IA em concursos de TI: como as bancas cobram o eixo técnico e as normas (LGPD, Marco Legal da IA, CNJ)

As bancas de concurso cobram inteligência artificial (IA) em dois eixos que caem juntos: um eixo técnico — conceitos de IA e aprendizado de máquina (tipos de aprendizado, overfitting, redes neurais, deep learning, PLN e IA generativa) — e um eixo regulatório, que cobra como a IA aparece nas normas brasileiras. E aqui mora a armadilha nº 1: só uma dessas normas é lei em vigor (a LGPD, Lei nº 13.709/2018); o Marco Legal da IA (PL 2338/2023) ainda é projeto em tramitação. Confundir os dois é errar questão.

Resumo direto: estude IA em duas frentes. No técnico, domine os três tipos de aprendizado (supervisionado, não supervisionado e por reforço) e os conceitos-armadilha (overfitting × underfitting, treino × teste). No regulatório, saiba distinguir o que é lei (LGPD, art. 20), projeto (Marco Legal da IA — PL 2338/2023), política de governo (EBIA/PBIA) e resolução (CNJ nº 615/2025). Confirme sempre a versão vigente de cada norma.

O que as bancas cobram de IA no eixo técnico?

O eixo técnico é conceitual: a banca quer ver se você distingue as ideias centrais de aprendizado de máquina, não se você programa um modelo. O ponto de partida quase obrigatório são os três tipos de aprendizado — trocá-los entre si é a pegadinha mais comum da área:

Tipo de aprendizado	Como funciona	Exemplo típico
Supervisionado	Aprende com dados rotulados (entrada com a resposta correta conhecida).	Classificação (spam × não spam) e regressão (previsão de valor).
Não supervisionado	Encontra padrões em dados sem rótulo, sem resposta prévia.	Agrupamento (clustering) e redução de dimensionalidade.
Por reforço	Um agente aprende por tentativa e erro, buscando maximizar uma recompensa.	Jogos, robótica e controle de sistemas.

Além dos tipos de aprendizado, o edital costuma listar um conjunto estável de conceitos. Vale dominar as definições de cada um, porque a banca cobra exatamente a fronteira entre eles:

• Overfitting × underfitting — os dois erros clássicos de ajuste de um modelo.
• Divisão treino × teste (e conjunto de validação) — como se avalia se o modelo generaliza.
• Redes neurais e deep learning — redes com muitas camadas; deep learning é um subcampo do aprendizado de máquina.
• PLN (processamento de linguagem natural) — IA aplicada a texto e fala.
• IA generativa e LLMs — modelos que geram conteúdo (texto, imagem); os grandes modelos de linguagem são o exemplo do momento.
• Aplicações — visão computacional, sistemas de recomendação, detecção de fraude.

O que é overfitting (e por que quase sempre aparece)?

Overfitting (sobreajuste) é quando o modelo "decora" os dados de treino e vai mal em dados novos: ele capturou até o ruído, não só o padrão. O oposto é o underfitting (subajuste), quando o modelo é simples demais e não capta o padrão nem no treino. É justamente para flagrar isso que se separa a base em treino e teste: bom desempenho no treino e ruim no teste é o sintoma típico de overfitting. Uma questão frequente inverte esses dois termos — leia com atenção qual é qual.

Como as bancas formulam as questões de IA?

Como o tema é novo e conceitual, o enunciado raramente pede cálculo. Ele testa domínio de definição e capacidade de distinguir conceitos parecidos. Os três formatos que mais aparecem:

• Definição direta — "assinale a alternativa que conceitua corretamente aprendizado supervisionado".
• Associação — ligar cada tipo de aprendizado ao seu exemplo (clustering ↔ não supervisionado, recompensa ↔ reforço).
• Certo/Errado com troca de termo — o item afirma algo verdadeiro, mas troca "supervisionado" por "não supervisionado" ou "overfitting" por "underfitting". Um termo trocado torna o item inteiro errado.

Para reconhecer esses padrões antes da prova, o caminho é volume de questões da sua banca. Meça seu domínio real resolvendo itens no banco de questões e volte aos conceitos que você ainda confunde — é onde a banca mira.

IA já é lei no Brasil? O que está em vigor e o que ainda é projeto

Esta é a parte que mais gera erro, porque a imprensa e os cursinhos misturam quatro coisas diferentes. Para concurso, você precisa separar lei, projeto de lei, política de governo e resolução. O quadro abaixo resume o status de cada norma em meados de 2026 — sempre confirme a versão vigente, porque o cenário está em movimento:

Norma	O que é	Status (jul/2026)	Fonte oficial
LGPD — Lei nº 13.709/2018	Lei geral de proteção de dados; alcança a IA nas decisões automatizadas (art. 20).	Lei em vigor	Planalto
Marco Legal da IA — PL 2338/2023	Projeto que cria o marco regulatório da IA (modelo baseado em risco).	Projeto em tramitação (na Câmara)	Senado
EBIA (2021) e PBIA 2024-2028	Estratégia e Plano nacionais de IA (diretrizes e investimento do governo federal).	Política pública (não é lei)	MCTI
Resolução CNJ nº 615/2025	Regras de desenvolvimento e uso de IA no Poder Judiciário.	Norma vigente (atualiza a Res. 332/2020)	CNJ

Como a IA aparece na LGPD (art. 20)?

A ponte IA × LGPD que mais cai é o art. 20: o titular dos dados tem direito a solicitar a revisão de decisões tomadas unicamente com base em tratamento automatizado que afetem seus interesses — por exemplo, perfil de crédito, de consumo ou de personalidade. Um detalhe fino e muito citável: a redação original exigia revisão "por pessoa natural" (um humano), mas essa expressão foi retirada pela Lei nº 13.853/2019. Hoje existe o direito à revisão, mas a lei não obriga que ela seja feita por uma pessoa, e a ANPD ainda não regulamentou o procedimento. Fonte: Lei nº 13.709/2018, art. 20.

O que propõe o Marco Legal da IA (PL 2338/2023)?

O PL 2338/2023 é o projeto que pretende ser o marco regulatório da IA no Brasil. Foi aprovado pelo Senado em dezembro de 2024 e remetido à Câmara dos Deputados em março de 2025, onde seguia em tramitação em meados de 2026 — ou seja, ainda não é lei. O texto adota um modelo baseado em risco (inspirado no AI Act europeu): classifica os sistemas por nível de risco (excessivo, alto, baixo) e prevê direitos de quem é afetado, além de estrutura de governança. Como projeto pode mudar de redação, trate-o como "em tramitação" e confirme a versão vigente antes da prova. Fonte: tramitação do PL 2338/2023 no Senado.

Atenção — a pegadinha clássica: o item afirma que "o Marco Legal da IA é a lei que regula a inteligência artificial no Brasil". Em meados de 2026, isso está errado: trata-se de projeto de lei em tramitação. A lei em vigor que já alcança a IA é a LGPD.

E a EBIA, o PBIA e a Resolução CNJ nº 615/2025?

Fora de lei e projeto, a IA aparece como política pública e como regulação setorial:

• EBIA — Estratégia Brasileira de Inteligência Artificial (2021) e PBIA — Plano Brasileiro de Inteligência Artificial 2024-2028: diretrizes e investimento do governo federal, conduzidos pelo MCTI. São política de Estado, não lei — não crie obrigação a partir deles.
• Resolução CNJ nº 615/2025: regula o desenvolvimento e o uso de IA no Poder Judiciário e atualiza a antiga Resolução CNJ nº 332/2020. Traz supervisão humana obrigatória, classificação por nível de risco e auditoria dos sistemas — tema quente para quem faz concurso de tribunais. Fonte: Resolução CNJ nº 615/2025.

Como estudar IA para concursos de TI?

IA é um assunto emergente: ainda não tem o histórico de cobrança de uma disciplina clássica, e por isso não existe um número honesto único de "quantas questões de IA já caíram". O que dá para afirmar com segurança é a direção — os temas ligados a dados e proteção da informação vêm ganhando espaço. Na LEVEL, você pode treinar com questões de provas recentes das principais bancas e refinar o estudo pelos filtros do catálogo público.

Um roteiro honesto para não perder ponto:

• Comece pelo edital do seu cargo. Veja se IA aparece dentro de "Segurança da Informação", "Governança" ou como tópico próprio — o peso muda tudo.
• Fixe as definições do eixo técnico. Os três tipos de aprendizado e os pares overfitting × underfitting e treino × teste rendem a maioria das questões conceituais.
• Separe lei × projeto × política. Decore o status: LGPD é lei; Marco Legal da IA é projeto; EBIA/PBIA são política; a Resolução CNJ nº 615/2025 vale no Judiciário.
• Resolva questões e revise o que confunde. Termos trocados são a armadilha número um da área.

Este artigo faz parte do nosso guia sobre como se preparar para concursos de TI; se você quer entender por que dados, segurança e IA vêm crescendo nos editais, veja também as tendências dos concursos de TI. E quando estiver pronto para testar o conteúdo, meça seu domínio real resolvendo itens no banco de questões — é a diferença entre reconhecer o conceito na prova e travar na hora.