# IA no INSS: o risco algorítmico é real — mas o risco de não usar Inteligência Artificial também > A IA pode errar na Previdência, mas a demora também desprotege. Dados do INSS, ENAP e OCDE mostram por que o risco exige comparação real. Por Bruno Ulisses Carneiro · Publicado em 22 de agosto de 2026 · IA na prática · https://advspace.adv.br/blog/inteligencia-artificial/ia-inss-risco-algoritmico-previdenciario/ **Do risco social ao risco algorítmico previdenciário: os perigos da Inteligência Artificial precisam ser levados a sério. O que não faz sentido é analisá-los como se a alternativa atual fosse isenta de riscos.** Minha hipótese inicial para este artigo era relativamente simples: talvez a morosidade cause mais prejuízos ao segurado do que uma Inteligência Artificial, mesmo considerando todos os problemas que essa tecnologia pode apresentar. Depois de pesquisar o tema, eu faria um ajuste nessa afirmação. Não encontrei dados que permitam comparar, de maneira cientificamente responsável, todos os danos provocados pela demora do sistema previdenciário com todos aqueles que poderiam ser provocados por decisões automatizadas. São riscos diferentes e ainda não existe uma métrica que nos permita colocá-los lado a lado e afirmar, de maneira geral, que um é maior do que o outro. Só que encontrei algo que, para mim, torna a discussão ainda mais interessante. Quando falamos sobre os riscos da Inteligência Artificial, frequentemente fazemos uma comparação injusta. De um lado, colocamos a tecnologia real, com suas falhas, vieses, limitações e possibilidades de erro. Do outro, em vez de colocarmos o sistema real que existe hoje, imaginamos uma espécie de sistema humano ideal: pessoas qualificadas, com tempo suficiente, acesso a todas as informações necessárias, atenção ilimitada e capacidade de analisar individualmente cada situação. Esse sistema não existe. É por isso que talvez a pergunta mais importante não seja se a Inteligência Artificial oferece riscos. Evidentemente oferece. A pergunta que me parece mais útil é outra: **quais são os riscos de utilizá-la e quais são os riscos de continuar fazendo determinadas coisas da maneira como fazemos hoje?** Essa mudança de perspectiva altera quase toda a discussão. ## Na Previdência, esperar também pode ser uma forma de desproteção A Previdência Social existe justamente para proteger pessoas quando determinados acontecimentos comprometem sua capacidade de prover a própria manutenção. O artigo 1º da Lei nº 8.213/1991 estabelece que a Previdência tem por finalidade assegurar aos beneficiários meios indispensáveis de manutenção diante de situações como incapacidade, idade avançada e morte daquele de quem dependiam economicamente. Isso faz com que o tempo tenha uma importância diferente no Direito Previdenciário. Uma pessoa que pede um benefício por incapacidade não está apenas aguardando a conclusão de um procedimento administrativo. Muitas vezes, ela está sem poder trabalhar justamente durante o período em que espera que o Estado reconheça se possui ou não direito à renda destinada a protegê-la daquela contingência. A demora, portanto, não acontece depois do problema social. Ela acontece enquanto o problema está sendo vivido. E há uma razão pessoal para eu insistir nesse ponto. Eu já não sei dizer quantos clientes do meu escritório faleceram enquanto aguardavam o desfecho de processos previdenciários. Sei, entretanto, que isso já me incomodava profundamente há pelo menos dez anos, porque encontrei um registro muito concreto dessa preocupação. Em 21 de junho de 2016, escrevi à Presidência da OAB-DF para relatar um problema que estava atingindo processos de benefícios por incapacidade na Justiça Federal em Brasília. Naquele e-mail, expliquei que as conciliações que antes ajudavam a dar vazão a esses processos haviam sido interrompidas e que o impacto já alcançava milhares de pessoas. Eu relatava que, no meu próprio escritório, quase cem demandas aguardavam a retomada das audiências e que o prazo que anteriormente girava em torno de dez meses entre o ajuizamento e o recebimento da RPV havia praticamente dobrado naquele contexto. Mas o que me levou a escrever aquele e-mail não foi propriamente o estoque de processos. Foi o que eu estava vendo acontecer com as pessoas. Na mensagem, registrei que mais de um cliente do escritório havia falecido esperando o fim da causa. Eram pessoas que não tinham condições de saúde para trabalhar, que haviam tido seus benefícios negados e que viam no resultado do processo a possibilidade de pagar medicamentos, consultas e tratamentos. Reler isso dez anos depois me faz perceber uma dimensão da morosidade que nenhum indicador de tempo médio de tramitação consegue expressar por completo. Se o direito é reconhecido quando aquela pessoa já morreu, o dinheiro ainda pode ter enorme importância para a família. Pode ajudar os filhos, o cônjuge ou quem ficou responsável pelas consequências econômicas daquela história. Mas há algo que o pagamento posterior não consegue devolver. O tempo em que aquela pessoa ainda estava viva. Talvez uma parcela muito menor daquele valor, recebida quando ainda era necessária, tivesse permitido comprar um medicamento melhor, pagar uma consulta, custear um tratamento ou simplesmente reduzir a dependência de familiares. Talvez não tivesse mudado o desfecho da doença. Não tenho como saber e seria irresponsável estabelecer uma relação causal que não posso provar. A questão é outra. **Uma proteção social pode continuar tendo valor econômico quando chega tarde e, ao mesmo tempo, ter perdido parte importante da sua finalidade humana.** Essa constatação sempre esteve muito próxima da maneira como enxergo o Direito Previdenciário. No final daquele e-mail de 2016, eu dizia que, se nós, advogados, tínhamos condições de contribuir para resolver aquele tipo de problema e não o fazíamos, deveríamos repensar o que estávamos fazendo da nossa profissão. Naquela época, eu não estava falando de Inteligência Artificial. A discussão era outra. Mas a preocupação, no fundo, era a mesma: **o que podemos fazer para que a proteção funcione melhor e para que menos pessoas sofram enquanto ela não chega?** É por isso que, quando discutimos hoje os riscos de uma decisão errada produzida por um algoritmo, precisamos discutir com a mesma seriedade o risco de uma decisão correta que chega tarde demais. ## O risco algorítmico previdenciário existe Reconhecer o custo da morosidade não significa minimizar os problemas da tecnologia. Fazer isso seria apenas trocar um preconceito por outro. Existem riscos importantes no uso de sistemas automatizados para reconhecer direitos e já temos evidências brasileiras que deveriam ser conhecidas por qualquer pessoa que queira discutir esse assunto com seriedade. Eu utilizaria a expressão **risco algorítmico previdenciário** para identificar a possibilidade de que sistemas automatizados utilizados na análise, concessão, revisão, manutenção ou fiscalização de benefícios criem ou ampliem situações de desproteção. Esse risco pode surgir porque os dados estão incompletos, porque a realidade do segurado não está adequadamente refletida nas bases utilizadas pelo sistema ou porque uma regra padronizada é aplicada a uma situação que exige análise individual. Pode aparecer ainda quando ninguém consegue compreender adequadamente por que determinado resultado foi produzido, dificultando a contestação de uma decisão eventualmente equivocada. Não apresento “risco algorítmico previdenciário” como uma categoria jurídica já consolidada. Estou utilizando a expressão para organizar um problema que é concreto. E existe uma pesquisa brasileira especialmente interessante sobre isso. Em dissertação apresentada à Escola Nacional de Administração Pública, Aline Aparecida de Paula estudou a automação do reconhecimento do direito à aposentadoria por idade pelo INSS entre junho de 2023 e julho de 2024. Segundo a análise empírica apresentada pela autora, os indeferimentos passaram de 49,67% para 57,67%, e o estudo identificou efeitos desproporcionais sobre mulheres e trabalhadores rurais, além de problemas para cidadãos com trajetórias laborais complexas ou não formalizadas adequadamente no CNIS. Esse é exatamente o tipo de dado que alguém poderia utilizar para dizer: “Está vendo? Automatizar é perigoso.” O primeiro pedaço da frase está correto. Automatizar **pode** ser perigoso. O problema está em transformar isso automaticamente na conclusão de que fazer manualmente é melhor. A pesquisa demonstra que a automação pode produzir consequências negativas e que qualidade dos dados, desenho do processo e mecanismos de orientação precisam ser tratados com enorme cuidado. Não demonstra que a solução para esses problemas seja necessariamente voltar ao processamento manual de tudo. Na verdade, ela revela uma questão ainda mais profunda: se uma realidade está mal representada nos dados utilizados pelo sistema, automatizar a leitura desses dados pode apenas fazer com que uma distorção preexistente seja aplicada mais rapidamente e em maior escala. Tecnologia não corrige automaticamente um processo ruim. Em alguns casos, apenas aumenta sua velocidade. ## Só que o sistema que queremos preservar também precisa ser colocado na mesa Depois de reconhecer esses riscos, precisamos olhar para o outro lado da comparação. Em 30 de junho de 2026, o próprio INSS informou possuir aproximadamente **1,8 milhão de requerimentos na fila**. Desse total, 555 mil estavam aguardando havia mais de 45 dias e outros 451 mil dependiam de alguma ação do segurado, como a entrega de documentos. O tempo médio informado para conclusão dos requerimentos era de 50 dias. É importante apresentar também o contexto positivo desses dados. Os 1,8 milhão de requerimentos representavam o menor estoque desde setembro de 2024. O INSS informava ainda uma redução de 44% nas reclamações por demora e atribuía a melhora a diferentes medidas de gestão, reforço de pessoal, mutirões e outras iniciativas destinadas a acelerar a análise. Portanto, havia melhora. Mesmo assim, ainda estamos falando de 555 mil requerimentos que haviam ultrapassado 45 dias de espera. É quando colocamos esses números ao lado da discussão sobre Inteligência Artificial que aparece uma distorção interessante na forma como percebemos risco. Uma decisão automatizada errada provoca imediatamente uma reação: precisamos entender como o erro aconteceu, quais dados foram utilizados, quem é responsável e como impedir que ele se repita. Essa reação está correta. Mas centenas de milhares de pessoas esperando uma resposta podem acabar sendo percebidas apenas como parte do funcionamento normal de uma estrutura muito grande. Talvez tenhamos nos acostumado com alguns riscos simplesmente porque eles chegaram antes. ## Minha hipótese inicial estava certa? Em parte. Depois da pesquisa, eu não afirmaria que está provado que a morosidade produz mais danos do que a Inteligência Artificial. Não encontrei evidência que permita essa conclusão de forma geral, e seria contraditório escrever um artigo sobre decisões baseadas em evidências exagerando o que as próprias evidências permitem afirmar. Mas há outra conclusão que considero bastante defensável: **não utilizar Inteligência Artificial também é uma decisão sobre risco.** Esse é o ponto que costuma desaparecer na discussão. Quando alguém identifica os perigos da IA e conclui, por causa deles, que é melhor continuar realizando determinada atividade da maneira tradicional, não eliminou o risco. Apenas optou por outro conjunto de riscos. Dependendo do processo analisado, permanecem a demora, a limitação da capacidade humana de tratar enormes volumes de informação, o retrabalho, a execução manual de tarefas repetitivas, os erros humanos e a dificuldade de ampliar a capacidade do sistema. Isso não significa que qualquer automação será melhor. Significa apenas que o modelo atual não deveria receber uma espécie de imunidade argumentativa simplesmente porque já estamos habituados às suas limitações. ## Talvez estejamos usando a pergunta errada: homem ou máquina? Uma parte importante da resistência à Inteligência Artificial nasce da imagem de que sua adoção necessariamente significa retirar o ser humano do processo e permitir que uma máquina decida sozinha quem terá ou não acesso a determinado direito. Existem aplicações nas quais esse risco precisa ser discutido seriamente. Mas reduzir toda utilização de IA a esse cenário empobrece muito a conversa. A OCDE publicou, em dezembro de 2025, um relatório dedicado ao uso de Inteligência Artificial em instituições de seguridade social. Os exemplos encontrados ali são especialmente interessantes porque mostram aplicações nas quais a tecnologia não simplesmente substitui quem decide. Na Finlândia, por exemplo, a Kela, instituição nacional de seguridade social, desenvolveu uma plataforma de IA para tratar documentos e mensagens enviados pelos usuários. O sistema realiza atividades como conversão de formatos, reconhecimento de texto, correção de imagens, leitura de códigos de barras e classificação de documentos. Em 2024, processou mais de 16 milhões de anexos e, segundo a OCDE, economizou o equivalente a aproximadamente 38 anos-pessoa de trabalho. O detalhe mais interessante, para mim, é outro: o sistema **não determina a elegibilidade nem toma a decisão sobre o benefício**. A tecnologia é utilizada para diminuir trabalho operacional e permitir que a estrutura humana administre melhor grandes volumes de informação. Na Alemanha, a agência federal de emprego enfrentava outro problema bastante concreto. Recebia mais de 100 mil anúncios de emprego por ano em formatos diferentes, e a classificação manual de cada anúncio consumia, em média, mais de dez minutos de trabalho. Um sistema de machine learning passou a extrair e organizar essas informações, mas o servidor continua vendo o documento original, recebe as sugestões do sistema acompanhadas do respectivo grau de confiança e pode aceitar, alterar ou rejeitar cada informação proposta. Perceba a diferença. A discussão deixa de ser sobre substituir o homem pela máquina e passa a ser sobre **usar cada um onde consegue produzir mais valor**. ## O que realmente torna um sistema mais humano? Existe uma tendência compreensível de associar trabalho realizado por pessoas a um sistema necessariamente mais humano. Nem sempre é assim. Imagine um profissional qualificado que passa parte considerável do dia abrindo documentos, corrigindo formatos, classificando arquivos, transcrevendo informações, procurando dados ou conferindo elementos que um sistema poderia apresentar de forma organizada. Nada disso se torna mais humano simplesmente porque foi feito manualmente. Na verdade, o efeito pode ser o contrário. Cada hora consumida por uma tarefa mecânica é uma hora que não pode ser empregada na análise de uma exceção, na orientação de uma pessoa, na revisão de um caso complexo ou na identificação de uma situação em que os dados disponíveis não contam a história inteira. O caso finlandês é interessante exatamente por isso. A OCDE relata que a redução do trabalho manual liberou capacidade para atividades e interações mais complexas com os beneficiários, preservando a participação humana e sem automatizar a decisão sobre a elegibilidade ao benefício. Talvez uma parte da discussão esteja atrasada porque ainda perguntamos se uma máquina consegue fazer tudo o que uma pessoa faz. Não precisa. Talvez a pergunta mais produtiva seja descobrir **o que uma pessoa não deveria mais precisar fazer manualmente**. ## Quanto maior a consequência da decisão, maior precisa ser o controle Defender a adoção da Inteligência Artificial não significa defender ausência de limites. Pelo contrário. Quanto mais estudo esse tema, mais me parece que a adoção séria da tecnologia depende justamente de conseguirmos diferenciar os níveis de risco envolvidos. Não faz sentido tratar um sistema que classifica um documento da mesma maneira que um sistema capaz de influenciar significativamente a negativa de um benefício. Essa lógica aparece na regulamentação europeia. Segundo a análise da OCDE sobre o AI Act, aplicações utilizadas pelo Poder Público para avaliar a elegibilidade de pessoas a benefícios públicos essenciais, ou para concedê-los, reduzi-los, revogá-los ou exigir sua devolução, podem ser classificadas como de alto risco quando substituem ou influenciam significativamente a decisão. A mesma disciplina diferencia situações em que a IA executa tarefas preparatórias ou procedimentais e não substitui nem influencia de maneira relevante a avaliação humana. Essa distinção é importante porque demonstra que reconhecer um risco não significa necessariamente proibir uma tecnologia. Significa construir controles proporcionais às consequências que ela pode produzir. No Brasil, a Lei Geral de Proteção de Dados já contém mecanismos relacionados às decisões automatizadas. O artigo 20 assegura ao titular o direito de solicitar revisão de decisões tomadas unicamente com base em tratamento automatizado de dados pessoais que afetem seus interesses. O mesmo dispositivo prevê o fornecimento, quando solicitado, de informações claras e adequadas sobre os critérios e procedimentos utilizados e admite auditoria pela autoridade nacional para verificação de aspectos discriminatórios nas hipóteses previstas pela lei. A discussão, portanto, não deveria se limitar a perguntar se devemos ou não utilizar Inteligência Artificial. Precisamos discutir a qualidade dos dados que alimentam o sistema, a função que ele desempenhará, o impacto de um eventual erro, a possibilidade de revisão, a transparência necessária para contestar uma decisão e quem continuará responsável pelo resultado. É assim que uma discussão tecnológica se transforma em uma discussão de gestão e de proteção de direitos. ## O erro de uma máquina é mais grave simplesmente porque foi cometido por uma máquina? Imagine duas situações. Na primeira, um segurado recebe rapidamente uma decisão automatizada equivocada, mas existe um mecanismo eficiente capaz de detectar a inconsistência, permitir sua contestação e corrigi-la em pouco tempo. Na segunda, o segurado recebe ao final uma decisão correta, mas precisa esperar meses porque todas as etapas anteriores dependem de processamento manual. Qual sistema protegeu melhor aquela pessoa? Eu não sei. E acho importante admitir isso. Para responder, precisaríamos considerar a natureza do benefício, o tamanho do atraso, a gravidade do erro, a possibilidade de revisão, as consequências econômicas da espera, a condição do segurado e diversas outras variáveis. O que não deveríamos fazer é presumir que o primeiro sistema seja necessariamente pior apenas porque houve participação de uma máquina. Da mesma maneira, a velocidade não transforma uma decisão errada em uma boa prestação previdenciária. O objetivo não é escolher entre velocidade e qualidade. É melhorar as duas. ## Talvez exista um risco ainda maior que o risco algorítmico Comecei este artigo pensando em risco social e risco algorítmico previdenciário, mas a pesquisa e a lembrança dos clientes que faleceram durante os processos me fizeram chegar a uma categoria que considero ainda mais importante: **o risco da inefetividade da proteção social**. A Inteligência Artificial pode ser uma causa dessa inefetividade se produzir erros, discriminar pessoas, interpretar dados ruins ou tornar decisões impossíveis de compreender e contestar. Mas a tecnologia não é a única fonte desse risco. Uma estrutura insuficiente também pode ser. A burocracia excessiva pode ser. Um processo mal desenhado pode ser. A demora pode ser. A incapacidade de processar o volume de informações que recebemos pode ser. E talvez essa seja uma maneira melhor de avaliar a questão. A pergunta deixa de ser simplesmente “a Inteligência Artificial oferece risco ao segurado?” porque a resposta é evidente. Sim, oferece. A pergunta passa a ser: **qual combinação de tecnologia, pessoas, processos e controles consegue reduzir a probabilidade de que a proteção social deixe de chegar corretamente e no momento em que ainda é capaz de cumprir sua finalidade?** Essa é uma discussão muito diferente. ## Automatizar o comum para enxergar melhor o excepcional Se eu tivesse que extrair um princípio prático de tudo o que encontrei, seria este: quanto mais repetitiva, objetiva, verificável e padronizável for uma atividade, maior tende a ser o espaço para automação. Quanto mais excepcional for a situação e maior o impacto de um eventual erro sobre a vida de alguém, maior precisa ser a presença de mecanismos de supervisão e revisão. Os casos analisados pela OCDE seguem, em boa medida, essa lógica. Na Alemanha, o sistema organiza a informação e mantém o servidor com autoridade para validar, alterar ou rejeitar suas sugestões. Na Finlândia, a IA processa milhões de documentos, mas não decide se a pessoa tem direito ao benefício. O próprio relatório conclui que os casos analisados partiram de problemas concretos nos quais os benefícios esperados justificavam os riscos, e ressalta a necessidade de supervisão humana, proteção de dados, transparência e equidade na implementação. Aplicada ao Previdenciário, essa lógica abre inúmeras possibilidades. Talvez não precisemos de uma Inteligência Artificial decidindo autonomamente uma situação complexa. Talvez precisemos dela lendo milhares de páginas, identificando documentos, organizando informações, encontrando divergências, sinalizando o que falta e chamando a atenção do profissional justamente para aquilo que foge do padrão. Nesse cenário, a tecnologia não diminui a importância do ser humano. Ela pode aumentar o valor do tempo humano. ## Há um viés curioso na maneira como tratamos o novo e o velho Quando uma tecnologia nova falha, investigamos a falha. Queremos compreender como aconteceu, quem é responsável, quais dados foram utilizados e quais controles poderiam impedir a repetição. Deveríamos fazer isso. O problema aparece quando não aplicamos o mesmo grau de exigência ao modelo que a tecnologia pretende melhorar. Se centenas de milhares de requerimentos aguardam análise, corremos o risco de tratar a demora como inevitável. Se um profissional passa horas executando atividades que poderiam ser automatizadas, chamamos isso de rotina. Se informações relevantes deixam de ser consideradas porque estavam perdidas dentro de uma quantidade de dados incompatível com a capacidade humana disponível, aceitamos a situação como limitação natural da operação. Não é natural. É apenas conhecido, e existe uma enorme diferença entre essas duas coisas. Talvez estejamos exigindo que o novo demonstre que não possui defeitos enquanto permitimos que o velho permaneça simplesmente porque já aprendemos a conviver com os seus. Não estou defendendo a inversão dessa lógica. Não faz sentido adotar uma tecnologia apenas porque ela é nova. Estou defendendo que os dois lados sejam avaliados pela mesma régua. ## O status quo também precisa provar que merece permanecer Essa, para mim, é a principal conclusão de toda a pesquisa. Se uma Inteligência Artificial for utilizada em atividades capazes de afetar direitos previdenciários, precisamos medir os resultados que ela produz. Precisamos identificar seus erros, verificar se determinados grupos são prejudicados de forma desproporcional, avaliar os dados utilizados, estabelecer responsabilidades e construir mecanismos de revisão compatíveis com os riscos envolvidos. A pesquisa da ENAP mostra concretamente por que isso é necessário. A OCDE também alerta que falhas na qualidade dos dados, ausência de transparência e deficiências na supervisão podem ter consequências sérias justamente porque sistemas desse tipo podem influenciar elegibilidade, detecção de fraude e acesso a serviços sociais. Mas deveríamos fazer perguntas igualmente difíceis ao sistema que já existe. Quanto tempo ele leva para entregar uma resposta? Quantas pessoas consegue atender com a estrutura disponível? Quanto trabalho repetitivo consome a capacidade de profissionais qualificados? Quanto retrabalho produz? Onde estão seus erros? Qual o custo humano da demora? Quantas pessoas poderiam ter recebido uma proteção melhor se a estrutura tivesse maior capacidade de processamento? Algumas dessas perguntas são muito difíceis de responder. Isso não significa que não devam ser feitas. Só depois delas existe uma comparação justa. Foi por isso que abandonei, ao longo deste artigo, a tentativa de provar simplesmente que “a morosidade faz mais mal do que a Inteligência Artificial”. A tese que encontrei é mais forte. **O risco de uma nova tecnologia precisa ser comparado com o risco real da alternativa disponível, e não com uma versão idealizada do trabalho humano.** Essa mudança de perspectiva derruba boa parte dos argumentos que transformam as imperfeições da Inteligência Artificial em razão suficiente para não estudá-la, não testá-la e nem aprender a utilizá-la. ## O maior risco talvez seja não conhecer É perfeitamente possível estudar profundamente Inteligência Artificial e concluir que determinada aplicação não deve ser utilizada. Em algumas situações, essa provavelmente será a decisão correta. O que me parece cada vez menos defensável é chegar à mesma conclusão sem conhecê-la. Existe uma diferença grande entre prudência e imobilismo. Prudência exige compreender a tecnologia, identificar seus riscos, estabelecer limites e decidir onde ela efetivamente melhora o resultado. O imobilismo escolhe o modelo existente apenas porque seus defeitos são familiares. A experiência brasileira analisada pela ENAP demonstra que uma automação mal desenhada pode ampliar problemas. Os casos internacionais mostram, ao mesmo tempo, que a IA pode retirar uma quantidade enorme de trabalho repetitivo sem necessariamente retirar das pessoas a responsabilidade pelas decisões mais importantes. E os próprios números do INSS mostram que, apesar das melhorias recentes, o sistema continua convivendo com um volume expressivo de requerimentos e pessoas aguardando resposta. Por isso, não precisamos escolher entre encantamento tecnológico e medo tecnológico. Precisamos aprender onde a Inteligência Artificial funciona, onde falha, quais tarefas pode executar melhor, quais decisões não deveria tomar sozinha e quais controles precisam existir para que seus ganhos de eficiência não sejam conquistados às custas dos direitos que a Previdência existe justamente para proteger. Quando escrevi à OAB-DF em 2016, eu não poderia imaginar a discussão tecnológica que estaríamos fazendo dez anos depois. Minha preocupação naquele momento era muito mais simples: havia pessoas sofrendo enquanto o sistema não conseguia entregar uma resposta no tempo adequado. Algumas morreram antes que seus processos terminassem. A tecnologia mudou. A pergunta essencial, não. **Se temos instrumentos capazes de tornar a proteção social mais efetiva, o que precisamos fazer para utilizá-los sem criar novas formas de desproteção?** No fundo, este debate nunca deveria ser sobre defender máquinas nem sobre defender a maneira antiga de trabalhar. Deveria ser sobre pessoas. E, quando esse é o critério, recusar uma tecnologia apenas porque ela possui riscos pode ser tão irresponsável quanto adotá-la fingindo que esses riscos não existem. Conhecer profundamente é o que nos permite escapar dos dois extremos. E talvez seja exatamente por isso que o maior risco, neste momento, não esteja na Inteligência Artificial. Pode estar em decidir ignorá-la. --- ## Leituras relacionadas - [Inteligência Artificial do Zero: guia completo para iniciantes](https://advspace.adv.br/blog/advspace/inteligencia-artificial-do-zero/) - [5 maneiras de usar Inteligência Artificial no escritório de advocacia](https://advspace.adv.br/blog/advspace/5-maneiras-de-usar-inteligencia-artificial-no-seu-escritorio-de-advocacia-agora-mesmo/) - [Como advogados podem usar Inteligência Artificial para superar a concorrência](https://advspace.adv.br/blog/ferramenta-ia/como-advogados-podem-usar-inteligencia-artificial-para-superar-a-concorrencia/) ## Referências **[BRASIL. Lei nº 8.213, de 24 de julho de 1991.](https://www.planalto.gov.br/ccivil_03/leis/l8213cons.htm**) Dispõe sobre os Planos de Benefícios da Previdência Social. Presidência da República. **[BRASIL. Lei nº 13.709, de 14 de agosto de 2018.](https://www.planalto.gov.br/ccivil_03/_ato2015-2018/2018/lei/l13709compilado.htm**) Lei Geral de Proteção de Dados Pessoais, especialmente arts. 20 e 23. Presidência da República. **CARNEIRO, Bruno Ulisses.** *Problema com cerca de 10.000 processos – Greve Advogados da AGU*. E-mail encaminhado à Presidência da OAB-DF em 21 de junho de 2016. **[INSTITUTO NACIONAL DO SEGURO SOCIAL.](https://www.gov.br/inss/pt-br/noticias/fila-do-inss-atinge-menor-patamar-em-21-meses-com-1-8-milhao-de-requerimentos**) *Fila do INSS atinge menor patamar em 21 meses com 1,8 milhão de requerimentos*. Publicado em 30 de junho de 2026. **[PAULA, Aline Aparecida de.](https://repositorio.enap.gov.br/handle/1/9727**) *Ninguém me reconhece como cidadão: uma avaliação do Programa de Reconhecimento Automático do Benefício de “Aposentadoria por Idade” pelo INSS*. Escola Nacional de Administração Pública, 2025. **[OECD.](https://www.oecd.org/en/publications/harnessing-artificial-intelligence-in-social-security_b52405c1-en.html**) *Harnessing Artificial Intelligence in Social Security: Use Cases, Governance and Workforce Readiness*. OECD Digital Government Studies, 2025. **[UNIÃO EUROPEIA.](https://eur-lex.europa.eu/legal-content/PT/TXT/?uri=CELEX:32024R1689**) Regulation (EU) 2024/1689 — Artificial Intelligence Act, especialmente a disciplina dos sistemas de alto risco aplicáveis a benefícios públicos essenciais, conforme análise da OCDE.