Pular para o conteúdo principal

Questão de Engenharia de Software — Inteligencia Artificial — CESPE / CEBRASPE 2026

Engenharia de SoftwareInteligencia Artificial
Código
ce229756
Banca
CESPE / CEBRASPE
Órgão
TCU
Ano
2026
Nível
Superior
Cargo
Auditor Federal de Controle Externo - Área de Controle Externo/ Orientação: Auditoria de Tecnologia da Informação
        Segundo relatório da McKinsey de 2024, 78% das organizações entrevistadas afirmam já usar IA em pelo menos uma função de negócio.

         Apesar do entusiasmo, essa inserção de tecnologia disruptiva implica sérios riscos, como imprecisão dos resultados, quebra de privacidade e violação de propriedade intelectual. Esses riscos são tão evidentes que, segundo o mesmo estudo, cerca de 27% dos entrevistados afirmam que 100% dos resultados da IA generativa são revisados por humanos antes do uso. Ainda, o relatório aponta que não há uma propensão a abordar riscos relacionados à precisão ou explicabilidade dos resultados da IA.

Ivette Luna. Da predição à compreensão: o papel da explicabilidade na implementação
de IA em políticas públicas. In: Jornal da UNICAMP, 29 de setembro de 2025.
Internet:<jornal.unicamp.br>  (com adaptações).  
No que se refere a ética, transparência e responsabilidade no uso de IA, julgue o próximo item.Explicabilidade diz respeito às propriedades internas do modelo de IA que permitem compreender como ele funciona.
  1. CCerto
  2. EErrado
Revelar gabarito e comentário

GabaritoE — Errado

Comentário gerado por IA. É um apoio ao estudo, ancorado em fontes, mas pode conter imprecisões — confira sempre na fonte oficial (lei, súmula, edital e gabarito da banca). Encontrou um erro? Use “Reportar”.

Explicabilidade vs. Interpretabilidade em IA

Gabarito: ERRADO. A afirmação confunde explicabilidade com interpretabilidade. Explicabilidade (Explainable AI) é a capacidade de um sistema de IA explicar como chegou a uma decisão ou recomendação específica, não meramente as propriedades internas que permitem entender seu funcionamento genérico. O glossário do material define explicabilidade como "capacidade de um sistema de IA explicar de forma compreensível como chegou a determinada decisão ou recomendação" — trata-se do resultado da decisão, não do modelo em si. A descrição dada no item refere-se à interpretabilidade (compreensão do funcionamento interno do modelo).

Como o gabarito é ERRADO, a banca testa a distinção sutil entre os dois conceitos, muito cobrada em questões de ética e transparência em IA.

Compreensão em IA
  • 1Interpretabilidade
    • Propriedades internas do modelo
    • Como o modelo funciona
  • 2Explicabilidade (XAI)
    • Como chegou a uma decisão
    • Resultado da decisão
LEVEL · soulevel.com.br

Link permanente: /questoes/ce229756