O Estado que não se mede

Quando um projeto no setor público termina, há uma pergunta que quase nunca tem resposta: aquilo melhorou alguma coisa? Sabemos quantas pessoas entraram no serviço, quantos formulários foram submetidos, quantas autenticações se fizeram. Não sabemos se quem precisava ficou com o problema resolvido - medimos a utilização mas o resultado quase nunca.

O privado, que costuma ir à frente, mostra bem a armadilha. Uma empresa põe IA a receber reclamações e, uns meses depois, anuncia com orgulho que as reclamações baixaram 30%, a pergunta é se baixaram porque as pessoas ficaram com o problema resolvido ou porque desistiram pelo caminho. Aconteceu-me com o meu banco. Tinha um problema concreto, o chatbot não percebia o problema e não existia opção de falar com uma pessoa. Fiquei sem saída e acabei por mandar um email, para resolver uma coisa que precisava naquele momento - fiquei frustrado e sem o problema resolvido. Do lado do banco, é bem provável que isto tenha entrado nas estatísticas como uma interação resolvida pelo automatismo, ou como uma reclamação que nunca chegou a existir.

Portugal é, em vários rankings, dos países que melhor coloca serviços públicos online, e no índice de governo digital da OCDE de 2025 está no terceiro lugar mundial. No mesmo exercício, na parte que avalia a abertura e a reutilização dos dados, fica bastante mais atrás. Somos bons a construir o serviço e a pô-lo a funcionar mas maus a saber, depois, se ele está a fazer aquilo para que foi criado.

Porque é que a medição fica sempre para depois

A explicação mais comum é que faltam sistemas, os dados estão em silos, cada organismo tem o seu formato. É verdade, mas serve sobretudo para tirar o assunto da frente porque o problema começa antes disso. Quando se desenha um processo na administração pública, raramente se decide, logo à partida, o que vai ser preciso saber sobre ele depois de estar a funcionar. Fica-se com os registos de que o sistema precisa para operar e sem aqueles que mostrariam onde o processo emperra, quanto tempo consome cada passo, em que ponto as pessoas desistem.

Há também uma falha que se evita falar: muitos processos públicos não têm pontos de decisão claros. São sequências herdadas, cheias de "depende", em que a mesma situação pode seguir caminhos diferentes consoante quem a trata. Um processo assim quase não se consegue medir porque não há dois casos verdadeiramente comparáveis e a reação habitual é tapar o buraco com mais um campo, mais uma validação, mais uma exceção. A medição não devia ser uma auditoria que se faz no fim, nem um relatório anual encomendado quando alguém pergunta números. Devia ser uma decisão tomada quando se desenha o processo - quais são os casos, quando é que estão resolvidos, o que conta como ter corrido mal, em que pontos se decide o quê. Desenhado assim, o processo já traz a medição com ele e custa pouco mantê-la. Desenhado como costuma ser, a medição vira um projeto futuro que compete com tudo o resto e perde sempre porque nunca há tempo, orçamento ou alguém livre para isso. "Se o serviço já está implementado e em funcionamento para quê continuar a trabalhar sobre ele?"

A IA deixou de ser um assistente barato

Quando estas ferramentas apareceram pareciam um assistente quase gratuito, atualmente um agente capaz de fazer trabalho a sério custa hoje como um trabalhador sénior, com a vantagem de não ter ego nem precisar de descansar, mas com um custo que oscila e que é preciso gerir ao detalhe à medida que o uso cresce. Gerir consumo e custo de IA tornou-se uma competência por si só. E a administração pública, que já não consegue contratar nem reter um administrador de bases de dados, dificilmente vai competir pelos perfis de inteligência artificial.

A Agenda Nacional de IA, aprovada em janeiro de 2026, dedica um eixo inteiro a infraestrutura e dados e prevê centenas de milhões de euros até 2030. A vontade existe e o dinheiro começa a aparecer mas falta quase sempre a base: sem os dados sobre como o processo corre hoje, não há como mostrar que a versão com IA corre melhor e dizer que "ficou mais eficiente" é só um acto de fé.

É também por isto que a medição vem primeiro, é ela que diz se um caso precisa mesmo de IA. Boa parte do que está partido na administração pública não precisa de um destes modelos, precisa de um processo simplificado e automatizado com tecnologia que existe há anos e cujo comportamento se percebe. Pôr IA, uma caixa que poucos percebem por dentro e com tudo o que isso implica em segurança e proteção de dados, a despachar trabalho burocrático que nunca foi repensado é, quase sempre, a opção mais cara e mais arriscada.

Usar a IA para medir antes de a pôr a automatizar

Onde a IA é difícil de substituir é a montante, a ler um processo nos seus históricos, nas suas exceções, nos casos que ninguém normalizou, faz aquilo que nenhuma equipa tem tempo de fazer à mão, perceber como o processo funciona na realidade. É essa leitura que permite simplificar com conhecimento de causa e decidir, só depois, o que vale a pena automatizar e com que tecnologia, que muitas vezes não será IA.

Primeiro, apontar a IA ao passado que já existe mas está ilegível. Os históricos pouco normalizados, as notas dos técnicos, os emails onde se decidiam os casos difíceis, os ficheiros soltos onde ficou registado o que o sistema oficial não capturou. É o tipo de material desorganizado que a IA lê bem e a partir daí constrói-se a linha de base que nunca foi recolhida como quantos casos, de que tipos, com que tempos, com que desfechos. Não vai ser perfeita, mas é a primeira que vai existir.

Segundo, desenhar a automatização para produzir medição como subproduto, e não como projeto futuro. O próprio automatismo que resolve um pedido, seja com IA ou com tecnologia mais simples, regista o que resolveu, o que não conseguiu, o que devolveu a um humano e o que aconteceu a seguir. Em vez de automatizar agora e medir num projeto que nunca chega, automatiza-se de uma forma em que a medição faz parte do próprio fluxo.

Terceiro, manter isto pequeno. Não defendo uma obrigação geral de medir tudo, que se transforma depressa numa camada de indicadores fabricados para cumprir e já vimos esse filme com os standards que viram checklists. Defendo escolher um serviço, fazer nele o ciclo completo, da base à automatização à comparação real entre o antes e o depois, e só então decidir o que vale a pena alargar. Um caso concreto com um antes e um depois ensina mais, e convence mais, do que um painel com cinquenta métricas que ninguém abre. Apesar de parecer bom-senso, ainda há pouco tempo quando desenhei um fluxo de interoperabilidade entre duas entidades públicas, uma delas disse "mas porquê só isto e não também x, y e z? Parece uma medida tão pequena e com tão pouco impacto para os utilizadores". Esta mensagem não deixa de ser verdade mas é uma constante na Administração Pública portuguesa, queremos sempre fazer tudo e tem de ser sempre em grande. Depois, ou criamos projetos gigantescos que demoram imenso tempo a serem implementados e a vermos os primeiros resultados ou não fazemos nada porque "se é só para isso nem vale a pena". Desvalorizamos aquilo que é possível fazer em 2 semanas e sobrevalorizamos aquilo que é possível fazer em 1 mês.

Temos de ter atenção porque assim que uma métrica passa a justificar decisões, avaliações e/ou pagamentos, alguém aprende a fugir-lhe ou a embelezá-la. Por isso é melhor medir poucas coisas, dar a cada serviço um dono que responda por elas e contar os casos difíceis em vez de os esconder por estragarem a estatística.

Estas soluções não trazem resultados garantidos, a IA pode reconstruir uma base a partir de registos maus e herdar os erros desses registos. Pode acabar a medir-se o que é fácil em vez do que importa. Pode montar-se tudo e, no fim, ninguém olhar para os números. Mas a alternativa é a que temos hoje, continuar a automatizar serviços sobre os quais não sabemos quase nada, confiando que estão a melhorar porque parecem mais modernos.

Se pudesse escolher um primeiro uso da inteligência artificial no Estado para colocar à frente dos outros, seria este, usá-la para conseguirmos, enfim, ver o que andamos a fazer. Não é espalhafotoso, não permite aos nossos políticos aparecerem nas capas de jornais a dizer que implementámos IA e por isso automatizámos X serviços mas permite contrariar a atual tendência de primeiro a acelerar e depois logo se vê se valeu a pena - focando verdadeiramente no utilizador final.

Sem isso, e ao fim de tantos projetos, continuamos sem conseguir responder à pergunta mais simples de todas: e então, melhorou?