Governança de TI · FCC · 2026 | Questão sqc-fc077302

Governança de TIConceitos Básicos em Governança de TI

Código: fc077302
Banca: FCC
Órgão: SEFAZ-SP
Ano: 2026
Nível: Superior

Cargo: Auditor Fiscal da Receita Estadual - AFRE - Gestão Tributária - Conhecimentos Específicos (P3)

Determinada Secretaria da Fazenda implementou um sistema de IA para classificar automaticamente declarações fiscais quanto ao risco de irregularidade. Após seis meses de operação, auditores identificaram que o modelo estava atribuindo pontuações de risco sistematicamente mais altas para empresas de setores específicos, mesmo quando os indicadores financeiros eram similares aos de outros setores com pontuações menores. A análise técnica revelou que a base de dados histórica utilizada no treinamento continha proporcionalmente mais autuações em determinados setores devido a fiscalizações direcionadas realizadas no passado, e não necessariamente por maior incidência real de irregularidades. O modelo aprendeu e perpetuou esse padrão desproporcional. O problema de governança e ética em IA que está caracterizado nessa situação é:

AViolação de privacidade, pois o modelo está acessando dados sensíveis dos contribuintes sem autorização legal e utilizando informações protegidas pela legislação tributária para treinamento.
BFalta de explicabilidade, pois o sistema não consegue fornecer justificativas compreensíveis sobre os motivos que levaram à classificação de risco de cada declaração fiscal individual.
CViés algorítmico, pois o modelo reproduz desproporções presentes nos dados de treinamento, gerando discriminação sistemática contra determinados grupos sem justificativa técnica objetiva.
DAlucinação do modelo, pois o sistema está gerando classificações de risco fictícias que não correspondem aos dados reais inseridos pelos contribuintes nas declarações fiscais.
EFalta de transparência, pois os contribuintes e auditores não têm acesso aos critérios e variáveis utilizados pelo algoritmo para calcular as pontuações de risco atribuídas.

Revelar gabarito e comentário

GabaritoC — Viés algorítmico, pois o modelo reproduz desproporções presentes nos dados de treinamento, gerando discriminação sistemática contra determinados grupos sem justificativa técnica objetiva.

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”.

Governança e Ética em IA: Viés Algorítmico

Gabarito: letra C. O problema descrito é de viés algorítmico: o modelo de IA aprendeu e perpetuou um padrão desproporcional presente nos dados históricos, resultando em discriminação sistemática contra setores específicos — falha central de governança e ética em IA.

A situação narrada relata que o modelo atribui pontuações de risco mais altas para empresas de determinados setores, mesmo com indicadores similares. A causa é que a base de treinamento continha proporcionalmente mais autuações naqueles setores devido a fiscalizações direcionadas passadas, não a maior incidência real de irregularidades. Isso é a definição de viés algorítmico (algorithmic bias): o modelo reflete e amplifica desigualdades existentes nos dados, comprometendo a equidade e a justiça das decisões automatizadas.

Problemas de IA: Viés algorítmico (C) (Dados históricos desproporcionais, Discriminação sistemática, Sem justificativa técnica); Violação de privacidade (A) (Acesso não autorizado a dados); Falta de explicabilidade (B) (Sem justificativas compreensíveis); Alucinação (D) (Geração de informações falsas); Falta de transparência (E) (Critérios e variáveis ocultos)

Alternativa A — ❌ Incorreta

Violação de privacidade. Não há qualquer menção no enunciado a acesso não autorizado a dados sensíveis ou uso de informações protegidas sem autorização. O problema não é de privacidade, mas de viés.

Alternativa B — ❌ Incorreta

Falta de explicabilidade. Embora a explicabilidade seja importante em IA, o enunciado não afirma que o sistema é incapaz de fornecer justificativas. O foco é a discriminação sistemática, não a ausência de explicação.

Alternativa C — ✅ Correta ⟵ GABARITO

Viés algorítmico. Exatamente o que ocorre: o modelo reproduziu desproporções dos dados de treinamento, gerando discriminação contra grupos (setores) sem justificativa técnica objetiva. Esse é um dos principais desafios éticos em IA.

Alternativa D — ❌ Incorreta

Alucinação do modelo. Alucinação refere-se a geração de informações falsas ou irreais pelo modelo (comum em LLMs). Aqui, o modelo não está "alucinando" — está aprendendo padrões reais dos dados, mas padrões enviesados. Portanto, não é alucinação.

Alternativa E — ❌ Incorreta

Falta de transparência. A transparência sobre critérios e variáveis é relevante, mas o cerne do problema é o viés, não a falta de acesso às regras do algoritmo. O enunciado deixa claro que a análise técnica já revelou a causa (dados históricos desproporcionais); a questão não é que os critérios são ocultos, mas que eles produzem discriminação.

PEGA ESSA DICA!

Para diferenciar os conceitos de ética em IA:

Viés algorítmico: discriminação injusta reproduzida dos dados.
Explicabilidade: capacidade de justificar decisões de forma compreensível.
Transparência: abertura sobre como o modelo funciona.
Privacidade: proteção de dados pessoais.
Alucinação: geração de informações falsas sem base nos dados.

Na prova, leia atentamente a descrição: se o problema é discriminação com base em padrões históricos enviesados, a resposta é viés algorítmico.

Gabarito: letra C.

Link permanente: /questoes/fc077302