Receita Federal e a Política de IA: O que a Supervisão Humana Obrigatória Sinaliza sobre o Futuro da Automação no Brasil

A Inflexão Regulatória de 2026

A Receita Federal do Brasil publicou, em 5 de fevereiro de 2026, a Portaria RFB nº 647, que estabelece a Política de Inteligência Artificial no âmbito do órgão. À primeira vista, parece uma notícia administrativa rotineira. Mas para quem trabalha com engenharia de sistemas ou tecnologia tributária, o documento marca uma inflexão importante: um órgão público federal acabou de formalizar que a automação inteligente não substitui decisão humana — e codificou isso como requisito obrigatório.

O detalhe metodológico merece atenção. Embora a Inteligência Artificial seja utilizada como ferramenta de apoio, a Receita Federal deixa explícito que decisões administrativas e atos legais são de competência exclusiva de servidores públicos. A norma estabelece que nenhum sistema de IA pode condicionar, substituir ou vincular o exercício das competências legais da administração tributária e aduaneira.

Por que isso importa para a arquitetura de sistemas?

A Portaria não apenas define limites legais — ela redefine como você deveria estar estruturando qualquer sistema de IA em produção no Brasil. A política prevê mecanismos específicos para o uso de IA generativa, incluindo a designação de um "curador" responsável por acompanhar o funcionamento das soluções, monitorar resultados, identificar eventuais alucinações ou vieses e registrar evidências para auditoria e melhoria contínua.

Isso não é decorativo. Implica estrutura de governança, logs obrigatórios, responsabilidade nomeada por indivíduo — não pelo algoritmo. A política de IA da Receita Federal define responsabilidades individuais e institucionais, prevendo responsabilização disciplinar de agentes que utilizarem sistemas em desacordo com as diretrizes. A falha não é atribuída ao sistema, mas à forma de uso, incentivando postura criteriosa e evitando dependência cega de modelos automatizados.

O Padrão de Proteção de Dados: Soberania Antes de Conveniência

O segundo pilar é igualmente rigoroso: A Receita Federal proíbe, de forma expressa, que fornecedores ou terceiros utilizem dados tributários de cidadãos brasileiros para treinar, calibrar ou aprimorar modelos comerciais de Inteligência Artificial.

Para contexto: muitas empresas globais de IA oferecem serviços sob o modelo de "treinamento contínuo" em dados do cliente. A Portaria brasileira fecha essa porta. Sempre que possível, a instituição prioriza ambientes tecnológicos sob governança técnica integral, com controle sobre armazenamento e processamento; quando infraestrutura externa é necessária, exige análise rigorosa.

Isso reflete uma tensão global. A inteligência artificial cria forte dependência de um pequeno número de fornecedores que estão totalmente concentrados nos Estados Unidos. E isso traz como consequência problemas de segurança e soberania. E também de proteção, uma vez que os dados saem do Brasil, vão para os Estados Unidos e por lá ficarão armazenados para sempre. A Portaria tenta frear esse movimento estruturalmente.

O Contexto Mais Amplo: Adoção Sem Governança Formal

Por que uma agência tributária publica regras para IA agora? Porque o risco prático é real. Com 47,4% dos profissionais usando IA sem aprovação oficial, o risco de vazamento de dados confidenciais é concreto e crescente. Empresas que não estabelecem políticas claras de uso de IA interna estão vulneráveis tanto do ponto de vista de segurança quanto de conformidade com a LGPD.

Mais amplamente, a maioria das empresas brasileiras ainda está no estágio experimental — usando IA para acelerar tarefas, mas sem integrar a tecnologia aos processos centrais de negócio. A Portaria força uma mudança: se você implementa IA de forma não experimental, precisa de governança formal.

A Aplicação Prática: Fiscalização Imobiliária

A Receita não publica regulação abstrata. Ela já está implementando. A Receita Federal inicia em 2026 uma nova etapa de fiscalização com o uso intensivo de Inteligência Artificial para cruzar dados das declarações do Imposto de Renda com informações de cartórios, bancos, prefeituras e outros órgãos públicos.

O sistema concreto: A operação do sistema de IA baseia-se em uma premissa simples: comparar a informação de endereço fornecida pelo contribuinte em sua DIRPF - Declaração de Ajuste Anual do Imposto sobre a Renda da Pessoa Física com os dados de titularidade do imóvel registrados no CIB. Quando o sistema detectar que o endereço residencial declarado não corresponde a um imóvel de propriedade do declarante, um processo de verificação automatizado será iniciado.

Mas — e isto importa — o sistema identifica inconsistências. Servidores validam. A decisão de lavrar auto de infração continua sendo humana. A IA oferece evidência; o auditor fiscal julga.

A Questão Mais Profunda: Qual é o Modelo Econômico?

Enquanto isso, os custos de inferência de IA estão colapsando. Em 2022, correr um modelo de classe GPT-4 custava aproximadamente $20 por milhão de tokens. No início de 2026, desempenho equivalente custa $0.40 por milhão de tokens — ou menos. Uma redução de 50 vezes em três anos.

Isso deveria democratizar IA. Deveria. Mas há um detalhe econômico que desmente a narrativa simples. Realizar inferências em um grande modelo de linguagem com um trilhão de parâmetros terá redução de custos de mais de 90% até 2030, na comparação com os preços praticados em 2025, para os provedores de IA generativa. Essa queda nos custos por tokens dos provedores de IA generativa não será totalmente repassada aos clientes corporativos, diz o Gartner, porque a tecnologia exigirá "significativamente mais" tokens do que as aplicações convencionais atuais.

Traduzindo: os tokens ficarão baratos, mas você precisará de muito mais deles. Modelos agênticos, por exemplo, exigem de 5 a 30 vezes mais tokens por tarefa do que um chatbot padrão, e podem executar muito mais tarefas do que um humano usando IA generativa.

O Que Isto Significa para Seu Time

A Portaria RFB não é uma profecia sobre o futuro de toda IA. É um ponto de dados sobre como o Brasil está escolhendo regular a automação inteligente: com ênfase em responsabilidade individual, rastreabilidade, proteção de dados e decisão humana como requisito não-negociável.

Para engenheiros e arquitetos de sistemas: Um novo KPI começa a ganhar protagonismo nas empresas mais maduras em IA: cost per token. Em português simples: quanto custa, de verdade, cada interação gerada pela sua inteligência artificial? Não é apenas o custo do modelo; é a eficiência de toda a cadeia — infraestrutura, governança, auditoria, supervisão humana. A Receita formalizou isso. Você deveria estar pensando nisso também.

Para gestores: a tensão entre adoção rápida e governança formal é real. O PL 2338/2023, projeto de lei que estabelece o marco regulatório da IA no Brasil, foi aprovado no Senado ao final de 2024, mas sua implementação plena depende da estruturação do Sistema Nacional de Regulação e Governança de IA (SIA). A incerteza regulatória é um fator de risco real para investidores e para empresas que precisam de previsibilidade jurídica. O debate brasileiro segue uma tensão clássica: segurança jurídica como motor de inovação responsável versus risco de engessamento por excesso de burocracia. O equilíbrio entre esses polos definirá se o Brasil se tornará um hub de desenvolvimento de IA ou apenas um mercado consumidor de tecnologia estrangeira.

A Portaria RFB antecipou a resposta: escolheu segurança jurídica. Agora vale investir em sistemas que sejam auditáveis por design, não depois.

Tabela Resumida: Marcos Regulatórios e Econômicos

Aspecto	Status em 2026	Implicação Operacional
Política IA - Receita Federal	Portaria RFB nº 647 (fevereiro 2026) em vigor	Supervisão humana obrigatória; responsabilidade individual; logs de auditoria mandatórios
Proteção de dados fiscais	Proíbe uso por fornecedores para treinamento	Infraestrutura deve estar sob governança brasileira; ambientes externos requerem análise rigorosa
Custo de inferência (GPT-4 equivalente)	~$0.40 por milhão de tokens (2026)	Barreira econômica de entrada reduzida; prioridade muda para eficiência em escala
Consumo de tokens (agentes autônomos)	5-30× superior a chatbots padrão	Custo total de operação ainda alto; "cost per token" é métrica enganosa sem contexto de volume
Marco regulatório nacional (PL 2338/2023)	Aprovado no Senado, implementação em andamento	Incerteza regulatória ainda presente; investidores devem acompanhar estruturação do SIA
Adoção em empresas brasileiras	41,9% de adoção industrial; maioria em fase experimental	Oportunidade: governança formal diferencia players. Risco: tecnologia sem conformidade fica obsoleta rápido