# Triagem com IA na ONG: quando apoiar a fila e quando nunca decidir sobre pessoas > Priorizar quem entra na oficina, quem recebe a visita ou quem sobe na lista de espera é a decisão mais sensível que uma ONG toma. Veja o que a IA pode organizar, o que não deve decidir, como o viés aparece e um desenho seguro de triagem em sete passos. - URL: https://blog.nexussocial.com.br/posts/triagem-com-ia-ong-atendimento-vagas-criterios - Publicado em: 2026-11-07 - Autor: Equipe Nexus (Blog Nexus Social) - Palavras-chave: triagem com IA ONG, IA para priorizar atendimento, lista de espera ONG IA, viés algorítmico assistência social, art. 20 LGPD, decisão automatizada ONG, RIPD, score de vulnerabilidade, OSCs, Nexus Social ## Pontos-Chave sobre Triagem com IA - **Triagem é decidir sobre pessoas.** Quem entra, quem espera e quem é visitado primeiro afeta o acesso a direitos. Por isso é o uso de IA que mais exige cuidado. - **Organizar informação é diferente de decidir.** A IA pode ajudar a achar duplicidades e dados faltantes. Dar nota de "vulnerabilidade" ou "prioridade" é outra coisa. - **Critério escrito vem antes da ferramenta.** Se a ONG consegue escrever a regra, ela raramente precisa de uma IA preditiva. Se não consegue, a IA vai inventar uma regra por ela, e ninguém saberá qual. - **Revisão humana de fachada não protege ninguém.** Quem revisa precisa saber por que o sistema sugeriu aquilo e ter autonomia para discordar. - **A pessoa precisa poder entender e contestar.** A LGPD garante o direito de pedir revisão de decisões automatizadas (art. 20). ## O Que É Triagem em uma ONG Quase toda ONG faz triagem, mesmo sem usar esse nome: - **Inscrições para oficinas e cursos** com mais interessados que vagas. - **Lista de espera** e ordem de chamada. Veja [lista de espera em oficinas](/posts/lista-espera-oficinas-oscs-demanda). - **Priorização de visitas domiciliares** ou de atendimentos individuais. - **Encaminhamento a serviços** da rede, como CRAS, CREAS e saúde. - **Distribuição de cestas, vagas e benefícios** com critério de necessidade. Em cada caso, uma pessoa ou um conjunto de regras decide quem vem antes. Quando a IA entra, o risco é que essa decisão, que já é delicada, passe a ser tomada por um mecanismo que ninguém consegue explicar. ## Quatro Níveis de Uso de IA na Triagem | Nível | O que a IA faz | Risco | Orientação | |---|---|---|---| | **1. Organizar informação** | Encontrar duplicidades, apontar campos faltantes, ordenar por data de inscrição | Baixo | Pode, dentro do sistema da ONG | | **2. Apoiar a leitura** | Resumir um formulário longo ou destacar trechos para a equipe ler | Médio | Só dentro de ferramenta com garantias de dados. A pessoa lê o original | | **3. Sugerir prioridade ou nota** | Dar um score de vulnerabilidade, de risco ou de prioridade | Alto | Só com critérios públicos, auditoria e revisão humana real. Em geral, evite | | **4. Decidir automaticamente** | Aprovar, recusar ou posicionar na fila sem intervenção | Inaceitável | Não | Os níveis 1 e 2 já economizam tempo. O 3 exige uma governança que poucas ONGs têm hoje. O 4 não deve existir. Para o nível 1, o texto sobre [duplicidade de cadastro](/posts/duplicidade-cadastro-beneficiarios-crm-oscs) e o de [qualidade de dados](/posts/data-quality-oscs-dados-sujo-custo) mostram o que organizar antes de pensar em IA. ## Primeiro o Critério, Depois a Ferramenta Antes de qualquer tecnologia, responda por escrito: - **Quais critérios definem a prioridade?** Idade, território, renda, situação de risco, ordem de chegada, indicação da rede? - **De onde vêm esses critérios?** Do termo de parceria, do edital, do município, da política da ONG? Quando a ONG executa um serviço da rede socioassistencial, os critérios de acesso são definidos fora dela, e ela não pode criar regras novas por conta própria. O guia sobre [Cadastro Único e SUAS](/posts/cadastro-unico-cadunico-cras-suas-oscs) ajuda a situar isso. - **Como cada critério é verificado?** Com documento, declaração, consulta à rede? - **Quem decide os casos de fronteira?** Uma regra prática: **se o critério pode ser escrito em uma tabela, aplique a tabela.** Ela é transparente, auditável e explicável à família. A IA entra, no máximo, como apoio para aplicar a regra com menos esforço. ## Por Que a IA Preditiva na Triagem Dá Errado ### Aprende o passado, inclusive suas injustiças Um modelo treinado com decisões antigas tende a repetir quem foi atendido antes. Se um território, um grupo ou um tipo de família ficou de fora historicamente, o modelo lê isso como "padrão". O texto sobre [IA responsável e viés algorítmico](/posts/ia-responsavel-oscs-vies-privacidade) traz os casos da CAF francesa e o alerta da OCDE. ### Usa substitutos de características sensíveis Mesmo sem usar raça, renda ou religião, variáveis como CEP, escola, tipo de moradia ou sobrenome funcionam como "proxy". O modelo discrimina sem que ninguém tenha escrito essa regra. ### Erra para um lado só Na triagem, o erro de **excluir** quem precisava é, em geral, mais grave que o de incluir quem poderia esperar. Mas é também o mais difícil de perceber, porque a pessoa excluída raramente reclama, ou nem sabe por que foi excluída. ### Vira caixa-preta Se ninguém sabe explicar por que a família A ficou à frente da família B, não há como corrigir, justificar ou contestar. ### O caso holandês e a revisão humana de fachada Um exemplo documentado é o dos benefícios para cuidado infantil nos Países Baixos. Segundo o relatório [Xenophobic Machines](https://www.amnesty.org/en/latest/news/2021/10/xenophobic-machines-dutch-child-benefit-scandal/), da Anistia Internacional, a autoridade tributária usou um algoritmo de classificação de risco que tratava a nacionalidade como fator, atribuindo notas maiores a quem não era holandês. Quando um caso era sinalizado, um servidor devia revisá-lo, mas, segundo o relatório, não recebia informação sobre por que o sistema dera aquela nota. Dezenas de milhares de pais e responsáveis, em sua maioria de baixa renda, foram acusados injustamente de fraude. A lição para uma ONG não é sobre tributos, e sim sobre **o que uma revisão humana precisa ter para valer**: acesso aos motivos, tempo, autonomia para discordar e canal de recurso para a pessoa afetada. Sem isso, a revisão é só uma assinatura. ## O Que a LGPD Diz - **Revisão de decisões automatizadas (art. 20).** O titular pode pedir a revisão de decisões tomadas unicamente com base em tratamento automatizado que afetem seus interesses e pode solicitar informações claras e adequadas sobre os critérios e procedimentos usados. O veto de 2019 retirou a exigência expressa de que a revisão fosse feita por pessoa natural, mas a supervisão humana continua sendo a forma mais segura de garantir o direito. - **Não discriminação e transparência (art. 6º).** O tratamento não pode ter fins discriminatórios ilícitos ou abusivos, e o titular tem direito a informações claras sobre o tratamento. - **Dados sensíveis e de crianças (arts. 11 e 14).** Muitos dados de triagem são de saúde, deficiência, violência e vulnerabilidade, o que exige hipóteses legais mais restritas e cuidado redobrado. - **Relatório de Impacto (art. 38).** Para tratamentos de maior risco, como o de triagem com IA sobre pessoas vulneráveis, a elaboração de um RIPD é boa prática. O [guia de LGPD para ONGs](/posts/lgpd-ongs-oscs-guia-conformidade) explica o instrumento. - **Direitos do titular (art. 18).** A família pode pedir informação, correção e outras providências. Veja [como responder a esses pedidos](/posts/direitos-dos-titulares-ong-como-responder-pedidos). A transparência prevista também aparece nos [termos do atendido](/posts/termos-do-atendido-informar-uso-de-ia-ong): se a IA influencia a triagem, a família precisa ser informada. ## Desenho Seguro de Triagem em Sete Passos 1. **Escreva os critérios** e aprove-os com a coordenação. Publique a versão resumida, para que a comunidade saiba como funciona. 2. **Colete só os dados necessários.** Cada campo a mais é risco. Evite perguntar o que não afeta a decisão. 3. **Prefira regras transparentes.** Pontuação simples com critérios conhecidos é melhor que um modelo opaco. 4. **Use a IA, se usar, no nível 1 ou 2.** Organizar e apoiar a leitura, nunca decidir. 5. **Faça um humano decidir, com informação e autonomia.** Quem decide vê os dados originais, os critérios aplicados e o motivo de qualquer sugestão. Pode discordar, e a discordância é registrada. 6. **Registre a justificativa de cada decisão** e informe a família do resultado e de como pedir revisão. 7. **Audite periodicamente.** Compare resultados entre territórios e grupos, meça quantas decisões foram revertidas na revisão e investigue desvios. ## Exemplo Prático: 80 Inscrições para 30 Vagas Uma ONG de contraturno abre 30 vagas em uma oficina e recebe 80 inscrições. **Abordagem A: critério em tabela.** A ONG define: prioridade a famílias cadastradas no CRAS de referência, depois à idade-alvo, depois à ordem de inscrição. A equipe aplica a tabela, o sistema ajuda a ordenar e a achar inscrições duplicadas, e as famílias recebem a regra. Simples, transparente, explicável. **Abordagem B: score de IA.** Um modelo "pontua" as famílias com base em tudo o que foi preenchido. Ninguém sabe o peso de cada dado, famílias de determinados bairros ficam sistematicamente atrás, e, quando uma mãe pergunta por que seu filho ficou na lista de espera, a ONG não tem resposta. **Abordagem C: híbrida.** A IA (nível 1) detecta duplicidades e campos incompletos antes da análise, e a equipe aplica a tabela. A decisão final, a justificativa e o canal de recurso ficam com pessoas. A abordagem C é a que mais economiza tempo sem tirar a explicação da família. A B parece moderna, mas cria um problema que a ONG não sabe resolver. ## Se o Sistema Oferece "Score" ou "Priorização Automática" Antes de ligar ou contratar, pergunte ao fornecedor e peça as respostas por escrito. O guia de [perguntas para a demonstração de um sistema](/posts/escolher-sistema-gestao-ong-perguntas-demonstracao) é um bom complemento. - Quais dados entram no cálculo, e **algum é sensível ou funciona como proxy**? - O **critério é explicável** para a equipe e para a família? - Existe **registro de por que** cada pessoa recebeu aquela nota? - É possível **desligar** a sugestão, e a ONG pode **alterar os pesos**? - Como o fornecedor **testa viés** e com que frequência? - Os dados dos atendidos são usados para **treinar** modelos? - Há **trilha de auditoria** de quem viu, mudou e decidiu? - Em caso de contestação, que **informações** a ONG consegue fornecer? Se o fornecedor não responde com clareza, essa é a resposta. ## Como Auditar Sem Ser Especialista Uma auditoria simples, feita a cada semestre, já revela muito: - **Taxa de atendimento por território, faixa etária e gênero**, comparada à demanda. - **Quantas sugestões foram revertidas** pela equipe. Muitas reversões indicam sugestões ruins. Nenhuma reversão pode indicar revisão de fachada. - **Tempo médio de espera** por grupo. - **Pedidos de revisão** recebidos e resultado. - **Casos de fronteira** e como foram decididos. Se a ONG tem [indicadores sociais no CRM](/posts/indicadores-sociais-crm-oscs), muitos desses números já estão disponíveis. ## Comunicando a Triagem às Famílias Transparência reduz conflito. Um aviso curto, na inscrição: > *As vagas são preenchidas de acordo com estes critérios: [critérios]. A decisão é tomada pela equipe da [nome da ONG]. Se a sua inscrição não for atendida agora, você continuará na lista de espera e poderá pedir uma nova análise pelo contato [e-mail ou WhatsApp].* Se houver uso de IA com dados dos atendidos, acrescente uma frase simples sobre isso, conforme o modelo do texto sobre [termos do atendido](/posts/termos-do-atendido-informar-uso-de-ia-ong). ## Como o Nexus Social Trata o Assunto O Nexus Social entende a IA como apoio à equipe, e não como decisora de quem é atendido. Os recursos de IA apresentam o resultado como sugestão, com aviso de que a decisão final é humana, e cada uso fica registrado na trilha de auditoria. Isso se soma ao controle de acesso por perfil e ao registro de quem consultou e alterou cada ficha, o que sustenta a revisão que a LGPD pede. O texto sobre [fila de atendimento por WhatsApp](/posts/fluxo-atendimento-whatsapp-ong-fila-registro) mostra como a organização da fila já reduz muito do trabalho manual, sem entregar a decisão a um modelo. ## Perguntas Frequentes ### A IA pode ordenar a lista de espera? Ordenar por critérios objetivos e conhecidos, como data de inscrição, território ou faixa etária, é tarefa de regra, não de IA preditiva, e pode ser feita no sistema da ONG. O que não se recomenda é um modelo que atribui nota de prioridade a cada família sem que a ONG saiba explicá-la. ### Posso usar o ChatGPT para analisar as fichas de inscrição? Não com dados das famílias. Fichas de inscrição contêm dados pessoais e, muitas vezes, sensíveis. Use o [critério das três cores](/posts/o-que-enviar-da-ong-para-ia-verde-amarelo-vermelho) e mantenha a análise no sistema da ONG. ### A ONG precisa fazer um RIPD para usar IA na triagem? A lei não traz uma lista fechada de casos em que ele seja sempre obrigatório, mas a ANPD pode solicitá-lo (art. 38), e é boa prática elaborá-lo em tratamentos de maior risco, como triagem com IA sobre pessoas em situação de vulnerabilidade. A avaliação deve ser feita com o encarregado de dados ou apoio jurídico. ### A revisão humana basta para usar um score de IA? Só se for uma revisão real: com acesso aos motivos, tempo, autonomia para discordar e canal de recurso. Uma revisão em que a pessoa apenas confirma o que o sistema mostrou não protege nem as famílias nem a ONG. ### E se o município ou o financiador exigir um critério automatizado? Peça a regra por escrito e entenda como ela é aplicada. Se envolver tratamento de dados de pessoas por um sistema, a ONG continua responsável por informar as famílias e por garantir canal de revisão. Em caso de conflito com a LGPD, busque orientação jurídica. ## Conclusão A triagem é o ponto em que a tecnologia mais pode ajudar e mais pode ferir. Use a IA para organizar informação, achar duplicidades e poupar trabalho repetitivo, e mantenha as decisões sobre pessoas com a equipe, apoiadas em critérios escritos, transparentes e contestáveis. Se a ONG não consegue explicar a uma mãe por que seu filho está na lista de espera, a ferramenta que decidiu isso não deve estar no processo. --- **Quer organizar inscrições, lista de espera e atendimentos em um sistema com controle de acesso e trilha de auditoria, com a decisão sempre humana?** [Agende uma demonstração gratuita](https://wa.me/5511936180125?text=Olá!%20Gostaria%20de%20ver%20como%20o%20Nexus%20Social%20organiza%20inscrições%20e%20lista%20de%20espera%20com%20decisão%20humana.) e converse com a equipe. Saiba mais sobre o [Nexus Social](https://nexussocial.com.br) e a gestão integrada para organizações sociais. --- ## Fontes e Referências - [Anistia Internacional — Xenophobic Machines: Discrimination through unregulated use of algorithms in the Dutch childcare benefits scandal](https://www.amnesty.org/en/latest/news/2021/10/xenophobic-machines-dutch-child-benefit-scandal/) — Algoritmo de classificação de risco com nacionalidade como fator e revisão sem acesso aos motivos (outubro de 2021) - [Lei nº 13.709/2018 (LGPD) — Planalto](https://www.planalto.gov.br/ccivil_03/_ato2015-2018/2018/lei/l13709.htm) — Princípios (art. 6º), dados sensíveis (art. 11), crianças e adolescentes (art. 14), direitos do titular (art. 18), revisão de decisões automatizadas (art. 20) e relatório de impacto (art. 38)