração.

Regras baseadas apenas em casos de uso enfrentam outra fraqueza. Um modelo geral pode transitar entre redação de baixo risco e contextos médicos, financeiros ou governamentais de alto risco.

Portanto, o Congresso precisa de uma combinação de gatilhos de capacidade, implantação e impacto. Os reguladores também devem ter autoridade para atualizar limites técnicos por meio de regulamentação pública.

A capacidade de fiscalização apresenta um segundo perigo. As agências não conseguem auditar sistemas complexos apenas porque o Congresso lhes dá permissão.

Elas precisam de equipe técnica, ambientes seguros de computação, flexibilidade de contratação e procedimentos para proteger segredos comerciais. Também precisam de recursos para contestar grandes empresas nos tribunais.

A Brookings enfatiza essa lacuna institucional há anos. Sua proposta de regulação distribuída observa que as agências frequentemente não têm capacidade técnica, acesso a evidências ou autoridade inequívoca sobre fornecedores de algoritmos.

Um terceiro perigo envolve a dependência excessiva dos testes das empresas. Avaliações internas podem revelar informações valiosas, mas os desenvolvedores escolhem os modelos, prompts, métricas e condições de lançamento.

Avaliação independente não significa publicar os pesos dos modelos ou detalhes sensíveis de segurança. Significa dar a avaliadores qualificados acesso suficiente para testar alegações relevantes em condições controladas.

A lei deve exigir a notificação quando os sistemas produzirem incidentes graves. A definição de incidente deve permanecer suficientemente restrita para gerar sinais úteis, e não milhões de reclamações rotineiras.

Os reguladores também deveriam publicar conclusões agregadas. Empresas e pesquisadores precisam saber quais padrões de falha se repetem sem expor dados pessoais ou vulnerabilidades exploráveis.

Um quarto perigo diz respeito aos recursos. A divulgação, por si só, raramente ajuda alguém a quem foi negado emprego, empréstimo, benefício ou serviço por meio de um processo automatizado.

As pessoas precisam ser informadas de que a IA influenciou uma decisão relevante. Também precisam de uma via prática para correção, recurso ou revisão humana, quando apropriado.

Nem todo resultado automatizado exige recurso. Uma lei federal deve concentrar esses direitos em decisões com efeitos materiais.

O Congresso também deve evitar prometer segurança completa. Nenhum regime de testes consegue identificar todas as falhas antes da implantação. O comportamento do modelo muda conforme o contexto, as ferramentas, as atualizações e a interação do usuário.

O objetivo da governança não é certificar que um sistema de IA não pode falhar. É estabelecer precauções razoáveis, rastrear decisões, detectar problemas e atribuir responsabilidade.

Esse ângulo cético também se aplica à proposta da Brookings. Distribuir autoridade entre agências preserva a expertise, mas pode gerar fiscalização inconsistente e coordenação lenta.

Os reguladores setoriais também variam em recursos e maturidade técnica. Alguns implementariam novos poderes mais rapidamente do que outros.

Uma lei nacional deve tratar diretamente dessa desigualdade. Suporte técnico compartilhado e procedimentos mínimos podem reduzir lacunas, preservando ao mesmo tempo julgamentos específicos de cada domínio.

O risco final é a durabilidade política. Uma lei construída em torno do vocabulário preferido de uma administração pode se tornar obsoleta após uma eleição.

O Congresso deve redigir direitos, deveres e autoridades institucionais estáveis. Os detalhes técnicos devem permanecer ajustáveis por meio de processos transparentes regidos pela lei.

Quem Enfrenta Pressão se o Congresso Finalmente Agir

Uma lei federal significativa pressionaria simultaneamente desenvolvedores de IA, organizações implementadoras, reguladores e governos estaduais.

Os grandes desenvolvedores de modelos enfrentariam as obrigações mais visíveis. Dependendo da lei, elas poderiam incluir avaliações de segurança, relatórios de incidentes, documentação e divulgações a reguladores qualificados.

As empresas ganhariam algo valioso em troca. Uma estrutura federal coerente poderia substituir obrigações conflitantes e tornar mais previsível o planejamento de produtos em todo o país.

Desenvolvedores menores precisariam de requisitos proporcionais. Uma startup não deveria arcar com o mesmo ônus de documentação que uma empresa que treina os maiores modelos de uso geral.

No entanto, o tamanho, por si só, não deveria decidir a cobertura. Um pequeno fornecedor ainda pode oferecer um sistema que influencia milhares de decisões de emprego ou moradia.

Compradores corporativos enfrentariam um conjunto diferente de pressões. Eles não poderiam mais tratar a garantia de um fornecedor como evidência suficiente de que uma implantação é adequada.

Um banco, hospital, empregador ou órgão governamental entende seu contexto operacional melhor do que o desenvolvedor do modelo. Ele deve testar se o sistema é adequado à decisão, à população e às obrigações legais envolvidas.

As equipes de compras precisariam de registros melhores. Os contratos devem especificar acesso para avaliação, avisos de atualização, tratamento de dados, cooperação em incidentes e responsabilidade por integrações posteriores.

Os desenvolvedores também precisariam fornecer documentação útil. Declarações genéricas sobre IA responsável não ajudariam um comprador a avaliar um fluxo de trabalho específico.

Essa mudança afetaria diretamente os trabalhadores do conhecimento. Um funcionário que usa IA para resumos ou redação enfrenta riscos diferentes de um gestor que a utiliza para avaliar desempenho.

As organizações devem distinguir o uso assistivo do uso para tomada de decisões. A segunda categoria exige processos mais rigorosos de revisão, documentação e recurso.

É aqui que as práticas internas de conhecimento se tornam relevantes. As equipes precisam de registros confiáveis que mostrem quais fontes, prompts, versões e julgamentos humanos moldaram um resultado importante.

Uma base de conhecimento técnica pesquisável pode apoiar esse trabalho. Ela não substitui a conformidade, mas pode preservar evidências exigidas por auditorias e análises de incidentes.

As agências federais enfrentariam pressão para desenvolver competência técnica. Nova autoridade sem equipe ou infraestrutura criaria longas filas e fiscalização inconsistente.

Autoridades estaduais enfrentariam negociações difíceis sobre poderes preservados. Elas resistirão a uma linguagem ampla que invalide regras de segurança infantil, direitos civis, proteção do consumidor ou eleições.

Empresas de tecnologia pressionariam por limites nacionais claros. Grupos da sociedade civil pressionariam por recursos, avaliação independente e acesso à informação.

Os tribunais ainda desempenhariam um papel importante. Eles interpretariam termos legais, revisariam regras das agências e resolveriam disputas sobre preempção federal.

O Congresso não pode eliminar esses conflitos. Pode reduzi-los ao redigir definições precisas e explicar como as responsabilidades federais e estaduais se articulam.

O mercado também responderia. Obrigações claras criariam demanda por serviços de avaliação, auditoria, documentação, monitoramento e governança.

Esse mercado pode melhorar a responsabilização, mas introduz conflitos de interesse. Auditores pagos pelas empresas que inspecionam exigem padrões profissionais e supervisão.

Os usuários deveriam se importar porque a governança afeta o design dos produtos. Exigências de aviso moldam interfaces. Deveres de documentação moldam recursos corporativos. Regras de responsabilidade influenciam quais sistemas as empresas lançam.

Portanto, uma lei federal pode mudar o uso cotidiano de IA sem ditar a arquitetura dos modelos. Ela altera os incentivos em torno de testes, implantação, manutenção de registros e resposta.

O Que os Leitores do Google News Devem Observar em Seguida

Três sinais revelarão se Washington está construindo uma governança de IA responsável ou apenas removendo regras estaduais do caminho.

O primeiro sinal é o texto legislativo propriamente dito. Princípios e recomendações permanecem politicamente flexíveis até que os legisladores definam sistemas abrangidos, deveres, fiscalização, recursos e preempção.

Um projeto de lei sério descreverá qual proteção federal substitui uma exigência estadual deslocada. Se ele preemptar amplamente e oferecer apenas estudos ou orientação voluntária, a crítica da Brookings se torna mais forte.

O segundo sinal é o tratamento da autoridade estadual. Os legisladores devem especificar quais proteções continuam válidas e quais áreas exigem controle federal exclusivo.

Observe os limites em torno de segurança infantil, emprego, direitos civis, fraude, proteção do consumidor, eleições, infraestrutura e compras governamentais. Exceções vagas levarão a disputa central de política pública aos tribunais.

Uma estrutura negociada de piso e teto fortaleceria o argumento por um compromisso duradouro. Uma moratória irrestrita reavivaria a coalizão que derrotou a proposta de 2025.

O terceiro sinal é a capacidade de fiscalização. Qualquer projeto de lei deve identificar as agências responsáveis, seus poderes investigativos, suporte técnico, financiamento e processo de coordenação.

Uma lei que crie extensos relatórios sem dar aos reguladores capacidade de analisar as submissões produzirá uma encenação de conformidade. Uma lei com acesso para auditoria e autoridade direcionada representaria uma mudança substantiva.

O veículo legislativo também importa. Disposições sobre IA anexadas a leis orçamentárias ou de defesa podem avançar rapidamente, mas negociações comprimidas podem ocultar linguagem importante sobre preempção.

Audiências independentes em comitês oferecem mais escrutínio público. Elas também enfrentam um caminho mais difícil em um Congresso dividido.

Os leitores devem tratar as reações das empresas como evidência sobre incentivos, e não como avaliações neutras. Desenvolvedores enfatizarão a complexidade da conformidade. Organizações de defesa enfatizarão os danos e o acesso a mecanismos de reparação.

Ambas as perspectivas contêm informações úteis. O Congresso precisa traduzi-las em regras que atribuam obrigações de acordo com o controle e o risco.

A expressão “marco federal para IA” já não é suficiente. A Casa Branca, empresas de tecnologia, estados e defensores da responsabilização podem todos apoiá-la enquanto imaginam leis diferentes.

Essa ambiguidade explica por que o alerta da Brookings ganhou força no Google News. A questão em aberto é se o Congresso irá regular o poder da IA ou simplesmente reorganizar a jurisdição em torno dele.

Acompanhe o texto do projeto de lei, não os slogans. Verifique se as pessoas recebem direitos exigíveis, se os reguladores podem inspecionar as evidências e se os estados perdem autoridade antes que existam proteções equivalentes.

Esses detalhes decidirão se uma nova lei cria responsabilização ou apenas consistência. Eles também determinarão se a próxima manchete no Google News marcará uma legislação real, outra moratória fracassada ou mais um ano de governança por omissão.