IA Soberana: O Que o PBIA, a ANPD e a França Nos Ensinam Sobre o Risco de Depender de Modelos Estrangeiros

Em fevereiro de 2026, a França anunciou € 109 bilhões em investimentos para IA — o equivalente francês ao Stargate americano de US$ 500 bi (Le Monde, 10/02/2026). Desses, o programa France 2030 destina € 2,5 bilhões exclusivamente à infraestrutura soberana de IA, incluindo clusters de computação para treinar modelos em francês (france2030.ai, 2026). A Índia lançou o India AI Mission com US$ 1,25 bilhão para IA em 10 idiomas locais. A China já opera mais de 200 LLMs nacionais.

O Brasil? Tem o PBIA (Plano Brasileiro de Inteligência Artificial) 2024-2028, com orçamento total de R$ 23 bilhões — dos quais R$ 1,76 bi vão para melhoria de serviços públicos via IA e apenas R$ 25 milhões para a Plataforma de IA do Governo (gov.br, 30/07/2024). Em paridade de poder de compra, o investimento brasileiro é 40x menor que o francês.

A lacuna não é apenas numérica. É estrutural: enquanto França e Índia investem em capacidade de treinar e hospedar modelos localmente, o PBIA ainda prioriza uso de IA sobre produção de IA. A diferença entre consumir tecnologia e produzi-la é a diferença entre importar automóveis e ter indústria automotiva.

O que a ANPD já está fazendo: Resolução CD/ANPD nº 19/2024

Em agosto de 2024, a Autoridade Nacional de Proteção de Dados publicou a Resolução CD/ANPD nº 19/2024, regulamentando as transferências internacionais de dados pessoais sob a LGPD (IAPP, 23/08/2024). A regulamentação estabelece mecanismos específicos: decisões de adequação, cláusulas contratuais padrão (SCCs), regras corporativas vinculantes (BCRs) e autorização caso a caso.

O ponto relevante para IA: a ANPD vinculou explicitamente a regulamentação de transferências ao debate sobre "nuvem soberana" no contexto do PBIA. Ou seja, a própria autoridade reguladora reconhece que processar dados pessoais em infraestrutura estrangeira é uma questão de soberania, não apenas de compliance.

Na prática, isso significa que qualquer organização que use modelos de IA hospedados fora do Brasil para processar dados pessoais precisa:

1. Identificar a base legal para a transferência (Art. 33 LGPD + Resolução 19)
2. Demonstrar garantias adequadas — SCCs com o provider estrangeiro, BCRs, ou aguardar decisão de adequação da ANPD (nenhuma foi emitida até maio de 2026)
3. Manter registro das transferências e realizar Relatório de Impacto à Proteção de Dados (RIPD) quando solicitado

Para organizações públicas, o risco é maior. A CLOUD Act americana permite que tribunais dos EUA requisitem dados armazenados por provedores americanos, mesmo que os dados estejam em servidores no Brasil — desde que o provedor tenha sede nos EUA. Quando um chatbot público roda em API de provider americano, dados de cidadãos brasileiros ficam teoricamente sujeitos a essa jurisdição.

O risco operacional é mensurável, não hipotético

O OpenAI Status Page registrou 294 incidentes entre janeiro de 2025 e maio de 2026 (StatusGator). Em março de 2025, uma outage de 8 horas derrubou API e ChatGPT simultaneamente. Em dezembro de 2025, API + ChatGPT + Sora ficaram instáveis por horas (status.openai.com).

Empresas brasileiras que dependiam exclusivamente dessas APIs ficaram sem atendimento. Não é risco teórico — é evento recorrente. E a probabilidade cresce conforme a dependência aumenta.

Além de disponibilidade, há o risco de comportamento imprevisto. Em 2025, a Anthropic alterou o comportamento do Claude sem aviso prévio, gerando respostas mais verbosas e alterando sistemas de atendimento ao cliente configurados. A mudança não foi anunciada; foi descoberta por usuários em produção. Quando o modelo que atende seu cliente muda de comportamento sem você saber, a consequência não é um bug — é uma desconexão entre o que você testou e o que está em produção.

O terceiro risco é custo cambial. APIs de LLM são precificadas em USD. Entre 2022 e 2026, o câmbio USD/BRL variou de R$ 4,70 a R$ 6,20 (+32%). O custo real de inferência para uma empresa brasileira pode subir 30% sem que ela mude nada na sua operação.

O PBIA prevê nuvem soberana — mas o diabo está nos detalhes

O PBIA menciona explicitamente a criação de "um ecossistema robusto de dados públicos em nuvem soberana para assegurar a autonomia tecnológica nacional" (gov.br, 2024). O MGI coordenará o Núcleo de IA do Governo, com meta de estruturar 25 projetos de alto impacto até 2026 e capacitar 115 mil servidores.

Mas os números revelam a distância entre intenção e capacidade: R$ 25 milhões para a Plataforma de IA do Governo (orçamento total, não anual). Para contexto, o treinamento de um modelo como o Llama 3 70B custa estimados US$ 5-10 milhões em compute (Epoch AI, 2024). R$ 25 milhões (≈ US$ 4,5 milhões) mal cobre o fine-tuning de um modelo existente, quanto mais o treino de um foundational model nacional.

A meta de capacitar 115 mil servidores é louvável, mas capacitar para uso (prompt engineering, avaliação de outputs) é diferente de capacitar para desenvolvimento (fine-tuning, RAG, deploy de infraestrutura). O PBIA prioriza o primeiro; a soberania exige o segundo.

O caso BXat: demonstrando viabilidade com recursos limitados

Na BaXiJen, construímos o BXat como prova de que IA soberana é viável mesmo com orçamentos muito menores que os do PBIA. O BXat é um agente de IA conversacional para gestores públicos que opera sobre modelos open-source fine-tunados para legislação brasileira, hospedados em infraestrutura nacional.

Quando um gestor municipal pergunta "qual a base legal para licitação eletrônica de obras?", a resposta do BXat:

• Cita o Decreto 10.024/2019 e a Lei 14.133/2021 (precisão normativa)
• Diferencia licitação eletrônica de pregão eletrônico (nuance jurídica real)
• Recupera de base legislativa curada, não de web search genérico (confiabilidade)
• Responde em português com jargão do serviço público (localização real)

Esse nível de precisão não vem de prompt engineering. Vem de fine-tuning com dados de domínio + RAG em base curada. Doshi-Velez & Kim (2017) argumentam que em domínios de alto risco, a avaliação deve ser específica ao contexto, não genérica. No BXat, medimos precisão na citação de normativos, não BLEU score.

O custo? Inferência com Qwen2.5-14B fine-tuned em GPU nacional custa fração do que custa a API do GPT-4, sem variação cambial, sem risco de outage transatlântica, sem exposição à CLOUD Act. Não é nacionalismo — é engenharia de custo e risco.

O que falta para o Brasil ter soberania de IA real

Com base na comparação com França, Índia e no que o PBIA propõe mas não executa:

1. Infraestrutura de inferência nacional escalável — não apenas para governo, mas como serviço. Provedores de nuvem brasileiros precisam oferecer GPU-as-a-service a preços competitivos. A Serpro e Dataprev têm capacidade, mas não oferecem esse serviço hoje.
2. Dados de treino curados e abertos — bases legislativas, jurisprudência, normativos municipais/estaduais/federais limpos e estruturados. A Lei de Acesso à Informação garante acesso, mas não garante que os dados estejam em formato utilizável.
3. Fine-tuning como política pública — o PBIA menciona "modelos de IA para o governo", mas trata como projeto pontual (R$ 25 mi). Precisa ser programa contínuo, com orçamento recorrente e métricas de qualidade por domínio.
4. Regulação que protege sem engessar — a Resolução 19/2024 é um avanço, mas a ANPD precisa emitir decisões de adequação para que organizações saibam quais providers são conformes. Sem isso, a incerteza regulatória desincentiva adoção.

A BaXiJen está no primeiro passo: provando que é possível, que funciona e que a diferença de qualidade é mensurável. O BXat não é apenas um produto — é evidência de que soberania de IA no Brasil é viável com os recursos que temos hoje. O que falta é escala, e escala vem de política pública consistente.

---

Referências

• Doshi-Velez, F., & Kim, B. (2017). Towards A Rigorous Science of Interpretable Machine Learning. arXiv:1702.08608.
• Governo do Brasil (2024). Novo Plano Brasileiro de Inteligência Artificial prevê o investimento de R$ 1,76 bi para melhoria de serviços públicos. gov.br
• IAPP (2024). Brazil's new regulation on international data transfers. iapp.org
• ITIF (2025). Brazil's Cross-Border Data Transfer Regulation. itif.org
• Le Monde (2026). AI: With the announcement of investments worth €109 billion, Macron intends to take on the US. lemonde.fr
• France 2030 AI (2026). Mistral AI Continues Global Expansion from Paris Base. france2030.ai
• Resolução CD/ANPD nº 19/2024 — Regulamenta a transferência internacional de dados pessoais.
• Lei 13.709/2018 (LGPD), Art. 33 — Transferência internacional de dados.
• Epoch AI (2024). Training cost estimates for large language models. epochai.org