IA e concursos públicos em 2026: o que faz bem e o que falha
IA e contratação pública em 2026: análise das peças, extração de fatores, proposta técnica, prompts úteis, riscos e porque o ChatGPT não encontra anúncios.
Mercado principal: Portugal
Atualizado em 10 de setembro de 2026
Verificado a 10 de setembro de 2026.
Em 2026 a pergunta já não é se se usa um modelo de linguagem para responder a concursos públicos, mas onde é que ele traz ganho real e onde é que faz perder pontos, ou mesmo o contrato. A linha divisória é nítida: a IA é excelente a ler, resumir e reformular documentos que lhe são dados, e muito má a ir buscar sozinha os anúncios publicados esta semana.
O que as empresas fazem mesmo com a IA
Há cinco utilizações que aparecem sistematicamente em quem trabalha nisto todos os dias.
Análise das peças do procedimento. Um caderno de encargos com o projeto de execução, o programa do procedimento e os anexos ocupa muitas vezes centenas de páginas em cinco ou seis ficheiros. Um modelo capaz de ler PDF longos extrai em minutos o objeto exato, a divisão em lotes, o prazo de execução, o regime de penalidades, os documentos a apresentar e os pontos críticos das cláusulas jurídicas do caderno de encargos.
Resumo e decisão de avançar ou não. O resumo de um anúncio de procedimento num formato fixo (entidade adjudicante, objeto, data limite, preço base, condições de acesso) permite triar uma pilha de anúncios muito mais depressa.
Extração dos fatores de avaliação. O programa do procedimento descreve as ponderações e os subfatores do modelo de avaliação, por vezes numa tabela, por vezes num parágrafo perdido a meio do documento. A extração estruturada desses fatores, com o respetivo peso, passa a ser o índice da proposta técnica.
Escrita da proposta técnica. A utilização mais difundida e a mais arriscada. A IA serve para produzir uma estrutura decalcada dos fatores, reformular parágrafos de propostas anteriores e verificar que nenhuma exigência do caderno de encargos ficou sem resposta. É má a inventar valor acrescentado, que vem da empresa.
Monitorização e classificação. Depois de os anúncios terem sido recolhidos de uma fonte atualizada, um modelo classifica-os bem por pertinência, atribui-lhes códigos CPV e deteta duplicados. A expressão importante é «depois de recolhidos».
O que a IA faz bem e o que faz mal
| Tarefa | IA generalista | Porquê |
|---|---|---|
| Resumir um caderno de encargos anexado | Bem | O texto está à vista, a tarefa é compressão |
| Extrair fatores, ponderações e datas do programa do procedimento | Bem | Extração estruturada, a verificar linha a linha |
| Traduzir uma atividade em códigos CPV | Bem | A nomenclatura é pública e estável |
| Gerar sinónimos do vocabulário das entidades | Muito bem | Não precisa de dados frescos |
| Classificar e pontuar anúncios já recolhidos | Bem | Classificação sobre texto fornecido |
| Reformular e estruturar uma proposta técnica | Aceitável, com revisão | O conteúdo tem de vir da empresa |
| Encontrar os anúncios publicados esta semana | Mau | Acesso parcial às plataformas, resultados encerrados |
| Indicar um preço base não publicado | Mau | Invenção pura |
| Citar um artigo do Código dos Contratos Públicos ou um limiar | Arriscado | Números plausíveis e falsos |
| Escrever sozinha uma proposta submetida tal e qual | Mau | Resposta genérica, avaliada como tal |
Encontre concursos para a sua empresa
O ponto cego: encontrar os anúncios recentes
É o limite pior compreendido. Os assistentes generalistas, ChatGPT e Perplexity incluídos, têm acesso muito parcial às fontes portuguesas. Perguntados com «encontra concursos abertos de manutenção informática no distrito de Braga», devolvem sobretudo procedimentos antigos, muitas vezes já encerrados.
As razões são técnicas. As plataformas eletrónicas licenciadas estão mal indexadas, porque a sua zona pública vive atrás de formulários, sessões e JavaScript, e cada uma expõe campos diferentes. A janela de um procedimento é curta, por vezes seis a catorze dias num concurso público sem publicidade internacional, enquanto um índice de pesquisa se refresca mais devagar. E as fontes fiáveis são bases de dados e formulários de pesquisa, o Diário da República, o portal BASE e o TED, que nenhum assistente generalista consulta de forma sistemática.
Há ainda um segundo ponto cego, mais insidioso: os números. Perguntado pelo limiar do ajuste direto ou pelo prazo mínimo de um concurso público, um modelo responde com números redondos e convincentes, misturando artigos de versões antigas do Código com regras de outros países. Nunca aceite um valor legal sem o confirmar no texto consolidado.
Daí a regra: o modelo entra depois da descoberta, nunca para a descoberta.
Três riscos concretos
As referências inventadas
Um modelo produz texto plausível, não texto verificado. Numa proposta técnica isso dá números de norma que não existem, certificações atribuídas à empresa sem que ela as tenha, obras de referência imaginárias e artigos do Código citados com o número errado. Uma referência falsa não é só um erro de forma: pode ser lida como declaração inexata, com consequências no plano dos impedimentos. Todo o dado factual produzido por um modelo tem de ser verificado por uma pessoa que o conheça.
A resposta genérica
Um texto gerado sem matéria própria da empresa reconhece-se pelas formulações neutras e pela ausência de detalhe operacional. Ora, os fatores de valor técnico premeiam exatamente o contrário: meios humanos identificados, cronograma quantificado, metodologia aplicada àquelas instalações, medidas adaptadas à necessidade descrita no caderno de encargos. Há aqui um risco adicional próprio do Código: uma proposta cujos atributos violem os parâmetros base do caderno de encargos é excluída, e um modelo que escreve por sua conta ultrapassa esses limites com facilidade.
A confidencialidade das peças
As peças contêm por vezes plantas, dados de exploração ou moradas de instalações sensíveis, e a proposta em preparação contém a estratégia comercial e os preços. Três precauções mínimas: confirmar que o fornecedor não usa os dados enviados para treinar modelos, preferir uma oferta profissional com compromisso contratual nesse ponto, e retirar dos documentos o que não precisa de lá estar. Alguns cadernos de encargos incluem cláusulas de confidencialidade que proíbem a divulgação a terceiros, o que abrange um serviço em linha.
Prompts que funcionam
Estas três formulações visam tarefas em que o modelo é bom: os dados são-lhe fornecidos, ou são estáveis.
Resumo de um anúncio. Colar o texto do anúncio e impor um formato fixo.
Este é um anúncio de procedimento português. Devolve apenas, em lista:
entidade adjudicante, objeto numa frase, tipo de contrato (empreitada / bens / serviços),
tipo de procedimento, divisão em lotes, data e hora limite de apresentação das propostas,
prazo de execução, preço base, critério de adjudicação com fatores e ponderações,
documentos exigidos.
Se uma informação não constar do anúncio, escreve "não indicado".
Não acrescentes nada que não esteja no texto.
A última instrução é a mais importante: reduz o preenchimento de lacunas por invenção.
Mapeamento CPV. Útil para construir um perfil de monitorização.
Para a atividade "{atividade}", indica os códigos CPV pertinentes, do mais largo
ao mais preciso, com a designação oficial em português e uma nota de 1 a 5
sobre a probabilidade de uma entidade adjudicante o usar para esta necessidade.
Acrescenta os códigos vizinhos a excluir para evitar ruído. Responde em JSON.
Confirme depois os códigos no navegador CPV oficial: um modelo produz com facilidade um código com o formato correto mas inexistente.
Expansão de sinónimos. A pesquisa das plataformas é literal: procurar «serviços informáticos» não devolve um anúncio intitulado «outsourcing de infraestrutura». Gerar as variantes do vocabulário das entidades é o que um modelo faz melhor.
És um responsável de aprovisionamento de um município português. Para a atividade
"{atividade}", lista 15 a 20 formulações que uma entidade adjudicante usaria no objeto
de um anúncio, incluindo jargão administrativo, e depois os termos próximos a excluir.
Responde em JSON.
A posição das entidades adjudicantes
Não existe hoje, no direito português da contratação pública, um enquadramento específico da inteligência artificial. O Código dos Contratos Públicos não tem nenhuma disposição sobre o assunto, nem para as entidades adjudicantes nem para os concorrentes. Aplicam-se os regimes existentes: os princípios da contratação pública do artigo 1.º-A, o Regulamento Geral sobre a Proteção de Dados e o regulamento europeu sobre a inteligência artificial.
Na prática, três consequências. Primeira: a responsabilidade pelo conteúdo da proposta é integralmente do concorrente que a assina eletronicamente, exatamente como acontece com um processador de texto ou com um consultor externo. Segunda: a declaração do Anexo I e os documentos de habilitação são declarações com efeitos jurídicos, pelo que uma referência inventada por um modelo não é um deslize de redação. Terceira, e é a que mais se sente: quando a organização, as qualificações e a experiência da equipa são fatores de avaliação, o que o artigo 75.º expressamente admite em serviços de natureza intelectual, a equipa proposta tem de ser real, identificada e disponível, e só pode ser substituída com consentimento prévio e expresso da entidade adjudicante. Não há aqui espaço para currículos genéricos gerados.
Antes de responder, vale sempre a pena ler o programa do procedimento à procura de cláusulas sobre o uso de ferramentas automáticas: são raras, mas começam a aparecer, e a leitura custa cinco minutos.
A Scoutee aplica esta separação: a recolha dos anúncios faz-se sobre fontes datadas e estruturadas, e o modelo só intervém depois, para classificar e resumir o que foi efetivamente publicado.