Governança de IA vista de dentro dos clubes esportivos
Vejo com frequência a pergunta sobre qual ferramenta de inteligência artificial o clube esportivo deveria contratar. Quase nunca vejo alguém perguntar quem, dentro do clube, tem autoridade para decidir isso.
A ordem está invertida. Talvez por isso tanta iniciativa de IA no esporte comece animada e termine numa linha de custo sem dono. Na maioria das vezes, o que falta é governança.
O que eu já vi acontecer
Sou formado em Ciências da Computação pela USP e abri minha primeira empresa em 1989, com projetos digitais para clientes como IBM, Philips, Carrefour, Pirelli, DHL e Bradesco. Vi a primeira onda de transformação digital por dentro, ao lado de quem comprava a tecnologia. O padrão daquela época é o mesmo de hoje com a IA: a tecnologia chega antes da governança, e a governança só aparece depois do incidente.
Depois vieram a gestão administrativo-financeira, as alianças entre clubes, os projetos de consultoria, a confederação esportiva e, por dez anos, a gerência do Chute Inicial Corinthians, rede com mais de 80 unidades licenciadas e 12 mil alunos. Ali o assunto deixou de ser teoria.
Uma rede de escolas de futebol é um laboratório de governança. O licenciado precisa de autonomia para empreender, contratar e se adaptar à realidade local, senão não há negócio. O clube precisa de padrão para proteger a metodologia e a marca, senão a licença perde o sentido. Quem centraliza tudo engessa o empreendedor, e quem libera tudo perde a marca. Nunca resolvemos isso escolhendo um lado: definíamos os trilhos e deixávamos a execução acontecer dentro deles. É a mesma discussão que os clubes têm agora com a IA.
Dois modelos, e um terceiro que não foi escolhido
A maioria das organizações está entre dois desenhos possíveis, muitas vezes sem saber que escolheu.
No modelo centralizado, TI e Dados decidem tudo: ferramentas, integrações, acessos, registros, auditoria. Ganha-se consistência, mas perde-se velocidade: a área vira fila, e fila desestimula quem precisa de resposta rápida.
No modelo federado, as áreas de negócio criam seus casos de uso, automações e até agentes (programas de IA que executam tarefas por conta própria), dentro de regras definidas por TI, Segurança e Jurídico. Ganha-se adesão, porque quem faz o processo desenha a solução. O preço é a desordem: soluções duplicadas e qualidade irregular.
Até aqui é gestão clássica. O que costuma passar batido é o terceiro cenário, o federado sem guardrails, ou seja, sem trilhos de proteção. Pelo que observo, é provavelmente o mais comum, mas não tenho pesquisa para provar. As áreas já usam IA todos os dias, em contas pessoais, com dados reais de associados, sem política definida e sem ninguém que responda por isso.
A Samsung mostrou quanto isso pode custar em 2023, no início da popularização da IA generativa. Segundo a imprensa, funcionários colaram código interno no ChatGPT. A empresa respondeu com um memorando restringindo temporariamente a IA generativa nos seus equipamentos, “até que as medidas estejam preparadas”. Sem trilho, o controle chega depois do vazamento, e chega como proibição.
Em clube, o risco tem contornos próprios: base de associados, inadimplência, dados de saúde em avaliações físicas e, onde há categoria de base, dados de crianças e adolescentes. Dados de saúde e de crianças e adolescentes têm tratamento mais rigoroso na LGPD, e os demais dados do associado também exigem cuidado. No Brasil, a ANPD abriu fiscalização sobre o uso de reconhecimento facial na venda de ingressos e na entrada de estádios por 23 clubes. Não é IA generativa, mas mostra que o regulador olha para o dado do torcedor.
O modelo híbrido já existe fora do esporte
O desenho que defendo não é invenção minha. A Microsoft descreveu, em 2021, seu programa de IA responsável como um hub-and-spoke (centro e ramais): um escritório central define políticas e processos, e “campeões” dentro das equipes de engenharia e vendas aplicam isso no dia a dia. A Mayo Clinic, organização americana de saúde sem fins lucrativos, dedicada à prática clínica, à pesquisa e à educação, deixa as equipes clínicas construírem soluções perto da especialidade; só o que vai escalar passa por uma revisão central, e quem propõe segue responsável pela solução depois de implantada. Na Unilever, segundo a MIT Sloan Management Review, cada projeto recebe uma cor de risco: o vermelho não vai para produção, e no amarelo é o dono do negócio quem assume o risco aceitável.
No esporte, a MLS (principal liga profissional de futebol dos Estados Unidos e Canadá) aplica lógica parecida aos dados de torcedores. A liga passou a exigir, a partir de 2026, que todos os clubes tenham uma plataforma formal de gestão de privacidade: 23 vão usar a mesma solução, e os demais, ferramentas aprovadas. Nas palavras do CIO da liga, os clubes operam de forma independente, e a liga mantém visibilidade e controle centralizados.
Uma ressalva: o que está publicado descreve o desenho desses programas, não resultados medidos, e não encontrei clube brasileiro que tenha divulgado um modelo assim.
Guardrail, na prática
Guardrails são definições concretas, sem discurso de compliance: um catálogo de ferramentas aprovadas, com o que é permitido, proibido ou em avaliação; uma classificação de dados em linguagem de todo dia, para todos saberem o que pode ser colado numa ferramenta; acesso único com perfis por área e registro de uso; um ambiente de teste separado; e um dono nominal, com nível de autonomia autorizado, para cada agente ou automação criado em casa.
Esse último item é o mais negligenciado. Um agente que só redige texto é uma conveniência. Um agente que manda mensagem ao associado, altera cadastro no CRM (o sistema de relacionamento com o associado) ou dispara cobrança já pode causar dano, e pede revisão humana e possibilidade de desfazer o erro.
O caminho que eu recomendo
O modelo que considero que funciona é o híbrido, com a fronteira traçada por um critério simples: reversibilidade e sensibilidade. Antes de liberar qualquer uso de IA, faço duas perguntas. Se der errado, dá para desfazer? E que dados estão em jogo?
Fica centralizado o que é irreversível ou sensível: dados pessoais, integração com CRM e financeiro, identidade e permissões, auditoria, decisões que afetam o associado, comunicação institucional e tudo com efeito jurídico ou financeiro. Fica com as áreas o que é reversível e produtivo: estruturar conteúdo, apoiar campanhas, organizar rotinas administrativas, automações locais de baixo impacto, sempre com revisão humana antes de sair. O custo do erro é que decide onde cada coisa fica, independentemente do organograma.
Na prática, isso vira exemplos que qualquer área entende. Resumir uma reunião sem dados pessoais, escrever o rascunho de um post que será revisado antes de publicar ou organizar uma planilha administrativa podem ficar com a própria área. Já um agente que cobra o associado inadimplente, a análise de avaliações físicas de atletas da base ou qualquer integração com o CRM pertencem ao centro, porque um erro ali chega ao associado, à família ou à marca antes que alguém consiga corrigir.
Existe uma zona cinzenta, e todo clube tem a sua. Minha regra para ela é simples: na dúvida, trate como sensível e leve para o centro.
A autonomia também precisa de graus, porque nem todo agente é igual. Proponho três níveis. No primeiro, a IA só sugere e redige, e uma pessoa decide tudo. No segundo, ela executa tarefas, mas com aprovação humana antes de qualquer ação que saia do clube. No terceiro, age sozinha dentro de um escopo restrito, reversível e monitorado. Cada agente tem o nível registrado e um dono com nome e sobrenome, e subir de nível exige evidência de que o anterior funcionou. O que nasce numa área e ganha escala sobe para a revisão do centro, como faz a Mayo Clinic.
Para sair do papel, sugiro quatro passos, nesta ordem:
- Descubra o que já existe. Pergunte às áreas, sem caça às bruxas, quais ferramentas usam e com quais dados. Quem teme punição esconde, e o uso continua na sombra.
- Classifique os dados em poucas categorias que todos entendam sem precisar consultar o jurídico a cada caso.
- Nomeie os donos e publique o catálogo de ferramentas aprovadas.
- Revise com regularidade, porque a tecnologia e o uso mudam mais rápido que a política.
Um último cuidado: o centro não pode virar o gargalo que o modelo centralizado já mostrou ser. Se a TI levar semanas para responder a um pedido simples, as áreas voltam para a conta pessoal e o risco volta para a sombra. O centro precisa ter prazo de resposta e uma via rápida para o que é de baixo risco. Lembra a rede de licenciados: regra que atrapalha a operação acaba contornada.
E as pessoas?
Tecnologia nunca foi a parte difícil. Em mais de trinta anos entre computação e gestão, o desafio foi sempre fazer pessoas competentes, pressionadas por resultado, mudarem a forma de trabalhar sem se sentirem ameaçadas. A pergunta que eu faria ao gestor de tecnologia de um clube não é qual plataforma está em avaliação, e sim qual será o plano de capacitação de cada área. Treinamento genérico ensina as pessoas a falar sobre IA, mas não muda a forma como trabalham.
Conclusão: três perguntas para segunda-feira
Os clubes, entidades e empresas vão se diferenciar por quem conseguir transformar o uso individual de IA em processo da instituição, com trilho, dono e métrica, antes que o uso informal crie o próprio padrão. Ter a ferramenta mais avançada pesa pouco nisso. O futebol já aprendeu isso uma vez: padronizar não engessa o campo, e dar autonomia não significa abrir mão da marca.
Se você é gestor, comece por três perguntas.
- Que ferramentas de IA minha equipe usa hoje, e com quais dados?
- Quem responde por cada agente ou automação em funcionamento?
- O que, se der errado, eu não consigo desfazer?
Se alguma resposta for “não sei”, a IA já faz parte do dia a dia da sua instituição, mas ninguém decidiu como ela deve ser usada. Quem, hoje, responde por ela?
Fontes
MLS e DataGrail (30/03/2026): https://www.mlssoccer.com/news/major-league-soccer-announces-collaboration-with-datagrail-to-power-ai-driven-data-privacy-and-governance-across-the-league-and-club-partners
Mayo Clinic, Healthcare Innovation (01/09/2026): https://www.hcinnovationgroup.com/analytics-ai/ai-governance/article/55402280/how-micky-tripathi-is-steering-ai-implementation-at-mayo-clinic
Mayo Clinic, sobre a instituição: https://www.mayoclinic.org/about-mayo-clinic
Microsoft, programa de IA responsável (19/01/2021): https://blogs.microsoft.com/on-the-issues/2021/01/19/microsoft-responsible-ai-program/
Unilever, MIT Sloan Management Review (sem data na página): https://sloanreview.mit.edu/?p=110124
Samsung, TechRadar (02/05/2023): https://www.techradar.com/news/samsung-bans-chatgpt-use-after-employee-leak
ANPD, fiscalização de reconhecimento facial em clubes: https://www.gov.br/anpd/pt-br/assuntos/noticias/anpd-fiscaliza-uso-de-sistema-de-reconhecimento-facial-na-venda-de-ingressos-e-na-entrada-de-estadios-por-23-clubes-de-futebol
LGPD, Lei 13.709/2018: https://www.planalto.gov.br/ccivil_03/_ato2015-2018/2018/lei/l13709.htm
Marcelo Claro
Consultor, palestrante, professor do MBA em Gestão do Esporte da UNIP e foi por dez anos gerente do Chute Inicial Corinthians. Foi também gerente executivo da Confederação Brasileira de Hipismo e do G4 Aliança Paulista, aliança comercial entre Corinthians, Palmeiras, Santos e São Paulo, e atuou na gestão de carreira de atletas olímpicos como a nadadora Ana Marcela Cunha. É formado em Ciências da Computação pela USP, com MBA em Gestão e Marketing Esportivo pela Anhembi Morumbi, em parceria com a Universidad Europea de Madrid e a Escuela de Estudios Universitarios Real Madrid.
