Kiren Kumar, vice-CEO da Autoridade de Desenvolvimento de Mídia e Comunicações da Singapura (IMDA, na sigla em inglês), argumenta que regular a IA cedo demais é um erro que sufoca o crescimento digital e atrapalha a inovação antes que ela se desenvolva completamente. Em vez de legislação rígida, a IMDA trata a confiança regulatória como um ativo econômico, co-criando sandboxes de testes voluntários com empresas de tecnologia para orientar comportamentos de forma orgânica. Kumar destaca: “Não acreditamos que regular agora seja a resposta.” A abordagem de Singapura aproveita sua reputação global por estabilidade — construída ao longo de décadas na indústria aeroespacial e de semicondutores — como base para se posicionar como um ambiente seguro de testes para as indústrias emergentes de IA.
Filosofia Regulatória: confiança como ativo econômico
Singapura deliberadamente rejeita os dois extremos regulatórios. Em vez de aprovar leis rígidas, a IMDA cria sandboxes de testes voluntários para orientar a conduta das empresas antes que a quebra de regras vire uma crise.
Kumar observa que a marca de Singapura depende inteiramente de confiança. O país se posiciona como um ambiente seguro de testes para indústrias emergentes trabalhando diretamente com as empresas para construir estruturas de governança. “Alguns países regulam a tecnologia, outros não”, diz Kumar, apontando para a abordagem de meio-termo da IMDA.
Tradução de Políticas: da estrutura para o código
Para que estruturas de governança sejam úteis, a política precisa ser traduzida em código de verdade. A IMDA lançou ferramentas de teste como o Moonshot, que permitem que desenvolvedores avaliem seus modelos em relação a estruturas de governança antes da implantação. Os resultados são então publicados para educar o ecossistema global.
IA Agentic: novos riscos exigem repensar a governança
Essa abordagem colaborativa enfrenta pressão com a ascensão da IA agentic — software autônomo que executa planos em múltiplas etapas sem aprovação humana. Kumar explica que, como a IA agentic pode raciocinar e agir sem estar no loop humano, ela introduz novos riscos quanto à segurança e à confiabilidade que leis estáticas não conseguem abordar de forma eficaz.
“Com sistemas [agentic], você vai ter múltiplos agentes trabalhando juntos, e eu acho que então precisamos repensar como enquadramos a estrutura de governança do modelo”, diz Kumar, ressaltando que a supervisão precisa ser construída em torno de casos de uso com múltiplos agentes.
Segurança em produção: correções contínuas após o lançamento
Levar a IA de programas-piloto para produção ao vivo é onde os erros se tornam críticos. Kumar espera e exige correções contínuas após o lançamento. “O modelo mental é que vão existir erros, vão existir enganos”, argumenta.
A chave para sobreviver é ter um mecanismo e uma resposta de negócio prontos para atualizar e ajustar continuamente os sistemas mesmo depois que eles cheguem ao público. Conectar modelos inteligentes a bancos de dados legados é exatamente onde acontecem vazamentos de dados e violações de segurança. Kumar acredita que as empresas “precisam de um sandbox” para garantir que seus dados, arquitetura e conexões de software sejam tratados com segurança e confiabilidade antes de colocar sistemas em produção.
Ele pede que conselhos tratem a implantação de software como engenharia física: “Do piloto à produção não é diferente de como um fabricante de motores testará seus motores antes de colocá-los em um avião.”
Liderança e talentos: as barreiras finais
Executivos hesitantes e uma escassez global de talentos especializados ainda são barreiras para a adoção de IA. “Isso é uma questão de liderança”, diz Kumar, observando que a disposição de um executivo de forçar mudanças organizacionais importa mais do que a política do governo.
Essa lacuna é ampliada pela falta de recursos técnicos. Muitas empresas de médio porte e pequenas entendem seus domínios de negócio, mas não têm equipes internas para construir e implantar soluções de IA personalizadas. Como resultado, “engenheiros alocados junto ao cliente estão se tornando uma commodity escassa globalmente porque precisam trabalhar lado a lado com o cliente, entender o fluxo de trabalho e implantar a tecnologia.”
Estratégia de deployer de Singapura
Para superar a falta de talentos, Singapura ignora a corrida para construir modelos de fronteira do zero. Em vez disso, o país importa algoritmos globais e os implanta em indústrias altamente reguladas.
Kumar argumenta: “Acreditamos fortemente que Singapura está posicionada para ser uma deployer dessas tecnologias em escala, de forma responsável e confiável.”
A IMDA identificou manufatura avançada, finanças, conectividade e saúde como alvos prioritários. Como falhas nesses campos são caras, eles exigem um patamar mais alto de confiança, confiabilidade e julgamento humano.
Além da eficiência: alcançar transformação de negócios
Sobreviver à mudança da IA exige mais do que cortes menores de custos. “Muitos desses pilotos são… [desenhados para] impulsionar produtividade em 10% a 20%… o que é valioso. Mas como chegamos a 10x?”, pergunta Kumar.
Alcançar esse multiplicador requer transformar o fluxo de trabalho do negócio para criar produtos e serviços inteiramente novos.
Capacitação da força de trabalho: da teoria para tarefas diárias
Para viabilizar essa transformação, a tecnologia precisa sair do departamento de engenharia e ir para as mãos de trabalhadores comuns. Kumar argumenta que o verdadeiro valor econômico só é liberado quando profissionais do dia a dia — de advogados a marketeiros a pessoal de RH — têm poder para integrar IA às suas rotinas diárias.
Para impulsionar a adoção, Singapura lançou uma iniciativa nacional para capacitar 100 mil trabalhadores. Em vez de oferecer aulas abstratas de ciência da computação, o programa se concentra em “cursos online e certificação para os fluxos de trabalho específicos deles… É treinamento no trabalho; é contextual, não teórico.”
Essa abordagem se estende a estudantes do último ano, que são inscritos nos mesmos programas que profissionais em atividade. O objetivo é “fechar essa lacuna e deixá-los prontos para o trabalho ou prontos para a IA”.
Contexto mais amplo
O cuidado de Kumar contra regular a IA cedo demais reflete uma filosofia que difere da direção regulatória global. O Ato de IA da UE (AI Act) já estabelece obrigações vinculantes baseadas em risco para desenvolvedores e implantadores de IA, enquanto os estados-membros da UE são obrigados a estabelecer sandboxes regulatórios de IA sob o Ato. Isso sugere que sandboxes são úteis como complemento a regras rígidas, e não como substituto de legislação.
A pesquisa State of AI 2025 da McKinsey encontrou que a adoção de IA é ampla, mas a maioria das organizações ainda tem dificuldade para sair de pilotos e chegar a impactos escalados. O relatório de IA no local de trabalho de 2025 revelou que apenas 1% das empresas se descrevem como maduras na implantação de IA, sugerindo que a infraestrutura de confiança importa, mas liderança, modelos operacionais, prontidão de dados e redesenho do fluxo de trabalho permanecem gargalos maiores para muitas empresas.
O foco de Kumar em engenheiros alocados junto ao cliente também aponta para uma restrição que a política não consegue resolver rapidamente. O Business Insider informou em maio de 2026 que anúncios de vagas de engenheiros alocados junto ao cliente aumentaram 729% em relação ao ano anterior, refletindo a demanda crescente por pessoas capazes de traduzir IA em fluxos de trabalho reais na empresa.
