Diretrizes Legislativas para Marco Federal de Inteligência Artificial

Gerado em: 30/10/2026, 11:19
Modelo: —; Por João Pedro Megid Carrilho

Recomendações da Casa Branca ao Congresso dos Estados Unidos para a criação de um marco federal regulatório para inteligência artificial, abordando proteção infantil, propriedade intelectual, sandboxes de inovação e capacitação da força de trabalho. Início: não informado.

Por onde a política age

Da esquerda para a direita: o que a política faz, por quais canais age, o que muda e em quais eixos do Doughnut isso chega. As cores dizem o quanto cada passo foi quantificado.

quantificado pela simulaçãovinculado a evidênciaapenas teoriaainda não estimadoelevareduzsentido incerto

Clique em um bloco para destacar o caminho até o Doughnut.

Sinalizações dos revisores (6)

ressalvaRevisor fiscal · Parecer
O resumo executivo não informa o que a análise de fato encontrou sobre os impactos da política, limitando-se a listar as áreas temáticas abrangidas.
ressalvaEconomia política · Teoria da mudança
A imposição de prevalência federal sobre legislações estaduais enfrenta forte resistência política de estados com regulações mais rígidas e atrai pressões de grandes empresas de tecnologia interessadas em neutralizar salvaguardas locais. Um leitor adversário apontará o risco de enfraquecimento de direitos do consumidor e de responsabilização algorítmica sob o pretexto de harmonização interestadual.
ressalvaEconomia política · Impacto
A estimativa exploratória ignora o conflito distributivo entre desenvolvedores de inteligência artificial e detentores de direitos autorais, além do risco de captura regulatória dos sandboxes por grandes operadores incumbentes. Esse viés de seleção pode restringir os benefícios de conformidade às corporações dominantes, em prejuízo de startups menores.
ag_3_assumption_effect_small
ressalvaAuditor de eixos · Teoria da mudança
a narração da fase Teoria da mudança: como a política deveria funcionar citava números sem figura da fase: um número removido
notaEconomia política · Análises adicionais
Ao delegar fiscalização e criação de sandboxes a agências já existentes sem novos aportes orçamentários dedicados, a política incorre no risco de mandatos não financiados. Essa limitação de capacidade técnica estatal pode atrasar a emissão de diretrizes e forçar a dependência de padrões definidos pelo próprio setor regulado.
notaAuditor de eixos · Parecer
o resumo do parecer não cita nenhum dos resultados calculados

Validação por leitores

0 de 3 figuras verificadas por leitores

Nenhuma figura verificada ainda. Clique em qualquer número para abrir o detalhamento.

Seção 9: Parecer

Local: United States (país, US). Profundidade: completa.

Resumo

Efeitos (estimado, com premissas declaradas (faixa suposta)): O impacto projetado das recomendações federais de inteligência artificial nos Estados Unidos abrange ajuste no mercado de trabalho, eficiência em inovação e proteção jurídica. _(estado rebaixado pela conferência dos números)_
Sem resposta: Quem ganha (a fase usou os passos que tinha); Custo (Autorização orçamentária legal ou dotação para implementação de política federal de IA); Vale a pena (Alocações orçamentárias quantificadas de agências federais para administração de sandboxes, curadoria de conjuntos de dados e fiscalização).

Registro de execução desta seção (3)

Ferramentas determinísticas calculam; o modelo apenas seleciona, interpreta e escreve. Aqui estão as duas coisas, na ordem em que aconteceram.

modelollm.parse_structured7.725 ms · call_39577238

Modelo: gemini-3.8-flash

1 tentativa · status 200 · esperou 0,0 s de 7,7 s · global · 5.910 tokens de entrada / 939 de saída

Prompt de sistema · 781 caracteres

Você é um revisor do MAGI e lê um parecer já pronto. Você NÃO reescreve o parecer e NÃO calcula nem corrige números: devolve apenas uma lista de ressalvas (flags), cada uma com a seção, a gravidade (note, concern ou blocker) e uma ou duas frases. Cite números apenas copiando valores da tabela FIGURAS e indique a chave da figura em figure_key. Se não houver ressalvas, devolva a lista vazia. Escreva em português.

Seu foco é fiscal: o custo está calculado sobre a base certa, a fonte de financiamento é dita, o custo por resultado é comparável, e o texto não trata um custo estático como se fosse o custo efetivo depois de resposta comportamental.

If the Resumo executivo does not say what the analysis found about this policy, raise one concern, in the section memo, saying so.

Prompt do usuário · 4010 caracteres

POLÍTICA: Diretrizes Legislativas para Marco Federal de Inteligência Artificial. Recomendações da Casa Branca ao Congresso dos Estados Unidos para a criação de um marco federal regulatório para inteligência artificial, abordando proteção infantil, propriedade intelectual, sandboxes de inovação e capacitação da força de trabalho.
Instrumentos: [{'kind': 'other', 'description': 'Conjunto de diretrizes e recomendações legislativas federais sobre inteligência artificial, contemplando proteção de menores na internet, mitigação de impactos de custos de energia por data centers, proteção contra réplicas digitais não autorizadas, criação de sandboxes regulatórios, disponibilização de dados públicos para treinamento e integração de IA em programas de capacitação e formação profissional.'}]

FIGURAS
| chave | valor | unidade | descrição |
|---|---|---|---|
| ag_1_find_effect_1_groh2016_jordan_soft_skills_employment | 0,012 (IC 95%: -0,0429 a 0,0669) | change in probability of employment (0-1 scale) | Efeito de Soft skills training programme (twice the length of the regional average) sobre Employment (any employment) (Groh et al., 2016; experimental) |
| ag_2_transfer_transferred | 0,012 (faixa transferida de outro lugar, não é intervalo de confiança: -0,0347 a 0,0587) | change in probability of employment (0-1 scale) | Efeito transferido para United States: Efeito de Soft skills training programme (twice the length of the regional average) sobre Employment (any employment) (Groh et al., 2016; experimental) |
| ag_3_assumption_effect_small | 3,50 (faixa suposta pelo MAGI, não é intervalo de confiança: 2,00 a 5,00) | % | Efeito relativo sobre o resultado, pequeno, faixa de 2% a 5% (suposição do MAGI) [exploratório] |

PARECER
## phase_theory_of_change
## Teoria da mudança: como a política deveria funcionar
**Estado:** citado de uma fonte.

O marco legislativo apresenta recomendações de política nacional concebidas para posicionar os Estados Unidos como líder global em inteligência artificial, ao mesmo tempo em que estabelece salvaguardas essenciais para os direitos civis e a integridade do mercado. Inicialmente, estabelece padrões federais rigorosos que proíbem material de abuso sexual infantil gerado por IA e imagens íntimas não consensuais, responsabilizando desenvolvedores de modelos e plataformas de modo a proteger indivíduos vulneráveis. Em seguida, esclarece proteções de propriedade intelectual, parâmetros de uso justo para treinamento de modelos e salvaguardas contra a apropriação não autorizada de imagem e voz, conferindo segurança jurídica para investimentos de capital ao mesmo tempo em que protege direitos individuais. Ademais, promove inovação de ponta ao determinar ambientes regulatórios controlados (sandboxes) e disponibilizar bases de dados administrativas federais em formatos preparados para IA a pesquisadores comerciais e acadêmicos, recorrendo a agências setoriais existentes em vez de criar burocracia centralizada. Adicionalmente, direciona iniciativas educacionais e de capacitação da força de trabalho por meio das redes federais de aprendizagem e de universidades com concessão de terras públicas existentes, visando requalificar trabalhadores e analisar a automação no nível das tarefas. Por fim, estabelece a prevalência federal sobre legislações estaduais conflitantes sobre IA para evitar colcha de retalhos regulatória entre estados, preservando os poderes de polícia estaduais tradicionais sobre fraudes e proteção do consumidor enquanto padroniza o acesso ao mercado nacional.

**Cadeia causal:**
- Proibição de exploração infantil gerada por IA e de imagens íntimas sintéticas não autorizadas, com responsabilização de plataformas → Moderação mandatória de conteúdo e mitigação de riscos por desenvolvedores de modelos e plataformas de hospedagem → Proteção de crianças e indivíduos contra exploração algorítmica e danos sintéticos não consensuais (premissa: Mecanismos federais de fiscalização e recursos civis dissuadem eficazme… (+21305)

Resposta bruta do modelo · 227 caracteres

{"flags":[{"section":"memo","severity":"concern","text":"O resumo executivo não informa o que a análise de fato encontrou sobre os impactos da política, limitando-se a listar as áreas temáticas abrangidas.","figure_key":null}]}

modelollm.parse_structured14.870 ms · call_04cffbb8

Modelo: gemini-3.8-flash

1 tentativa · status 200 · esperou 0,0 s de 14,9 s · global · 5.882 tokens de entrada / 1.012 de saída

Prompt de sistema · 637 caracteres

Você é um revisor do MAGI e lê um parecer já pronto. Você NÃO reescreve o parecer e NÃO calcula nem corrige números: devolve apenas uma lista de ressalvas (flags), cada uma com a seção, a gravidade (note, concern ou blocker) e uma ou duas frases. Cite números apenas copiando valores da tabela FIGURAS e indique a chave da figura em figure_key. Se não houver ressalvas, devolva a lista vazia. Escreva em português.

Seu foco é distributivo: quem ganha e quem perde por decil, se a incidência é regressiva ou progressiva, se o parecer distingue pobreza de desigualdade, e se afirmações sobre "os mais pobres" batem com a tabela por decil.

Prompt do usuário · 4010 caracteres

POLÍTICA: Diretrizes Legislativas para Marco Federal de Inteligência Artificial. Recomendações da Casa Branca ao Congresso dos Estados Unidos para a criação de um marco federal regulatório para inteligência artificial, abordando proteção infantil, propriedade intelectual, sandboxes de inovação e capacitação da força de trabalho.
Instrumentos: [{'kind': 'other', 'description': 'Conjunto de diretrizes e recomendações legislativas federais sobre inteligência artificial, contemplando proteção de menores na internet, mitigação de impactos de custos de energia por data centers, proteção contra réplicas digitais não autorizadas, criação de sandboxes regulatórios, disponibilização de dados públicos para treinamento e integração de IA em programas de capacitação e formação profissional.'}]

FIGURAS
| chave | valor | unidade | descrição |
|---|---|---|---|
| ag_1_find_effect_1_groh2016_jordan_soft_skills_employment | 0,012 (IC 95%: -0,0429 a 0,0669) | change in probability of employment (0-1 scale) | Efeito de Soft skills training programme (twice the length of the regional average) sobre Employment (any employment) (Groh et al., 2016; experimental) |
| ag_2_transfer_transferred | 0,012 (faixa transferida de outro lugar, não é intervalo de confiança: -0,0347 a 0,0587) | change in probability of employment (0-1 scale) | Efeito transferido para United States: Efeito de Soft skills training programme (twice the length of the regional average) sobre Employment (any employment) (Groh et al., 2016; experimental) |
| ag_3_assumption_effect_small | 3,50 (faixa suposta pelo MAGI, não é intervalo de confiança: 2,00 a 5,00) | % | Efeito relativo sobre o resultado, pequeno, faixa de 2% a 5% (suposição do MAGI) [exploratório] |

PARECER
## phase_theory_of_change
## Teoria da mudança: como a política deveria funcionar
**Estado:** citado de uma fonte.

O marco legislativo apresenta recomendações de política nacional concebidas para posicionar os Estados Unidos como líder global em inteligência artificial, ao mesmo tempo em que estabelece salvaguardas essenciais para os direitos civis e a integridade do mercado. Inicialmente, estabelece padrões federais rigorosos que proíbem material de abuso sexual infantil gerado por IA e imagens íntimas não consensuais, responsabilizando desenvolvedores de modelos e plataformas de modo a proteger indivíduos vulneráveis. Em seguida, esclarece proteções de propriedade intelectual, parâmetros de uso justo para treinamento de modelos e salvaguardas contra a apropriação não autorizada de imagem e voz, conferindo segurança jurídica para investimentos de capital ao mesmo tempo em que protege direitos individuais. Ademais, promove inovação de ponta ao determinar ambientes regulatórios controlados (sandboxes) e disponibilizar bases de dados administrativas federais em formatos preparados para IA a pesquisadores comerciais e acadêmicos, recorrendo a agências setoriais existentes em vez de criar burocracia centralizada. Adicionalmente, direciona iniciativas educacionais e de capacitação da força de trabalho por meio das redes federais de aprendizagem e de universidades com concessão de terras públicas existentes, visando requalificar trabalhadores e analisar a automação no nível das tarefas. Por fim, estabelece a prevalência federal sobre legislações estaduais conflitantes sobre IA para evitar colcha de retalhos regulatória entre estados, preservando os poderes de polícia estaduais tradicionais sobre fraudes e proteção do consumidor enquanto padroniza o acesso ao mercado nacional.

**Cadeia causal:**
- Proibição de exploração infantil gerada por IA e de imagens íntimas sintéticas não autorizadas, com responsabilização de plataformas → Moderação mandatória de conteúdo e mitigação de riscos por desenvolvedores de modelos e plataformas de hospedagem → Proteção de crianças e indivíduos contra exploração algorítmica e danos sintéticos não consensuais (premissa: Mecanismos federais de fiscalização e recursos civis dissuadem eficazme… (+21305)

Resposta bruta do modelo · 12 caracteres

{"flags":[]}

modelollm.parse_structured12.551 ms · call_73c09a69

Modelo: gemini-3.8-flash

1 tentativa · status 200 · esperou 0,0 s de 12,6 s · global · 5.877 tokens de entrada / 1.731 de saída

Prompt de sistema · 642 caracteres

Você é um revisor do MAGI e lê um parecer já pronto. Você NÃO reescreve o parecer e NÃO calcula nem corrige números: devolve apenas uma lista de ressalvas (flags), cada uma com a seção, a gravidade (note, concern ou blocker) e uma ou duas frases. Cite números apenas copiando valores da tabela FIGURAS e indique a chave da figura em figure_key. Se não houver ressalvas, devolva a lista vazia. Escreva em português.

Seu foco é economia política: quem tem interesse em aprovar ou barrar a medida, riscos de implementação e de captura, dependência de cadastro e de adesão, e se o parecer apresenta limitações que um leitor adversário apontaria.

Prompt do usuário · 4010 caracteres

POLÍTICA: Diretrizes Legislativas para Marco Federal de Inteligência Artificial. Recomendações da Casa Branca ao Congresso dos Estados Unidos para a criação de um marco federal regulatório para inteligência artificial, abordando proteção infantil, propriedade intelectual, sandboxes de inovação e capacitação da força de trabalho.
Instrumentos: [{'kind': 'other', 'description': 'Conjunto de diretrizes e recomendações legislativas federais sobre inteligência artificial, contemplando proteção de menores na internet, mitigação de impactos de custos de energia por data centers, proteção contra réplicas digitais não autorizadas, criação de sandboxes regulatórios, disponibilização de dados públicos para treinamento e integração de IA em programas de capacitação e formação profissional.'}]

FIGURAS
| chave | valor | unidade | descrição |
|---|---|---|---|
| ag_1_find_effect_1_groh2016_jordan_soft_skills_employment | 0,012 (IC 95%: -0,0429 a 0,0669) | change in probability of employment (0-1 scale) | Efeito de Soft skills training programme (twice the length of the regional average) sobre Employment (any employment) (Groh et al., 2016; experimental) |
| ag_2_transfer_transferred | 0,012 (faixa transferida de outro lugar, não é intervalo de confiança: -0,0347 a 0,0587) | change in probability of employment (0-1 scale) | Efeito transferido para United States: Efeito de Soft skills training programme (twice the length of the regional average) sobre Employment (any employment) (Groh et al., 2016; experimental) |
| ag_3_assumption_effect_small | 3,50 (faixa suposta pelo MAGI, não é intervalo de confiança: 2,00 a 5,00) | % | Efeito relativo sobre o resultado, pequeno, faixa de 2% a 5% (suposição do MAGI) [exploratório] |

PARECER
## phase_theory_of_change
## Teoria da mudança: como a política deveria funcionar
**Estado:** citado de uma fonte.

O marco legislativo apresenta recomendações de política nacional concebidas para posicionar os Estados Unidos como líder global em inteligência artificial, ao mesmo tempo em que estabelece salvaguardas essenciais para os direitos civis e a integridade do mercado. Inicialmente, estabelece padrões federais rigorosos que proíbem material de abuso sexual infantil gerado por IA e imagens íntimas não consensuais, responsabilizando desenvolvedores de modelos e plataformas de modo a proteger indivíduos vulneráveis. Em seguida, esclarece proteções de propriedade intelectual, parâmetros de uso justo para treinamento de modelos e salvaguardas contra a apropriação não autorizada de imagem e voz, conferindo segurança jurídica para investimentos de capital ao mesmo tempo em que protege direitos individuais. Ademais, promove inovação de ponta ao determinar ambientes regulatórios controlados (sandboxes) e disponibilizar bases de dados administrativas federais em formatos preparados para IA a pesquisadores comerciais e acadêmicos, recorrendo a agências setoriais existentes em vez de criar burocracia centralizada. Adicionalmente, direciona iniciativas educacionais e de capacitação da força de trabalho por meio das redes federais de aprendizagem e de universidades com concessão de terras públicas existentes, visando requalificar trabalhadores e analisar a automação no nível das tarefas. Por fim, estabelece a prevalência federal sobre legislações estaduais conflitantes sobre IA para evitar colcha de retalhos regulatória entre estados, preservando os poderes de polícia estaduais tradicionais sobre fraudes e proteção do consumidor enquanto padroniza o acesso ao mercado nacional.

**Cadeia causal:**
- Proibição de exploração infantil gerada por IA e de imagens íntimas sintéticas não autorizadas, com responsabilização de plataformas → Moderação mandatória de conteúdo e mitigação de riscos por desenvolvedores de modelos e plataformas de hospedagem → Proteção de crianças e indivíduos contra exploração algorítmica e danos sintéticos não consensuais (premissa: Mecanismos federais de fiscalização e recursos civis dissuadem eficazme… (+21305)

Resposta bruta do modelo · 1349 caracteres

{"flags":[{"section":"phase_theory_of_change","severity":"concern","text":"A imposição de prevalência federal sobre legislações estaduais enfrenta forte resistência política de estados com regulações mais rígidas e atrai pressões de grandes empresas de tecnologia interessadas em neutralizar salvaguardas locais. Um leitor adversário apontará o risco de enfraquecimento de direitos do consumidor e de responsabilização algorítmica sob o pretexto de harmonização interestadual.","figure_key":null},{"section":"phase_impact","severity":"concern","text":"A estimativa exploratória ignora o conflito distributivo entre desenvolvedores de inteligência artificial e detentores de direitos autorais, além do risco de captura regulatória dos sandboxes por grandes operadores incumbentes. Esse viés de seleção pode restringir os benefícios de conformidade às corporações dominantes, em prejuízo de startups menores.","figure_key":"ag_3_assumption_effect_small"},{"section":"analyses","severity":"note","text":"Ao delegar fiscalização e criação de sandboxes a agências já existentes sem novos aportes orçamentários dedicados, a política incorre no risco de mandatos não financiados. Essa limitação de capacidade técnica estatal pode atrasar a emissão de diretrizes e forçar a dependência de padrões definidos pelo próprio setor regulado.","figure_key":null}]}

Como chegamos aqui

As sete fases da investigação, na ordem do método: necessidade, teoria da mudança, evidência, implementação, impacto, se vale a pena e avaliação. Cada número de uma fase abre a sua fonte.

Seção 1: Política

Leitura não revisada por uma pessoa

O MAGI seguiu com a leitura que o modelo fez do texto, e o parecer registra isso. Confira a leitura e corrija-a se for preciso.

Outro

Descrição: Conjunto de diretrizes e recomendações legislativas federais sobre inteligência artificial, contemplando proteção de menores na internet, mitigação de impactos de custos de energia por data centers, proteção contra réplicas digitais não autorizadas, criação de sandboxes regulatórios, disponibilização de dados públicos para treinamento e integração de IA em programas de capacitação e formação profissional.

Vigência a partir de: não informado · a análise supõe início em 01/10/2026

Observação da leitura

O texto refere-se a uma proposta de política pública dos Estados Unidos (White House/Congress). Por não possuir correspondência na malha político-administrativa brasileira com código IBGE, o campo jurisdiction foi preenchido com 'BR' e os detalhes da jurisdição internacional foram mantidos em jurisdiction_name e parser_notes. Por se tratar de um marco regulatório amplo sem desenho orçamentário específico, a política foi mapeada como 'other'. Local fixado pela investigação: United States (iso3166:US, US); a leitura trazia BR e o texto fala em United States.

Leitura estruturada (IR)

ID: pol_f3e5934ac5
Título: Diretrizes Legislativas para Marco Federal de Inteligência Artificial
Jurisdição: US
Horizonte (meses): 12

Financiamento

Mecanismo: Não especificado
Descrição: —

Instrumentos (1)

#1 · Outroother

Descrição: Conjunto de diretrizes e recomendações legislativas federais sobre inteligência artificial, contemplando proteção de menores na internet, mitigação de impactos de custos de energia por data centers, proteção contra réplicas digitais não autorizadas, criação de sandboxes regulatórios, disponibilização de dados públicos para treinamento e integração de IA em programas de capacitação e formação profissional.

Proveniência da leitura

Parser: LLM
Modelo: gemini-3.8-flash
Confirmada pelo usuário: não
Seguiu sem revisão humana: sim
Seguiu sem revisão em: 30/10/2026

Registro de execução desta seção (1)

Ferramentas determinísticas calculam; o modelo apenas seleciona, interpreta e escreve. Aqui estão as duas coisas, na ordem em que aconteceram.

modelollm.parse_policy9.087 ms · call_c56f6f0c

Modelo: gemini-3.8-flash

1 tentativa · status 200 · esperou 0,0 s de 9,1 s · global · 8.019 tokens de entrada / 1.027 de saída

Prompt de sistema · 4008 caracteres

Você é o analista que transforma um texto de política pública brasileira em uma representação estruturada (Policy IR). Extraia apenas o que o texto diz. Quando o texto for ambíguo, escolha a leitura mais literal e registre a dúvida em parser_notes.

O que o texto não diz. A mensagem traz a data de hoje. Nunca invente datas, valores ou fontes: o que o texto não informa fica nulo quando o esquema permite nulo, e o campo vai para a lista unstated (effective_from quando o texto não dá a data de início, horizon_months quando não diz por quanto tempo a política vale, funding quando não diz como será paga). Um instrumento cujo valor obrigatório falta continua registrado: como o tipo mais próximo que aceita o valor nulo (public_spending com amount_per_year nulo, service_expansion com cost_per_slot_year nulo) ou, se nenhum aceita, como other com a descrição do que o texto propõe; o campo que falta (por exemplo instruments[i].amount_per_unit, o valor de uma transferência) vai para unstated. unstated fica vazio quando o texto informa tudo.

Datas no formato ISO. Para mudanças no Bolsa Família use transfer_program_change; para um novo benefício use new_transfer; para IRPF use income_tax_change; para ICMS/ISS/IBS use indirect_tax_change; para gastos setoriais sem transferência direta use public_spending; para criação de vagas em creche pública (0 a 3 anos) use service_expansion com service exatamente igual a childcare_0_3, new_slots e cost_per_slot_year; para redução da jornada máxima semanal de trabalho (fim da escala 6x1, teto de horas da Constituição, art. 7º) use working_hours_cap: steps lista cada novo teto na ordem em que vale, com max_weekly_hours e months_after_start contado do início da política (60 dias são 2 meses; 0 quando vale de imediato), o último sendo o teto final; current_max_weekly_hours é o teto anterior (44 quando o texto não diz); pay é exatamente unchanged quando o texto diz sem redução salarial e proportional quando o salário cai com as horas; covers é exatamente signed_work_card para trabalhadores com carteira assinada e signed_work_card_and_statutory quando o texto inclui servidores estatutários; overtime_premium é 0.5 salvo se o texto fixar outro adicional de hora extra; rest_days_per_week são os dias de descanso remunerado por semana que o texto dá (2 na escala 5x2), nulo se não der. A data de início é a da promulgação ou da publicação: se o texto não a dá, effective_from fica nulo. Para o que não se encaixa use other.

Jurisdição. Copie sempre em jurisdiction_name o nome do município ou do estado exatamente como o texto o escreve; null quando o texto não nomeia nenhum. Em jurisdiction escreva o código IBGE que o texto ou a jurisdição sugerida dá. Quando o texto não traz código e não há jurisdição sugerida, escreva em jurisdiction o código IBGE do lugar nomeado só se tiver certeza dele; sem essa certeza, escreva BR e diga em parser_notes que o código não foi identificado. Nunca invente um código IBGE que você não conhece, e nunca escreva um nome em jurisdiction.

Elegibilidade de new_transfer. O campo eligibility diz quem recebe; campo vazio quer dizer "sem restrição", e uma transferência com eligibility vazia é paga a todos os domicílios da jurisdição. Só deixe eligibility vazia se o texto disser que o benefício é universal. Toda condição de acesso que o texto impõe, e toda que você citar em parser_notes, vai para o campo correspondente:
- per_capita_income_max: limite de renda familiar mensal per capita, quando o texto o dá em reais; per_capita_income_min: o piso, se houver.
- per_capita_income_max_mw: o mesmo limite quando o texto o dá em salários mínimos (0.5 para "meio salário mínimo", 0.25 para "um quarto"). Não converta para reais: o sistema converte pelo salário mínimo do ano simulado.
- requires_cadunico: true quando o texto exige inscrição no CadÚnico (Cadastro Único).
- household_has_child_0_6: true quando exige criança de 0 a 6 anos na família, false quando a exclui.
- household_has_member_7_17: true… (+896)

Prompt do usuário · 4009 caracteres

Hoje é 2026-10-30.

Texto da política ou projeto de lei:

LEGISLATIVE RECOMMENDATIONS THE WHITE HOUSE

National Policy
Framework
Artificial
Intelligence
LEGISLATIVE RECOMMENDATIONS
MARCH 2026
I.
Protecting Children and Empowering
Parents
AI services and platforms must take measures to protect children, while empowering
parents to control their children’s digital environment and upbringing.

• Congress should build on actions to date by the Trump Administration to protect
children, including the historic signing of the Take It Down Act, a key initiative of
First Lady Melania Trump to protect children and adult victims from deepfake
abuse.

• Congress should empower parents and guardians with robust tools to manage their
children’s privacy settings, screen time, content exposure, and account controls.

• Congress should establish commercially reasonable, privacy protective, age-
assurance requirements (such as parental attestation) for AI platforms and services
likely to be accessed by minors.

• Congress should require AI platforms and services likely to be accessed by minors
to implement features that reduce the risks of sexual exploitation and self-harm to
minors.

• Congress should affirm that existing child privacy protections apply to AI systems,
including limits on data collection for model training and targeted advertising.

• Congress should avoid setting ambiguous standards about permissible content, or
open-ended liability, that could give rise to excessive litigation.

• Congress should ensure that it does not preempt states from enforcing their own
generally applicable laws protecting children, such as prohibitions on child sexual
abuse material, even where such material is generated by AI.

AI development, including data infrastructure buildout, should strengthen American
communities and small businesses through economic growth and energy
dominance, while ensuring communities are protected from harmful impacts.

• In accordance with the Ratepayer Protection Pledge , Congress should ensure that
residential ratepayers do not experience increased electricity costs as a result of
new AI data center construction and operation.

• At the sa
me time, Congress should streamline federal permitting for AI
infrastructure construction and operation so AI developers can develop or procure
on-site and behind -the-meter power generation to accelerate AI infrastructure
buildout and enhance grid reliability.

• Congress should augment existing law enforcement efforts to combat AI -enabled
impersonation scams and fraud that target vulnerable populations such as seniors.

• Congress should ensure that the appropriate agencies within the national security
enterprise possess sufficient technical capacity to understand frontier AI model
capabilities and any associated national security considerations and establish plans
to mitigate potential concerns, including through consultation with frontier AI
model developers.

• Congress should provide AI resources to small businesses, such as grants, tax
incentives, and technical assistance programs, to support wider deployment of AI
tools across American industry.
II.
Safeguarding and Strengthening
American Communities
A National Policy Framework for Artificial Intelligence
III.
Respecting Intellectual Property Rights
and Supporting Creators

American creators, publishers, and innovators should be protected from AI -
generated outputs that infringe their protected content, without undermini ng lawful
innovation and free expression.

• Although the Administration believes that training of AI models on copyrighted
material does not violate copyright laws, it acknowledges arguments to the contrary
exist and therefore supports allowing the Courts to resolve this issue. Similarly,
Congress should not take any actions that would impact the judiciary’s resolution of
whether training on copyrighted material constitutes fair use.

• Congress should consider enabling licensing frameworks or collective ri… (+5162)

Resposta bruta do modelo · 1476 caracteres

{"title":"Diretrizes Legislativas para Marco Federal de Inteligência Artificial","summary":"Recomendações da Casa Branca ao Congresso dos Estados Unidos para a criação de um marco federal regulatório para inteligência artificial, abordando proteção infantil, propriedade intelectual, sandboxes de inovação e capacitação da força de trabalho.","jurisdiction":"BR","jurisdiction_name":"United States","effective_from":null,"horizon_months":null,"instruments":[{"kind":"other","description":"Conjunto de diretrizes e recomendações legislativas federais sobre inteligência artificial, contemplando proteção de menores na internet, mitigação de impactos de custos de energia por data centers, proteção contra réplicas digitais não autorizadas, criação de sandboxes regulatórios, disponibilização de dados públicos para treinamento e integração de IA em programas de capacitação e formação profissional."}],"funding":{"mechanism":"unspecified","description":""},"parser_notes":"O texto refere-se a uma proposta de política pública dos Estados Unidos (White House/Congress). Por não possuir correspondência na malha político-administrativa brasileira com código IBGE, o campo jurisdiction foi preenchido com 'BR' e os detalhes da jurisdição internacional foram mantidos em jurisdiction_name e parser_notes. Por se tratar de um marco regulatório amplo sem desenho orçamentário específico, a política foi mapeada como 'other'.","unstated":["effective_from","horizon_months","funding"]}

Seção 2: Necessidades

faltou

Necessidade: o problema, quem é afetado e quantos

Estado: sem resposta.

A fase usou os passos que tinha, antes de responder a esta pergunta. Até ali, a investigação leu a proposta, localizou o lugar, leu o projeto, consultou séries internacionais.

Por que não há resposta: a fase usou os passos que tinha.

O que falta

uma resposta a: necessidade: o problema, quem é afetado e quantos (a fase usou os passos que tinha)

Seção 3: Teoria da mudança

feito

Teoria da mudança: como a política deveria funcionar

Estado: citado de uma fonte.

O marco legislativo apresenta recomendações de política nacional concebidas para posicionar os Estados Unidos como líder global em inteligência artificial, ao mesmo tempo em que estabelece salvaguardas essenciais para os direitos civis e a integridade do mercado. Inicialmente, estabelece padrões federais rigorosos que proíbem material de abuso sexual infantil gerado por IA e imagens íntimas não consensuais, responsabilizando desenvolvedores de modelos e plataformas de modo a proteger indivíduos vulneráveis. Em seguida, esclarece proteções de propriedade intelectual, parâmetros de uso justo para treinamento de modelos e salvaguardas contra a apropriação não autorizada de imagem e voz, conferindo segurança jurídica para investimentos de capital ao mesmo tempo em que protege direitos individuais. Ademais, promove inovação de ponta ao determinar ambientes regulatórios controlados (sandboxes) e disponibilizar bases de dados administrativas federais em formatos preparados para IA a pesquisadores comerciais e acadêmicos, recorrendo a agências setoriais existentes em vez de criar burocracia centralizada. Adicionalmente, direciona iniciativas educacionais e de capacitação da força de trabalho por meio das redes federais de aprendizagem e de universidades com concessão de terras públicas existentes, visando requalificar trabalhadores e analisar a automação no nível das tarefas. Por fim, estabelece a prevalência federal sobre legislações estaduais conflitantes sobre IA para evitar colcha de retalhos regulatória entre estados, preservando os poderes de polícia estaduais tradicionais sobre fraudes e proteção do consumidor enquanto padroniza o acesso ao mercado nacional.

Cadeia causal

Proibição de exploração infantil gerada por IA e de imagens íntimas sintéticas não autorizadas, com responsabilização de plataformas → Moderação mandatória de conteúdo e mitigação de riscos por desenvolvedores de modelos e plataformas de hospedagem → Proteção de crianças e indivíduos contra exploração algorítmica e danos sintéticos não consensuais (premissa: Mecanismos federais de fiscalização e recursos civis dissuadem eficazmente usuários mal-intencionados e exigem conformidade das plataformas; risco: Desafios de fiscalização frente a modelos de pesos abertos ou ferramentas de geração sintética hospedadas no exterior)
Esclarecimento da proteção de propriedade intelectual e dos padrões de uso justo para modelos de IA → Garantia de segurança jurídica para pesquisa em IA, investimento comercial e atribuição de conteúdo → Expansão da liderança tecnológica nacional e proteção dos direitos de imagem e voz de criadores (premissa: Regras jurídicas claras sobre o uso justo de dados de treinamento e elegibilidade de patentes reduzem riscos de litígio sem restringir direitos criativos; risco: Litígios judiciais prolongados sobre doutrinas de direitos autorais que perturbam investimentos de desenvolvedores)
Criação de ambientes regulatórios experimentais e curadoria de conjuntos de dados federais preparados para IA → Redução de barreiras de entrada e de custos de conformidade para startups e pesquisadores acadêmicos → Desenvolvimento, comercialização e implantação acelerados de sistemas nacionais de IA (premissa: As agências possuem capacidade e recursos para estruturar ambientes de teste seguros e padronizar dados públicos; risco: Restrições de privacidade de dados ou gargalos nas agências atrasando a liberação de conjuntos de dados e aprovações de sandboxes)
Integração de competências de IA no treinamento federal de mão de obra e em programas de universidades com concessão de terras públicas → Desenvolvimento direcionado de habilidades e realinhamento ocupacional para trabalhadores afetados → Adaptação da força de trabalho, maior produtividade laboral e mitigação do deslocamento tecnológico (premissa: Faculdades comunitárias, programas vocacionais e instituições com concessão de terras públicas conseguem modernizar rapidamente currículos para atender à demanda técnica; risco: Defasagem no treinamento em relação ao ritmo das capacidades dos modelos, resultando em incompatibilidades persistentes de competências)
Prevalência federal sobre regulamentações estaduais de IA para instituir padrão nacional unificado → Eliminação de divergências regulatórias entre estados e de custos operacionais de conformidade para desenvolvedores → Criação de mercado digital interestadual unificado e implantação nacional acelerada (premissa: Limite regulatório nacional previne atritos de conformidade enquanto agências federais mantêm supervisão setorial específica; risco: Lacunas regulatórias caso agências setoriais federais não enfrentem riscos localizados emergentes com eficácia)

Fontes

Consultou: reading.draft
Consultou: place.detect
Consultou: bill.read

_Uma frase foi omitida porque citava um número sem fonte._

Seção 4: Evidência

feito

Evidência: o que se sabe em outros lugares, e se vale aqui

Estado: evidência indireta (proxy): nenhum estudo direto foi encontrado, vale o mais próximo.

Não existe ensaio clínico randomizado direto nem avaliação econométrica causal para marco legislativo federal abrangente de inteligência artificial com este escopo. Evidências empíricas de domínios de políticas correlatos servem como aproximação. No tocante à experimentação regulatória, implementações internacionais documentadas pela OCDE na Espanha, no Reino Unido e em Cingapura demonstram que sandboxes de IA reduzem o tempo até a colocação no mercado, resolvem ambiguidades regulatórias sob ambientes controlados e possibilitam que empresas menores superem ônus de conformidade sem sofrer penalidades punitivas proibitivas. Contudo, revisões da OCDE destacam que traduzir lições de sandboxes em orientações administrativas amplas continua demandando muitos recursos dos reguladores e enfrenta riscos de viés de seleção caso haja dominância por grandes operadores históricos. Mecanismos relativos à prevalência federal uniforme e à segurança jurídica para o uso justo continuam sendo pressupostos teóricos fundamentados em princípios de organização industrial, e não em dados empíricos de ensaios.

Vale para este lugar?

Teoria: A premissa comportamental de que menor ambiguidade de conformidade e treinamento subsidiado estimulam a difusão tecnológica sustenta-se em economias de mercado, embora a rápida evolução dos modelos possa superar a adaptação burocrática.
Condições locais: Os Estados Unidos possuem ecossistema maduro de capital de risco e desenvolvedores líderes de IA de fronteira, assegurando elevada demanda basal por clareza regulatória e infraestrutura de testes.
Evidência em outros contextos: Evidências internacionais indicam que ambientes regulatórios experimentais facilitam a conformidade e a inovação em domínios digitais e de tecnologia financeira, ao passo que o treinamento de mão de obra adulta proporciona ganhos modestos de emprego a depender da demanda de trabalho.
Implementação: Agências federais como o NIST e a FTC possuem competência técnica, porém operar sandboxes multissetoriais de IA e modernizar currículos de faculdades comunitárias exigem recursos administrativos substanciais.
Avaliação: o efeito se transfere com ressalvas.

Atenção

a resposta citou chamadas que não são fontes; ficaram só as que são.
não há estudo direto desta política: vale a evidência mais próxima, de outra intervenção ou outro lugar.

Fontes

Consultou: evidence.find
Consultou: web.read
Efeito de Soft skills training programme (twice the length of the regional average) sobre Employment (any employment) (Groh et al., 2016; experimental) (citado): doi.org

_Uma frase foi omitida porque citava um número sem fonte._

Números desta fase

Figuras da seção
Indicador	Valor	Origem
Efeito de Soft skills training programme (twice the length of the regional average) sobre Employment (any employment) (Groh et al., 2016; experimental)	change in probability of employment (0-1 scale)IC 95%: -0,04 a 0,07

Seção 5: Implementação

faltou

Implementação: custo, capacidade, adesão e viabilidade

Estado: sem resposta.

As recomendações legislativas delineiam modelo de governança distribuída que deliberadamente evita constituir nova burocracia centralizada, distribuindo, em vez disso, fiscalização, administração de sandboxes e responsabilidades sobre a força de trabalho entre entidades setoriais existentes, tais como o NIST, a FTC, o USPTO e o Departamento de Trabalho. Consequentemente, custos diretos de implementação seriam suportados por agências federais por meio de dotações orçamentárias discricionárias anuais e realinhamento de programas, em vez de cobrança fiscal dedicada. A capacidade administrativa constitui gargalo crucial: agências setoriais específicas necessitam de infraestrutura computacional especializada e pessoal técnico para planejar e supervisionar sandboxes regulatórios, além de realizar a curadoria de bases de dados legíveis por máquina. Espera-se alta adesão do setor privado entre startups de inteligência artificial e laboratórios acadêmicos, dado o valor comercial de portos seguros regulatórios e dados administrativos federais. Contudo, a viabilidade enfrenta riscos jurídicos e intergovernamentais expressivos, notadamente a resistência de procuradores-gerais estaduais referente à prevalência federal sobre leis estaduais de responsabilização algorítmica, além de litígios em torno de fronteiras de propriedade intelectual. Falta cifra exata de custo fiscal porque o documento fornece recomendações legislativas gerais sem autorizar montantes específicos em dólares, inexiste estimativa oficial de custos do CBO, e a apuração não obteve parâmetro orçamentário designado.

O que falta

Autorização orçamentária legal ou dotação para implementação de política federal de IA
Avaliações oficiais de custos do Congressional Budget Office ou do Office of Management and Budget para operações de sandbox regulatório e de força de trabalho

Atenção

a resposta citou chamadas que não são fontes; ficaram só as que são.

Fontes

Consultou: bill.read

Seção 6: Impacto

feito

Impacto aqui: o efeito para este lugar

Estado: estimado, com premissas declaradas (faixa suposta).

O impacto projetado das recomendações federais de inteligência artificial nos Estados Unidos abrange ajuste no mercado de trabalho, eficiência em inovação e proteção jurídica. No canal de inovação empresarial e conformidade regulatória, onde inexistem avaliações causais amplas, experiências internacionais com sandboxes sugerem melhoria relativa modesta e exploratória na eficiência de conformidade e no tempo até a colocação no mercado de 3,5%, com faixa projetada de 2,0% a 5,0%. Em contrapartida, as proteções voltadas à segurança infantil e à propriedade intelectual operam como salvaguardas institucionais não monetizadas: estabelecer responsabilização de plataformas e esclarecer o uso justo reduzem riscos jurídicos sistêmicos e exploração sintética não consentida, embora o impacto definitivo dependa de interpretação judicial e do rigor na fiscalização pelas agências.

Método: O impacto combina aproximação vinculada a evidências transferida para a jurisdição nacional com faixa exploratória assumida para a eficiência regulatória de sandboxes.

Premissas

effect_small: faixa ordinal que o MAGI escolheu para a mudança relativa do resultado que política pública poderia produzir, quando nenhuma avaliação correspondente foi encontrada: a magnitude da mudança na direção apontada pela teoria da mudança, como fração do nível do resultado anterior à política. O valor representa o centro da faixa e o intervalo corresponde a seus limites. Convenção, não estimativa factual, tampouco evidência: o patamar expressa aposta do próprio MAGI
effect_small: justificativa declarada pelo agente: Redução relativa modesta e plausível no atrito de conformidade regulatória e no tempo de chegada ao mercado para desenvolvedores nacionais de IA sob prevalência federal e ambientes regulatórios experimentais, com base em precedentes internacionais de sandboxes.

Base da faixa: faixa suposta, com base em premissa declarada: Redução relativa modesta e plausível no atrito de conformidade regulatória e no tempo de chegada ao mercado para desenvolvedores nacionais de IA sob prevalência federal e ambientes regulatórios experimentais, com base em precedentes internacionais de sandboxes; o estudo da fase de evidência (o efeito se transfere com ressalvas).

Atenção

a resposta citou chamadas que não são fontes; ficaram só as que são.
o estado da resposta foi rebaixado pela conferência dos números.

Fontes

Consultou: effect.transfer
Efeito transferido para United States: Efeito de Soft skills training programme (twice the length of the regional average) sobre Employment (any employment) (Groh et al., 2016; experimental) (calculado): cálculo (effect.transfer) sobre os números de suas fontes — atenção: o efeito foi medido em outro lugar e transferido para este, com um intervalo alargado pelas diferenças de contexto; a avaliação de transferência da fase de evidência diz que o efeito se transfere com ressalvas
Efeito relativo sobre o resultado, pequeno, faixa de 2% a 5% (suposição do MAGI) [exploratório] (premissa): escolhida pelo MAGI, com intervalo declarado — atenção: proposta do MAGI a partir do mecanismo, não é evidência

_Uma frase foi omitida porque citava um número sem fonte._

Números desta fase

Figuras da seção
Indicador	Valor	Origem
Efeito transferido para United States: Efeito de Soft skills training programme (twice the length of the regional average) sobre Employment (any employment) (Groh et al., 2016; experimental)	change in probability of employment (0-1 scale)Faixa transferida de outro lugar (não é IC): -0,03 a 0,06
Efeito relativo sobre o resultado, pequeno, faixa de 2% a 5% (suposição do MAGI) [exploratório]	%Faixa suposta pelo MAGI: 2,00 a 5,00

Seção 7: Vale a pena

faltou

Vale a pena: custo-efetividade ou custo-benefício

Estado: sem resposta.

Análise quantitativa de custo-benefício ou razão de custo-efetividade não pode ser calculada formalmente porque nem o custo fiscal total para as agências federais nem os benefícios sociais monetizados estão expressos em valores numéricos. Pelo lado dos custos, a estrutura recomenda que agências existentes absorvam atribuições administrativas via dotações discricionárias, sem autorizar tetos orçamentários específicos em dólares ou cronogramas de despesas de capital. Pelo lado dos benefícios, conquanto a intervenção proporcione ganhos qualitativos de bem-estar ao conter a exploração infantil, diminuir atritos regulatórios entre estados e proporcionar clareza jurídica aos desenvolvedores de modelos, tais bens públicos carecem de preço de mercado fixado ou valoração padronizada de disposição a pagar no registro administrativo. Sob perspectiva qualitativa das finanças públicas, a estrutura da política visa minimizar peso morto ao alavancar reguladores setoriais existentes e evitar burocracia centralizada custosa em IA. Contudo, definir se o arcabouço proporciona valor social líquido positivo exigiria parecer oficial de custos do Congressional Budget Office detalhando custos operacionais das agências, juntamente com valorações empíricas da redução do risco de litígios e dos benefícios de proteção ao consumidor.

O que falta

Alocações orçamentárias quantificadas de agências federais para administração de sandboxes, curadoria de conjuntos de dados e fiscalização
Valoração social monetizada dos danos evitados por mídias sintéticas e economias com litígios de propriedade intelectual

Atenção

a resposta citou chamadas que não são fontes; ficaram só as que são.

Fontes

Consultou: bill.read

Seção 8: Avaliação

feito

Desenho de avaliação e o que falta

Estado: citado de uma fonte.

Avaliação futura e rigorosa desta política federal de inteligência artificial pode estruturar-se em torno de metodologias quase-experimentais e de acompanhamento administrativo. Para avaliar o impacto econômico da prevalência federal e de sandboxes regulatórios, pesquisadores podem empregar delineamento de diferenças em diferenças explorando variações entre estados que anteriormente mantinham legislações locais divergentes de governança algorítmica, comparando-os com jurisdições não afetadas para identificar variações na entrada de empresas, implantação interestadual de produtos e dispêndios com conformidade. No âmbito do mecanismo de sandbox, parear empresas solicitantes admitidas nos ambientes de teste com startups pares comparáveis não participantes quanto a capital de risco basal, quadro de pessoal técnico e nichos de produtos isolará o efeito causal dos portos seguros regulatórios sobre a velocidade de comercialização e a concessão de patentes. Para intervenções educacionais e de força de trabalho, registros administrativos longitudinais vinculados do Departamento de Trabalho podem rastrear transições ocupacionais, trajetórias salariais e riscos de deslocamento entre trabalhadores submetidos a currículos modernizados de aprendizagem em IA. O que esta análise não pôde solucionar inclui o ônus fiscal explícito para agências federais, a contagem de referência de desenvolvedores nacionais ativos de modelos e valorações padronizadas de danos digitais prevenidos, aspectos que demandam mandatos legislativos expressos de prestação de contas e coleta de dados pelas agências após a promulgação.

Desenho de avaliação: comparação: Delineamentos escalonados de diferenças em diferenças e controle sintético comparando criação de startups tecnológicas e sobrecustos de conformidade entre estados com legislações prévias de IA e estados sem tais normas, acompanhados de comparações pareadas por propensão entre empresas admitidas em sandboxes regulatórios e pares em lista de espera ou não participantes; dados: Registros administrativos do USPTO sobre depósitos de patentes e licenciamento de IA, registros de agências federais do NIST e de órgãos reguladores setoriais sobre o desempenho de participantes de sandboxes, dados do ciclo de vida de firmas de capital de risco e registros de aprendizagem e emprego do Departamento de Trabalho; quando: Medição de referência prévia à promulgação, avaliações intermediárias anuais monitorando a participação em sandboxes e a rapidez de liberação regulatória, além de avaliação somativa abrangente após vários anos da implementação para aferir a produtividade líquida e ajustes de mão de obra.

O que falta

Dotações orçamentárias legais e detalhamentos de custos administrativos em nível de agência
Contagens de referência abrangentes de desenvolvedores de inteligência artificial e implementadores de modelos de pesos abertos
Valorações empíricas dos danos evitados de exploração digital e reduções de riscos de litígios de direitos autorais

Fontes

Consultou: reading.draft
Consultou: place.detect
Consultou: bill.read
Consultou: web.read
Consultou: evidence.find