Kiren Kumar, vice-presidente executivo da Autoridade de Desenvolvimento da Comunicação e dos Media da Singapura (IMDA), defende que regular a IA cedo demais é um erro que sufoca o crescimento digital e dificulta a inovação antes de esta se desenvolver plenamente. Em vez de legislação rígida, a IMDA trata a confiança regulatória como um ativo económico, cocriando espaços de teste voluntários com empresas de tecnologia para orientar comportamentos de forma orgânica. Kumar sublinha: “Não acreditamos que regular já esta questão seja a resposta.” A abordagem de Singapura tira partido da sua reputação global de estabilidade — construída ao longo de décadas na indústria aeroespacial e dos semicondutores — como base para se posicionar como um terreno seguro de testes para as indústrias emergentes de IA.
Filosofia Regulamentar: Confiança como Ativo Económico
Singapura rejeita deliberadamente ambos os extremos regulatórios. Em vez de aprovar leis rígidas, a IMDA constrói espaços de teste voluntários para orientar o comportamento corporativo antes que a quebra de regras se torne numa crise.
Kumar observa que a marca de Singapura depende inteiramente da confiança. O país posiciona-se como um terreno seguro de testes para indústrias emergentes ao trabalhar diretamente com empresas para construir enquadramentos de governação. “Alguns países regulam a tecnologia, outros não”, diz Kumar, apontando para a abordagem intermédia da IMDA.
Tradução de Políticas: Do Enquadramento para o Código
Para que os enquadramentos de governação sejam úteis, a política tem de se traduzir em código real. A IMDA lançou ferramentas de teste como o Moonshot, que permitem aos programadores avaliar os seus modelos face aos enquadramentos de governação antes da implementação. Os resultados são, depois, publicados para educar o ecossistema global.
IA Agêntica: Novos Riscos Exigem Repensar a Governação
Esta abordagem colaborativa enfrenta pressão com a ascensão da IA agêntica — software autónomo que executa planos de múltiplos passos sem aprovação humana. Kumar explica que, como a IA agêntica consegue raciocinar e atuar sem intervenção humana, introduz novos riscos em matéria de segurança e fiabilidade que leis estáticas não conseguem abordar de forma eficaz.
“Com sistemas [agentic], vais ter múltiplos agentes a trabalharem em conjunto, e eu acho que então precisamos de repensar como enquadramos o modelo do framework de governação”, diz Kumar, salientando que a supervisão tem de ser construída em torno de casos de uso multiagente.
Segurança em Produção: Patch Contínuo Após Lançamento
Passar a IA dos programas-piloto para a produção em funcionamento é onde os erros se tornam críticos. Kumar prevê e exige patching contínuo após o lançamento. “O modelo mental é que haverá erros, haverá enganos”, defende.
A chave para sobreviver é ter um mecanismo e uma resposta do negócio prontos para fazer atualizações e ajustes contínuos aos sistemas mesmo depois de chegarem ao público. Ligar modelos inteligentes a bases de dados legadas é precisamente onde acontecem fugas de dados e violações de segurança. Kumar acredita que as empresas “precisam de um sandbox” para garantir que os seus dados, arquitetura e ligações de software são tratados de forma segura e fiável antes de colocar os sistemas em produção.
Ele pede que os conselhos tratem a implementação de software como engenharia física: “Do piloto para a produção não é diferente de como um fabricante de motores vai testar os seus motores antes de os colocar num avião.”
Liderança e Talento: As Barreiras Finais
Executivos hesitantes e uma escassez global de talento especializado continuam a ser barreiras à adoção de IA. “Isto é uma questão de liderança”, diz Kumar, notando que o ímpeto de um executivo para forçar a mudança organizacional importa mais do que a política do governo.
Esta lacuna é agravada pela falta de recursos técnicos. Muitas empresas de média dimensão e pequenas compreendem os seus domínios de negócio, mas não têm equipas internas para construir e implementar soluções de IA personalizadas. Como resultado, “os engenheiros colocados à frente do negócio estão a tornar-se uma mercadoria escassa a nível global, porque precisam de trabalhar lado a lado com o cliente, compreender o workflow e implementar a tecnologia.”
Estratégia de Implementação de Singapura
Para superar a falta de talento, Singapura ignora a corrida para construir modelos de fronteira do zero. Em vez disso, o país importa algoritmos globais e aplica-os em indústrias altamente reguladas.
Kumar defende: “Acreditamos firmemente que Singapura está posicionada para ser uma implementadora destas tecnologias à escala, de forma responsável e confiável.”
A IMDA identificou a manufatura avançada, as finanças, a conectividade e a saúde como alvos prioritários. Como uma falha nestes setores tem custos elevados, exigem um patamar mais alto em termos de confiança, fiabilidade e julgamento humano.
Além da Eficiência: Alcançar Transformação do Negócio
Sobreviver à mudança trazida pela IA exige mais do que pequenos cortes de custos. “Muitos destes pilotos são… [concebidos para] impulsionar a produtividade em 10% a 20%… o que é valioso. Mas como chegamos a 10x?”, pergunta Kumar.
Alcançar esse multiplicador exige transformar o workflow do negócio para criar produtos e serviços totalmente novos.
Reconversão da Força de Trabalho: Da Teoria às Tarefas Diárias
Para concretizar esta transformação, a tecnologia tem de sair do departamento de engenharia e ir para as mãos de trabalhadores comuns. Kumar argumenta que o verdadeiro valor económico só é desbloqueado quando profissionais do dia a dia — de advogados a marketeers, passando por equipas de RH — são capacitados para integrar IA nas suas rotinas diárias.
Para impulsionar a adoção, Singapura lançou uma iniciativa nacional para reconverter 100.000 trabalhadores. Em vez de oferecer aulas abstratas de ciências da computação, o programa foca-se em “cursos online e certificação para os seus fluxos de trabalho específicos… É formação no posto de trabalho; é contextual, não teórica.”
Esta abordagem estende-se a estudantes do último ano, que são inscritos nos mesmos programas que os profissionais em atividade. O objetivo é fechar a lacuna “e fazê-los ficar prontos para o trabalho ou prontos para a IA”.
Contexto mais Alargado
O ceticismo de Kumar em relação a regular a IA cedo demais reflete uma filosofia que difere do rumo regulatório global. O AI Act da UE já estabelece obrigações vinculativas, baseadas em risco, para os criadores e implementadores de IA, enquanto os estados-membros da UE são obrigados a criar espaços de teste regulatórios de IA ao abrigo do Act. Isto sugere que os sandbox são úteis como complemento de regras rígidas, e não como substituto da legislação.
Uma sondagem do Estado da IA 2025 da McKinsey encontrou que a adoção de IA é generalizada, mas a maioria das organizações continua a ter dificuldade em passar dos pilotos para um impacto escalado. O relatório de IA no local de trabalho de 2025 da McKinsey concluiu que apenas 1% das empresas se descrevem como maduras na implementação de IA, sugerindo que a infraestrutura de confiança importa, mas liderança, modelos operacionais, preparação de dados e redesenho de workflows continuam a ser gargalos maiores para muitas empresas.
O foco de Kumar em engenheiros colocados à frente do negócio também aponta para uma limitação que a política não consegue resolver rapidamente. O Business Insider reportou em maio de 2026 que as ofertas de emprego para engenheiros colocados à frente aumentaram 729% face ao ano anterior, refletindo uma procura crescente por pessoas que consigam traduzir a IA em workflows reais a nível empresarial.
