Resumo: Esta monografia analisa o uso da inteligência artificial (IA) nas licitações e contratos administrativos brasileiros, com foco no planejamento da contratação, na pesquisa de preços e na detecção de fraudes em certames, à luz da Lei nº 14.133/2021. Parte-se da constatação de que o art. 169. da Lei exige das contratações práticas contínuas de gestão de riscos e de controle preventivo, inclusive mediante recursos de tecnologia da informação, mas não disciplina como a IA pode ser empregada nem com quais limites. O objetivo é examinar de que modo a IA pode aperfeiçoar essas etapas sem comprometer os princípios da Administração Pública e as garantias do regime licitatório. A pesquisa é qualitativa, descritiva e exploratória, baseada em revisão bibliográfica, legislativa e documental, com estudo de caso documental da ferramenta Alice (Analisador de Licitações, Contratos e Editais), criada pela Controladoria-Geral da União e desenvolvida em parceria com o Tribunal de Contas da União, e com exame comparado da União Europeia, de Portugal, dos Estados Unidos e de organismos internacionais. Os resultados indicam que a IA tem utilidade concreta na organização de dados do planejamento, na formação de cestas de preços e na triagem de editais e fornecedores de maior risco, mas que parte relevante das soluções em uso se baseia em regras de auditoria e cruzamento de dados, e não em aprendizado de máquina, e que os alertas gerados exigem validação humana, dados os índices de falsos positivos registrados. Identificam-se desafios jurídicos ligados à proteção de dados pessoais, em especial ao art. 20. da Lei Geral de Proteção de Dados, à motivação dos atos, à transparência algorítmica e à responsabilização do agente público. Conclui-se que a IA deve operar como apoio qualificado à decisão, e propõem-se diretrizes mínimas de governança algorítmica para as contratações públicas, a serem consideradas na regulamentação em curso.
Palavras-chave: Inteligência artificial; Licitações; Contratos administrativos; Pesquisa de preços; Governança algorítmica; Lei nº 14.133/2021.
1. INTRODUÇÃO
As contratações públicas são um dos principais instrumentos de execução das políticas estatais. É por meio delas que o Estado obtém os bens, os serviços e as obras de que depende para entregar saúde, educação, infraestrutura e segurança. Por isso mesmo, o volume de recursos que movimentam e a história de fraudes que as acompanham tornam permanente a busca por mais eficiência, transparência e controle.
A Lei nº 14.133/2021 (Nova Lei de Licitações e Contratos Administrativos) deslocou o eixo do processo licitatório da disputa para o planejamento. Exigiu estudos técnicos preliminares, gestão de riscos, pesquisa de preços documentada e divulgação centralizada de dados no Portal Nacional de Contratações Públicas (PNCP). Na parte final, o art. 169. determina que as contratações se submetam a "práticas contínuas e permanentes de gestão de riscos e de controle preventivo, inclusive mediante adoção de recursos de tecnologia da informação". A lei, portanto, autoriza e estimula o uso de tecnologia no controle das compras, mas não diz qual tecnologia, em que etapas nem com quais limites.
É nesse espaço que se situa a inteligência artificial (IA). Ferramentas de leitura automática de editais, de formação de cestas de preços, de cruzamento de bases cadastrais e de redação de minutas já são oferecidas ao mercado e, em parte, utilizadas por órgãos de controle brasileiros. A promessa é considerável: analisar em minutos o que a atuação humana levaria semanas para examinar. O risco também é considerável: decisões apoiadas em modelos que o gestor não compreende, dados enviesados, alertas falsos tratados como prova e deslocamento da responsabilidade do agente público para a máquina.
O problema de pesquisa pode ser assim formulado: de que modo a IA pode contribuir para o aprimoramento do planejamento das contratações públicas, da pesquisa de preços e da detecção de fraudes em licitações, sem comprometer os princípios da Administração Pública e as garantias do regime licitatório? A hipótese de trabalho é que a IA pode ampliar a eficiência, a economicidade e a integridade dessas etapas, desde que utilizada como apoio à decisão, sob supervisão humana, com dados de qualidade, motivação adequada e possibilidade de auditoria.
O objetivo geral é analisar os impactos do uso da IA nas licitações e contratos administrativos, com ênfase nas três frentes indicadas. Os objetivos específicos são: a) examinar os conceitos de IA relevantes para a Administração Pública e distinguir a IA propriamente dita de técnicas estatísticas e de cruzamento de dados; b) analisar o planejamento da contratação e a pesquisa de preços nos termos da Lei nº 14.133/2021 e da Instrução Normativa SEGES/ME nº 65/2021, identificando onde a IA pode atuar; c) examinar o uso da IA na detecção de fraudes, a partir de estudo de caso documental da ferramenta Alice; d) avaliar os riscos jurídicos e éticos desse uso, em especial quanto à Lei Geral de Proteção de Dados (LGPD), à motivação e à responsabilização; e e) propor diretrizes mínimas de governança algorítmica para as contratações públicas, à luz do direito comparado e do projeto de marco legal da IA em tramitação.
A relevância do estudo está na combinação de dois fatos: a expansão acelerada das tecnologias de IA no setor público e a ausência de disciplina específica sobre seu emprego nas licitações. A literatura jurídica brasileira ainda trata do tema de forma pontual, e a prática avança mais depressa que a regulação.
2. FUNDAMENTOS DE INTELIGÊNCIA ARTIFICIAL E ADMINISTRAÇÃO PÚBLICA
2.1. Conceito de inteligência artificial
Não há definição única de IA. Em sentido amplo, trata-se de sistemas computacionais que executam tarefas associadas à cognição humana, como reconhecer padrões, interpretar linguagem, fazer previsões e recomendar decisões. A definição clássica de Russell e Norvig (2021) a descreve como o estudo de agentes que percebem o ambiente e agem para atingir objetivos da melhor forma possível.
Para fins jurídicos, as definições mais úteis são as adotadas em instrumentos normativos. A Organização para a Cooperação e Desenvolvimento Econômico (OCDE) adota, em sua recomendação de 2019 e na revisão de 2024, uma definição que descreve o sistema de IA como sistema baseado em máquina que, a partir dos dados que recebe, infere como gerar resultados (previsões, conteúdos, recomendações ou decisões) capazes de influenciar ambientes físicos ou virtuais (OCDE, 2019). O Regulamento (UE) 2024/1689 segue linha semelhante em seu art. 3º, 1 (UNIÃO EUROPEIA, 2024). O traço comum é a inferência: o sistema não se limita a executar instruções fixas, mas produz resultados a partir de dados.
2.2. O que é e o que não é IA: regras, estatística e aprendizado de máquina
A discussão sobre IA nas compras públicas costuma misturar técnicas de natureza distinta. Distingui-las é condição para avaliar riscos e benefícios com rigor. Quatro categorias merecem destaque.
a) Regras de negócio e trilhas de auditoria. São condições programadas por humanos, como "alertar se o edital contiver determinada exigência" ou "alertar se dois licitantes tiverem o mesmo sócio". Funcionam de modo determinístico e explicável, mas só encontram o que foi previamente programado.
b) Estatística descritiva e inferencial. Médias, medianas, desvio-padrão e testes de aderência permitem, por exemplo, identificar preços discrepantes em uma amostra. São técnicas consolidadas, anteriores à IA, e não "aprendem" com o tempo.
c) Aprendizado de máquina (machine learning). Algoritmos que ajustam seus parâmetros a partir de exemplos, sem que o programador especifique cada regra. Na modalidade supervisionada, dependem de casos já classificados (por exemplo, licitações sabidamente fraudulentas e regulares). Na não supervisionada, buscam agrupamentos ou anomalias nos dados. O aprendizado profundo (deep learning), baseado em redes neurais de múltiplas camadas, é um subconjunto dessa categoria, adequado a grandes volumes de dados complexos, como textos e imagens, porém de difícil explicação.
d) Processamento de linguagem natural e IA generativa. Técnicas que leem, classificam e produzem texto. A IA generativa, baseada em grandes modelos de linguagem, redige minutas e resume documentos, mas pode produzir informações incorretas apresentadas com aparência de segurança, fenômeno conhecido como "alucinação".
A distinção tem consequências práticas. O cruzamento de sócios, endereços e telefones de licitantes é, tecnicamente, consulta a bases de dados e aplicação de regras de risco. O descarte de preços discrepantes por mediana ou desvio-padrão é estatística. Chamar tudo isso de IA superdimensiona a tecnologia e, o que é mais grave para o direito, oculta que parte das ferramentas é plenamente explicável e auditável, enquanto outra parte não é. O regime de motivação e de controle deve variar conforme a técnica empregada.
2.3. Governo digital, dados e controle preventivo
O uso de tecnologia no setor público insere-se no movimento de transformação digital reconhecido pela Lei nº 14.129/2021 (Lei do Governo Digital), que estabelece princípios de simplificação, interoperabilidade e uso de dados na prestação de serviços. Nas contratações, o fundamento específico é o já citado art. 169. da Lei nº 14.133/2021, que prevê linhas de defesa para a gestão de riscos e o controle preventivo e admite expressamente recursos de tecnologia da informação. O art. 11, parágrafo único, atribui à alta administração a responsabilidade pela governança das contratações, o que inclui a implementação de processos e estruturas de gestão de riscos e controles internos.
Os princípios do art. 37. da Constituição Federal e os do art. 5º da Lei nº 14.133/2021 funcionam como parâmetro de legitimidade. O art. 5º acrescenta ao rol constitucional, entre outros, os princípios do planejamento, da transparência, da eficácia, da segregação de funções, da motivação, da segurança jurídica, da competitividade e da economicidade. Todos eles incidem sobre o uso de IA: a ferramenta que acelera a análise, mas não permite motivar a decisão, viola a motivação; a que concentra todas as etapas num mesmo sistema, sem controle independente, fragiliza a segregação de funções.
A transparência e o controle social, por sua vez, dependem da publicidade de dados. A Lei de Acesso à Informação (Lei nº 12.527/2011) e o PNCP tornaram disponível um volume de informação que só pode ser explorado em escala por meios automatizados. O ganho de transparência, contudo, não é automático: dados abertos mal estruturados produzem análises ruins.
2.4. O Portal Nacional de Contratações Públicas e a qualidade dos dados
O PNCP, previsto no art. 174. da Lei nº 14.133/2021, é o sítio eletrônico oficial para divulgação centralizada e obrigatória dos atos exigidos pela lei, e abrange todos os entes federativos. Reúne editais, contratos, atas de registro de preços e informações sobre fornecedores, o que o torna a base natural para análises em escala nacional e fonte dos parâmetros de preços previstos no art. 23, § 1º.
Esse potencial depende, porém, de três condições. A primeira é a completude e a padronização dos dados: campos vazios, descrições livres e classificações inconsistentes de itens reduzem a comparabilidade. A segunda é a atualização contínua. A terceira é a proteção dos dados pessoais presentes nos registros, em especial dos sócios e representantes de fornecedores, sujeitos à Lei nº 13.709/2018 (LGPD). Sem dados confiáveis, algoritmos mais sofisticados apenas reproduzem erros em maior velocidade. A experiência estrangeira, examinada no capítulo 6, confirma que a infraestrutura de dados costuma pesar mais que a sofisticação do modelo.
Há ainda um limite estrutural para os modelos supervisionados: o número de fraudes comprovadas e classificadas é pequeno, pois a maioria das irregularidades jamais é identificada. Treinar modelos com esses poucos casos favorece apenas a detecção de padrões já conhecidos. Esse limite justifica o uso combinado de regras de risco, análise de anomalias e verificação humana.
3. IA NO PLANEJAMENTO E NA PESQUISA DE PREÇOS
3.1. O planejamento na Lei nº 14.133/2021
A fase preparatória é o núcleo do modelo da nova lei. O art. 18. determina que ela caracterize a necessidade da contratação, descreva a solução como um todo e estime o valor, e que seja instruída, entre outros, com o estudo técnico preliminar (ETP), o termo de referência ou projeto básico e a análise de riscos que possam comprometer o sucesso da licitação (art. 18, § 1º). O art. 12, VII, prevê o plano de contratações anual (PCA), regulamentado no âmbito federal pelo Decreto nº 10.947/2022. O art. 19. trata da padronização e do catálogo eletrônico, e o art. 40. do parcelamento do objeto, que deve ser a regra nas compras sempre que técnica e economicamente viável, conforme o entendimento consolidado na Súmula nº 247 do Tribunal de Contas da União (TCU).
A doutrina de licitações é unânime em reconhecer o peso do planejamento: falhas nessa etapa produzem termos de referência genéricos, estimativas distorcidas, especificações direcionadas e desequilíbrios na execução (JUSTEN FILHO, 2022). O TCU registra, em sua jurisprudência sistematizada, que a deficiência da fase preparatória compromete a economicidade e a competitividade (BRASIL, 2021).
3.2. Onde a IA pode atuar no planejamento
Entre as etapas da fase preparatória, algumas se prestam particularmente ao apoio de IA.
a) Consolidação do PCA. A identificação de demandas repetidas ou complementares entre unidades, que ensejaria compras conjuntas e ganho de escala, é problema de agrupamento de dados.
b) Padronização e catalogação de itens. A classificação automática de descrições livres em códigos de catálogo (art. 19) é aplicação típica de processamento de linguagem natural, e melhora a comparabilidade das pesquisas de preços.
c) Elaboração do ETP e do termo de referência. A IA generativa pode sugerir estruturas, levantar contratações similares e redigir versões iniciais. O conteúdo, porém, deve ser integralmente verificado pelo agente, por força da responsabilidade pelos atos preparatórios.
d) Análise de riscos. A leitura de histórico de contratações semelhantes (aditivos, rescisões, atrasos) permite alimentar a matriz de riscos com evidência, e não apenas com a percepção da equipe.
-
e) Avaliação de parcelamento. A comparação entre lotes e preços praticados em contratações análogas pode subsidiar a decisão fundamentada sobre dividir ou não o objeto.
Em todas, a IA fornece insumos e a decisão permanece com o agente competente. Não há, até o momento, prova nos documentos consultados de que tais usos estejam consolidados nos órgãos brasileiros; tratam-se de aplicações plausíveis, algumas já ofertadas por fornecedores privados, cujo desempenho precisa ser demonstrado caso a caso.
3.3. Pesquisa de preços, sobrepreço e superfaturamento
A pesquisa de preços fundamenta o valor estimado, parâmetro para a aceitabilidade das propostas e para a aferição da vantajosidade (art. 23). Sua importância decorre do dever de evitar contratações com sobrepreço ou superfaturamento, que o art. 11, IV, inclui entre os objetivos do processo licitatório.
Os conceitos estão definidos no art. 6º da lei. Sobrepreço (inciso LVI) é o preço orçado para a licitação ou contratado em valor expressivamente superior aos preços referenciais de mercado, seja de apenas um item, seja do valor global do contrato. Superfaturamento (inciso LVII) é o dano ao patrimônio da Administração, caracterizado, por exemplo, pela medição de quantidades superiores às efetivamente executadas ou fornecidas, por deficiência na execução ou por alterações indevidas no orçamento. A distinção importa: o sobrepreço refere-se ao preço, tanto orçado quanto contratado, e pode existir sem pagamento; o superfaturamento pressupõe dano efetivo.
3.4. O art. 23, § 1º, e a Instrução Normativa SEGES/ME nº 65/2021
O art. 23, § 1º, define os parâmetros da pesquisa de preços para bens e serviços em geral, que podem ser usados de forma combinada ou não: (I) custos unitários menores ou iguais à mediana do item no painel para consulta de preços ou no banco de preços em saúde, disponíveis no PNCP; (II) contratações similares feitas pela Administração Pública, em execução ou concluídas no período de um ano anterior à data da pesquisa; (III) dados de pesquisa publicada em mídia especializada, tabela de referência formalmente aprovada pelo Poder Executivo federal e sítios eletrônicos especializados ou de domínio amplo, desde que contenham a data e a hora de acesso; (IV) pesquisa direta com no mínimo três fornecedores, mediante solicitação formal de cotação, com justificativa da escolha e propostas obtidas há não mais de seis meses da data de divulgação do edital; e (V) pesquisa na base nacional de notas fiscais eletrônicas.
No âmbito federal, a Instrução Normativa SEGES/ME nº 65/2021 regulamenta o procedimento, com critérios para a escolha dos parâmetros, a análise crítica dos dados e a justificativa de eventual exclusão de preços. Estados e municípios podem editar regulamentos próprios. A vigência atual da instrução deve ser confirmada em fonte oficial, por se tratar de ato sujeito a alterações.
O ponto de conexão com a IA é a análise crítica dos dados. A norma exige que o agente tenha critério para escolher e excluir informações e justifique tecnicamente o resultado. Assim, qualquer ferramenta que automatize a pesquisa só é juridicamente utilizável se permitir esse registro.
3.5. Formação de cestas de preços, homogeneidade e valores discrepantes
A IA e as técnicas de mineração de dados podem contribuir na pesquisa de preços de três modos. O primeiro é a coleta e a organização: extração de preços de múltiplas fontes, eliminação de duplicidades e atualização das bases. O segundo é a comparabilidade: reconhecimento de que itens com descrições diferentes são equivalentes, ou de que itens aparentemente iguais diferem tecnicamente, tarefa de processamento de linguagem natural. O terceiro é a depuração da amostra: identificação de valores discrepantes.
Convém registrar que este terceiro ponto é, em regra, estatística clássica. O cálculo de mediana, de coeficiente de variação e de limites de aceitação independe de IA, e a própria lei adota a mediana como parâmetro (art. 23, § 1º, I). A contribuição de modelos mais complexos está em tratar amostras maiores, heterogêneas e com muitas variáveis (região, quantidade, prazo, marca), nas quais critérios simples falham.
Do ponto de vista jurídico, o descarte automático de cotações é a parte mais sensível. Excluir um preço da amostra altera o valor estimado e pode favorecer ou prejudicar licitantes. Por isso, o sistema deve registrar o critério aplicado, a lista de preços excluídos e a razão da exclusão, e o agente deve validar e assumir o resultado, em consonância com o dever de justificativa que a regulamentação impõe. Ferramentas que apenas informam uma "média" sem rastreabilidade não atendem a essa exigência.
3.6. IA generativa e elaboração de documentos
A IA generativa já é capaz de produzir minutas de termos de referência, ETPs e notas técnicas a partir de modelos e legislação. Os benefícios são a padronização, a redução de tempo e a diminuição de erros formais. Os riscos, porém, são específicos e relevantes.
Primeiro, a alucinação: o sistema pode citar artigos inexistentes, jurisprudência fictícia ou normas revogadas, com aparência de precisão. Segundo, a incorporação acrítica de modelos: o texto padronizado pode não corresponder à necessidade real da contratação, o que fere o planejamento. Terceiro, o sigilo: o envio de informações de processos a serviços externos pode violar regras de confidencialidade e de proteção de dados. Por essas razões, o uso deve ocorrer em ambiente controlado pelo órgão, com revisão integral por servidor habilitado e registro de que a minuta foi gerada com apoio de IA. A responsabilidade pelo conteúdo, nos termos dos arts. 7º e 8º da Lei nº 14.133/2021 e do art. 28. da Lei de Introdução às Normas do Direito Brasileiro (LINDB), permanece com o agente.
