O mito
“Logo não vai mais precisar de fiscal no frigorífico. A câmera vê tudo, não cansa, não se distrai e acerta 99%.” Quem trabalha com inspeção já ouviu alguma versão dessa frase — numa palestra de fornecedor, num grupo de mensagens ou num almoço de família.
É fácil entender por que tanta gente acredita nisso. A inteligência artificial já reconhece rostos, dirige carros em testes e escreve textos. Os vídeos de demonstração são impressionantes, e os números de acerto divulgados costumam ser altíssimos. Além disso, todo mundo sabe que o ser humano se cansa e erra. Parece lógico concluir que a máquina fará melhor. A conclusão, porém, mistura três ideias que precisam ser separadas.
O que a ciência e a norma dizem
1. “A IA vê tudo.” Não é o que os estudos em planta real mostram. Na Dinamarca, pesquisadores compararam um sistema de visão computacional com inspetores oficiais em 69.215 carcaças de suínos, na detecção de contaminação fecal visível. O sistema detectou mais contaminação real que os inspetores — sensibilidade estimada de 31,6% contra 22,0%. Ou seja: a máquina foi melhor, e ainda assim deixou passar cerca de duas em cada três carcaças contaminadas. Em compensação, gerou mais alarmes falsos: especificidade de 97,9%, contra 99,3% dos inspetores.
2. “Acerta 99%, então é quase perfeita.” Depende de 99% do quê. Quando quase todas as carcaças são limpas, um sistema pode “acertar” a grande maioria simplesmente dizendo que está tudo bem — e falhar justamente nos poucos casos que importam. Por isso a pergunta certa nunca é “qual a acurácia?”, e sim “qual a sensibilidade, qual a especificidade e contra que gabarito foram medidas?”.
3. “Já dá para tirar o humano.” Uma revisão sistemática da Universidade de Trás-os-Montes e Alto Douro, em Portugal, analisou 102 estudos sobre métodos não invasivos e independentes de avaliador humano para avaliar o bem-estar de suínos no abate — de biomarcadores no sangue a câmeras com redes neurais. A conclusão: nenhum método alcançou, ao mesmo tempo, alta implementabilidade e praticidade. Alguns são promissores; nenhum está pronto para dispensar a avaliação humana em rotina de alta velocidade.
4. “Se a máquina decidiu, a responsabilidade é dela.” Máquina não responde juridicamente. No Brasil, a inspeção industrial e sanitária de produtos de origem animal é atribuição do serviço oficial, prevista em lei desde 1950. Na União Europeia, o Regulamento de Inteligência Artificial (AI Act) exige que sistemas classificados como de alto risco sejam projetados para permitir supervisão humana efetiva. Uma ferramenta pode apoiar a decisão; a decisão sanitária — e a responsabilidade por ela — continua sendo de pessoas e instituições.
Onde está o grão de verdade
O mito não nasce do nada. A IA de fato não se cansa no fim do turno, pode olhar cada carcaça de vários ângulos ao mesmo tempo e, no estudo dinamarquês, encontrou contaminação que o olho humano perdeu. Os próprios autores descrevem máquina e inspetor como complementares: a máquina é melhor em achar; o humano, em descartar o alarme falso. Esse é o grão de verdade — e ele aponta para colaboração, não para substituição.
Há também um risco que o mito esconde: o viés de automação. Quando a equipe passa a confiar cegamente na tela, para de olhar com atenção — e os erros da máquina passam a ser os erros do sistema inteiro. E um lembrete que vale para qualquer ferramenta: o algoritmo vê o que foi treinado para ver. Se as imagens de treino foram anotadas por pessoas, ele aprende também os critérios — e os limites — de quem anotou.
Como explicar isso para alguém da família
Pense no corretor ortográfico do celular. Ele pega muitos erros que a gente deixaria passar, e isso é ótimo. Mas também sublinha palavras que estão certas, e às vezes “corrige” para a palavra errada. Ninguém manda um contrato importante sem reler só porque o corretor não reclamou. Na inspeção é parecido: a câmera ajuda a encontrar o que o olho perde, e o profissional decide o que fazer com isso. Os dois juntos protegem mais do que qualquer um sozinho.
E, se alguém disser que “a máquina acerta 99%”, vale devolver com uma pergunta simples: “99% de quê?”. É a pergunta que separa promessa de resultado.
Em resumo
- Mito: a IA já inspeciona melhor que o fiscal e vai substituí-lo.
- Fato: em planta real, a IA detectou mais contaminação que o inspetor, mas gerou mais alarmes falsos — e ambos deixaram passar a maior parte da contaminação.
- Fato: nenhum método “sem humano” avaliado em 102 estudos sobre bem-estar de suínos no abate está pronto para uso prático em larga escala.
- Fato: a responsabilidade pela decisão sanitária continua sendo humana e institucional.
Referências
- Lund DH, Alban L, Hansen C, Dalsgaard A, Denwood M, Olsen A (2025). Using latent class modelling to evaluate the performance of a computer vision system for pig carcass contamination. Preventive Veterinary Medicine. DOI: 10.1016/j.prevetmed.2025.106556 — https://doi.org/10.1016/j.prevetmed.2025.106556
- Alban L et al. (2026). Beyond human vision – Use of Computer Vision Systems in Meat Inspection. Apresentação EFSA EREN/StaDG-ER, 11/06/2026 — https://www.efsa.europa.eu/sites/default/files/2026-07/7.1_%20Use%20of%20Computer%20Vision%20Systems%20in%20Meat%20Inspection.pdf
- Ferreira MF, Nunes M, Vieira-Pinto M (2025). Non-Invasive Human-Free Diagnosis Methods for Assessing Pig Welfare at Abattoirs: A Systematic Review. Animals, 15(17), 2500. DOI: 10.3390/ani15172500 — https://www.mdpi.com/2076-2615/15/17/2500
- Lei nº 1.283, de 18 de dezembro de 1950 (inspeção industrial e sanitária dos produtos de origem animal) — https://www.planalto.gov.br/ccivil_03/leis/l1283.htm
- Regulamento (UE) 2024/1689 (Regulamento de Inteligência Artificial), art. 14 — supervisão humana — https://eur-lex.europa.eu/eli/reg/2024/1689/oj
Leia também no Além do Carimbo: “‘O ChatGPT disse que está no RIISPOA’: o mito da inteligência artificial que sabe a legislação sanitária”; “A câmera viu mais sujeira que o inspetor — e errou mais também” (rascunho desta edição).
Deixe uma resposta