Gestão de Riscos em Inteligência Artificial
Do mapeamento à governança: como identificar, medir, tratar e monitorar riscos de IA nas empresas
A inteligência artificial já atende clientes, concede crédito, seleciona candidatos e executa tarefas em nome da empresa. Este curso ensina a gerir os riscos desses sistemas de forma estruturada, conectando boas práticas internacionais à realidade das empresas brasileiras. Você parte dos fundamentos, percorre taxonomia de riscos, normas de referência, regulação e métodos de medição, e chega a controles, riscos de terceiros, governança, auditoria e resposta a incidentes. Em cada módulo, aplica o conteúdo em práticas guiadas com um caso empresarial completo, o Grupo Atlas, e confirma o aprendizado em quizzes comentados e em uma prova final. Voltado a gestores, riscos, compliance, auditoria, TI, dados, segurança, produto, jurídico e privacidade. Não exige conhecimento de programação.
Acesso vitalício + certificado.
Conteúdo do curso
Fundamentos: por que risco de IA é diferente
Ao final do módulo, você será capaz de definir risco e seus componentes no contexto de IA, explicar o que diferencia sistemas de IA do software tradicional, mapear riscos ao longo do ciclo de vida e conduzir um levantamento inicial dos usos de IA na organização.
- Conceitos essenciais de risco aplicados à IA
- O que torna a IA diferente: as sete características que mudam a gestão de riscos
- Riscos ao longo do ciclo de vida, estudo de caso e prática guiada
Taxonomia de riscos de IA
Você aprenderá a classificar os riscos de IA em famílias coerentes: técnicos e de dados, segurança, viés e discriminação, e riscos legais, operacionais, reputacionais e estratégicos, e a montar uma taxonomia própria integrada ao registro de riscos da empresa.
- Riscos técnicos e de dados
- Riscos de segurança e uso malicioso da IA
- Viés e discriminação algorítmica
- Riscos legais, operacionais, reputacionais e estratégicos, e construção da taxonomia
Frameworks e normas de referência
Você conhecerá as principais referências internacionais de gestão de riscos de IA (ISO 31000, ISO/IEC 23894, NIST AI RMF e ISO/IEC 42001), entenderá o que cada uma entrega e aprenderá a combiná-las e integrá-las à gestão de riscos corporativa.
- A base: ISO 31000 e sua adaptação para IA (ISO/IEC 23894)
- O NIST AI Risk Management Framework e seus perfis
- ISO/IEC 42001 e a família de normas de IA
- Integração ao ERM, combinação de referenciais, estudo de caso e prática guiada
Panorama regulatório e classificação de risco
Você compreenderá o AI Act europeu, a LGPD e a atuação da ANPD, o debate legislativo brasileiro, a regulação setorial e o panorama internacional, e aprenderá a classificar casos de uso reais por nível de risco regulatório e a priorizar obrigações.
- O AI Act europeu: alcance, papéis e classificação de risco
- O AI Act europeu: obrigações, cronograma e sanções
- LGPD e a atuação da ANPD em IA
- Marco legal brasileiro, regulação setorial e panorama internacional
- Classificação prática de casos de uso, estudo de caso e prática guiada
Identificação, avaliação de impacto e análise de riscos
Você aprenderá a descrever o contexto e o grau de autonomia de um sistema, mapear partes interessadas, avaliar impactos sobre pessoas e sociedade, identificar riscos com técnicas estruturadas e priorizá-los com uma matriz de risco bem calibrada.
- Contexto, grau de autonomia e partes interessadas
- Avaliação de impacto sobre pessoas e sociedade
- Técnicas de identificação de riscos
- Análise com matriz de risco, estudo de caso e prática guiada
Medição e avaliação
Você aprenderá a escolher métricas de desempenho e pontos de corte, organizar validação independente e documentação, medir equidade e entender seus trade-offs, avaliar explicabilidade, testar IA generativa e definir indicadores-chave de risco com limites e ações.
- Métricas de desempenho e a escolha do ponto de corte
- Validação independente, testes e documentação
- Equidade: métricas, trade-offs, mitigação e prática guiada
- Explicabilidade
- Avaliação de IA generativa e indicadores-chave de risco
Riscos de IA generativa e agentes autônomos
Você compreenderá os riscos específicos do uso corporativo de IA generativa, das fraudes com deepfakes, das aplicações baseadas em modelos de linguagem e dos agentes autônomos, e aprenderá a planejar red teaming e a definir limites de autonomia e permissões.
- Riscos do uso corporativo de IA generativa
- Deepfakes, fraude e engenharia social potencializadas por IA
- Segurança de aplicações com modelos de linguagem
- Red teaming e testes adversariais de IA generativa
- Agentes autônomos, estudo de caso e prática guiada
Tratamento de riscos e controles
Você aprenderá a escolher a estratégia de tratamento mais adequada a cada risco, montar controles em camadas, desenhar supervisão humana que realmente funcione e registrar o risco residual com aceite formal por quem tem alçada.
- Estratégias de tratamento de riscos
- Catálogo de controles por camada
- Supervisão humana efetiva
- Risco residual, aceite formal, estudo de caso e prática guiada
Riscos de terceiros e cadeia de suprimentos de IA
Você entenderá a cadeia de suprimentos de IA e a responsabilidade compartilhada, aprenderá a conduzir due diligence e negociar cláusulas essenciais e a gerir modelos abertos e inventário de componentes (AI-BOM).
- A cadeia de suprimentos de IA e a responsabilidade compartilhada
- Due diligence e cláusulas contratuais
- Modelos abertos, inventário de componentes (AI-BOM), estudo de caso e prática guiada
Governança, monitoramento, auditoria e resposta a incidentes
Você aprenderá a estruturar governança em três linhas, definir apetite a risco e política de uso de IA, manter inventário e portões de aprovação, monitorar com indicadores, preparar auditorias e responder a incidentes de IA com plano e exercício de mesa.
- Estrutura de governança e papéis
- Apetite a risco de IA, política de uso e capacitação
- Inventário, portões de aprovação e gestão de mudanças
- Monitoramento contínuo, reporte e auditoria de IA
- Resposta a incidentes de IA, estudo de caso e prática guiada