Plano de ação de IA dos Estados Unidos e governança global: convergências, divergências e implicações teóricas
Conteúdo do artigo principal
Resumo
Este estudo avalia criticamente o America’s AI Action Plan (AAP) à luz de boas práticas em regulação e governança de inteligência artificial identificadas na literatura científica recente. Com base em uma revisão integrativa de 100 artigos revisados por pares e indexados na Scopus, a análise contrasta os três pilares do AAP – inovação, infraestrutura e diplomacia – com dimensões centrais de governança, especificamente accountability, sustentabilidade e multilateralismo. Os resultados indicam convergências seletivas, com maior aderência em temas como cibersegurança, soberania tecnológica e padronização, ao passo que evidenciam divergências estruturais no que se refere à proteção de direitos, à responsabilização por impactos socioambientais e ao fortalecimento de mecanismos de cooperação internacional. A partir desses achados, o artigo propõe um framework teórico que conceitua a governança de IA como um regime multidimensional e adaptativo, integrando inovação, regulação, ética, sustentabilidade e coprodução epistêmica. O estudo oferece valor prático ao subsidiar formuladores de políticas públicas e reguladores na qualificação de desenhos regulatórios adaptativos e orientados a risco, e contribui para o debate acadêmico ao enquadrar a governança de IA como um sistema normativo global emergente. As recomendações são deliberadamente delimitadas a arranjos de política pública e governança, com implicações para a coordenação global e para o desenho de estratégias nacionais de IA, sem prescrever soluções técnicas para modelos ou sistemas específicos. Entre as limitações, destacam-se o uso exclusivo da Scopus e o foco em uma única estratégia nacional; pesquisas futuras devem ampliar comparações inter-regionais e examinar transformações longitudinais em regimes de governança de IA.
Downloads
Detalhes do artigo
Este trabalho está licenciado sob uma licença Creative Commons Attribution 4.0 International License.
A RAP compromete-se a contribuir com a proteção dos direitos intelectuais do autor. Nesse sentido:
- Adota a licença CC Attribution 4.0, que permite que os artigos sejam reutilizados e distribuídos sem restrição, desde que o trabalho original seja corretamente citado;
- Assegura os direitos morais e de uso do artigo a autores, conforme CC Attribution 4.0. Os autores mantêm os direitos autorais sob o artigo publicado e o periódico tem o direito de primeira publicação;
- Adota software de verificação de similaridade de conteúdo - plagiarismo (Crossref Similarity Check);
- Recomenda o uso dos critérios de autoria do CRediT (Contributor Roles Taxonomy);
- Adota ações de combate ao plagio e má conduta ética, alinhada às diretrizes do Committee on Publication Ethics (COPE);
- A revista se reserva o direito de efetuar nas originais alterações apenas de ordem normativa, ortográfica e gramatical com vistas a manter o padrão culto da língua e a padronização de layout, respeitando, contudo, o estilo dos autores. Posteriormente, os autores receberão as versões finais para aprovação antes da publicação.
Mais detalhes do Código de Ética adotado pela RAP podem ser visualizados em Normas Éticas e Código de Conduta.
Referências
Albous, M. R., Al-Jayyousi, O. R., & Stephens, M. (2025). AI Governance in the GCC States: A Comparative Analysis of National AI Strategies. Journal of Artificial Intelligence Research, 82, 2389-2422. https://doi.org/10.1613/jair.1.17619
Ananny, M., & Crawford, K. (2018). Seeing without knowing: Limitations of the transparency ideal and its application to algorithmic accountability. New Media & Society, 20(3), 973-989. https://doi.org/10.1177/1461444816676645
Bannister, F., & Connolly, R. (2020). Administration by algorithm: A risk management framework. Information Polity, 25(4), 471-490. https://doi.org/10.3233/IP-200249
Bardin, L. (2008). Análise De Conteúdo. Edições 70.
Bélisle-Pipon, J.-C., Monteferrante, E., Roy, M.-C., & Couture, V. (2023). Artificial intelligence ethics has a black box problem. AI & SOCIETY, 38(4), 1507-1522. https://doi.org/10.1007/s00146-021-01380-0
Bell, A., Nov, O., & Tandon, J. S. (2023). Think about the stakeholders first! Toward an algorithmic transparency playbook for regulatory compliance. Data & Policy, 5, e12. https://doi.org/10.1017/dap.2023.8
Bommasani, R., Kapoor, S., Klyman, K., Longpre, S., Ramaswami, A., Zhang, D., Schaake, M., Ho, D. E., Narayanan, A., & Liang, P. (2024). Considerations for governing open foundation models. Science, 386(6718), 151-153. https://doi.org/10.1126/science.adp1848
Carpenter, D., & Moss, D. A. (2013). Introduction. In D. Carpenter & D. A. Moss (Eds.), Preventing regulatory capture (pp. 1–22). Cambridge University Press. https://doi.org/10.1017/CBO9781139565875.002
Chan, K. J. D., Papyshev, G., & Yarime, M. (2024). Balancing the tradeoff between regulation and innovation for artificial intelligence: An analysis of top-down command and control and bottom-up self-regulatory approaches. Technology in Society, 79, 102747. https://doi.org/10.1016/j.techsoc.2024.102747
Chen, T., Gascó-Hernandez, M., & Esteve, M. (2024). The Adoption and Implementation of Artificial Intelligence Chatbots in Public Organizations: Evidence from U.S. State Governments. The American Review of Public Administration, 54(3), 255-270. https://doi.org/10.1177/02750740231200522
Dafoe, A. (2023). AI governance: Overview and theoretical lenses. In J. B. Bullock, Y.-C. Chen, J. Himmelreich, V. M. Hudson, A. Korinek, M. M. Young, & B. Zhang (Eds.), The Oxford handbook of AI governance (pp. 21-44). Oxford University Press. https://doi.org/10.1093/oxfordhb/9780197579329.013.2
Dal Bó, E. (2006). Regulatory Capture: A Review. Oxford Review of Economic Policy, 22(2), 203-225. https://doi.org/10.1093/oxrep/grj013
Djeffal, C., Siewert, M. B., & Wurster, S. (2022). Role of the state and responsibility in governing artificial intelligence: A comparative analysis of AI strategies. Journal of European Public Policy, 29(11), 1799-1821. https://doi.org/10.1080/13501763.2022.2094987
Ferretti, T. (2022). An Institutionalist Approach to AI Ethics: Justifying the Priority of Government Regulation over Self-Regulation. Moral Philosophy and Politics, 9(2), 239-265. https://doi.org/10.1515/mopp-2020-0056
Green, B. (2022). The flaws of policies requiring human oversight of government algorithms. Computer Law & Security Review, 45, 105681. https://doi.org/10.1016/j.clsr.2022.105681
Gusenbauer, M. (2024). Beyond Google Scholar, Scopus, and Web of Science: An evaluation of the backward and forward citation coverage of 59 databases’ citation indices. Research Synthesis Methods, 15(5), 802-817. https://doi.org/10.1002/jrsm.1729
Haas, P. M. (1992). Introduction: Epistemic communities and international policy coordination. International Organization, 46(1), 1-35. https://doi.org/10.1017/S0020818300001442
Han, S., Zhang, H., Li, H., & Xun, Z. (2025). Digital transformation and carbon emission reduction: The moderating effect of external pressure and support. Journal of Cleaner Production, 500, 145108. https://doi.org/10.1016/j.jclepro.2025.145108
Ingersleben‐Seip, N. von. (2023). Competition and cooperation in artificial intelligence standard setting: Explaining emergent patterns. Review of Policy Research, 40(5), 781-810. https://doi.org/10.1111/ropr.12538
Jobin, A., Ienca, M., & Vayena, E. (2019). The global landscape of AI ethics guidelines. Nature Machine Intelligence, 1(9), 389-399. https://doi.org/10.1038/s42256-019-0088-2
Kaminski, M. E. (2023). Regulating the risks of AI. Boston University Law Review, 103(5), 1347-1411.
Koenig, P. D., Wurster, S., & Siewert, M. B. (2023). Sustainability challenges of artificial intelligence and citizens’ regulatory preferences. Government Information Quarterly, 40(4), 101863. https://doi.org/10.1016/j.giq.2023.101863
Koshiyama, A., Kazim, E., Treleaven, P., Rai, P., Szpruch, L., Pavey, G., Ahamat, G., Leutner, F., Goebel, R., Knight, A., Adams, J., Hitrova, C., Barnett, J., Nachev, P., Barber, D., Chamorro-Premuzic, T., Klemmer, K., Gregorovic, M., Khan, S., … Chatterjee, S. (2024). Towards algorithm auditing: Managing legal, ethical and technological risks of AI, ML and associated algorithms. Royal Society Open Science, 11(5), 230859. https://doi.org/10.1098/rsos.230859
Laffont, J.-J., & Tirole, J. (1991). The Politics of Government Decision-Making: A Theory of Regulatory Capture. The Quarterly Journal of Economics, 106(4), 1089-1127. https://doi.org/10.2307/2937958
Lancieri, F., Edelson, L., & Bechtold, S. (2025). AI regulation: Competition, arbitrage and regulatory capture. Theoretical Inquiries in Law, 26(1), 239-262. https://doi.org/10.1515/til-2025-0010
Lebeaux, R. (2025, August 14). How America’s ‘AI Action Plan’ May Help Shape AI Governance Globally. https://deloitte.wsj.com/sustainable-business/how-americas-ai-action-plan-may-help-shape-ai-governance-globally-4b3a054e
Marchiori, S., Hopster, J. K. G., Puzio, A., Riemsdijk, M. B. V., Kraaijeveld, S. R., Lundgren, B., Viehoff, J., & Frank, L. E. (2025). A Social Disruptiveness-Based Approach to AI Governance: Complementing the Risk-Based Approach of the AI Act. Science and Engineering Ethics, 31(5), 25. https://doi.org/10.1007/s11948-025-00545-0
Metcalf, T. (2025). AI safety and regulatory capture. AI & SOCIETY, 1-16. https://doi.org/10.1007/s00146-025-02534-0
Papyshev, G., & Yarime, M. (2023). The state’s role in governing artificial intelligence: Development, control, and promotion through national strategies. Policy Design and Practice, 6(1), 79-102. https://doi.org/10.1080/25741292.2022.2162252
Radu, R. (2021). Steering the governance of artificial intelligence: National strategies in perspective. Policy and Society, 40(2), 178-193. https://doi.org/10.1080/14494035.2021.1929728
Raji, I. D., Smart, A., White, R. N., Mitchell, M., Gebru, T., Hutchinson, B., Smith-Loud, J., Theron, D., & Barnes, P. (2020, January). Closing the AI accountability gap: Defining an end-to-end framework for internal algorithmic auditing. Proceedings of the 2020 Conference on Fairness, Accountability, and Transparency, Barcelona, Spain. https://doi.org/10.1145/3351095.3372873
Roberts, H., Babuta, A., Morley, J., Thomas, C., Taddeo, M., & Floridi, L. (2023). Artificial intelligence regulation in the United Kingdom: A path to good governance and global leadership? Internet Policy Review, 12(2), 1-31. https://doi.org/10.14763/2023.2.1709
Roberts, H., Hine, E., Taddeo, M., & Floridi, L. (2024). Global AI governance: Barriers and pathways forward. International Affairs, 100(3), 1275-1286. https://doi.org/10.1093/ia/iiae073
Robinson, M. (2025). The establishment of an international AI agency: An applied solution to global AI governance. International Affairs, 101(4), 1483-1497. https://doi.org/10.1093/ia/iiaf105
Russell, A. L., & McGravey, K. (2025). Digital oil: Chips, artificial intelligence and US national security. International Affairs, 101(3), 1087-1101. https://doi.org/10.1093/ia/iiaf009
Snyder, H. (2019). Literature review as a research methodology: An overview and guidelines. Journal of Business Research, 104, 333-339. https://doi.org/10.1016/j.jbusres.2019.07.039
Tabassi, E. (2023). Artificial intelligence risk management framework (AI RMF 1.0) (NIST AI 100-1). National Institute of Standards and Technology. https://doi.org/10.6028/NIST.AI.100-1
The White House. (2025). Winning the Race America’s AI Action Plan. https://www.whitehouse.gov/wp-content/uploads/2025/07/Americas-AI-Action-Plan.pdf
Veale, M., Matus, K., & Gorwa, R. (2023). AI and Global Governance: Modalities, Rationales, Tensions. Annual Review of Law and Social Science, 19(1), 255-275. https://doi.org/10.1146/annurev-lawsocsci-020223-040749
Wilczek, B., Thaesler-Kordonouri, S., & Eder, M. (2025). Government regulation or industry self-regulation of AI? Investigating the relationships between uncertainty avoidance, people’s AI risk perceptions, and their regulatory preferences in Europe. AI & SOCIETY, 40(5), 3797-3811. https://doi.org/10.1007/s00146-024-02138-0
Wirtz, B. W., Weyerer, J. C., & Sturm, B. J. (2020). The dark sides of artificial intelligence: An integrated AI governance framework for public administration. International Journal of Public Administration, 43(9), 818-829. https://doi.org/10.1080/01900692.2020.1749851
Wohlin, C. (2014, June). Guidelines for snowballing in systematic literature studies and a replication in software engineering. Proceedings of the 18th International Conference on Evaluation and Assessment in Software Engineering, London, England. https://doi.org/10.1145/2601248.2601268
Wörsdörfer, M. (2024). Mitigating the adverse effects of AI with the European Union’s artificial intelligence act: Hype or hope? Global Business and Organizational Excellence, 43(3), 106-126. https://doi.org/10.1002/joe.22238
Yoganathan, V., Osburg, V.-S., & Janakiraman, N. (2025). Lending Legitimacy to Corporate Digital Responsibility: Trust in Firm Versus Government Regulation of Artificial Intelligence Services. Journal of Service Research, 1-21. https://doi.org/10.1177/10946705251345097
Zotero. (2025). IA regulation. https://www.zotero.org/groups/6279590/ia_regulation