[Pular para o conteúdo](https://www.innguma.com/pt-br/por-que-innguma-ia/#contenido)

Vigilância + IA

# Vigilância e inteligência na era dos LLM: da resposta efêmera ao ativo persistente

**Em resumo** 

A Innguma não concorre com o ChatGPT, o Claude, o Microsoft Copilot ou o Gemini: fornece a eles o dado governado de que precisam. Um assistente de IA busca, resume e redige; a Innguma mantém a vigilância como infraestrutura de conhecimento, com fontes declaradas, captura contínua, validação humana, fonte vinculada e histórico. Via MCP, esses quatro assistentes trabalham sobre esse conhecimento e, se a sua organização o habilitar, gerenciam o ciclo de vigilância. A IA responde. A vigilância amplia o contexto.

-   **Analista: critério e decisão** Interpretação, validação especializada e decisão estratégica.
-   **IA: análise e processamento** Classificação e priorização na Innguma; resumo e redação com a IA da organização.
-   **Innguma: infraestrutura e governança** Captura sistemática, rastreabilidade, armazenamento e difusão governada do dado.

Comparativo de abordagens

|  | Agente de IA generalista | Innguma + IA |
| --- | --- | --- |
| Rastreabilidade do dado | Variável | Alta |
| Histórico estruturado | Baixo | Alto |
| Conformidade (ENS / RGPD) | Baixa | Alta |

Avaliação qualitativa baseada na análise deste documento.

## Um assistente de IA pode substituir um sistema de vigilância?

Os assistentes de IA atuais buscam na web, citam fontes, resumem e podem preparar algo parecido com um boletim. Negá-lo seria um erro. O erro está em comparar uma saída visível, o boletim, com um sistema completo de vigilância. Antes do boletim tem de haver necessidades de informação definidas, um mapa de fontes, um sistema de captura, critérios de filtragem e classificação, validação especializada, um repositório, difusão para cada destinatário e melhoria contínua. A norma UNE 166006:2018 formaliza esse processo como sistema de gestão.[\[1\]](https://www.innguma.com/pt-br/por-que-innguma-ia/#ref-1)

## Buscar não é vigiar

Uma busca responde a uma pergunta; a vigilância sustenta uma observação continuada. Um agente reformula a consulta a cada execução e depende do que o seu buscador devolve naquele momento, de modo que duas execuções do mesmo pedido podem dar resultados diferentes. Uma captura configurada revisa de forma contínua as mesmas fontes com as mesmas regras: isso traz consistência e permite saber o que foi vigiado, com que critério e o que foi descartado.

## Da resposta efêmera ao ativo persistente

Uma IA produz uma síntese útil em um momento dado. Se essa síntese fica em um chat ou em um e-mail, perde-se como conhecimento estruturado. Um ativo persistente significa que a vigilância deixa de depender de uma pessoa, de um prompt ou de uma busca pontual, e passa a fazer parte de uma base comum: fontes declaradas, sinais validados com seu link para o original, etiquetas, comentários e histórico, que permanecem na organização mesmo quando mudam as equipes ou os modelos de IA.

## A caixa-preta das fontes

O sumário completo do BOE foi consultado, ou apenas as notícias que falam dele? Revisou-se o EUR-Lex ou um resumo de imprensa? Entrou-se no Espacenet ou no PubMed? Pode-se repetir a mesma busca daqui a três meses e obter o mesmo resultado? Essas fontes são sistemas com estruturas e formatos próprios: o BOE, por exemplo, oferece seu sumário diário e sua legislação consolidada por meio de uma API de dados abertos em XML e JSON.[\[2\]](https://www.innguma.com/pt-br/por-que-innguma-ia/#ref-2) Integrá-las de forma operacional e sustentável, e poder dizer quais fontes cobre cada vigilância, é trabalho de vigilância, e não de redação.

## O que a evidência pública diz sobre os assistentes de IA

O problema aparece quando se pede a um modelo que seja ao mesmo tempo buscador, sistema de captura, repositório, fonte da verdade, classificador, redator e canal de difusão. Os estudos independentes são concretos:

-   A União Europeia de Radiodifusão (EBU) e a BBC avaliaram em outubro de 2025 mais de 3.000 respostas do ChatGPT, do Copilot, do Gemini e do Perplexity, em 14 idiomas e com 22 meios públicos de 18 países: quase a metade tinha ao menos um problema significativo e cerca de um terço, problemas graves de atribuição de fontes.[\[3\]](https://www.innguma.com/pt-br/por-que-innguma-ia/#ref-3)
-   O Tow Center da Universidade de Columbia publicou em março de 2025 um ensaio com 1.600 consultas a oito buscadores com IA sobre artigos de 20 editores: no conjunto, responderam mal a mais de 60%.[\[4\]](https://www.innguma.com/pt-br/por-que-innguma-ia/#ref-4)
-   A OWASP coloca a injeção de instruções como o primeiro risco do seu Top 10 para aplicações com LLM (2025), incluída a indireta: instruções ocultas em sites ou documentos que o modelo processa.[\[5\]](https://www.innguma.com/pt-br/por-que-innguma-ia/#ref-5)
-   O NIST descreve a confabulação, conteúdo errôneo expresso com segurança, e o viés de automação, que leva a confiar em excesso no que o sistema propõe.[\[6\]](https://www.innguma.com/pt-br/por-que-innguma-ia/#ref-6)

## Riscos da IA e como se controlam

A Innguma também usa IA, para filtrar, agrupar duplicados e classificar. O problema não é usar IA, mas usá-la como fonte da verdade sem controle.

| Risco | Como se manifesta | Controle com a Innguma |
| --- | --- | --- |
| Alucinação | A IA conclui sem evidência verificável. | Cada sinal enlaza a publicação de onde procede, e a IA conectada trabalha sobre o que a sua equipe validou. |
| Omissão de fontes | O agente só vê o que o seu buscador prioriza. | O mapa de fontes é declarado, configurado e revisado com cada organização. |
| Erro de atribuição | A IA cita mal ou mistura fontes. | O sinal conserva o link para a sua fonte original. |
| Injeção indireta | Um site ou um documento altera o comportamento do agente. | O que entra passa por filtros e por revisão humana; o que a IA conectada pode fazer depende das capacidades que a sua organização habilitar. |
| Perda de memória | O resultado fica em chats ou e-mails. | O validado fica na Biblioteca, com etiquetas, comentários, fonte e histórico. |
| Exposição de dados | Consultas sensíveis em ferramentas não governadas. | A Innguma não treina modelos com os dados de seus clientes e trata os dados conforme o RGPD. |

## Segurança, uso de dados e conformidade

Convém distinguir três níveis. Na IA de consumo, os dados podem ser usados para melhorar os modelos conforme a configuração do usuário: a Anthropic, por exemplo, pediu em 2025 aos usuários de seus planos Free, Pro e Max que escolhessem se as suas conversas são usadas para treinamento, e excluiu dessa mudança os seus serviços comerciais e a API.[\[7\]](https://www.innguma.com/pt-br/por-que-innguma-ia/#ref-7) A IA empresarial reduz esse risco com garantias contratuais, mas não resolve sozinha a captura, o mapa de fontes, o histórico nem a difusão. A IA empresarial conectada à Innguma combina essas garantias com uma camada de vigilância governada: o sistema de vigilância e inteligência da Innguma está certificado segundo a UNE 166006:2018, e os sistemas que dão suporte aos seus serviços de vigilância gerenciada, no Esquema Nacional de Seguridad, categoria MEDIA.

O Regulamento europeu de IA marca o calendário: a alfabetização em IA é obrigatória desde 2 de fevereiro de 2025; as obrigações de transparência do artigo 50 se aplicam desde 2 de agosto de 2026, e, após o Ômnibus Digital sobre IA, as dos sistemas de alto risco do anexo III passam para 2 de dezembro de 2027 e as do anexo I, para 2 de agosto de 2028.[\[8\]](https://www.innguma.com/pt-br/por-que-innguma-ia/#ref-8)

## Governar o ciclo de vigilância a partir do seu assistente de IA

A Innguma incorpora conectividade mediante Model Context Protocol (MCP), o padrão aberto para conectar aplicações de IA a sistemas externos,[\[9\]](https://www.innguma.com/pt-br/por-que-innguma-ia/#ref-9) compatível atualmente com ChatGPT, Claude, Microsoft Copilot e Gemini. Com as capacidades que a Innguma disponibiliza a cada integração, e conforme o que a sua organização habilitar, a partir do assistente você pode:

1.  Consultar as notícias da caixa de entrada e pedir qualquer trabalho sobre elas: resumir, comparar, priorizar ou preparar um briefing.
2.  Organizar e acrescentar fontes, tanto da biblioteca de fontes da Innguma quanto fontes novas.
3.  Modificar os filtros das vigilâncias.
4.  Auditar o desempenho das fontes e obter sugestões de melhoria.
5.  Publicar conteúdos de forma automática, com resumos, insights, etiquetas ou campos adicionais.
6.  Editar ou excluir notícias publicadas.
7.  Pesquisar sobre os conteúdos publicados.

O que se automatiza e o que passa antes por revisão humana é decidido pela sua equipe. É o critério que recomenda a própria especificação do MCP: que haja sempre uma pessoa capaz de negar a execução de uma ferramenta e que se peça confirmação nas operações sensíveis.[\[10\]](https://www.innguma.com/pt-br/por-que-innguma-ia/#ref-10) E coincide com a recomendação da OWASP de limitar os privilégios do modelo ao necessário.[\[5\]](https://www.innguma.com/pt-br/por-que-innguma-ia/#ref-5)

## A arquitetura correta: três camadas

A Innguma atua como camada de captura, governança, fonte vinculada, armazenamento e difusão do dado. A IA atua como camada de análise: a IA da Innguma filtra, agrupa duplicados e classifica, e a IA da organização resume, compara e redige sobre o que foi validado. O analista traz critério, validação e interpretação. A IA não desaparece do processo: ela é colocada no lugar certo. A sua IA traz capacidade de análise. A Innguma traz contexto.

## Quando basta uma IA e quando faz sentido a Innguma

**Pode bastar uma IA** quando a vigilância é pontual, de baixo risco, com poucas fontes públicas, sem necessidade de histórico nem de saber o que foi coberto, e sem impacto crítico em decisões regulatórias, técnicas ou estratégicas.

**Faz sentido a Innguma** quando a vigilância deve ser recorrente, compartilhada por várias pessoas ou áreas, verificável fonte a fonte, conectada a fontes oficiais ou especializadas, com histórico, difusão para cada destinatário e exploração posterior com a IA da organização.

## Um teste de 30 dias, sem afirmações prévias

A forma mais honesta de comparar é um exercício replicável sobre normativa e licitações da União Europeia e da Espanha, com fontes oficiais como o EUR-Lex, o BOE, o TED (o diário de licitações europeias) e a Plataforma de Contratación del Sector Público. Fixam-se antes as fontes, os critérios e quem avalia, e ao final se compara, para cada abordagem:

1.  Cobertura: quantas das publicações relevantes do período foram detectadas.
2.  Falsos negativos críticos: que publicações importantes se perderam.
3.  Exatidão do entregue e da sua atribuição à fonte.
4.  Tempo entre a publicação e a sua chegada a quem decide.
5.  Esforço das pessoas para revisar e corrigir.

## Fontes e referências

1.  \[1\] [UNE. UNE 166006:2018 Gestión de la I+D+i: Sistema de vigilancia e inteligencia (ficha da norma). 2018](https://www.une.org/encuentra-tu-norma/busca-tu-norma/norma?c=N0059973)
2.  \[2\] [Agencia Estatal Boletín Oficial del Estado. Datos abiertos: API de sumarios del BOE y de legislación consolidada](https://www.boe.es/datosabiertos/api/api.php)
3.  \[3\] [EBU e BBC. News Integrity in AI Assistants. 2025](https://www.ebu.ch/research/open/report/news-integrity-in-ai-assistants)
4.  \[4\] [Jaźwińska, K. e Chandrasekar, A. (Tow Center, Columbia Journalism Review). AI Search Has a Citation Problem. 2025](https://www.cjr.org/tow_center/we-compared-eight-ai-search-engines-theyre-all-bad-at-citing-news.php)
5.  \[5\] [OWASP Gen AI Security Project. LLM01:2025 Prompt Injection. 2025](https://genai.owasp.org/llmrisk/llm01-prompt-injection/)
6.  \[6\] [NIST. NIST AI 600-1, Artificial Intelligence Risk Management Framework: Generative Artificial Intelligence Profile. 2024](https://nvlpubs.nist.gov/nistpubs/ai/NIST.AI.600-1.pdf)
7.  \[7\] [Anthropic. Updates to Consumer Terms and Privacy Policy. 2025](https://www.anthropic.com/news/updates-to-our-consumer-terms)
8.  \[8\] [Comissão Europeia, AI Act Service Desk. Timeline for the Implementation of the EU AI Act (com as modificações do Regulamento (UE) 2026/1744). 2026](https://ai-act-service-desk.ec.europa.eu/en/ai-act/timeline/timeline-implementation-eu-ai-act)
9.  \[9\] [Model Context Protocol. What is the Model Context Protocol (MCP)? Documentação oficial](https://modelcontextprotocol.io/)
10.  \[10\] [Model Context Protocol. Specification 2026-07-28: Tools (User Interaction Model e Security Considerations). 2026](https://modelcontextprotocol.io/specification/2026-07-28/server/tools)

## Relacionado

- [MCP · Conecte a Innguma ao ChatGPT, ao Claude, ao Microsoft Copilot e ao Gemini](https://www.innguma.com/pt-br/mcp/)
- [IA na Innguma · Monitoramento com inteligência artificial](https://www.innguma.com/pt-br/ia/)
- [O que acontece se a IA errar ao classificar?](https://www.innguma.com/pt-br/recursos/faq/ia-erros/)
- [Intelligence Academy: formação aberta em monitoramento e inteligência competitiva](https://www.innguma.com/pt-br/recursos/academia/)

[Propor um teste de 30 dias](https://www.innguma.com/pt-br/demo/)