Dies ist eine Übersichtsseite mit Metadaten zu dieser wissenschaftlichen Arbeit. Der vollständige Artikel ist beim Verlag verfügbar.
A Lacuna Regulatória entre o AI Act e o RGPD: Heteronomia Decisória Invisível em Contexto Jurisdicional e Clínico
0
Zitationen
1
Autoren
2026
Jahr
Abstract
A crescente integração de sistemas de Inteligência Artificial em contextos decisórios críticos tem vindo a ser acompanhada por um esforço regulatório relevante, designadamente através do Regulamento (UE) 2024/1689 (AI Act) e do Regulamento (UE) 2016/679 (RGPD). O presente trabalho identifica uma dimensão complementar, ainda insuficientemente tratada por ambos os instrumentos: o modo como a informação é estruturada antes de ser submetida à decisão humana. Para designar o fenómeno que esta lacuna permite, retoma-se o conceito de heteronomia decisória invisível e aplica-se em analogia estrutural ao contexto jurisdicional e ao contexto clínico. O paper analisa as implicações jurídicas da lacuna em termos de responsabilidade do decisor, efetividade da supervisão humana e limites da explainability, e formula uma proposta dirigida ao regulador europeu e ao legislador português, assente no reconhecimento do processo de estruturação da informação como objeto regulatório autónomo. Nelson Marques | Jurista - Direito Digital e Regulação da Inteligência Artificial | e-mail: nelsonailaw@gmail.com | https://www.linkedin.com/in/nelsonmarques-ailaw | Tipologia: Documento de Posição (Position Paper) - Abril 2026 | Trabalho anterior: DOI 10.5281/zenodo.19446330 | “O objetivo não é questionar a autonomia do decisor, mas assegurar que essa autonomia se exerce sobre todas as dimensões relevantes do processo de decisão.” Keywords: artificial intelligence, medical practice, decisional heteronomy, clinical autonomy, AI Act, informed consent, medical deontology, automation bias, cognitive heteronomy, shadow AI, physician governance.
Ähnliche Arbeiten
Explainable Artificial Intelligence (XAI): Concepts, taxonomies, opportunities and challenges toward responsible AI
2019 · 8.652 Zit.
Stop explaining black box machine learning models for high stakes decisions and use interpretable models instead
2019 · 8.567 Zit.
High-performance medicine: the convergence of human and artificial intelligence
2018 · 8.083 Zit.
BioBERT: a pre-trained biomedical language representation model for biomedical text mining
2019 · 6.856 Zit.
Proceedings of the 19th International Joint Conference on Artificial Intelligence
2005 · 5.781 Zit.