Caso Ford: quando a supervisão humana da IA vira requisito de governança
Ford recontrata 350 engenheiros após falha da IA e converte supervisão humana em controle — o PL 2338/2023 já transforma o princípio em obrigação.
A Ford recontratou cerca de 350 engenheiros veteranos depois que suas ferramentas de IA não seguraram, sozinhas, o padrão de qualidade — e os trouxe de volta como auditores internos, em revisões semanais obrigatórias. O recado para quem lidera empresa é direto: tratar IA como substituta, e não como reforço supervisionado, é herdar o passivo. No Brasil, essa exigência já está escrita no PL 2338/2023, que caminha na Câmara. Quem usa IA para decidir sobre qualidade, crédito, pessoas ou atendimento precisa parar de encarar supervisão humana como recomendação e começar a tratá-la como controle.
01 O fato e por que importa
A Ford confirmou ter recontratado, promovido ou trazido de volta cerca de 350 engenheiros e especialistas veteranos ao longo de três anos, depois que suas ferramentas de inteligência artificial e os sistemas automatizados de controle de qualidade não entregaram, sozinhos, o padrão esperado na produção. O movimento coincidiu com a montadora liderando o JD Power 2026 Initial Quality Study entre marcas generalistas — a primeira vez em 16 anos. Os veteranos voltaram para atuar como auditores internos, em revisões semanais obrigatórias de projeto, caçando pontos de falha antes que a peça chegue à linha. É a supervisão humana convertida em controle operacional.
O que interessa à governança de IA não é a tecnologia, e sim o controle que faltou: a vice-presidência de engenharia de hardware admitiu ter presumido que apenas alimentar a IA com os requisitos de projeto geraria qualidade. No Brasil, essa exigência já está escrita. O PL 2338/2023 impõe, no art. 19, estruturas de governança e processos internos; e, para sistemas de alto risco, o art. 20 exige supervisão humana capaz de compreender as capacidades e limitações do sistema e de evitar a confiança excessiva no resultado automatizado — exatamente o erro que a Ford reconheceu. O projeto foi aprovado no Senado em dezembro de 2024 e tramita na Câmara, com votação esperada para 2026, o que mantém texto e prazo em aberto justamente para os sistemas de alto risco.
02 O que considerar a partir daqui
- Revisão humana documentada. Onde a IA decide sobre qualidade, crédito, pessoas ou atendimento, há camada de revisão humana registrada — ou o controle existe só no discurso?
- Trilha de auditoria. As decisões automatizadas ficam rastreáveis, com log que permita reconstruir por que o sistema decidiu o que decidiu?
- Matriz de risco reavaliada. A adoção de IA em processo crítico disparou nova avaliação de risco, ou a matriz seguiu igual à de antes da automação?
- Expectativa fixada pelo conselho. O conselho aprovou investimento em IA sem fixar expectativas de governança — lacuna que pesquisa da Grant Thornton já apontou entre boards?
- IA como reforço, não substituta. O desenho trata a IA como reforço supervisionado, ou como troca direta de especialistas que ainda sustentam o processo?
Vale lembrar que a análise pode variar conforme o caso concreto, permitindo a consideração de outros pontos pertinentes.
03 O que já está acontecendo no Brasil
O calendário regulatório manda mais que o caso Ford. O PL 2338/2023 tramita na Câmara à espera do parecer do relator em comissão especial e, aprovado, ainda retornará ao Senado como casa revisora — texto e prazo continuam em aberto para os sistemas de alto risco. Antes de virar lei, a exigência de revisão humana e de auditabilidade das decisões automatizadas é o sinal que a Ford tornou concreto.
A Agência Nacional de Proteção de Dados já tratou do tema: publicou análise preliminar do PL 2338/2023 e apontou correspondência clara entre o direito de contestar e pedir revisão de decisões de IA e o art. 20 da LGPD, que garante ao titular a revisão de decisões tomadas unicamente com base em tratamento automatizado. Enquanto não há lei específica de IA em vigor, vale a aplicação analógica das normas vigentes: esse art. 20 da LGPD para IA que decide sobre pessoas, o Código de Defesa do Consumidor na responsabilidade por fato do produto (art. 12) diante de falha de qualidade, e o dever de diligência dos administradores no Código Civil (art. 1.011). A ausência de marco em vigor não é ausência de obrigação — é aplicação das regras que já existem.
04 O que está acontecendo em outros países
A União Europeia já transformou em lei o que o PL 2338/2023 ainda propõe. O Regulamento (UE) 2024/1689 (AI Act), em vigor desde agosto de 2025, exige no art. 14 que a supervisão humana seja integrada à concepção dos sistemas de IA de alto risco, permitindo que quem supervisiona compreenda plenamente as capacidades e limitações do sistema e evite a confiança excessiva no resultado automatizado (viés de automação). O texto europeu é praticamente o espelho do art. 20 do projeto brasileiro — a diferença é que lá já vincula, e aqui ainda tramita.
| Tema | Brasil (PL 2338/2023) | União Europeia (AI Act) |
|---|---|---|
| Dever de supervisão humana | Art. 20 (projeto de lei) | Art. 14 (em vigor) |
| Estruturas de governança | Art. 19 (projeto de lei) | Arts. 16 e 17 (em vigor) |
| Estágio normativo | Em tramitação na Câmara | Vigente desde agosto de 2025 |
05 Riscos envolvidos
Os riscos aparecem quando a lógica do caso Ford — automatizar sem camada de revisão — migra dos ativos que a empresa gere para as decisões que ela toma sobre pessoas: crédito, recursos humanos, atendimento.
- Decisão automatizada sem revisão efetiva — direito de revisão do art. 20 da LGPD e livre desenvolvimento da personalidade (art. 5º, caput e X, da CRFB/88).
- Discriminação por output algorítmico não supervisionado — igualdade (art. 5º, caput, da CRFB/88).
- Descumprimento dos deveres de governança e de supervisão humana (arts. 19 e 20 do PL 2338/2023, quando em vigor).
- Responsabilidade por fato do produto diante de falha de qualidade (art. 12 do CDC).
- Violação do dever de diligência dos administradores (art. 1.011 do Código Civil).
- Risco à continuidade operacional ao dispensar especialistas antes de a IA amadurecer.
- Dano reputacional associado a falhas de qualidade e a recalls.
- Exposição a sanções quando o marco de IA entrar em vigor.
Vale notar que estes riscos são exemplificativos; a análise do caso concreto pode revelar vulnerabilidades adicionais.
Não se caracteriza alto risco no caso concreto: o núcleo do fato Ford é controle de qualidade industrial, sem tratamento de dados pessoais, o que afasta a avaliação pelos critérios da Resolução CD/ANPD 2/2022. Essa avaliação só se abriria se a mesma IA passasse a decidir sobre pessoas — crédito, recursos humanos — combinando tratamento em larga escala com decisão unicamente automatizada.
06 Guardrails de proteção
- Supervisão humana com poder de intervenção. Contra a confiança excessiva no output, desenhar human-in-the-loop com capacidade de revisão e reversibilidade, apoiado na ISO/IEC 42001 e nas funções Governar e Gerenciar do NIST AI RMF.
- Avaliação de impacto algorítmico periódica. Contra a decisão automatizada sem revisão, rodar avaliação de impacto do sistema de IA de forma recorrente, com base na ISO/IEC 42005 e nas funções Mapear e Medir do NIST AI RMF.
- Trilha de auditoria das decisões. Contra a falta de rastreabilidade, manter logs e registros que permitam reconstruir as decisões do sistema, na linha da ISO/IEC 27001.
- Governança de IA no conselho. Contra o board que aprova IA sem fixar expectativas, levar as implicações do uso de IA ao nível de governança corporativa, conforme a ISO/IEC 38507.
O rol de salvaguardas técnicas e administrativas sugeridas é exemplificativo, permitindo a aplicação de outras medidas de mitigação conforme a análise do caso concreto.
07 Riscos residuais e o risco de não agir
Mesmo com supervisão humana, avaliação de impacto, trilha de auditoria e governança no conselho, permanecem riscos residuais — não existe risco zero. A IA continua falhando, e o próprio caso Ford mostra que a camada de revisão reduz a falha, mas não a elimina.
Por isso, o essencial não é só adotar as medidas, mas gerar evidência de que elas funcionam — revisões registradas, logs íntegros, avaliações datadas. Tratar IA como substituta, e não como reforço supervisionado, é herdar o passivo. O maior risco é não agir.
Mesmo com a implementação de salvaguardas técnicas e administrativas, permanecem riscos residuais inerentes, os quais podem ser intensificados por alterações nas operações. O perigo mais significativo, todavia, é a falta de iniciativa.
Na data de publicação deste comentário, todos os links estavam disponíveis. Não nos responsabilizamos, nem controlamos a alteração e/ou retirada das URLs nem do conteúdo das fontes consultadas.