No Acre, foram identificadas 14 classificações temáticas atribuídas aos trechos relacionados à IA. Destas, 4 foram classificadas em Educação, 4 em Serviço Público, 2 em Saúde, 2 em Segurança Pública, 1 em Logística e 1 em Proteção de Dados. Assim, a participação de Educação na composição temática do estado é:
Peducação = 4 ÷ 14 x 100 ≃ 28,6%
Metodologia
1. DESENHO E ESCOPO DA PESQUISA
O Votar.IA realiza uma análise de conteúdo dos planos de governo registrados no Tribunal Superior Eleitoral (TSE) por candidaturas selecionadas à Presidência da República e aos governos das unidades federativas nas eleições de 2026. O objetivo é identificar e sistematizar referências explícitas à inteligência artificial (IA) e analisar os campos de política pública aos quais a tecnologia é associada.
Para fins deste projeto, um trecho corresponde a uma passagem textual diretamente relacionada à IA. A extensão dos trechos pode variar entre documentos. Por essa razão, um trecho pode corresponder a uma fração de uma proposta, a uma proposta completa ou a um conjunto articulado de propostas, e sua contagem não deve ser interpretada como uma contagem de políticas públicas de forma geral.
A pesquisa combina procedimentos quantitativos e qualitativos. A dimensão quantitativa avalia a ocorrência e a densidade de trechos relacionados à IA nos documentos analisados. A dimensão qualitativa classifica esses trechos segundo os campos de política pública e dimensões transversais aos quais estão associados.
Os resultados permitem comparar a presença textual da IA nos planos de governo analisados. Isoladamente, os indicadores não medem a qualidade, a viabilidade, o grau de detalhamento, a prioridade política ou a relevância normativa das propostas. O Votar.IA tampouco substitui a leitura dos documentos originais
2. CONSTRUÇÃO DA BASE DE ANÁLISE
2.1 Critérios de inclusão das candidaturas
Diante do número de candidaturas, a pesquisa adotou critérios operacionais de inclusão baseados em intenções de voto disponíveis em agosto de 2026, segundo os dados do agregador de pesquisas eleitorais registradas no TSE e consolidadas pelo Data Policy. Foram incluídas as candidaturas à Presidência da República com percentual superior a 1% e as candidaturas aos governos estaduais com percentual igual ou superior a 10%, conforme o recorte aplicado pelo projeto.
Esses indicadores servem exclusivamente para delimitar a base documental da pesquisa. Eles não constituem uma classificação substantiva sobre a viabilidade eleitoral, a competitividade ou a probabilidade de vitória de uma candidatura.
Na disputa presidencial, a aplicação do critério incluiu Flavio Nantes Bolsonaro, Luiz Inácio Lula da Silva, Renan Antonio Ferreira dos Santos, Romeu Zema Neto e Ronaldo Ramos Caiado – totalizando 5 candidaturas. Na disputa estadual, a relação completa das candidaturas estaduais incluídas integra a base do projeto e deve ser consultada no repositório público – que totaliza 66 candidaturas. Portanto, foram analisadas 71 candidaturas a partir destes critérios.
2.2 Obtenção dos planos de governo e data de corte
Definidas as candidaturas incluídas, a equipe de pesquisadores acessou o sistema Divulgação de Candidaturas e Contas Eleitorais do TSE e coletou os planos de governo disponíveis. Como os registros eleitorais e seus documentos podem ser atualizados durante o processo eleitoral, foi estabelecida como data de corte desta fase o dia 18 de agosto de 2026, às 21h55
A base representa, portanto, um retrato dos documentos disponíveis naquele momento. Alterações posteriores nos planos de governo ou na situação das candidaturas não estão incorporadas a esta versão, salvo indicação expressa de atualização.
No momento da coleta, Anthony William Garotinho Matheus de Oliveira e Eduardo da Costa Paes, ambos candidatos ao governo do Rio de Janeiro ainda não haviam disponibilizado seus planos de governo no TSE. Por essa razão, não foi possível analisar referências à IA em seus programas nesta rodada.
3. IDENTIFICAÇÃO DAS REFERENCIAS À IA
A identificação das referências à IA foi realizada em duas etapas.
Na primeira etapa, os pesquisadores aplicaram um filtro de busca textual nos arquivos dos planos de governo utilizando os termos “inteligência artificial”, “inteligência” e “artificial”. As ocorrências foram examinadas no documento original para verificar se correspondiam efetivamente a referências à tecnologia.
Na segunda etapa, o NotebookLM foi utilizado como ferramenta auxiliar de recuperação de informação. A ferramenta recebeu instrução para verificar a existência de referências explícitas à inteligência artificial, inclusive sob a sigla “IA”. Os resultados fornecidos pela ferramenta não foram incorporados automaticamente à base: toda ocorrência indicada foi ocalizada e validada no documento original por um pesquisador.
A sigla “IA” não foi utilizada isoladamente na busca textual inicial porque a sequência de caracteres aparece com elevada frequência no interior de outras palavras, produzindo grande número de falsos positivos.
Somente foram incorporadas à base referências que pudessem ser verificadas no texto original do plano de governo.
3.1 Critério de Identificação de Referências à IA
O Votar.IA adota um critério restritivo: a pesquisa identifica referências explícitas à inteligência artificial, e não todas as políticas potencialmente relacionadas ao ecossistema tecnológico da IA.
Assim, propostas, por exemplo, sobre data centers, semicondutores, computação em nuvem, automação, conectividade ou outras infraestruturas e tecnologias somente integram a base quando aparecem, no próprio documento, associadas explicitamente à IA. Essa opção reduz a subjetividade envolvida em determinar, caso a caso, quais temas deveriam ser considerados relacionados à IA e estabelece uma regra comum para todos os documentos.
Como consequência, a ausência de trechos identificados não significa necessariamente ausência de políticas tecnologicamente relacionadas à IA.
4. CODIFICAÇÃO TEMÁTICA
Após a identificação e a extração, cada trecho foi submetido a codificação temática. A equipe elaborou um conjunto de categorias analíticas correspondente aos principais domínios de política pública e dimensões transversais observados nos documentos de pesquisa.
As categorias não são mutuamente excludentes. Um mesmo trecho pode receber mais de uma classificação quando associa a IA a diferentes áreas ou dimensões. As categorias representam, portanto, atributos dos trechos, e não conjuntos exclusivos de observações.
O sistema de classificação combina três tipos de categorias: (i) setores de política pública, como Educação, Saúde e Segurança Pública; (ii) dimensões transversais de governança, como Regulação, Proteção de Dados e Soberania; e (iii) domínios tecnológicos ou infraestruturais, como Robótica e Infra & Hardware.
A classificação considera o conteúdo substantivo do trecho e seu contexto imediato no plano de governo. A categoria “Geral” possui natureza residual e é utilizada quando a referência à IA não apresenta associação suficientemente específica com as demais categorias.
Perspectivas ligadas a ensino, tanto do ponto de vista da escola formal, quanto do letramento especificamente direcionado ao meio digital. Os temas contemplados incluem: letramento digital, IA em sala de aula, matriz curricular, uso por professores, instituição de ensino enquanto centro de pesquisa, etc.
Temas ligados à saúde, englobando tanto o aspecto de infraestrutura quanto de pessoal. Inclui: Hospitais, vacinação, redução de filas, saúde pública, infraestrutura, capacitação de profissionais, etc.
Aspectos em que a IA é implementada para a garantia ou o aprimoramento da segurança pública. Alguns dos aspectos centrais ao tema são: reconhecimento facial, análise preditiva, integração de sistemas, vigilância, crimes, crimes cibernéticos, fronteiras e alfândega.
Abrange serviços públicos de qualquer área de atuação. Para além do aspecto de prestação de serviço público em si, inclui IA associada ao combate à corrupção, à promoção de eficiência, à diminuição de tempo de espera, à transformação digital do serviço, e à administração e gestão pública, etc.
Desenvolvimento de Ciência, Tecnologia e Inovação conduzido por diferentes atores, incluindo centros de pesquisa, universidades, iniciativa privada, etc.
Áreas que compõem a cultura, incluindo audiovisual, música, moda, turismo e entretenimento, dentre outras. Contempla também aspectos transversais, como direitos autorais, por exemplo.
Temas ligados à construção, ampliação, redução ou manutenção de infraestruturas e hardware destinados à inteligência artificial; bem como aos materiais ligados a tais estruturas. Inclui: data center, supercomputadores, conectividade, chips, semicondutores, terras raras, minerais críticos, etc.
Aplicação da IA a aspectos ligados ao meio ambiente e à agricultura. Inclui: Agrotech, pesca, pecuária, desastres climáticos, meteorologia, clima, agronegócio.
Desenvolvimento ou aplicação de Robótica, independentemente da área de implementação.
Disposições sobre transporte, seja ele ferroviário, aquaviário ou rodoviário. Inclui também outros aspectos logísticos, como armazenamento.
Coleta e tratamento de dados, bem como as medidas de proteção destinadas a mitigar riscos correspondentes. Inclui supervisão humana, transparência, garantia de direitos fundamentais, não discriminação, discriminação algorítmica, explicabilidade, auditoria, LGPD, human in the loop, etc.
Abordagens que tratam de soberania nacional, dentre elas nuvem soberana, processamento nacional, dependência computacional, etc.
Projetos de criação de regulações ou planejamentos específicos sobre IA, independentemente da área, seja ela o serviço público ou qualquer outra.
Quaisquer trechos que não se enquadrem nas outras categorias. Tem caráter residual, mas engloba também referências a IA formuladas de modo abrangente, aplicáveis a todo o plano de governo.
5. INDICADORES QUANTITATIVOS
5.1 Consulta à base de dados
A página “Explorar repositório” disponibiliza a base de dados compilada pelo ITS Rio e permite consultar os registros por meio de filtros como pleito, região, unidade federativa (UF), candidato, partido e palavra-chave. Os trechos devem ser lidos em seu contexto original, disponível no repositório.
5.2 Unidade de contagem
A unidade básica dos indicadores é o trecho mapeado e não a proposta de política pública. Em valores absolutos, “1” corresponde a uma unidade de trecho identificada segundo o protocolo da pesquisa.
5.3 Distribuição temática das referência à IA por UF
O gráfico “IA nas Políticas Públicas: em quais áreas a IA aparece?” apresenta a composição das classificações temáticas atribuídas aos trechos relacionados à inteligência artificial em cada unidade federativa. Cada coluna corresponde a uma UF e soma 100%
Como um mesmo trecho pode ser associado a mais de uma categoria, a unidade de contagem considerada neste indicador é a classificação temática, e não o trecho individual. Se i identifica cada candidatura incluída na unidade federativa analisada, tix representa o número de trechos da candidatura i classificados na categoria x, e k representa o conjunto de categorias temáticas; a participação da categoria x é calculada por:
Pₓ = (Σᵢ tᵢₓ ÷ Σk (Σᵢ tik)) × 100
Por exemplo:
O numerador corresponde ao número de classificações atribuídas à categoria x nos planos analisados daquela UF. O denominador corresponde ao número total de classificações temáticas atribuídas aos trechos relacionados à IA na mesma UF. Como cada classificação é contabilizada no denominador, as participações de todas as categorias somam 100%.
O indicador representa, portanto, a composição tem ática das referências à IA em cada estado, e não a proporção de trechos que menciona cada tema.
Os planos analisados variam substancialmente em extensão. Comparações baseadas apenas no número absoluto de trechos podem, portanto, ser influenciadas pelo tamanho dos documentos. Para colocá-los em uma escala comum, o projeto utiliza indicadores que normalizam o número de trechos pelo total de páginas analisadas.
5.4 Densidade geral de referências à IA por UF
O indicador denominado “Intensidade Geral de IA por Estado” é definido, metodologicamente, como densidade geral de referências à IA. Considerando tᵢ o número de trechos relacionados à IA no plano da candidatura i e pᵢ o número de páginas desse plano, a densidade da unidade federativa é:
I = (Σᵢ tᵢ ÷ Σᵢ pᵢ) × 100
No Distrito Federal, os dois planos considerados somam 55 trechos relacionados à IA e 225 páginas analisadas. A densidade geral de referências à IA é, portanto:
IDF = (55 ÷ 225) × 100 = 24,44
Isso significa que, no conjunto dos planos analisados para o Distrito Federal, foram identificados aproximadamente 24,44 trechos relacionados à IA a cada 100 páginas. O indicador considera conjuntamente os documentos da unidade federativa: ele divide a soma dos trechos pela soma das páginas, em vez de calcular uma média simples das densidades individuais de cada candidatura.
Por exemplo:
O cálculo soma os trechos relacionados à IA de todos os planos incluídos na unidade federativa, soma o número de páginas desses documentos e multiplica a razão por 100. O resultado expressa o número de trechos relacionados à IA identificado a cada 100 páginas do conjunto de planos considerados.
Valores mais altos indicam maior densidade textual de referências à IA no corpus analisado. Eles não permitem concluir, isoladamente, que a IA seja politicamente mais prioritária, substantivamente mais relevante ou objeto de propostas de maior qualidade naquele estado.
5.5 Densidade temática no conjunto dos planos
O gráfico “Temas mais presentes” mede a densidade de cada categoria temática em relação ao conjunto dos planos analisados. Se tᵢₓ é o número de trechos da candidatura i classificados na categoria x e pᵢ é o número de páginas de seu plano, a densidade temática é:
ITₓ = (Σᵢ tᵢₓ ÷ Σᵢ pᵢ) × 100
Em Educação, foram identificados 223 trechos em um conjunto de planos de soma 6.362 páginas. Assim:
ITeducação = 223 ÷ 6362 x 100 = 3,51%
Por exemplo:
O cálculo é repetido de forma independente para cada categoria. O numerador varia conforme o tema analisado, enquanto o denominador permanece igual à extensão total, em páginas, dos planos considerados. Isso coloca as categorias em uma escala comum e permite comparar sua frequência relativa por página.
Como as categorias não são mutuamente excludentes, um mesmo trecho pode contribuir para a densidade de mais de um tema. A soma das densidades temáticas não corresponde, portanto, à densidade geral de trechos relacionados à IA.
Os resultados do Votar.IA devem ser interpretados à luz de quatro limitações principais.
6. LIMITAÇÕES E ATUALIZAÇÕES DA PESQUISA
Primeiro, a base de análise não compreende todas as candidaturas registradas, mas apenas aquelas que atenderam aos critérios operacionais de inclusão definidos pelo projeto e cujos documentos estavam disponíveis na data de corte.
Segundo, o protocolo privilegia referências explícitas à inteligência artificial. Políticas relacionadas ao ecossistema da tecnologia podem não ter sido identificadas quando formuladas sem os termos abrangidos pelo procedimento de busca.
Terceiro, os indicadores de densidade utilizam páginas como medida de extensão documental. Essa unidade é simples e inteligível, mas a quantidade de conteúdo textual por página varia entre documentos em razão de diferenças de diagramação, tamanho de fonte, presença de capas, imagens, tabelas e outros elementos gráficos. As densidades devem, portanto, ser lidas como medidas aproximadas da presença relativa de IA e não como proporções exatas de conteúdo textual.
Essas limitações delimitam, mas não anulam, o alcance das comparações. Os indicadores descrevem como e com que frequência a inteligência artificial aparece textualmente no corpus analisado. Eles não medem, por si sós, a qualidade, a viabilidade, a prioridade política ou a importância objetiva das propostas.
Como o Votar.IA é um projeto em andamento, novas rodadas poderão incorporar alterações nos planos, mudanças no universo de candidaturas e aperfeiçoamentos metodológicos. Sempre que houver atualização substantiva, a data de corte e as mudanças relevantes serão registradas na própria base de dados ou nesta nota.
A base pública permite consultar os trechos identificados e retornar aos documentos de origem. Para acessar os dados disponíveis, esclarecer dúvidas metodológicas ou encaminhar sugestões à equipe do ITS Rio, utilize o repositório do Votar.IA ou o e-mail itsrio@itsrio.org.
7. ACESSO AOS DADOS E CONTATO