Ver, sugerir, decidir, agir: os degraus de autonomia da IA na inspeção

Imagine duas reuniões no mesmo dia. Na primeira, um fornecedor apresenta uma câmera que “usa inteligência artificial na inspeção de carcaças”. Na segunda, outro fornecedor diz exatamente a mesma frase. Ao fim do dia, descobre-se que a primeira câmera apenas grava imagens e marca, num relatório semanal, os lotes com mais lesões. A segunda desvia automaticamente da linha as carcaças que o algoritmo classifica como impróprias. A frase era igual. A tecnologia, o risco e a responsabilidade eram completamente diferentes.

Falta, no debate sobre IA na inspeção, uma régua simples para dizer quanto a máquina faz. Ela existe há décadas — e vem da engenharia de fatores humanos, não da informática.

O conceito em camadas

Para qualquer pessoa: automação não é um interruptor de liga e desliga. É uma escada. No degrau de baixo, a máquina só ajuda a ver. No meio, ela sugere. Mais acima, decide e avisa. No topo, age sozinha e nem sempre conta o que fez. A pergunta útil nunca é “tem IA ou não tem?”, e sim “em que degrau ela está, e para qual tarefa?”.

O detalhe técnico: em 1978, Thomas Sheridan e William Verplank, do MIT, propuseram uma escala de dez níveis de automação, que vai do computador que não oferece ajuda nenhuma até o computador que decide tudo e ignora o humano. Em 2000, Raja Parasuraman, Sheridan e Christopher Wickens refinaram a ideia num artigo que se tornou referência: qualquer sistema automatizado pode ser descrito por quatro funções, e cada uma pode estar num nível diferente de automação.

• Aquisição de informação — captar e filtrar dados (a câmera que registra a carcaça).
• Análise da informação — interpretar os dados (o algoritmo que aponta “provável lesão de pleurite”).
• Seleção da decisão — escolher o que fazer (recomendar condenação parcial, por exemplo).
• Implementação da ação — executar (desviar a carcaça da linha).

A grande contribuição desse modelo é mostrar que um sistema pode ser muito automatizado para ver e pouco automatizado para decidir — e que essa combinação, muitas vezes, é a mais sensata. Uma câmera excelente para captar imagens e sinalizar suspeitas, com a decisão final nas mãos de um profissional, é bem diferente de um sistema que vê, decide e age sem ninguém no meio.

A escada aplicada à linha de inspeção

Uma forma prática de usar a régua, adaptada ao contexto da inspeção de produtos de origem animal:

1. Registrar: a máquina capta e guarda imagens ou dados. Toda interpretação é humana. Útil para auditoria, rastreabilidade e treinamento.
2. Sinalizar: o algoritmo aponta carcaças ou lotes suspeitos. O inspetor examina e decide. O risco principal é o inspetor passar a olhar só o que a máquina sinalizou.
3. Recomendar: o sistema sugere um destino (liberação, condenação parcial, condenação total). O humano confirma ou rejeita, caso a caso.
4. Decidir com veto: o sistema decide e executa, a menos que o humano intervenha a tempo. Na literatura, isso se chama gestão por exceção. Aqui, a velocidade da linha passa a definir se o veto é real ou apenas formal.
5. Agir sozinho: o sistema decide e executa sem participação humana no caso individual. O humano só supervisiona o desempenho global, por amostragem ou por indicadores.

Essa escala não é uma norma oficial; é uma ferramenta de conversa. Mas ela ajuda a fazer as perguntas certas a cada degrau: que desempenho foi demonstrado, com que tipo de erro, quem revisa, com que frequência, e quem responde quando algo dá errado.

Como funciona na prática no Brasil

No Brasil, a inspeção industrial e sanitária de produtos de origem animal é obrigatória por lei desde 1950 (Lei nº 1.283/1950) e regulamentada pelo RIISPOA (Decreto nº 9.013/2017), que define os exames ante mortem e post mortem e o julgamento e destino das carcaças como atribuições do serviço oficial. Não há, até aqui, norma que autorize um algoritmo a julgar e destinar carcaças por conta própria. Em termos da escada, isso significa que os degraus 1 a 3 são onde a tecnologia pode entrar como apoio, desde que avaliada e validada; os degraus 4 e 5, no julgamento sanitário, dependeriam de mudança normativa e de evidência robusta.

Fora do país, o vocabulário da supervisão humana já virou lei. O Regulamento Europeu de Inteligência Artificial (Regulamento (UE) 2024/1689, o AI Act) exige, no artigo 14, que sistemas classificados como de alto risco sejam projetados para permitir supervisão humana efetiva — incluindo a capacidade de compreender as limitações do sistema, de perceber o viés de automação e de decidir não usar, ignorar ou reverter o resultado da máquina. No Brasil, o Projeto de Lei nº 2.338/2023, aprovado pelo Senado em dezembro de 2024, também trata de supervisão humana em sistemas de IA.

Erros comuns de entendimento

“Se tem humano no processo, está tudo bem.” Não necessariamente. Parasuraman e Victor Riley descreveram, em 1997, quatro maneiras de a relação humano-máquina dar errado: uso adequado, uso excessivo (confiar demais), desuso (ignorar uma ferramenta boa) e abuso (automatizar sem pensar no papel humano). Um inspetor que carimba, em segundos, a recomendação da máquina está formalmente no degrau 3 — e, na prática, no degrau 5. Supervisão humana exige tempo, informação e autoridade reais para discordar.

“Quanto mais alto o degrau, mais moderno.” O degrau certo depende da tarefa, da consequência do erro e da evidência disponível. Registrar e sinalizar podem gerar enorme valor com risco baixo. Subir a escada sem evidência é trocar um problema conhecido por outro desconhecido.

“A escada vale para o sistema inteiro.” Cada função tem seu próprio degrau. Uma câmera pode estar no topo para captar imagens e na base para decidir destino. É essa combinação que precisa estar escrita no contrato, no procedimento e no plano de validação.

Lente IA: o que a régua muda

A régua dos degraus transforma uma discussão abstrata — “a IA vai substituir o inspetor?” — numa pergunta operacional: qual função, em qual degrau, com qual evidência, sob qual supervisão? Para o RT e a equipe de qualidade, é um roteiro de compra. Para o serviço oficial, é um roteiro de avaliação. Para o estudante, é a forma de entender que a profissão não desaparece com a automação: ela muda de lugar, da execução para a verificação, a validação e o julgamento dos casos difíceis. O algoritmo vê o que foi treinado para ver. Quem decide o que fazer com isso ainda precisa ter nome e assinatura.

Em resumo

• Automação é uma escada, não um interruptor: pergunte sempre “em que degrau?”.
• Ver, analisar, decidir e agir são funções distintas, e cada uma pode ter um nível diferente de automação.
• No Brasil, o julgamento e o destino de carcaças são atribuições do serviço oficial; a IA pode apoiar, não julgar.
• Humano “no processo” só vale se tiver tempo, informação e autoridade para discordar da máquina.
• Subir de degrau exige evidência proporcional ao risco do erro.

Referências

• Parasuraman R, Sheridan TB, Wickens CD (2000). A model for types and levels of human interaction with automation. IEEE Transactions on Systems, Man, and Cybernetics – Part A, 30(3):286–297. DOI 10.1109/3468.844354 — https://doi.org/10.1109/3468.844354
• Parasuraman R, Riley V (1997). Humans and automation: use, misuse, disuse, abuse. Human Factors, 39(2):230–253. DOI 10.1518/001872097778543886 — https://doi.org/10.1518/001872097778543886
• Sheridan TB, Verplank WL (1978). Human and computer control of undersea teleoperators. MIT Man-Machine Systems Laboratory (relatório técnico) — https://apps.dtic.mil/sti/citations/ADA057655
• Regulamento (UE) 2024/1689 (AI Act), artigo 14 — Supervisão humana — https://eur-lex.europa.eu/eli/reg/2024/1689/oj
• Lei nº 1.283, de 18 de dezembro de 1950 — https://www.planalto.gov.br/ccivil_03/leis/l1283.htm
• Decreto nº 9.013, de 29 de março de 2017 (RIISPOA) — https://www.planalto.gov.br/ccivil_03/_ato2015-2018/2017/decreto/d9013.htm
• Senado Federal — PL 2.338/2023 (regulação da inteligência artificial) — https://www25.senado.leg.br/web/atividade/materias/-/materia/157233

Leia também no Além do Carimbo: “Quem assina quando a câmera vê? IA, julgamento do inspetor e a responsabilidade que nenhum algoritmo carrega” e “Quando a máquina olha, o humano para de olhar: os falsos negativos da IA no APPCC”.