Imagine um dossiê de aditivo alimentar com milhares de páginas chegando à mesa de um avaliador de risco. Antes que alguém leia a primeira tabela de toxicologia, uma máquina já conferiu se o documento está completo, se os nomes das substâncias batem com os identificadores químicos, se há trechos marcados como confidenciais sem justificativa e se os dados contradizem uma submissão anterior da mesma empresa. O avaliador começa o trabalho não do zero, mas de uma lista de alertas. A pergunta que fica é a que importa para quem trabalha com segurança dos alimentos: quem decide, no fim, se aquilo é seguro?
Esse cenário deixou de ser exercício de imaginação. A Autoridade Europeia para a Segurança dos Alimentos (EFSA) publicou um documento de posicionamento que desenha, com detalhe incomum para um órgão regulador, como pretende usar inteligência artificial no coração da avaliação de risco. E responde à pergunta de forma direta: o modelo que ela propõe é liderado por humanos e habilitado por IA, nessa ordem.
O que mudou
O documento se chama “EFSA needs for scientific excellence and regulatory readiness” e saiu no EFSA Journal em setembro de 2026, com aprovação registrada em 11 de setembro. Não é uma norma nem um regulamento: é um mapa das capacidades científicas e dos investimentos de que a agência diz precisar para acompanhar a inovação no sistema alimentar, os riscos emergentes e as mudanças na política europeia. Segundo a Food Safety Magazine, ele deve alimentar a próxima estratégia de longo prazo da agência e as discussões de uma conferência prevista para 2027, em Parma, na Itália.
A EFSA organiza suas necessidades em seis frentes, que os autores dizem não estar hierarquizadas: inovação e competitividade; avanços metodológicos e técnicos; sustentabilidade e Saúde Única; preparação e resposta rápida; comunicação de risco e ciências sociais; e IA e dados. Na primeira frente aparecem tecnologias que vão bater à porta dos reguladores de qualquer país, como alimentos derivados de cultivo celular, fermentação de precisão, produção de moléculas em plantas e produtos baseados em microbioma. Na segunda, as chamadas novas metodologias de abordagem, que buscam reduzir testes em animais, e a ampliação de modelos probabilísticos para estimar exposições combinadas a várias substâncias. O próprio documento, segundo a NutraIngredients, reconhece que estudos in vivo, ao menos de toxicidade subcrônica, ainda serão necessários até que essas metodologias amadureçam.
É na frente de IA e dados que a mudança fica mais concreta. A agência descreve a transição de uma avaliação de risco baseada em documentos para um modelo em que a IA ajuda a buscar literatura, triar evidências, extrair dados, apoiar a avaliação crítica de estudos, sintetizar resultados, analisar incertezas, revisar dossiês, redigir rascunhos e fazer checagens de qualidade. Os dossiês das empresas poderiam chegar como pacotes de dados estruturados, verificados automaticamente antes da submissão quanto a completude, consistência, identificação das substâncias, requisitos de confidencialidade, informações ausentes e comparação com submissões anteriores. A IA também ajudaria a detectar anomalias e a apontar cedo fragilidades metodológicas.
O parecer científico em PDF, tal como o conhecemos, daria lugar a pacotes legíveis por máquina, com as evidências, as referências a dados e modelos, a informação sobre incerteza, os vínculos de rastreabilidade e os pontos de revisão humana registrados. E há uma condição explícita: cada etapa apoiada por IA deve ter seu uso pretendido definido, com governança e proteção de dados desenhadas desde o início. A autoridade científica, diz o documento, continua com os especialistas, os painéis científicos, a equipe da agência e as estruturas de governança que respondem pelas decisões.
Contexto global: o regulador também está aprendendo a usar a ferramenta que vai regular
A EFSA não é a primeira agência a levar IA para dentro de casa. A FDA fez isso em junho de 2025, quando lançou o Elsa, uma ferramenta de IA generativa para uso interno. Resultado: segundo o anúncio da agência, o sistema passou a ser usado para resumir eventos adversos, comparar rótulos, gerar código para bases de dados e ajudar a priorizar alvos de inspeção. A própria FDA destacou que os modelos não eram treinados com dados submetidos pela indústria regulada. O que o anúncio não trouxe, e que este canal já discutiu em outros textos, foram métricas públicas de desempenho e de erro.
A diferença do documento europeu está no enquadramento. Ele não apresenta uma ferramenta pronta, mas uma arquitetura de trabalho em que a IA ocupa etapas definidas, com finalidade declarada e revisão humana documentada. E ele nasce dentro de um bloco que já tem regra geral para a tecnologia: o Regulamento (UE) 2024/1689, o AI Act, que organiza obrigações conforme o nível de risco dos sistemas. Isso não é regulação por novidade. É a tentativa de fazer o próprio regulador obedecer, na prática, aos princípios de transparência e supervisão humana que cobra dos outros.
Há ainda uma camada menos visível, a da preparação para crises. A EFSA quer sair de uma lógica reativa para uma lógica antecipatória, com varredura de horizonte apoiada por IA, aprendizado de máquina e processamento de linguagem natural, sistemas de alerta precoce, modelagem preditiva e gêmeos digitais capazes de simular vulnerabilidades do sistema alimentar. Na comunicação, prevê monitoramento de mídia e escuta social assistidos por IA para identificar e contestar informações falsas durante eventos de segurança dos alimentos.
Conexões invisíveis
Primeira conexão: o que muda operacionalmente. Para quem submete dossiês, a mudança é de formato antes de ser de tecnologia. Um pacote de dados estruturado, checado por máquina, não perdoa a tabela que só existe como imagem, o nome de substância grafado de três jeitos diferentes ou o anexo que contradiz o corpo do texto. O que hoje vira pedido de informação complementar meses depois pode virar recusa de admissibilidade no primeiro dia. O que poucos percebem é que isso empurra a disciplina de dados para dentro das empresas, muito antes de qualquer algoritmo regulatório olhar para o mérito científico.
Segunda conexão: quem ganha e quem perde. Ganha quem já organiza seus dados de forma rastreável e consistente: grandes empresas com equipes regulatórias maduras e consultorias especializadas. Pode perder, ao menos no começo, quem ainda trabalha com documentação dispersa, inclusive pequenas empresas de ingredientes inovadores, justamente o público que a EFSA diz querer apoiar com aconselhamento prévio à submissão. A NutraIngredients ouviu Jérôme Le Bloch, da consultoria Nutraveris, para quem o documento antecipa a direção da ciência regulatória europeia. A direção está clara. O custo da transição para cada perfil de empresa, ainda não.
Terceira conexão: o risco e a oportunidade. Aqui entra o head fake desta história. A frase “IA na avaliação de risco” faz pensar em máquinas decidindo se um aditivo é seguro. O documento diz o contrário: a IA recupera, organiza, compara, redige e sinaliza; o julgamento científico continua humano. O risco real não é o algoritmo que decide sozinho, e sim o avaliador que, diante de uma lista de alertas, deixa de olhar o que não foi sinalizado. É o mesmo viés de automação que este canal já discutiu na linha de abate e no APPCC. O algoritmo vê o que foi treinado para ver.
E é por isso que a exigência de registrar os pontos de revisão humana importa tanto. Ela transforma a supervisão em algo verificável: quem revisou, o quê, quando e com que base. A oportunidade, nesse desenho, é ganhar velocidade sem perder rastreabilidade. O diretor-executivo da EFSA, Nikolaus Kriz, citado pela Nutritional Outlook, colocou entre suas prioridades entregar aconselhamento científico de alta qualidade com mais rapidez. A pergunta que o setor deve fazer é como essa velocidade será medida, e como os erros da ferramenta serão monitorados e publicados.
Implicações para o Brasil
O Brasil não segue a EFSA por obrigação legal, mas o arcabouço brasileiro de avaliação de risco dialoga com a ciência europeia e com o Codex Alimentarius, e as empresas que exportam para a União Europeia ou submetem dossiês lá sentirão o movimento primeiro. Por aqui, a avaliação de aditivos, novos alimentos e novos ingredientes cabe à Anvisa, enquanto os produtos de origem animal passam pelo Ministério da Agricultura e Pecuária. Ambos recebem volumes crescentes de documentação técnica e ambos convivem com a mesma tensão entre prazo e profundidade de análise.
No marco legal, o país está atrasado em relação à Europa. O projeto de lei que propõe regras gerais para a inteligência artificial, o PL 2338/2023, foi aprovado no Senado e, até maio de 2026, era analisado por uma comissão especial na Câmara dos Deputados, segundo o Money Times. Não há, até onde foi possível verificar, uma diretriz pública de Anvisa ou do Ministério da Agricultura sobre uso de IA na própria avaliação de risco. Isso não impede o uso de ferramentas digitais, mas significa que regras de finalidade declarada, registro de revisão humana e publicação de métricas de erro ainda não estão escritas para o setor.
Quem precisa agir? As empresas que exportam ou pretendem submeter dossiês à União Europeia, que já podem estruturar seus dados como se uma máquina fosse lê-los primeiro. Os responsáveis técnicos e as áreas de qualidade, que ganham argumento para pedir investimento em gestão documental. E os órgãos brasileiros, que têm a chance de observar o experimento europeu antes de desenhar o seu. Para a indústria brasileira, isso significa que a qualidade do dado deixa de ser assunto interno e passa a ser condição de acesso ao processo regulatório. O horizonte é de médio prazo: a estratégia europeia mira a próxima década, mas quem se antecipar chega lá com menos atrito.
Conclusão
O documento da EFSA não promete uma avaliação de risco feita por máquinas. Promete outra coisa, mais modesta e mais exigente: um processo em que a IA faz o trabalho repetitivo, deixa rastros do que fez e devolve a decisão a quem responde por ela. Ainda faltam as métricas, os pilotos avaliados e a prova de que velocidade e rigor podem andar juntos. Mas a direção está posta, e ela vale para qualquer serviço de inspeção que pense em usar algoritmos: a ferramenta pode ler mais rápido; a responsabilidade continua tendo nome e sobrenome. Por trás de um carimbo existe ciência, responsabilidade e saúde pública.
Referências
- EFSA et al. (2026). EFSA needs for scientific excellence and regulatory readiness. EFSA Journal, 24(9), e240901. DOI 10.2903/j.efsa.2026.e240901 — https://doi.org/10.2903/j.efsa.2026.e240901
- NutraIngredients — EFSA sets out scientific priorities for food safety, innovation and AI (07/10/2026) — https://www.nutraingredients.com/Article/2026/10/07/efsa-sets-out-scientific-priorities-for-food-safety-innovation-and-ai/
- Food Safety Magazine — EFSA outlines scientific needs for regulatory preparedness, risk assessment (30/09/2026) — https://www.food-safety.com/articles/11875-efsa-outlines-scientific-needs-for-regulatory-preparedness-risk-assessment
- Nutritional Outlook — EFSA outlines scientific priorities ahead of 2027 strategy (15/10/2026) — https://www.nutritionaloutlook.com/view/efsa-outlines-scientific-priorities-ahead-2027-strategy
- AJMC — FDA launches agency-wide AI tool to aid in scientific review (03/06/2025) — https://www.ajmc.com/view/fda-launches-agency-wide-ai-tool-to-aid-in-scientific-review
- Regulamento (UE) 2024/1689 (AI Act) — https://eur-lex.europa.eu/eli/reg/2024/1689/oj
- Senado Federal — Projeto de Lei nº 2338, de 2023 — https://www25.senado.leg.br/web/atividade/materias/-/materia/157233
- Money Times — Câmara vai votar a IA, diz Motta (28/05/2026) — https://www.moneytimes.com.br/camara-vai-votar-a-ia-diz-motta-expectativa-e-apresentar-o-relatorio-no-dia-9-de-junho-gaep/
Leia também no Além do Carimbo: “IA no setor de alimentos: o que a Europa, os EUA e o Brasil já regulam — e o que falta”; “Quem assina quando a câmera vê? IA, julgamento do inspetor e a responsabilidade que nenhum algoritmo carrega”; “Para onde mandar o inspetor? A aposta da FDA em IA e o que ela muda para quem exporta”.
Deixe um comentário