(+351) 21 24 10006  ·  info@bconcepts.pt
Carnaxide, Lisboa
Azure AI & Machine Learning
Azure AI & Machine Learning 2 min

Responsible AI no Azure: fairness, transparência e governance em produção

João Barros 22 de May de 2026 2 min de leitura

A IA Responsável (Responsible AI) deixou de ser apenas um princípio ético para se tornar um requisito regulatório (EU AI Act) e um imperativo de risco de negócio. O Azure oferece ferramentas práticas para medir e mitigar problemas nos modelos em produção.

Os 6 princípios Microsoft RAI

  • Fairness — o modelo trata diferentes grupos de forma equitativa.
  • Reliability & Safety — comportamento previsível, mesmo com inputs inesperados.
  • Privacy & Security — protecção de dados pessoais e resistência a ataques adversariais.
  • Inclusiveness — funciona para todos os utilizadores, sem exclusão.
  • Transparency — os utilizadores entendem como o sistema funciona.
  • Accountability — humanos supervisionam as decisões de IA críticas.

Azure RAI Dashboard

from raiwidgets import ResponsibleAIDashboard
from responsibleai import RAIInsights

# Criar análise RAI
rai_insights = RAIInsights(
    model=model,
    train=df_train,
    test=df_test,
    target_column="churn",
    task_type="classification"
)

# Adicionar análises
rai_insights.explainability.add()     # SHAP — importância de features
rai_insights.error_analysis.add()     # onde o modelo erra mais
rai_insights.fairness.add(           # fairness por grupo
    sensitive_features=["genero", "idade_grupo"],
    fairness_metrics=["selection_rate", "accuracy_score"]
)

rai_insights.compute()

# Visualizar no notebook
ResponsibleAIDashboard(rai_insights)

Content Safety para LLMs

from azure.ai.contentsafety import ContentSafetyClient
from azure.ai.contentsafety.models import AnalyzeTextOptions

safety_client = ContentSafetyClient(endpoint, AzureKeyCredential(key))
response = safety_client.analyze_text(AnalyzeTextOptions(text=user_input))

# Verificar categorias: Hate, Sexual, Violence, SelfHarm
for category in response.categories_analysis:
    if category.severity > 2:
        raise ValueError(f"Conteúdo bloqueado: {category.category} (severidade {category.severity})")

Conclusão

Responsible AI não é um checkbox no final do projecto — integre o RAI Dashboard na fase de avaliação de modelos, configure Content Safety nos pontos de entrada de LLMs e documente decisões de design em Model Cards. O EU AI Act tornará estas práticas obrigatórias para sistemas de IA de alto risco a partir de 2026.

Partilhar: