---
title: "FBI Sentinel: lições de inovação 25 anos após 11/9"
locale: pt
category: case_study
category_name: "Estudo de Caso"
translation_status: reviewed
license: cc_by
author: "injoys"
source_url: https://injoys.com/en/articles/fbi-sentinel-911-25-years-organizational-innovation
published_at: 2026-09-15T19:43:34+09:00
---

# FBI Sentinel: lições de inovação 25 anos após 11/9

> Antes do 11 de Setembro, o FBI não deixou de identificar os riscos por falta de indícios, mas por não conseguir conectar informações dispersas. Depois, o fracasso do VCF e a recuperação do Sentinel deixaram a lição de que, antes de adotar IA, é preciso mudar os fluxos de trabalho, a estrutura do conhecimento e os ciclos de validação.

## Key Points

- Antes do 11 de Setembro, diversas unidades do FBI haviam recebido sinais incomuns relacionados a treinamentos de aviação.
- Segundo relatos, cerca de US$ 170 milhões foram investidos no VCF, mas ele não chegou a ser implementado na gestão de casos reais.
- Após reformular o projeto Sentinel em 2010, o FBI ampliou os ciclos curtos de desenvolvimento e o feedback das equipes de campo.
- Antes de adotar IA, é preciso definir primeiro as permissões de acesso aos dados, os responsáveis pelos processos, os critérios de avaliação e os procedimentos para tratar exceções.
- Os resultados de uma ferramenta podem depender mais da forma como a organização conecta e valida informações do que do desempenho do modelo.

A principal lição que o FBI aprendeu após o 11 de Setembro foi que era preciso mudar primeiro a estrutura de trabalho, antes das ferramentas. Informações dispersas e validações tardias levaram ao fracasso do VCF, enquanto o Sentinel foi totalmente implementado em 2012 após a adoção de ciclos curtos de desenvolvimento e feedback das equipes em campo.

Os números e a cronologia deste artigo têm como base o relatório da comissão de 2004 e os registros de supervisão do Sentinel de 2012 a 2014.

## Sinais ignorados pelo FBI antes do 11 de Setembro

Antes dos ataques, o FBI tinha indícios que mereciam ser examinados. O problema era que eles estavam dispersos entre diferentes organizações e sistemas. O caminho que levava as informações de campo até as avaliações da sede também era frágil. Os ataques de 2001, que mataram cerca de 3.000 pessoas, expuseram essa desconexão.

Os exemplos mais representativos foram o memorando de Phoenix e a investigação de Minneapolis. Um agente de Phoenix relatou, em julho de 2001, movimentações em escolas de aviação. Agentes de Minneapolis tentaram obter autorização para revistar os pertences de Zacarias Moussaoui. As duas informações não evoluíram para um alerta integrado que indicasse o plano dos ataques.

A Comissão de Investigação do 11 de Setembro não atribuiu a culpa apenas ao compartilhamento de informações. Ela também apontou falhas na capacidade de análise e na estrutura de gestão. A frase abaixo é uma tradução em coreano de um trecho relacionado do relatório.

> “O FBI nem sequer conhecia adequadamente as informações que já possuía.” — 『Relatório da Comissão de Investigação do 11 de Setembro』

Interpretar esse caso como uma simples falta de dados significa perder o ponto central. Mesmo quando existem informações, elas não podem ser utilizadas se não forem localizáveis. Sem uma pessoa responsável, também é difícil conectar diferentes indícios. Quando os canais para apresentar opiniões divergentes são frágeis, os alertas desaparecem com mais facilidade.

## Cronologia do VCF e do Sentinel

A transição do FBI para a gestão eletrônica de casos ocorreu por meio de dois projetos. O VCF foi encerrado em 2005 sem chegar a ser implementado no trabalho real. O Sentinel também enfrentou dificuldades iniciais de cronograma e gestão de custos. No entanto, após uma reestruturação em 2010, sua implementação total foi concluída em 2012.

| Data | Evento | Significado para a operação organizacional |
|---|---|---|
| Setembro de 2001 | Ocorrência dos ataques de 11 de Setembro | Foram expostas falhas nos sistemas de conexão e análise de informações |
| 2004 | Publicação do relatório da Comissão de Investigação do 11 de Setembro | Foram recomendadas melhorias no compartilhamento de informações e na capacidade de gestão |
| 2005 | Interrupção do desenvolvimento do VCF | Os riscos do desenvolvimento integral em grande escala se concretizaram |
| 2006 | Início do projeto Sentinel | Retomada do desenvolvimento de um sistema web de gestão eletrônica de casos |
| 2010 | Reestruturação do método de desenvolvimento e da estrutura de gestão | Ampliação dos ciclos curtos e da capacidade interna de desenvolvimento |
| Julho de 2012 | Implementação total do Sentinel | Transição para uma base de gestão de casos utilizada em toda a organização do FBI |
| 2014 | Publicação do relatório de inspeção do Departamento de Justiça dos Estados Unidos | Avaliação dos resultados da implementação e dos desafios operacionais restantes |

Sabe-se que aproximadamente US$ 170 milhões foram investidos no VCF. No entanto, o escopo dos custos contratuais e das despesas com projetos relacionados varia entre os documentos de auditoria. Portanto, esse valor não deve ser interpretado como o custo total da modernização do FBI. Está claro que o próprio VCF não chegou a operar como um sistema de gestão de casos.

O orçamento inicial do projeto Sentinel era de US$ 425 milhões. O projeto foi dividido em várias etapas, mas os atrasos no cronograma se acumularam. Em 2010, concluiu-se que seria difícil finalizá-lo conforme o plano existente. O FBI voltou a dividir o escopo e assumiu internamente o controle do desenvolvimento.

## Comparação entre o VCF e o Sentinel reestruturado

A diferença entre os dois projetos estava mais no método de validação do que no nome do software. No VCF, um dos grandes problemas era que os resultados concluídos eram verificados tarde demais. O Sentinel reestruturado disponibilizava com frequência unidades funcionais. O feedback dos usuários em campo também era incorporado ao ciclo de desenvolvimento seguinte.

| Critério de comparação | Abordagem centrada no VCF | Abordagem do Sentinel reestruturado |
|---|---|---|
| Tamanho dos entregáveis | Integração de um grande escopo de uma só vez | Divisão das funcionalidades em pequenas unidades |
| Momento da validação | Concentração na etapa de integração final | Verificação do funcionamento a cada ciclo curto |
| Participação dos usuários | Possibilidade de identificar problemas apenas na etapa final | Feedback recorrente dos agentes em campo |
| Mudanças nos requisitos | Grande dificuldade para modificar o projeto inteiro | Incorporação das prioridades no ciclo de desenvolvimento seguinte |
| Estrutura de responsabilidades | Alta dependência de fornecedores | Ampliação do controle e da capacidade de desenvolvimento internos do FBI |
| Alcance das falhas | Propagação dos defeitos por todo o sistema | Identificação e correção dos defeitos em pequenas unidades |

Não basta enxergar isso apenas como a vitória de uma metodologia ágil. O FBI também reformulou o escopo do projeto e a estrutura de comando. O papel da equipe técnica interna também foi ampliado. Os ciclos curtos de desenvolvimento foram um meio para fazer essas mudanças funcionarem.

## Organização por cenário de adoção de AI

O trabalho que precisa ser corrigido primeiro varia conforme o ponto em que a AI será aplicada. A busca de documentos exige metadados e permissões de acesso. O apoio à tomada de decisões exige fundamentos e procedimentos de aprovação. A automação exige uma pessoa responsável por lidar com situações excepcionais.

| Cenário de aplicação de AI | Condições organizacionais a verificar primeiro | Objeto da validação inicial |
|---|---|---|
| Busca de documentos internos | Proprietário do documento, critérios de retenção e permissões de acesso | Localização dos documentos mais recentes e exibição das fontes |
| Elaboração de rascunhos de relatórios | Aprovador e responsável pela verificação dos fatos | Erros numéricos e ausência de fundamentos |
| Classificação de consultas de clientes | Critérios de classificação e responsável pelo encaminhamento | Taxa de classificação incorreta e omissão de consultas urgentes |
| Assistência ao desenvolvimento | Revisor do código e política de segurança | Vulnerabilidades, licenças e aprovação nos testes |
| Apoio à tomada de decisões | Responsável pela decisão final e procedimento para apresentar objeções | Viés, informações ausentes e explicabilidade |

Primeiro, é preciso mapear um processo de trabalho do início ao fim. Em seguida, devem ser identificados os tempos de espera e as entradas duplicadas. A AI deve ser aplicada de forma limitada nos pontos em que forem confirmados gargalos. Os resultados devem medir não apenas a precisão, mas também o custo das correções.

## Novos problemas na estrutura do conhecimento na era da AI

A AI generativa consegue conectar de maneira convincente informações dispersas. No entanto, ela não consegue conectar documentos aos quais não tem acesso. Quando há muitos documentos desatualizados, ela pode produzir respostas antigas. Também não pode assumir por conta própria a responsabilidade por normas conflitantes.

Por isso, é difícil avaliar a gestão do conhecimento na era da AI pelo volume armazenado. Cada documento deve indicar seu autor e período de vigência. Também é necessário distinguir a situação de descarte e o status de aprovação. Deve ser possível reencontrar nas respostas as fontes originais usadas como fundamento.

Os itens a seguir podem ser verificados antes da escolha do modelo.

- Há normas sobre o mesmo tema duplicadas em vários repositórios?
- É possível distinguir documentos atuais de documentos descartados?
- As permissões de acesso a informações sensíveis são aplicadas de acordo com cada função?
- É possível verificar o documento e a versão que fundamentam a resposta da AI?
- Há uma pessoa responsável por receber relatos de respostas incorretas e corrigi-las?
- Estão definidas as tarefas que obrigatoriamente exigem aprovação humana?

Essa perspectiva também revela um novo risco que não existia no caso histórico do FBI. No passado, o grande problema era que as informações não podiam ser localizadas. Agora, informações conectadas incorretamente podem se espalhar rapidamente. A capacidade de busca e a possibilidade de validação devem ser projetadas em conjunto.

## Erros e equívocos comuns

Em primeiro lugar, o 11 de Setembro não deve ser explicado como um simples caso de falta de informações. Existiam vários indícios, mas eles não foram analisados em conjunto. A estrutura organizacional e os procedimentos de avaliação também influenciaram o resultado. Apenas aumentar o volume de dados coletados dificilmente evitaria que o mesmo problema se repetisse.

Em segundo lugar, o fracasso do VCF não deve ser reduzido apenas ao método em cascata. Também houve problemas na gestão dos requisitos e na supervisão dos contratos. A participação dos usuários e o controle técnico tampouco foram suficientes. O método de desenvolvimento foi apenas uma das várias causas.

Em terceiro lugar, não se deve considerar que o Sentinel obteve sucesso automaticamente por adotar a metodologia ágil. Houve, paralelamente, uma readequação do escopo do projeto e uma mudança de liderança. A equipe interna também assumiu responsabilidades maiores. A metodologia não substitui uma estrutura de responsabilidades.

Em quarto lugar, pode ser impreciso explicar o colapso do World Trade Center com um único e definitivo período de “14 segundos”. Os momentos dos impactos e dos colapsos foram diferentes em cada torre. A forma de expressar a duração do colapso também varia de acordo com os critérios de medição. Um único número que não esteja relacionado à lição central deve ser tratado com cautela.

## Sequência de implementação nas organizações

É mais seguro validar a adoção de AI em pequenas unidades de trabalho. A meta deve ser definida com base nos resultados do trabalho, e não na taxa de utilização da ferramenta. Também são necessários critérios de interrupção que permitam identificar falhas com antecedência. A sequência a seguir pode ser usada para testar uma tarefa.

1. Escolha uma tarefa repetitiva ou que sofra atrasos frequentes.
2. Registre as informações de entrada e o aprovador final.
3. Meça o tempo atual de processamento e os tipos de erro.
4. Divida o que ficará a cargo da AI e o que ficará a cargo das pessoas.
5. Implemente primeiro para um pequeno grupo de usuários.
6. Incorpore os erros e o tempo de correção ao ciclo seguinte.
7. Amplie o escopo de aplicação somente quando os critérios forem atendidos.

Não defina os indicadores de desempenho apenas pelo número de utilizações. Observe conjuntamente o tempo de processamento e o volume de retrabalho. Verifique também com que rapidez os erros graves foram identificados. É preciso registrar ainda se o feedback das equipes em campo resultou em mudanças reais.

## Questões organizacionais deixadas pelo caso do FBI

Esse caso mostra que a AI pode amplificar os hábitos existentes de uma organização. Em organizações com informações isoladas, a AI também recebe um contexto incompleto. Quando as etapas de aprovação não são claras, a geração rápida aumenta o retrabalho. Quando a validação é adiada, os erros também se acumulam em grande escala.

As organizações podem começar respondendo a três perguntas.

- Quem possui as informações necessárias?
- Quem é responsável por conectar sinais diferentes?
- Quando é possível identificar e interromper uma pequena falha?

O ponto central do caso do FBI Sentinel não está em reproduzir um método específico de desenvolvimento. Está no princípio operacional de dividir a incerteza em pequenas partes e verificá-las com frequência. As ferramentas de AI também devem estar submetidas ao mesmo controle. A velocidade de aprendizagem da organização deve estar à frente da velocidade de adoção.

## FAQ

### O FBI não tinha nenhuma informação relacionada ao 11 de Setembro?
Não. Havia, em várias organizações, diversos indícios a serem examinados, como as tendências nas escolas de aviação e a investigação de Moussaoui. No entanto, as informações não resultaram em uma análise integrada nem em decisões tomadas no momento oportuno.

### Por que o VCF não pôde ser usado na gestão de casos reais?
Acumularam-se problemas relacionados a mudanças nos requisitos e à gestão de contratos. Na fase final, falhas de integração vieram à tona, elevando também os custos de correção, e o FBI descontinuou o VCF em 2005.

### O Sentinel se recuperou apenas com a metodologia ágil?
A metodologia ágil foi um dos elementos do processo de recuperação. O FBI voltou a dividir o escopo de desenvolvimento, reforçou os controles internos e passou a incorporar com mais frequência o feedback dos usuários em campo.

### Quando o Sentinel foi implantado em toda a organização?
O Sentinel foi implantado em toda a organização do FBI em julho de 2012. Isso ocorreu cerca de 2 anos após a reestruturação do projeto em 2010.

### Como esse caso pode ser aplicado à adoção de AI?
Primeiro, é preciso definir claramente onde as informações estão e quem é responsável pelas aprovações. É adequado aplicar AI inicialmente a tarefas pequenas e, depois, ampliar o escopo medindo os erros, o tempo de retrabalho e o feedback em campo.

### É possível avaliar os resultados da adoção de AI com base no volume de uso?
É difícil avaliar a melhoria do trabalho apenas pelo volume de uso. É preciso avaliar em conjunto o tempo de processamento, a taxa de erros, o volume de retrabalho, o tempo para detectar erros graves e se houve melhorias reais.

## Sources

- [O Relatório da Comissão do 11 de Setembro](https://www.9-11commission.gov/report/911Report.pdf)
- [Relatório do GAO dos EUA sobre a modernização da tecnologia da informação do FBI](https://www.gao.gov/products/gao-05-1014t)
- [Análise do GAO dos EUA sobre o sistema de gestão de casos Sentinel do FBI](https://www.gao.gov/products/gao-11-299)

## Images

![Mulher aponta para um fluxo de trabalho na parede enquanto orienta colegas](https://injoys.com/rails/active_storage/blobs/proxy/eyJfcmFpbHMiOnsiZGF0YSI6MTg3NzcsInB1ciI6ImJsb2JfaWQifX0=--0fa7bf74a186a29f21fe7ca40777febf64089034/ai-6e354670.webp)
![Dois analistas revisam cartões de fluxo de trabalho em uma grande mesa sensível ao toque](https://injoys.com/rails/active_storage/blobs/proxy/eyJfcmFpbHMiOnsiZGF0YSI6MTg3ODMsInB1ciI6ImJsb2JfaWQifX0=--2d24d519574a4f544a83c2a0148d155cf306e82f/ai-cc3a6a11.webp)