Pular para o conteúdo principal
FORMAÇÃO INAUGURAL DA RAR ACADEMY

Governança de Inteligência Artificial

Da estratégia à implementação responsável

A Inteligência Artificial já está transformando as organizações. A questão não é mais apenas como utilizá-la, mas como estabelecer responsabilidades, controles, políticas e processos para que sua adoção aconteça com segurança, transparência e geração de valor.

Uma formação executiva para profissionais que precisam compreender, implementar, supervisionar ou governar sistemas de Inteligência Artificial.

12 módulos
Projeto aplicado
Visão executiva
Frameworks globais
Direção de Educação

Michelle Hanne

M.Sc. UFMG
Michelle Hanne — Diretora de Educação da RAR Academy

“Governar a IA não significa impedir a inovação, mas criar as condições para que ela cresça com responsabilidade.”

Inscrições abertas em breve
Turma Inaugural

Uma formação construída a partir de referências reconhecidas internacionalmente

ISO/IEC 42001NIST AI RMFISO/IEC 23894LGPDGDPREU AI ActISO/IEC 27001ISO/IEC 27002

Os frameworks e normas são utilizados como referências educacionais. A formação não representa certificação, acreditação ou chancela oficial das instituições mencionadas.

O Desafio Atual das Organizações

A Inteligência Artificial avançou. A governança nem sempre acompanhou.

Empresas estão incorporando ferramentas, modelos e agentes de IA em velocidade crescente. Entretanto, a aceleração sem estruturas de controle expande a exposição a vulnerabilidades jurídicas, reputacionais e operacionais.

01Riscos de Visibilidade & Shadow AI

IA sem inventário

Ferramentas, modelos e agentes de IA generativa são adotados por equipes sem o conhecimento formal, catalogação ou autorização prévia da organização.

Diagnóstico de Risco Organizacional
02Matriz de Responsabilidades

Responsabilidades indefinidas

Decisões automatizadas e integrações operacionais sem proprietários nomeados, critérios formais de aprovação ou supervisão humana contínua.

Diagnóstico de Risco Organizacional
03Integridade, Privacidade & Segurança

Dados e modelos sem controle

Riscos críticos relacionados a vazamento de segredos de negócio, privacidade, viés discriminatório em algoritmos e ausência de explicabilidade.

Diagnóstico de Risco Organizacional
04Conformidade Regulatória & Leis

Regulação em transformação

Urgência em acompanhar a LGPD, o EU AI Act e a evolução do arcabouço regulatório brasileiro sem comprometer a agilidade e inovação da empresa.

Diagnóstico de Risco Organizacional
Resultados de Aprendizagem

Da compreensão conceitual à implantação prática

A formação foi estruturada para que o participante compreenda os fundamentos da Governança de IA e consiga transformar esse conhecimento em políticas, estruturas, processos e instrumentos aplicáveis às organizações.

Jornada Metodológica de Transformação

01

Compreender

Fundamentos & IA
02

Diagnosticar

Maturidade & Riscos
03

Estruturar

Políticas & RACI
04

Controlar

Ética & Segurança
05

Operar

MLOps & Serviços
06

Evoluir

Governança Contínua
Avaliar o nível de maturidade em IA de uma organização
Identificar sistemas, modelos, dados e riscos relacionados à IA
Estruturar políticas e um programa de Governança de IA
Definir papéis, responsabilidades, comitês e matrizes RACI
Utilizar ISO/IEC 42001 e NIST AI RMF como referências educacionais
Elaborar registros e matrizes de riscos de IA
Compreender os impactos da LGPD, GDPR e EU AI Act
Avaliar ética, viés, explicabilidade e transparência
Relacionar segurança da informação e controle de acesso à IA
Compreender o papel de MLOps e AIOps na governança contínua
Programa do Curso

Uma jornada completa em Governança de IA

O programa percorre os fundamentos, frameworks, estruturas organizacionais, riscos, segurança, regulação, qualidade e operação contínua de sistemas de IA em 12 aulas intensivas.

Aulas 1 a 3Fundamentos, maturidade e diretrizes internacionais

Jornada 1 — Compreender e diagnosticar

Estabelece as bases teóricas e práticas da governança corporativa de IA, diferenciando-a da governança de dados tradicional e aplicando modelos de avaliação de maturidade.

3 Módulos

Conceitos centrais de governança corporativa e tecnológica aplicados à Inteligência Artificial. Diferenças essenciais entre Governança de Dados e Governança de IA.

Tópicos Principais:
Contexto atual e velocidade da adoção de IA nas empresas
Diferença conceitual e operacional: Governança de Dados vs. Governança de IA
Componentes fundamentais de um programa de governança
Desafios específicos de modelos preditivos e generativos

Metodologias para mapear o estágio atual de prontidão e exposição a riscos de IA dentro da organização.

Tópicos Principais:
Estrutura de modelos de maturidade em IA
Identificação de lacunas de controle e governança
Ferramenta prática de diagnóstico organizacional
Construção da visão de futuro e metas de governança

Análise das diretrizes globais de referência, focando no ISO/IEC 42001 e no NIST AI Risk Management Framework.

Tópicos Principais:
Visão geral da norma ISO/IEC 42001 (Sistema de Gestão de IA)
Estrutura e funções do NIST AI RMF (Govern, Map, Measure, Manage)
Princípios internacionais da OCDE e UNESCO para IA responsável
Aplicação dos frameworks como referência educacional nas organizações
Aulas 4 a 6Inventário, regulação, papéis e comitês

Jornada 2 — Estruturar e implementar

Aborda os passos concretos para estruturação do programa: catalogação de ativos de IA, alinhamento regulatório e definição da governança humana.

3 Módulos

Metodologia para mapear e catalogar todas as soluções de IA em uso, desde modelos internos até ferramentas contratadas (SaaS) e Shadow AI.

Tópicos Principais:
Passo a passo para implementação do programa de governança
Como construir e manter o inventário corporativo de IA
Identificação de Shadow AI e ferramentas de terceiros
Mapeamento do ciclo de vida dos dados e modelos

Conexão entre obrigações regulatórias, proteção de dados e governança de algoritmos.

Tópicos Principais:
Impactos da LGPD e GDPR na utilização de modelos de IA
Análise do EU AI Act e a abordagem baseada em risco
Panorama do arcabouço regulatório brasileiro para IA
Relatório de Impacto à Proteção de Dados e Avaliação de Impacto Algorítmico

Desenvolvimento das estruturas humanas de decisão e supervisão de Inteligência Artificial.

Tópicos Principais:
Definição de papéis: AI Owner, Data Steward, Auditor Algorítmico
Criação e regimento interno do Comitê de Governança e Ética de IA
Elaboração de matrizes RACI para ciclo de vida de IA
Integração da governança de IA com a estrutura corporativa existente
Aulas 7 a 9Ética, riscos, ISO 23894 e segurança da informação

Jornada 3 — Controlar e proteger

Foca nos mecanismos de controle e mitigações práticas contra viés, riscos operacionais e ameaças cibernéticas direcionadas à IA.

3 Módulos

Princípios éticos convertidos em critérios de aceitação e mecanismos de supervisão algorítmica.

Tópicos Principais:
Identificação e mitigação de viés discriminatório em dados e modelos
Técnicas de explicabilidade (XAI) e transparência para decisões automatizadas
Diretrizes de equidade (fairness) no desenvolvimento e aquisição
Comunicação transparente com usuários e órgãos reguladores

Processos formais de identificação, análise, avaliação e tratamento de riscos específicos de IA.

Tópicos Principais:
Aplicação da norma ISO/IEC 23894 para riscos de IA
Construção e manutenção do Registro de Riscos de IA
Categorias de risco: reputacional, financeiro, operacional e estratégico
Definição de apetite e tolerância ao risco algorítmico

Integração da ISO/IEC 27001 e ISO/IEC 27002 com os novos vetores de ataque em sistemas generativos e aprendizado de máquina.

Tópicos Principais:
Vetores de ataque específicos: Prompt Injection, Data Poisoning, Model Inversion
Controle de acesso granular (RBAC e ABAC) para fontes de conhecimento
Proteção da propriedade intelectual e segredos de negócio no uso de LLMs
Alinhamento com ISO/IEC 27001 e ISO/IEC 27002
Aulas 10 a 12Serviços, qualidade, MLOps e projeto integrador

Jornada 4 — Operar e evoluir

Supervisão contínua, governança no ciclo de operação (MLOps/AIOps), auditoria e consolidação do projeto integrador.

3 Módulos

Adaptação de boas práticas de gestão de serviços de TI para ambientes que incorporam modelos de IA.

Tópicos Principais:
Gestão de incidentes e problemas específicos de Inteligência Artificial
Gestão de mudanças em sistemas com modelos dinâmicos
Níveis de serviço (SLA) e acordos para soluções algorítmicas
Supervisão humana em fluxo contínuo (Human-in-the-loop)

Métricas de qualidade conforme ISO/IEC 25010 e ISO/IEC 5259 e monitoramento contínuo da saúde dos modelos.

Tópicos Principais:
Métricas de qualidade de dados para treinamento e grounding (ISO/IEC 5259)
Qualidade de software e modelos (ISO/IEC 25010)
Governança operacional em pipelines MLOps e AIOps
Detecção e tratamento de deriva de dados (data drift) e de conceito (concept drift)

Automação de políticas e apresentação prática do plano de governança adaptado à organização do participante.

Tópicos Principais:
Conceito de Governança como Código e guardrails automatizados
Auditoria contínua e versionamento de modelos e prompts
Desenvolvimento e consolidação do Projeto Integrador Aplicado
Encerramento, orientações para implementação e próximos passos
Metodologia Aplicada

Conhecimento que se transforma em instrumentos de governança

A formação combina exposição conceitual, análise de casos executivos, aplicação de frameworks internacionais, exercícios orientados e a construção de artefatos práticos que podem ser prontamente adaptados à realidade das organizações.

Entregáveis do Participante

Painel de Artefatos de Governança de IA

Pronto para Aplicação Corporativa

Diagnóstico de Maturidade em IA

Matriz e questionário para avaliar o estágio atual de prontidão e governança organizacional.

Artefato PráticoTemplate Incluso

Inventário Inicial de Sistemas de IA

Estrutura para catalogar modelos, ferramentas shadow AI, fornecedores e bases de dados.

Artefato PráticoTemplate Incluso

Roadmap de Implantação

Plano de ação faseado para estabelecimento gradual do programa de governança.

Artefato PráticoTemplate Incluso

Matriz RACI e Papéis

Definição clara de proprietários de modelos, aprovadores, auditores e operadores.

Artefato PráticoTemplate Incluso

Registro e Matriz de Riscos de IA

Mapeamento de riscos operacionais, jurídicos, reputacionais e de viés algorítmico.

Artefato PráticoTemplate Incluso

Mapa de Controles de Segurança

Alinhamento com ISO 27001/27002 para mitigar data poisoning e prompt injection.

Artefato PráticoTemplate Incluso

Estrutura do Programa de Governança

Modelo de política corporativa e regimento para Comitê de Governança e Ética.

Artefato PráticoTemplate Incluso

Projeto Integrador Aplicado

Construção prática adaptada à realidade da organização do participante.

Artefato PráticoTemplate Incluso
Público-Alvo

Para quem decide, implementa, controla ou supervisiona a IA

Formação executiva desenhada para profissionais que assumem a responsabilidade estratégica, jurídica, técnica ou operacional sobre a Inteligência Artificial nas organizações.

Liderança e Estratégia Executiva

  • Conselheiros
  • Executivos (C-Level)
  • Gestores de Tecnologia
  • Líderes de Inovação

Dados, IA e Produtos

  • Profissionais de Dados
  • Especialistas de IA
  • Gestores de Produtos (PM/GPM)
  • Gestores de Projetos

Jurídico, Compliance e Riscos

  • Advogados e Jurídico Corporativo
  • Compliance
  • DPOs (Encarregados LGPD/GDPR)
  • Gestores de Riscos

Segurança, Controle e Auditoria

  • Auditoria Interna
  • Controles Internos
  • Segurança da Informação (CISO/Infosec)
  • Consultores de Negócios
Pré-requisitos Técnicos

Não é necessário ser programador.

A formação não é um curso de programação. O foco está na governança, nos riscos, nas estruturas organizacionais, nos processos, nas responsabilidades e na aplicação executiva da Inteligência Artificial.

Corpo Docente

Direção de Educação e Liderança Acadêmica

A formação inaugural da RAR Academy é concebida e conduzida por especialistas com sólida bagagem acadêmica e vasta experiência na solução de problemas complexos de tecnologia e governança no mercado.

Michelle Hanne — Diretora de Educação da RAR Academy
Corpo Docente Principal

Michelle Hanne

Diretora de Educação e Desenvolvimento Acadêmico

Governar a Inteligência Artificial não significa impedir a inovação. Significa criar as condições para que ela cresça com responsabilidade.

Perfil da Docente

Michelle Hanne

Diretora de Educação e Desenvolvimento Acadêmico

Mestre em Ciência da Computação pela UFMG, Michelle Hanne possui mais de 26 anos de experiência em Computação e Tecnologia da Informação e mais de 16 anos de atuação na área educacional. Ao longo de sua trajetória, atuou no desenvolvimento, coordenação e implantação de sistemas complexos, na formação de profissionais em cursos técnicos, de graduação e pós-graduação e na consultoria em Inteligência Artificial, Governança, Engenharia de Software e Transformação Digital. Atualmente, concilia a docência com a atuação como Advisor e consultora, apoiando organizações na modernização de seus processos, na adoção responsável de tecnologias e na construção de estruturas capazes de conectar inovação, controle e geração de valor.

Destaques de Trajetória

Mestre em Ciência da Computação pela UFMG
Mais de 26 anos de atuação em Computação e Tecnologia da Informação
Mais de 16 anos de experiência no ensino superior e pós-graduação
Consultora e Advisor em IA, Governança e Transformação Digital
Especialista em Engenharia de Software e arquitetura de sistemas complexos
Inscrição na Lista de Interesse

Participe da turma inaugural da RAR Academy

Cadastre-se para receber em primeira mão as informações prioritárias sobre formato, calendário, investimento e abertura oficial das inscrições.

Dúvidas Frequentes

Perguntas e Respostas sobre a Formação

Esclareça os principais pontos sobre os pré-requisitos, a metodologia, as referências de mercado e o formato da turma inaugural.

Não necessariamente. A formação foi concebida para profissionais que participam de decisões, implantação, gestão, controle ou supervisão de sistemas de Inteligência Artificial, incluindo executivos, gestores, profissionais do jurídico, compliance, governança e riscos.

Não. O foco da formação está na governança, nos riscos, nos processos, nos papéis, nos controles e na aplicação organizacional da Inteligência Artificial. Não haverá escrita de código de programação durante o curso.

Não. A formação utiliza normas e frameworks internacionais (como ISO/IEC 42001, ISO/IEC 23894 e NIST AI RMF) como referências educacionais rigorosas. O curso não representa certificação, acreditação ou chancela oficial da ISO ou de outras instituições mencionadas.

Sim. A formação aborda a LGPD (Lei Geral de Proteção de Dados), a atuação da ANPD e o panorama do arcabouço regulatório brasileiro relacionado à Inteligência Artificial, conectando-os também com diretrizes globais como o EU AI Act e a GDPR.

Não. A metodologia combina fundamentação conceitual rigorosa com aplicação prática orientada. O programa prevê a elaboração de diagnósticos de maturidade, inventários de IA, matrizes RACI, registros de risco, mapas de controle e um projeto integrador aplicável à realidade de sua organização.

As informações da turma inaugural sobre formato, calendário, investimento e abertura de inscrições serão enviadas prioritariamente às pessoas cadastradas na lista de interesse.

Formação Inaugural da RAR Academy

A Inteligência Artificial já faz parte das decisões. A governança precisa fazer também.

Prepare-se para estruturar sistemas, responsabilidades, políticas e controles capazes de transformar inovação em valor sustentável.

Uma iniciativa da RAR Inside Business • rarinside.academy