DOU 12/11/2026 - Diario Oficial da Uniao - Brasil extra_B
Baixar página em PDF · Criar alerta deste tema
O visualizador interativo precisa de JavaScript — baixe a página original em PDF.
TEXTO OFICIAL · ÍNTEGRA
Seção 1 - Edição Extra
Nº 213-B, quinta-feira, 12 de novembro de 2026
ISSN 1677-7042
-
Agente de IA: Sistemas de IA autônomos ou semiautônomos projetados para processar entradas, planejar etapas, acionar ferramentas, Interfaces de Programação de Aplicações - API ou serviços externos e executar ações orientadas para objetivos específicos previamente definidos. Para o contexto educacional, seu uso exige explicabilidade, transparência quanto à finalidade, à lógica geral de programação, aos comandos operacionais, às ferramentas acionadas e aos limites de atuação do sistema, pois pode produzir efeitos operacionais, pedagógicos, avaliativos, administrativos ou institucionais. Deve haver supervisão humana significativa, registro das ações executadas, possibilidade de interrupção, revisão dos resultados e clara identificação dos responsáveis por sua configuração, autorização e monitoramento.
-
Agentes de tratamento de dados pessoais: Pessoas naturais ou jurídicas responsáveis pelo tratamento de dados pessoais, compreendendo o controlador, a quem competem as decisões referentes ao tratamento, e o operador, que realiza o tratamento em nome do controlador. No contexto educacional, instituições de ensino atuam ordinariamente como controladoras dos dados de estudantes, docentes e famílias, inclusive quando contratam plataformas de IA de terceiros, permanecendo responsáveis pela conformidade do tratamento.
-
Alucinação: Resposta incorreta, fictícia, inconsistente ou sem base factual gerada por sistema de IA generativa, ainda que apresentada com aparência de precisão e autoridade.
-
Análise de dados: Conjunto de procedimentos estatísticos, computacionais ou interpretativos destinados a organizar, descrever e extrair informações de dados.
-
Anonimização: Processo técnico pelo qual um dado deixa de poder ser associado, direta ou indiretamente, a pessoa natural identificada ou identificável, considerados meios técnicos razoáveis e disponíveis. Deve ser criteriosa, pois bases pequenas ou cruzamentos com outros dados podem permitir reidentificação. 8. Aprendizado de máquina: Subcampo da IA que utiliza dados e modelos estatísticos para melhorar o desempenho de sistemas em tarefas específicas, sem programação explícita para cada situação. Pode ser empregado em recomendação de conteúdos, análise preditiva e reconhecimento de padrões educacionais.
-
Aprendizado não supervisionado: Paradigma de aprendizado de máquina em que o modelo identifica padrões, agrupamentos ou estruturas em dados não rotulados, sem respostas previamente definidas. Na educação, pode ser utilizado para agrupamento de perfis de aprendizagem, hipótese que demanda cautela por aproximar-se da perfilização.
-
Aprendizado por reforço: Paradigma de aprendizado de máquina em que o sistema aprende por tentativa e erro, mediante recompensas e penalidades associadas às ações executadas em determinado ambiente, otimizando comportamento ao longo do tempo. Integra o desenvolvimento de sistemas adaptativos e de modelos de linguagem ajustados por retroalimentação humana.
-
Aprendizado profundo: Técnica de aprendizado de máquina baseada em redes neurais artificiais com múltiplas camadas, capaz de aprender representações complexas de dados. Sustenta aplicações como reconhecimento de voz, visão computacional, tradução automática e grandes modelos de linguagem.
-
Aprendizado supervisionado: Paradigma de aprendizado de máquina em que o modelo é treinado a partir de dados rotulados, isto é, exemplos acompanhados das respostas esperadas, para aprender a mapear entradas em saídas. É empregado, por exemplo, em classificação de textos e predição de desempenho. A qualidade e a representatividade dos rótulos condicionam diretamente a ocorrência de vieses. 13. Arquitetura aberta: Solução tecnológica cujo código, documentação, pesos, modelos, padrões ou interfaces são disponibilizados de forma aberta ou interoperável, em diferentes graus. Pode favorecer auditabilidade, adaptação local, soberania tecnológica e controle público, sem afastar deveres de segurança e governança.
-
Arquitetura proprietária: Modelo, plataforma ou infraestrutura cujo código, dados, parâmetros ou funcionamento interno são controlados por fornecedor privado, com acesso limitado por usuários, instituições e reguladores. Demanda atenção à auditabilidade, dependência tecnológica, proteção de dados e transparência suficiente para uso educacional.
-
Auditoria de sistemas de IA: Processo documentado de verificação técnica, jurídica, ética e pedagógica de sistemas de IA, destinado a avaliar conformidade, segurança, viés, desempenho, rastreabilidade, proteção de dados e adequação aos objetivos educacionais. Deve ser proporcional ao risco da aplicação.
-
Autodeterminação informativa: Fundamento da disciplina de proteção de dados pessoais que assegura à pessoa natural o controle sobre suas próprias informações, compreendendo o direito de conhecer, acessar, corrigir e opor-se a tratamentos que lhe digam respeito. No ambiente educacional, orienta a interpretação de consentimentos, a transparência das plataformas e os direitos de estudantes, famílias e docentes perante sistemas de IA.
-
Automação convencional: Execução automática de tarefas previamente definidas por regras fixas, sem aprendizagem adaptativa relevante, inferência complexa ou geração autônoma de conteúdo. Deve ser distinguida de IA para fins de proporcionalidade regulatória.
-
Autonomia intelectual: Capacidade de formular perguntas, construir argumentos, interpretar dados, avaliar fontes, criar hipóteses, sustentar raciocínio próprio e exercer juízo crítico.
-
Autoria intelectual: Atribuição de responsabilidade intelectual a pessoa natural ou grupo de pessoas pela concepção, elaboração, argumentação, análise, discussão e apresentação de trabalho acadêmico ou científico.
-
Avaliação de Impacto Algorítmico: Procedimento prévio e periódico destinado a identificar, avaliar e mitigar riscos produzidos por sistemas algorítmicos, inclusive vieses, erros, discriminação, opacidade, impacto pedagógico, exclusão, vigilância, dependência tecnológica e afetação de direitos.
-
Base de dados educacional: Conjunto estruturado de dados pessoais e não pessoais produzidos, coletados ou mantidos por instituições educacionais e sistemas de ensino, incluindo registros acadêmicos, administrativos e de interação com plataformas digitais. Sua utilização para desenvolvimento, treinamento, ajuste ou integração de sistemas de IA exige base legal, finalidade educacional específica, segurança da informação e vedação de utilização incompatível.
-
Bem-estar digital: Condição de equilíbrio físico, mental e social na relação dos sujeitos do processo educativo com tecnologias digitais, compreendendo a prevenção da sobrecarga cognitiva, da hiperconexão, da dependência tecnológica e de danos à saúde decorrentes do uso intensivo de sistemas, inclusive de IA.
-
Biometria e dados biométricos: Dados pessoais sensíveis relativos a características físicas, fisiológicas ou comportamentais que permitam a identificação única de pessoa natural, como face, voz, íris, impressão digital e padrões de digitação. Sua utilização e tratamento em ambiente educacional exige necessidade estrita e justificada, proporcionalidade e adoção da alternativa menos invasiva. 24. Chatbot educacional: Sistema conversacional automatizado que interage por linguagem natural com estudantes, famílias, docentes ou gestores para apoio ao estudo, atendimento, orientação ou gestão. Seu uso deve informar o caráter automatizado da interação e preservar o canal de atendimento humano quando houver impacto relevante ou demanda sensível.
-
Cidadania digital: Conjunto de conhecimentos, atitudes e competências que habilitam o exercício ético, crítico, seguro e responsável de direitos e deveres nos ambientes digitais, compreendendo participação, respeito, proteção de dados, combate à desinformação e uso responsável de IA.
-
Computação em nuvem: Modelo de fornecimento de recursos computacionais, armazenamento, processamento e serviços, por meio de infraestrutura remota acessada pela internet. A contratação de serviços de IA em nuvem por instituições educacionais deve observar segurança da informação, localização e regime jurídico dos dados, cláusulas de confidencialidade, vedação de reutilização de dados educacionais e condições de portabilidade e reversibilidade.
-
Consentimento informado: Manifestação livre, informada e inequívoca pela qual o titular concorda com o tratamento de seus dados pessoais para finalidade determinada. O consentimento não pode ser presumido, condicionado indevidamente ao acesso a atividades essenciais, nem obtido de forma genérica; tratando-se de crianças e adolescentes, deve observar o melhor interesse, a proteção integral e, quando exigível, o consentimento específico de ao menos um dos pais ou responsável legal. 28. Conteúdo sintético: Texto, imagem, áudio, vídeo ou outro material gerado ou substancialmente modificado por sistemas de IA.
-
Correção automatizada: Utilização de sistemas de IA para correção de instrumentos avaliativos.
-
Curadoria docente: Atividade docente e institucional de seleção, verificação, adaptação, contextualização e validação de conteúdos, inclusive dos gerados por sistemas de IA, à luz dos objetivos de aprendizagem, da exatidão científica, da adequação etária e dos valores educacionais.
-
Dados educacionais: Dados produzidos ou tratados em contexto educacional, incluindo matrícula, frequência, notas, atividades, interações em plataformas, registros de aprendizagem, permanência, atendimento, acessibilidade, comportamento acadêmico e indicadores institucionais entre outros. Podem ser pessoais ou sensíveis, conforme o caso. Possuem finalidade de treinamento quando utilizados para ajustar, ensinar ou calibrar um modelo de IA. Sua qualidade, representatividade, licitude e diversidade influenciam diretamente desempenho, vieses, exclusões e riscos discriminatórios.
-
Dados pessoais sensíveis: Dados sobre origem racial ou étnica, convicção religiosa, opinião política, filiação sindical ou associativa, saúde, vida sexual, dado genético ou biométrico, entre outros, quando vinculados a pessoa natural. Em educação, exigem proteção reforçada, especialmente quando relativos a crianças e adolescentes.
-
Decisão automatizada: Decisão produzida por sistema computacional a partir de tratamento de dados, com ou sem participação humana em alguma fase do processo. No ambiente educacional, decisões apoiadas por IA devem preservar responsabilidade humana, fundamentação, registro e possibilidade de revisão.
-
Detectores de conteúdo gerado por IA: Ferramenta que estima se texto, imagem, áudio ou outro conteúdo foi produzido por IA. Em razão de falsos positivos e falsos negativos, não deve fundamentar sanções acadêmicas ou disciplinares.
-
Embasamento ou grounding: Processo de conectar a resposta de um modelo a fontes verificáveis e contextuais, reduzindo alucinações e aumentando confiabilidade. Em educação, é relevante para assistentes baseados em documentos oficiais, currículos, normas institucionais e materiais validados.
-
Engenharia de comando ou engenharia de prompt: Processo de formular, estruturar e refinar comandos para orientar respostas de modelos generativos. Integra o letramento em IA, mas não substitui domínio conceitual, julgamento crítico, autoria ou validação humana.
-
Equidade no contexto digital: Princípio que impõe a distribuição justa das oportunidades de acesso, uso significativo e apropriação crítica das tecnologias digitais e da IA, com atenção às desigualdades territoriais, socioeconômicas, raciais, de gênero e relativas a pessoas com deficiência. 38. Explicabilidade: Capacidade de fornecer explicações compreensíveis sobre o funcionamento, critérios, dados, limites e resultados de um sistema de IA.
-
Governança de IA: Conjunto de políticas, instâncias, procedimentos e responsabilidades para selecionar, contratar, documentar, monitorar, auditar, revisar e descontinuar sistemas de IA. Inclui gestão de riscos, proteção de dados, transparência, participação, formação e resposta a incidentes.
-
IA agêntica: Categoria de IA capaz de executar sequências de ações com autonomia ou semiautonomia, acionar ferramentas e tomar decisões intermediárias para cumprir metas.
-
IA generativa: Ramo da IA projetado para criar conteúdos, como textos, áudios, imagens, vídeos e até códigos de software. Essa tecnologia se baseia em modelos computacionais avançados, que aprendem padrões a partir de grandes volumes de dados.
-
IA preditiva: Sistema que utiliza dados históricos ou padrões observados para estimar probabilidades, riscos ou tendências futuras, como evasão, desempenho ou necessidade de intervenção. Pode apoiar gestão e acompanhamento, mas não deve produzir decisões automáticas sobre estudantes. 43. Impacto algorítmico: Efeito produzido por sistema algorítmico sobre pessoas, grupos, instituições ou processos educacionais, incluindo consequências pedagógicas, avaliativas, administrativas, distributivas, cognitivas, discriminatórias ou de proteção de dados. 44. Inclusão no contexto digital: Conjunto de políticas, ações e condições destinadas a assegurar a todas as pessoas o acesso efetivo e o uso qualificado das tecnologias digitais, compreendendo conectividade, dispositivos, acessibilidade, competências digitais e apropriação crítica. Constitui pressuposto de equidade na adoção educacional da IA. 45. Inferência comportamental: Conclusão automatizada sobre comportamento, engajamento, emoção, risco, intenção, perfil ou tendência de estudante ou docente a partir de dados observados. 46. Inteligência Artificial - IA: ferramenta tecnológica dedicada ao desenvolvimento de sistemas computacionais capazes de executar, com graus variados de autonomia, tarefas que ordinariamente requerem capacidades cognitivas humanas, como percepção, compreensão de linguagem, raciocínio, aprendizado, planejamento e geração de conteúdo, abrangendo, entre outras aplicações, sistemas preditivos, sistemas generativos, agentes inteligentes e tutores digitais, com diferentes finalidades, graus de autonomia, níveis de transparência, auditabilidade e perfis de risco.
-
Interoperabilidade: Capacidade de sistemas, plataformas e bases de dados operarem de forma integrada, mediante padrões abertos e formatos compatíveis, permitindo intercâmbio de informações, portabilidade e substituição de fornecedores. Constitui salvaguarda contra a dependência tecnológica e instrumento de soberania e continuidade do serviço educacional.
-
Letramento digital: Conjunto de conhecimentos, habilidades e atitudes necessários ao uso crítico, seguro, ético e produtivo das tecnologias digitais, compreendendo busca e avaliação de informações, comunicação, criação de conteúdo, proteção de dados e cidadania digital.
-
Letramento em IA: Conjunto de conhecimentos, habilidades, atitudes e valores necessários para compreender, utilizar, avaliar, contestar e criar com IA de forma crítica, ética, segura e socialmente responsável. Abrange dimensões técnicas, pedagógicas, jurídicas, científicas e cidadãs.
-
LLM - grande modelo de linguagem: Modelo de IA treinado em grande volume de dados textuais, capaz de processar linguagem natural, gerar texto, resumir, traduzir, responder perguntas e apoiar tarefas acadêmicas. Seu funcionamento baseia-se em padrões probabilísticos e não equivale a compreensão humana.
11
Documento assinado digitalmente conforme MP nº 2.200-2 de 24/08/2001, que institui a Infraestrutura de Chaves Públicas Brasileira - ICP-Brasil.
Este documento pode ser verificado no endereço eletrônico http://www.in.gov.br/autenticidade.html, pelo código 06012026111200011