Inteligência artificial generativa: diretrizes para a Consultoria Legislativa da Assembleia Legislativa de Santa Catarina

Abstract

Esta dissertação investigou a viabilidade e os desafios da implementação da Inteligência Artificial Generativa (IAG), com ênfase em Modelos de Linguagem de Grande Escala (LLMs), na Consultoria Legislativa da Assembleia Legislativa do Estado de Santa Catarina (ALESC), com o objetivo de otimizar a eficiência, celeridade e qualidade das pesquisas legislativas. Por meio de um estudo de caso qualitativo, com abordagem dedutiva, no período de 2020 a 2025, foi realizado um mapeamento detalhado das demandas e obstáculos enfrentados pelos consultores legislativos, como prazos exíguos, elevado volume de informações normativas e complexidade crescente dos temas analisados. A pesquisa analisou as funcionalidades da IAG, suas limitações técnicas (ex.: vieses algorítmicos e \"alucinações\") e implicações éticas e legais, com destaque para a conformidade com a Lei Geral de Proteção de Dados (LGPD) e os princípios constitucionais da administração pública (legalidade, impessoalidade, moralidade, publicidade e eficiência). A metodologia empregada combinou observação participante, realizada entre janeiro e maio de 2025, e análise documental de proposições legislativas, normativas internas, registros institucionais e comunicações oficiais da ALESC. O estudo de caso revelou que a sobrecarga de demandas sazonais e a necessidade de rigor técnico nas pesquisas legislativas justificam a adoção de ferramentas de IAG, desde que acompanhadas de diretrizes robustas. Foram examinadas 18 iniciativas regulatórias nacionais e internacionais, identificando boas práticas como supervisão humana, transparência algorítmica e proteção de dados. Essas iniciativas embasaram a formulação de 14 diretrizes práticas para a implementação ética e eficiente da IAG na Consleg, dentre elas, a criação de um grupo interno de consultores para suporte técnico e capacitação; governança colaborativa entre consultores, revisores e chefia; monitoramento contínuo de desempenho; supervisão humana obrigatória; registros auditáveis de prompts e outputs; conformidade com a LGPD e avaliações prévias de impacto algorítmico. Os resultados indicam que a IAG pode reduzir significativamente o tempo de pesquisa legislativa, desde que implementada com supervisão humana rigorosa e alinhamento aos princípios do interesse público e da juridicidade. Limitações do estudo incluem o recorte temporal restrito e o acesso limitado a dados sigilosos, o que sugere a necessidade de futuras pesquisas sobre a aplicação da IAG em outras fases do processo legislativo, como redação normativa. O trabalho oportuniza, ainda, uma contribuição para a governança da inovação no setor público, oferecendo um modelo para órgãos legislativos estaduais e fortalecendo a qualidade normativa em contextos democráticos.

Abstract: This dissertation investigated the feasibility and challenges of implementing Generative Artificial Intelligence (GAI), with a focus on Large Language Models (LLMs), in the Legislative Consultancy of the Santa Catarina State Legislative Assembly (ALESC), aiming to optimize the efficiency, speed, and quality of legislative research. Through a qualitative case study with a deductive approach, conducted between 2020 and 2025, a detailed mapping was carried out of the demands and obstacles faced by legislative consultants, such as tight deadlines, a high volume of normative information, and the increasing complexity of analyzed topics. The research examined GAI functionalities, its technical limitations (e.g., algorithmic biases and \"hallucinations\"), and ethical and legal implications, with particular emphasis on compliance with the General Data Protection Law (LGPD) and the constitutional principles of public administration (legality, impartiality, morality, transparency, and efficiency). The methodology combined participant observation, conducted from January to May 2025, and documentary analysis of legislative propositions, internal regulations, institutional records, and official communications of ALESC. The case study revealed that the overload of seasonal demands and the need for technical rigor in legislative research justify the adoption of GAI tools, provided they are accompanied by robust guidelines. Eighteen national and international regulatory initiatives were analyzed, identifying best practices such as human oversight, algorithmic transparency, and data protection. These initiatives supported the formulation of 14 practical guidelines for the ethical and efficient implementation of GAI in the Legislative Consultancy, including the creation of an internal group of consultants for technical support and training; collaborative governance among consultants, reviewers, and leadership; continuous performance monitoring; mandatory human oversight; auditable records of prompts and outputs; LGPD compliance; and prior algorithmic impact assessments. The results indicate that GAI can significantly reduce the time required for legislative research, provided it is implemented with rigorous human oversight and alignment with the principles of public interest and legal compliance. Limitations of the study include the restricted temporal scope and limited access to sensitive data, suggesting the need for future research on the application of GAI in other stages of the legislative process, such as normative drafting. The work also contributes to the governance of innovation in the public sector, offering a model adaptable to state legislative bodies and strengthening normative quality in democratic contexts.