Cargando
Preparando la información solicitada…
Cargando
Preparando la información solicitada…
A auditoria de 78 modelos de IA em produção em organizações da Argentina, Brasil, Colômbia e México encontrou que 64% apresentam ao menos um tipo de viés verificável não gerenciado. Os vieses mais frequentes são: sub-representação de populações rurais em dados de treinamento (51% dos modelos com dados demográficos), disparidade em taxas de aprovação de crédito por gênero (até 23 pontos percentuais de diferença em modelos financeiros) e resultados de seleção laboral correlacionados com código postal como proxy socioeconômico (38% dos modelos de RH). 82% das organizações auditadas não possuem nenhuma métrica de equidade implementada. Apenas 11% realizaram avaliação de impacto de IA conforme ISO 42001 Anexo B. O framework desenvolvido estabelece 6 métricas de equidade adaptadas ao contexto regulatório latino-americano, um protocolo de auditoria aplicável sem interromper produção e limiares de alerta por setor que permitem monitoramento contínuo.
Perguntas centrais respondidas com dados verificáveis do estudo.
Passos executados, fontes consultadas e evidência coletada durante o estudo.
Marco normativo e teórico: ISO/IEC 42001:2023 (Anexo B — avaliação de impacto de IA); ISO/IEC 24027:2021 (viés em sistemas de IA); NIST AI RMF 1.0 (função MAP); IEEE 7010-2020; Regulamento Europeu de IA (UE 2024/1689, artigos 4 e 6).
Pesquisas que ampliam ou contrastam os achados deste estudo.
Ajude a circular evidências verificáveis.
Se a consulta é institucional e tem contexto, podemos orientar sobre os próximos passos.