Aspectos éticos na coleta e uso de dados para inteligência artificial: investigando estratégias de mitigação de riscos e consensos sobre governança de dados

Abstract

O avanço acelerado da Inteligência Artificial (IA) tem intensificado debates sobre os as pectos éticos da coleta e uso de dados para o treinamento de modelos de aprendizado de máquina. Questões como viés, transparência, privacidade e justiça tornaram-se centrais no desenvolvimento responsável desses sistemas. Este trabalho teve como objetivo inves tigar, por meio de uma Revisão Sistemática da Literatura (RSL), como esses aspectos éticos têm sido abordados na produção científica. A metodologia seguiu as diretrizes de Kitchenham et al., estruturada nas fases de planejamento, condução e documentação. A busca foi realizada nas bases ACM Digital Library e IEEE Xplore, cobrindo o período de 2015 a 2025. De um total inicial de 1.621 artigos, foram selecionados e analisados 284 estudos primários. Os resultados indicam uma predominância de estratégias de mitigação técnicas, mas revelam que estas são insuficientes quando desconectadas de uma gover nança organizacional robusta (estratégia híbrida). Em relação à coleta ética, observou-se uma mudança de paradigma: princípios de Justiça e Transparência superaram o Consenti mento Informado, refletindo um foco maior em impactos coletivos do que individuais. Por fim, houve consenso sobre a existência de limites éticos para o uso de dados, exigindo uma governança analítica capaz de gerenciar trade-offs entre privacidade e representatividade para evitar discriminação algorítmica. Conclui-se que a ética em IA deixou de ser apenas teórica para tornar-se um requisito de engenharia sociotécnica.