O que você precisa saber
O HAS-IA prepara pessoas, colaboradores, gestores e empresários para aplicar e arquitetar soluções com IA de modo seguro e responsável. Ao completar o programa e satisfazer os critérios futuros de avaliação, o participante poderá receber o certificado privado HAS-IA e o documento RRIA associado. Esses documentos ainda não estão sendo emitidos e não são licença estatal.
- Uma competência precisa aparecer em uma tarefa e em evidências que outra pessoa consiga examinar.
- Uma futura habilitação privada exigirá critérios de avaliação publicados; não representa licença estatal ou profissão regulamentada.
- O RRIA está sendo desenvolvido para registrar responsabilidade, versões, dados, testes e limites de projetos de IA.
- Referências como DigComp e NIST informam o desenho; não acreditam a iniciativa.
Seis níveis, sete pilares de capacitação e responsabilidade
Bruno Costa e a Genial Labs estão desenvolvendo um único programa complementares. O HAS-IA promove letramento e capacidade de usar IA em decisões reais; o RRIA orienta a documentação de projetos, testes, dados, riscos e responsabilidades. São iniciativas autorais em desenvolvimento, e não apenas ideias para discussão.
Acreditamos que o uso da IA se organizará em perfis distintos: Observador, Entusiasta, Básico, Intermediário, Avançado e Profissional habilitado pela metodologia privada. Os nomes indicam níveis de aprendizagem; o último não é licença estatal ou habilitação em profissão regulamentada.
A formação está sendo desenhada para pessoas, funcionários, lideranças e empresários. Inclui fundamentos, letramento, segurança, dados, governança interna e externa, responsabilidade humana e prática documentada. A lista de espera permite registrar interesse antes de divulgar turmas, preços ou critérios finais de certificação.
Temas estruturantes
O conteúdo será adaptado aos objetivos e à realidade de cada perfil, sem confundir familiaridade com ferramentas e capacidade de decisão responsável.
- Fundamentos de IA, modelos, agentes e automação.
- Letramento, pensamento crítico, checagem de fontes e comunicação.
- Segurança, privacidade, gestão de permissões e riscos.
- Dados: origem, qualidade, classificação e rastreabilidade.
- Governança dentro das empresas e responsabilidade de fornecedores e usuários fora delas.
- Responsabilidade, supervisão humana, testes e revisão contínua.
- Projetos práticos e documentação de evidências no RRIA.
Habilitação e registro responsável: programas em construção com evidências
Uma apresentação pode mostrar uma resposta convincente e esconder as perguntas mais importantes: de onde vieram as informações, quais situações foram testadas, o que aconteceu quando faltou contexto e quem conferiu a saída. Para discutir formação em IA, vale começar por essas perguntas. Elas transformam uma demonstração em um trabalho que pode ser explicado, contestado e melhorado.
Bruno Costa e a Genial Labs estão construindo duas frentes complementares: o HAS-IA desenvolve competências para usar e arquitetar soluções de IA com segurança, e o RRIA organiza o registro responsável de projetos, testes, decisões e responsabilidades. Ambos estão vinculados à Genial Skills, plataforma de formação do ecossistema.
A identidade, a finalidade e os pilares dos programas já estão definidos e seu desenvolvimento está em andamento. A lista de espera recebe interessados; não foram abertas turmas, matrículas ou emissão de certificados. Os exercícios e critérios aqui descritos são referências curriculares em construção, não aulas já ministradas nem resultados comerciais prometidos.
O compromisso dos programas é tornar aprendizagem, segurança, governança e responsabilidades verificáveis em tarefas e registros.
Aprofunde este tema: Como se tornar arquiteto de soluções com IA: seis níveis do programa HAS-IA →
Como HAS-IA e RRIA se conectariam
O HAS-IA está sendo estruturado para partir de tarefas reais e autorizadas: compreender o problema, escolher uma abordagem, construir um exercício, conferir riscos e explicar o aprendizado. A avaliação será especificada por competências e evidências, com critérios publicados antes de sua abertura. O RRIA reunirá material para revisão, inclusive testes inconclusivos, falhas e decisões de escopo.
Essas frentes têm funções distintas. A participação em uma atividade registra envolvimento. Uma avaliação busca evidência de aprendizagem. Um dossiê descreve um projeto em determinada versão. Reunir tudo em um único selo, sem explicar o significado de cada parte, dificultaria a leitura por alunos, empresas e possíveis contratantes.
| Componente | Pergunta que deveria responder | Evidência possível |
|---|---|---|
| Formação HAS-IA | O que a pessoa está aprendendo a realizar? | Exercícios, explicações e revisões de trabalho |
| Avaliação privada | O que foi demonstrado e sob quais condições? | Tarefa avaliada, critérios e devolutiva |
| Documentação RRIA | Como este projeto foi construído e testado? | Escopo, versões, fontes, decisões e limites |
O que aprender precisa se tornar observável
O DigComp 3.0, da Comissão Europeia/JRC, descreve competência digital em termos de conhecimentos, habilidades e atitudes. Essa referência ajuda a formular uma pergunta prática para o HAS-IA: que tarefa uma pessoa consegue executar, explicar e revisar? Na elaboração do programa, usamos essa pergunta para escolher evidências de aprendizagem, sem declarar equivalência ou certificação pelo framework.
Conhecer uma expressão técnica pode ajudar a conversar com uma equipe. Demonstrar uma competência exige mais contexto. Quem prepara um resumo precisa conferir o material de origem; quem integra um sistema precisa explicar permissões e falhas; quem lidera uma área precisa avaliar se o uso faz sentido para a rotina. Uma mesma atividade pode exigir profundidades diferentes para cada função.
O percurso começaria pela necessidade da pessoa
Por isso, o HAS-IA não promete domínio universal de IA. Estamos organizando percursos a partir da relação entre função, tarefa e apoio necessário. Um objetivo é revisar um resultado; outro é construir o fluxo que o produz. Ambos precisam de critérios próprios e de uma descrição honesta do que fica fora do exercício.
Do exercício a um projeto que outra pessoa consiga revisar
Um percurso útil poderia avançar por entregáveis, com revisão entre as etapas. Isso permitiria detectar cedo se a dificuldade está na compreensão da tarefa, na fonte de informação, no uso da ferramenta ou na avaliação. O calendário, a forma de acompanhamento e as regras de avanço ainda precisariam ser definidos antes de qualquer oferta.
O projeto aplicado funcionaria como uma tarefa delimitada para aprender. Ele não precisaria entrar em produção para demonstrar competência. Um protótipo manual, acompanhado de testes claros, pode mostrar decisões relevantes. Conectar sistemas e liberar ações reais acrescentaria responsabilidades que deveriam ser tratadas em um escopo próprio.
Sequência de entregas que orienta o desenvolvimento da trilha
- Descrever a tarefa, quem recebe o resultado e o que fica fora do escopo.
- Selecionar fontes permitidas e registrar dúvidas ou conflitos de informação.
- Preparar uma primeira versão e explicar as escolhas feitas.
- Definir casos de teste e o comportamento esperado antes de avaliar a saída.
- Registrar falhas, revisar a solução e testar novamente o que mudou.
- Organizar as evidências em um dossiê de projeto e declarar os limites restantes.
Um exemplo ilustrativo: comparar procedimentos internos
Imagine duas versões fictícias de um procedimento de compras. A tarefa do assistente seria localizar mudanças e preparar uma lista de divergências para revisão. Ele não aprovaria compras nem alteraria o sistema da empresa. Os documentos seriam criados para o exercício, sem informações de clientes ou fornecedores reais.
A primeira versão poderia estabelecer uma sequência de revisão; a segunda, mudar a área responsável por uma etapa. O participante precisaria apontar a diferença, mostrar os trechos que a sustentam e reconhecer quando falta uma página. O objetivo de aprendizagem seria avaliar a comparação e seus limites, sem presumir que a versão de número maior está automaticamente autorizada para uso.
Esse exemplo permite observar várias decisões: como organizar fontes, como distinguir mudança de redação de mudança de procedimento e como apresentar uma dúvida ao responsável. Não há resultado medido de cliente nem desempenho comprovado descrito aqui. O comportamento esperado seria definido antes da execução, e o resultado observado ficaria registrado depois.
Avaliação e certificado com escopo definido
O desenho de avaliação que estamos desenvolvendo no HAS-IA relaciona tarefa, evidência e explicação. Uma pessoa pode produzir uma saída correta e ainda não conseguir justificar a fonte usada. Também pode reconhecer uma falha e demonstrar aprendizagem ao corrigir o próprio trabalho. As futuras rubricas deverão tornar esses aspectos visíveis, em lugar de depender da aparência da apresentação final.
Critérios possíveis incluem clareza de escopo, uso das fontes, execução dentro das permissões, qualidade dos testes e comunicação dos limites. Eles aparecem como desenho em discussão. Nota de corte, identidade dos avaliadores, revisão de resultado, formas de comprovar autoria e condições de emissão ainda dependeriam de regras aprovadas e comunicadas previamente.
Um eventual certificado privado registraria aquilo que tivesse sido efetivamente avaliado, com identificação do emissor e do escopo. Não representaria licença estatal, habilitação profissional reservada ou reconhecimento por JRC, NIST ou outra instituição citada. Também não permitiria concluir que qualquer projeto futuro da pessoa foi avaliado. A documentação precisaria preservar essa diferença.
Documentar o projeto sem publicar tudo
O RRIA — Registro Responsável de Inteligência Artificial — está sendo desenvolvido para organizar informações que permitem examinar um projeto: finalidade, responsáveis, fontes, versões, testes, decisões e limites. O registro poderá acompanhar a aprendizagem na Genial Skills e apoiar revisões de projetos em empresas. Não é registro estatal, ART, licença profissional nem prova automática de conformidade.
O NIST AI RMF é uma referência voluntária de gestão de riscos. No Playbook, MEASURE 2.1 orienta documentar testes, métricas e processos de avaliação de sistemas. Esse princípio informa o desenho do dossiê; a seleção dos campos e sua aplicação à formação são propostas da Genial Labs, sem endosso do NIST.
A organização do dossiê deveria separar o material de trabalho de um eventual resumo compartilhável. Evidências podem conter informações que não devem ir para um portfólio. Uma apresentação pública poderia usar dados fictícios e explicar os critérios, enquanto arquivos restritos permaneceriam nos ambientes autorizados. O que seria publicado, por quem e por quanto tempo ainda precisaria de definição.
Como uma empresa poderia usar essa documentação
O dossiê poderia apoiar uma conversa entre funções diferentes. A pessoa responsável pelo processo examinaria o escopo; a equipe técnica, as versões e os testes; quem recebe a saída, a clareza das dúvidas e das referências. São usos possíveis da documentação proposta, sem comprovação de aceitação pelo mercado ou garantia de contratação. Cada organização continuaria precisando definir seus próprios critérios de avaliação.
Se a revisão revelar que um protótipo ainda não está pronto para uso, essa conclusão deve permanecer no registro. Aprender a reconhecer o limite de uma solução pode ser uma evidência relevante de aprendizagem. A apresentação final não deveria transformar essa descoberta em uma aprovação que não ocorreu.
O que permanece em definição e como participar
Preço, carga horária, datas, formato, acompanhamento, acessibilidade, requisitos de entrada e condições finais não estão definidos neste desenho. O mesmo vale para emissão, validade ou eventual reavaliação de certificados. Antes de uma oferta, essas informações precisariam ser apresentadas de modo verificável, com critérios e responsabilidades compreensíveis.
A conversa pode começar por questões concretas: que tarefa você precisa aprender a executar, qual evidência faria sentido para sua função e que apoio seria necessário? Quem já lidera equipes pode contribuir com situações em que uma demonstração de IA parece boa, mas ainda deixa dúvidas para a operação. Não é preciso enviar dados de clientes para explicar esse contexto.
Os próximos artigos aprofundam os seis níveis de usuários de IA, a trilha prática em construção, os critérios de avaliação e a documentação RRIA. A Genial Skills é o ambiente educacional ao qual vinculamos esses programas. Quem deseja acompanhar a implantação pode entrar na lista de espera na página oficial; o cadastro não equivale a matrícula, reserva de vaga ou certificado.
