Evidências para auditoria de IA: o que o comitê vai pedir

Um comitê de IA, uma auditoria interna ou o jurídico convocam uma reunião e pedem evidências para auditoria de IA sobre um agente em produção. A pergunta quase nunca é “o modelo é bom?”. É mais direta: “essa resposta, especificamente, veio de onde?”. Se a equipe responsável precisa abrir três sistemas, cruzar planilhas e perguntar a alguém que se lembra de ter aprovado aquilo numa conversa de chat, a reunião já começou perdida, mesmo que o agente estivesse certo.

Esse cenário deixou de ser hipotético. A MIT Sloan Management Review Brasil chamou a governança de agentes de “a bola da vez” em 2026, e o argumento central do artigo é simples: quando uma empresa automatiza um processo sem revisar critérios, dados e pontos de controle, ela escala os problemas antigos numa velocidade nova. A pesquisa State of AI Trust 2026 da McKinsey, com cerca de 500 organizações ouvidas entre dezembro de 2025 e janeiro de 2026, mediu isso em número: só um terço das empresas atinge maturidade real em governança e controles agênticos, e a nota média subiu de 2,0 para 2,3 numa escala de 4. Governança avançou, mas segue atrás da velocidade com que os agentes foram para produção.

Este texto não repete o que já é auditoria de IA do ponto de vista de arquitetura, isso já está coberto em detalhe em como tornar respostas de agentes auditáveis. Aqui o recorte é outro: o que preparar antes de ser cobrado, para que a reunião com o comitê vire uma demonstração de controle em vez de uma corrida contra o relógio.

Por que essa cobrança chegou à sua agenda

Três movimentos empurraram a exigência de evidência para o centro da conversa, e nenhum deles é passageiro.

O primeiro é regulatório. A LGPD já exige saber quem acessa quais dados e para qual finalidade, e o desenho do EU AI Act e do PL 2338 caminha na mesma direção: governança baseada em risco, com transparência e responsabilização documentadas. O segundo é organizacional: agentes deixaram de só conversar. Eles acessam sistemas, tomam decisões pequenas e agem com autoridade delegada, e a autoridade delegada é exatamente o que um comitê de risco existe para fiscalizar.

O terceiro é o que mudou mais rápido em 2026: virou cláusula contratual. Um levantamento sobre governança de IA no Brasil mostra empresas dos setores financeiro, saúde e educação exigindo padrões mínimos de governança de seus fornecedores, com a ISO/IEC 42001 aparecendo como requisito em contratos de prestação de serviço, licitações e auditorias externas. A prova de governança migrou do departamento jurídico para o processo de compra. Se o seu cliente pede evidência antes de assinar, o comitê interno vai pedir a mesma coisa antes de aprovar o próximo agente.

O custo de não ter essa resposta pronta não é abstrato. Sem evidência, a aprovação de cada novo agente demora mais, porque segurança e jurídico preferem travar um caso de uso a assinar embaixo de algo que não conseguem verificar. Times de auditoria interna também sentem essa lacuna: uma pesquisa de maturidade da KPMG com áreas de auditoria interna mostrou que 45% das organizações ainda não usam nenhuma ferramenta de GRC para apoiar o trabalho, e 38% não implementaram processos de auditoria contínua. Isso é o cenário geral de auditoria, sem nem considerar a camada extra que agentes de IA acrescentam. Comitês que já lidam com essa lacuna estrutural não vão ganhar paciência quando o assunto é IA; vão exigir mais prova, não menos.

O que o comitê pergunta, na prática

Quando a cobrança chega, ela quase sempre converge para cinco perguntas sobre uma resposta concreta, não sobre o sistema em abstrato.

• Qual fonte foi consultada? Não “a base inteira”, mas o documento ou coleção específica que alimentou aquela resposta.
• Qual versão estava ativa? Políticas mudam, contratos são substituídos; a versão importa tanto quanto a fonte.
• Qual escopo e permissão se aplicaram? O que aquele agente, para aquele usuário, tinha autorização de acessar.
• Existe registro da interação? Pergunta, contexto recuperado e resposta amarrados a um identificador, reconstituível depois.
• Dá para exportar isso? Um comitê não quer acesso ao seu banco de dados; quer um arquivo que possa levar para a próxima reunião.

Nenhuma dessas cinco perguntas é sobre o modelo de IA. Todas tratam do que alimentou a resposta e da capacidade de provar isso depois. É aí que mora a diferença entre uma empresa que “usa IA com responsabilidade” no discurso e uma que consegue demonstrar isso quando pedem.

Onde a maioria das empresas trava

O problema raramente é falta de vontade. É que a evidência, quando existe, está espalhada num jeito que ninguém consegue montar sob pressão.

O primeiro ponto de falha é a aprovação informal: alguém decidiu, numa conversa de chat, que determinada base “pode ser usada” pelo agente. Não há ciclo de rascunho para oficial, não há data registrada, não há responsável que assine por aquilo. Quando o comitê pergunta “quem aprovou essa fonte e quando”, a resposta é uma lembrança, não um registro.

O segundo é confundir log de saída com evidência. Guardar pergunta e resposta prova que a interação aconteceu, não por que o agente respondeu daquele jeito. Falta o estado da fonte no momento da consulta e o escopo aplicado, então o log documenta o sintoma e descarta a causa.

O terceiro é o agente que nasceu fora do inventário. Um time de negócio conectou um assistente ao CRM ou a uma pasta compartilhada sem passar pelo processo formal, e esse shadow AI não aparece em nenhum lugar para ser examinado. O quarto é a evidência que existe, mas fica presa dentro do sistema, sem formato exportável para quem não tem acesso técnico.

Um exemplo comum ilustra como as quatro lacunas se combinam. Um agente de atendimento interno responde a um colaborador citando uma política de reembolso. Meses depois, o colaborador contesta uma decisão baseada naquela resposta. A empresa vai ao log e encontra a pergunta e a resposta, mas a política teve duas versões naquele período, e ninguém registrou qual delas estava ativa no momento da consulta. Não há como saber se o agente citou a versão certa, quem aprovou aquela base para uso do agente, nem se o colaborador tinha permissão de acessar aquele conteúdo em primeiro lugar. O log prova que a conversa aconteceu; não prova que a resposta era correta, nem protege a empresa da disputa.

Cada uma dessas lacunas some na demonstração e aparece exatamente na hora em que alguém questiona uma resposta específica, que é o pior momento possível para descobrir que o registro não existe.

Como montar o dossiê antes de ser cobrado

O objetivo não é criar um departamento de auditoria interno. É garantir que, quando a pergunta chegar, a resposta já exista em algum lugar organizado, e não dependa de alguém lembrar de anotar.

1. Mapeie os agentes ativos e as fontes que cada um toca. Inclua o que nasceu fora do processo formal. O que não está listado não pode ser examinado, e o comitê vai perguntar justamente pelo que falta na lista. Esse mapeamento costuma ser a etapa mais reveladora, porque é quando o shadow AI aparece.
2. Separe fonte aprovada de rascunho. Toda base que alimenta um agente precisa de um status explícito e um responsável que assine por ela. “Alguém validou isso uma vez” não é uma resposta que sobrevive a uma pergunta de auditoria. Um documento pode continuar em rascunho por meses; o problema não é isso, é um agente consumi-lo como se fosse oficial.
3. Defina o registro mínimo por interação. Pergunta, fonte consultada, versão, escopo aplicado e resposta, amarrados a um identificador único. É esse conjunto que transforma um log em evidência. Não é preciso registrar tudo desde o primeiro dia; começar por um agente crítico e expandir a partir dele já cria o padrão que os demais seguem.
4. Centralize num único repositório. Evidência espalhada entre sistemas, planilhas e mensagens equivale a não ter evidência, porque ninguém consegue reunir tudo a tempo de uma reunião marcada para amanhã. O repositório não precisa ser sofisticado; precisa ser o único lugar onde todo mundo sabe que a prova está.
5. Teste a exportação antes de precisar dela. Gere um relatório de exemplo em CSV ou PDF e veja se ele responde às cinco perguntas do comitê sem depender de alguém explicar o sistema ao vivo. Se o relatório só faz sentido para quem construiu o sistema, ele ainda não está pronto para uma reunião de comitê.

Nenhuma dessas etapas exige reconstruir a operação de agentes do zero. O ganho vem de tratar a evidência como parte do desenho, e não como um relatório escrito depois que a pergunta chegou. Esse roteiro conecta diretamente ao inventário de agentes de IA e ao checklist de governança para agentes de IA em produção: o inventário mapeia o que existe, o checklist organiza o que falta antes da produção, e o dossiê de evidências é o que sobra pronto quando alguém pergunta.

O que não dizer ao comitê

Tão importante quanto o que preparar é o que evitar afirmar. Um erro recorrente é a empresa declarar conformidade total ou certificação que não existe, na tentativa de encerrar a conversa mais rápido. Isso costuma sair caro: um comitê de risco investiga, e uma afirmação que não resiste a uma segunda pergunta é pior do que admitir uma lacuna com um plano para fechá-la.

A postura que funciona é mostrar o que já está mapeado, nomear com honestidade o que ainda é rascunho ou lacuna, e apresentar um roteiro concreto para as próximas fontes e agentes. Isso vale também para padrões formais: dizer “seguimos uma metodologia alinhada às práticas de gestão de IA da ISO/IEC 42001” é defensável quando é verdade; dizer “somos certificados” sem sê-lo não é. A honestidade sobre o estado atual, com evidência de progresso, convence mais um comitê do que uma afirmação perfeita que ninguém consegue sustentar sob pergunta.

A ligação com ISO 42001, LGPD e o AI Act

O dossiê de evidências não substitui nenhuma dessas frentes regulatórias, mas alimenta todas elas. Um sistema de gestão de IA alinhado à ISO/IEC 42001 pede inventário, gestão de risco, qualidade de dados e rastreabilidade, exatamente os artefatos que este roteiro organiza. A LGPD e agentes de IA exigem saber quem acessa qual dado pessoal e com qual finalidade, o que depende do mesmo registro de escopo e permissão. E a governança de agentes de IA como disciplina mais ampla é o guarda-chuva que dá sentido a essas peças, em vez de tratá-las como exigências isoladas de departamentos diferentes.

De preparação pontual a rotina

Montar esse dossiê uma vez resolve a próxima reunião do comitê. Não resolve a seguinte. Fontes ganham novas versões, agentes mudam de escopo, times sobem assistentes novos sem avisar ninguém. Um dossiê que não é atualizado com o mesmo ritmo da operação volta a ser a planilha estática de sempre, só que com um nome mais sério.

É por isso que essa preparação funciona melhor como rotina contínua do que como projeto de correria antes de uma auditoria. Chamamos essa disciplina de ContextOps: manter status, frescor e owner das fontes em dia, acompanhar as lacunas conforme aparecem e atualizar a evidência conforme o contexto muda, em vez de reconstruir tudo cada vez que alguém pede.

Se o seu comitê ainda não pediu evidências, é questão de tempo. Um diagnóstico mapeia os agentes em uso, as fontes que cada um consome, as lacunas de aprovação e escopo, e um roteiro para deixar essa evidência pronta antes da próxima cobrança.

Faça o diagnóstico gratuito e descubra o que falta para responder ao seu comitê com prova, não com promessa.

Marcas citadas pertencem a seus respectivos proprietários. Contextfy é uma camada independente de contexto governado e não declara parceria oficial, certificação ou integração nativa, salvo quando explicitamente informado.