01 — Contexto da Governança Pilares e conceitos fundamentais. Diferenças entre Governança Corporativa, de TI, de Dados e de IA. Frameworks de governança (COBIT, ITIL, DAMA DMBOK, BSC). Governança vs. Gestão. Dimensões da qualidade de dados e roadmap para garanti-la.
02 — A Governança de IA Princípios e conceitos de Governança de IA. Mitos da IA. Erros fatais em projetos de IA para 2026. Hype Cycle da IA (Gartner 2024 vs. 2025). Agentes de IA e RAG (tradicional vs. agêntico). Pilares da Governança de IA: ética, transparência, segurança e privacidade. Riscos cognitivos da IA. O tripé eficiência, economia e riscos.
03 — Roadmap de Implantação da Governança de IA Quatro fases: Organização (comitê, AI Champions), Diagnóstico (inventário, mapeamento), Adequação (análise de gaps, Model Cards, parcerias) e Melhoria Contínua (monitoramento, capacitação).
04 — Exemplos Práticos Caso 1 — Instituição Financeira: Metodologia de avaliação de ferramentas de IA, Dados e Analytics com três pilares (frameworks de mercado como Gartner, benchmarks técnicos como Stanford HELM, e frameworks de risco como NIST AI RMF e ISO 42001). Fórmula de scoring e classificação (Ouro, Prata, Bronze).
Caso 2 — Secretaria de Estado da Fazenda: Modelo de Governança de IA com plataforma de multiagentes. Diagnóstico SWOT, avaliação de maturidade (nível 1 ao 5), arquitetura conceitual em 4 camadas (infraestrutura Nutanix, RAG Pipeline, orquestração n8n, interface), diferenciais de soberania de dados e governança por design.
