Estrutura de governança de IA agêntica de Singapura

O Model AI Governance Framework for Agentic AI é a estrutura de governança da Infocomm Media Development Authority (IMDA), a autoridade de Singapura para mídia e tecnologia, sobre como implantar agentes de IA de forma responsável. Ela pede que as organizações avaliem e delimitem os riscos de antemão, tornem as pessoas responsáveis de forma efetiva, implementem controles técnicos e processos e deem aos usuários finais condições de agir com responsabilidade. No atendimento, isso significa permissões delimitadas, pontos de aprovação, testes, monitoramento e transparência.

Em resumo

• A IMDA lançou a estrutura em 22 de janeiro de 2026; o texto vigente é a versão 1.5, publicada em 20 de maio de 2026 e atualizada em 5 de junho de 2026.
• É uma orientação, não uma lei: descreve “boas práticas emergentes”, se apresenta como um documento vivo e não prevê penalidades.
• Ela cita os agentes de atendimento ao cliente como agentes que interagem com usuários e pede que a interface informe que se trata de IA no momento da interação.
• A tabela de correspondência abaixo transforma cada seção numa etapa para um agente de IA de atendimento e nas evidências a guardar.
• Se você atende clientes na UE, o AI Act é a camada obrigatória por cima; os dois se sobrepõem sobretudo na transparência.

Este guia foi escrito a partir da fonte primária e não é aconselhamento jurídico. As citações do documento são tradução livre. Ele faz parte do nosso guia de governança de agentes de IA.

O que é o Model AI Governance Framework for Agentic AI?

O Model AI Governance Framework for Agentic AI é um documento de 53 páginas da IMDA que oferece às organizações “uma visão estruturada dos riscos da IA agêntica e das boas práticas emergentes para gerenciá-los”. Ele é escrito para organizações que implantam agentes de IA, sejam eles desenvolvidos internamente ou soluções agênticas de terceiros.

A parte 1 explica o que é um agente e o que pode dar errado. A parte 2 é a estrutura em si, em quatro dimensões:

1. 2.1 Avaliar e delimitar os riscos de antemão: casos de uso adequados (2.1.1); limites, identidade e permissões do agente (2.1.2).
2. 2.2 Tornar as pessoas responsáveis de forma efetiva: responsabilidades dentro e fora da organização (2.2.1); supervisão humana efetiva (2.2.2).
3. 2.3 Implementar controles técnicos e processos: controles no desenho (2.3.1), testes antes da implantação (2.3.2), implantação, monitoramento e gestão de mudanças depois (2.3.3).
4. 2.4 Dar responsabilidade aos usuários finais: transparência para quem interage com agentes (2.4.2); treinamento para quem trabalha com eles (2.4.3).

A estrutura de IA agêntica de Singapura é obrigatória?

Não. A estrutura se apresenta como orientação: oferece “boas práticas emergentes”, a maioria das recomendações diz que “as organizações devem considerar” e ela se descreve como “um documento vivo”. O comunicado de lançamento diz que ela “orienta as organizações sobre como implantar agentes de forma responsável”. Ela não prevê penalidades nem mecanismo próprio de fiscalização.

O documento não usa a palavra “voluntária”, então descreva-o com precisão internamente: orientação não legislativa de um órgão regulador. As suas obrigações legais de proteção de dados, defesa do consumidor e regras setoriais valem de qualquer forma, e a estrutura é clara ao dizer que “as organizações que implantam agentes e as pessoas que os supervisionam continuam responsáveis pelas ações dos agentes”.

Que riscos a estrutura diz que os agentes de IA criam?

A estrutura lista cinco tipos de dano causados por agentes: ações erradas, ações não autorizadas, ações enviesadas ou injustas, vazamentos de dados e perturbação de sistemas conectados. Ela acrescenta riscos sistêmicos ligados à velocidade e ao volume, a erros em cascata e a arranjos multiagente. Cada um tem um exemplo simples no atendimento.

O próprio exemplo da IMDA de conflito entre agentes é um caso de atendimento: “um agente de atendimento ao cliente pode oferecer reembolsos para resolver reclamações rapidamente, enquanto um agente de proteção de receita pode bloquear reembolsos acima de certo valor”. Se você está caminhando para um atendimento agêntico com agentes passando casos uns para os outros, esse conflito é uma questão de desenho.

Como cada parte da estrutura se aplica a um agente de IA de atendimento?

Cada dimensão vira algumas decisões para a equipe de atendimento: quais intenções o agente pode tratar e com quais permissões, quem é responsável por ele e aprova o quê, como ele é testado e acompanhado e o que é dito aos clientes e à equipe. As etapas seguem a ordem das seções da própria estrutura.

2.1 Avaliar e delimitar os riscos de antemão

A estrutura avalia o risco pelo impacto (domínio e caso de uso, dados sensíveis, sistemas externos, leitura ou escrita, reversibilidade) e pela probabilidade (autonomia, complexidade da tarefa, exposição a sistemas externos, fornecimento por terceiros, complexidade do sistema). Aplique isso por intenção, não por bot:

• Classifique as suas intenções em níveis. Status do pedido é só leitura. Um reembolso é uma ação de escrita que envolve dinheiro. Encerrar uma conta é difícil de reverter.
• Use o privilégio mínimo: “as ferramentas e o acesso a dados mínimos necessários”. Acesso de leitura para o status do pedido, não direitos de administrador no helpdesk.
• Restrinja as tarefas de processo com um procedimento operacional padrão em vez de deixá-las ao julgamento livre. Fluxos de reembolso e cancelamento são exatamente isso.
• Planeje como tirar o agente do ar para uma intenção ou um canal, diga quem pode fazê-lo e teste.
• Dê ao agente uma identidade própria, ligada a um responsável humano, com permissões nunca maiores do que as da pessoa que o autoriza.

2.2 Tornar as pessoas responsáveis de forma efetiva

Nomeie um responsável pelos casos de uso e pelos limites, uma equipe para desenho, testes e monitoramento e um responsável de segurança pelos guardrails e pelo red teaming. Se o agente vem de um fornecedor, a estrutura pede que segurança, desempenho e proteção de dados sejam acertados em contrato, e que você solicite informações e registros do uso de ferramentas e do histórico de acesso. O nosso checklist de segurança para QA com IA tem perguntas de compra para reaproveitar.

Exija aprovação em “pontos de verificação significativos”: ações de alto impacto, ações irreversíveis (a estrutura cita o envio de comunicações e a realização de pagamentos), comportamentos fora do padrão e limites definidos pelo usuário. Depois audite quem aprova com dois indicadores: a taxa de reversão humana, em que “uma taxa baixa pode indicar aprovação automática sem análise”, e o tempo de resposta, em que um tempo curto “pode indicar viés de automação ou fadiga de revisão”.

2.3 Implementar controles técnicos e processos

Prefira controles aplicados pelo sistema a controles no prompt. O exemplo da estrutura: “em vez de instruir um agente a não usar determinadas ferramentas, é possível implementar controles de acesso na camada das ferramentas”. Coloque o teto de reembolso na API de reembolso, não no prompt de sistema.

Antes do lançamento, teste a execução das tarefas, o cumprimento das políticas (incluindo o encaminhamento para aprovação humana), as chamadas de ferramentas e a robustez, no fluxo inteiro, repetidas vezes e com dados variados. O nosso guia de testes de agentes de IA transforma isso num plano de testes. Depois do lançamento, implante aos poucos, monitore continuamente, defina limites de alerta com uma intervenção prevista para cada um, mantenha registros que não podem ser apagados e revise as mudanças em modelos, ferramentas e políticas conforme o risco. O guia de monitoramento de agentes de IA trata do desenho dos alertas.

2.4 Dar responsabilidade aos usuários finais

Esta seção cita o atendimento ao cliente diretamente. A estrutura pede que você “declare de antemão, na interface, que os usuários estão interagindo com agentes no momento da interação, em vez de informar isso só em documentação separada”, e que diga aos usuários o que o agente pode fazer, como os dados deles são usados e com qual pessoa falar. Para a equipe, acrescenta treinamento sobre os modos de falha e um alerta sobre a “perda de domínio do ofício”: mantenha pessoas suficientes capazes de tocar o processo quando o agente estiver fora do ar.

Que evidências uma equipe de atendimento deve guardar para cada parte da estrutura?

Guarde evidências que alguém possa conferir sem precisar perguntar a você: um registro, uma decisão assinada, um resultado de teste, um log, uma captura de tela. A estrutura não prescreve documentos, então esta tabela é a nossa tradução de cada seção no registro que uma equipe de atendimento poderia mostrar a um auditor, a um regulador ou ao próprio conselho.

A maior parte dessas evidências envelhece, porque a estrutura trata o monitoramento como contínuo. E uma amostra pequena é uma evidência fraca para um agente que repete o mesmo comportamento milhares de vezes, o que pesa a favor de verificar cada conversa em relação à política com um scorecard de agentes de IA.

Como definir pontos de aprovação sem causar fadiga de alertas?

Defina as aprovações por nível de risco, não pela quantidade de ações, e depois verifique se quem aprova ainda pensa. A estrutura alerta que a aprovação humana contínua “também pode levar a viés de automação e fadiga de alertas” e aponta dois sinais, uma taxa de reversão baixa e tempos de resposta curtos. Ela não dá limites, então você define os seus.

Uma ilustração, com números escolhidos por nós para mostrar a conta (não são dados de nenhuma empresa). O agente de IA de um varejista atende 40.000 conversas por mês:

Aprovar todo reembolso do nível 2 significa 10.000 pedidos por mês, cerca de 455 por dia útil em 22 dias. Ninguém revisa tantos com cuidado. Se 20% dos reembolsos forem acima de US$ 50, as aprovações caem para 2.000 por mês, cerca de 91 por dia.

Agora audite. Suponha que os aprovadores rejeitaram ou editaram 14 de 2.000 pedidos, uma taxa de reversão de 0,7%, com tempo mediano de decisão de 3 segundos. Juntos, esses números batem com a descrição que a estrutura faz da aprovação sem análise. Uma regra de decisão que sugerimos: quando a taxa de reversão estiver abaixo de 2% e o tempo mediano de decisão abaixo de 10 segundos, revise às cegas uma amostra de 50 pedidos aprovados. Se os revisores mudassem vários, encurte os pedidos, acrescente o risco e a confiança que a estrutura pede, ou mude o teto.

O nível 1 não tem aprovador nenhum, então a avaliação posterior de cada conversa é a única verificação sobre 70% do volume. O guia de avaliação de agentes de IA explica como avaliar esses resultados.

Como a estrutura se compara ao AI Act da UE no atendimento ao cliente?

O AI Act da UE é lei vinculante; a estrutura de Singapura é orientação. Para um agente de IA de atendimento, os dois se sobrepõem sobretudo na transparência: o artigo 50(1) do AI Act exige, desde 2 de agosto de 2026, que as pessoas sejam informadas de que estão interagindo com uma IA, e a estrutura pede o mesmo no momento da interação.

Na prática, o AI Act define o mínimo da UE, sobretudo a transparência para um agente voltado ao cliente, enquanto a estrutura de Singapura diz como operar um agente que toma ações. Nos dois mercados, monte um único conjunto de controles que atenda ao AI Act e use a estrutura de Singapura para o resto. O nosso artigo sobre o AI Act no atendimento ao cliente trata das datas, dos níveis e das multas.

Quando esta estrutura não é a mais adequada

Se o seu bot só responde com base na sua própria central de ajuda e não toma ações, a maior parte da estrutura dá pouco trabalho. Os fatores de risco dela classificam o acesso só de leitura e uma base de conhecimento mantida internamente como de menor risco, então você precisa sobretudo do aviso de IA, de um contato humano e de verificações de qualidade das respostas.

Ela também não descreve nenhuma certificação, então “em conformidade com o MGF” não é uma afirmação que alguém possa verificar por você; o que você pode mostrar são as evidências da tabela acima.

Onde o QA se encaixa na estrutura?

O QA cobre as partes que exigem prova a partir de conversas reais: o cumprimento das políticas depois do lançamento, as auditorias regulares, o aviso de IA e o ciclo de retorno que a estrutura pede, “para devolver os aprendizados do monitoramento aos conjuntos de dados de treinamento e às estruturas de avaliação”. Os logs mostram o que o agente fez; uma nota de qualidade mostra se ele acertou.

A Kaizo é uma forma de cuidar dessa parte. Ela avalia 100% das conversas dos seus agentes de IA com o seu próprio formulário de monitoria, o mesmo usado para a sua equipe, e liga cada nota à evidência na conversa; veja QA de agentes de IA. Agende uma demo para ver isso nas suas próprias conversas.

Como começar esta semana

Você pode cobrir a primeira dimensão e parte da quarta em cinco dias úteis, sem ferramentas novas: o que o agente pode tocar, quem é responsável por ele, o que os clientes veem e uma primeira auditoria de quem aprova.

1. Dia 1: liste cada intenção que o agente trata e cada ferramenta que ele pode usar; marque cada ferramenta como leitura ou escrita.
2. Dia 2: classifique cada intenção em níveis por impacto e reversibilidade; sinalize toda ação de escrita que envolva dinheiro ou contas.
3. Dia 3: nomeie um responsável pelo agente e por cada nível; anote quem pode desligá-lo, e teste.
4. Dia 4: abra uma conversa em cada canal e idioma; faça uma captura de tela do aviso de IA e do caminho até uma pessoa.
5. Dia 5: calcule a taxa de reversão e o tempo mediano de resposta do mês passado por aprovador.

Perguntas frequentes

Existe um PDF da estrutura?

Sim. A IMDA publica o documento em PDF no imda.gov.sg, com o título “Model AI Governance Framework for Agentic AI”, versão 1.5. Ele tem 53 páginas, incluindo estudos de caso, recursos adicionais no Anexo A e uma chamada para contribuições no Anexo B.

A estrutura se aplica a empresas fora de Singapura?

A estrutura não define um alcance territorial. Ela é escrita para qualquer organização que pretenda implantar IA agêntica, desenvolvida internamente ou comprada. Empresas de outros países podem usar a estrutura dela, mas são as suas próprias leis que dizem o que é obrigatório.

A estrutura exige que uma pessoa aprove cada resposta do agente de IA?

Não. Ela pede aprovação em pontos de verificação significativos, como ações de alto impacto, irreversíveis ou fora do padrão, e observa que supervisionar continuamente cada fluxo se torna inviável em escala. As aprovações vêm acompanhadas de monitoramento automatizado e limites de alerta.

O que há de novo na versão 1.5?

A versão 1.5 reflete o retorno de mais de 60 empresas desde a versão 1.0. Ela acrescenta fatores de risco como a complexidade do sistema e as soluções de terceiros, riscos de sistemas multiagente, práticas contra o viés de automação, como acompanhar a taxa de reversão, orientações de gestão de mudanças e estudos de caso.

Uma empresa pode ser certificada com base na estrutura?

O documento não descreve nenhum esquema de certificação ou auditoria. É um conjunto de práticas recomendadas, então o mais forte que uma empresa pode mostrar são as próprias evidências: níveis de risco, logs de aprovação, resultados de testes, registros de monitoramento e capturas de tela do aviso de IA.