AMALIA: ministro cita quatro áreas de uso público

Em 30 de outubro de 2026, o ministro adjunto e da Reforma do Estado de Portugal, Gonçalo Matias, afirmou que o modelo AMALIA já é usado em cultura, educação, justiça e defesa. A fala ocorreu numa audição parlamentar sobre o Orçamento de 2027, segundo a Agência Lusa.

O ministro também disse que o governo quer trabalhar numa legislação para agentes de inteligência artificial. A declaração não veio acompanhada de uma nova versão do AMALIA, de um benchmark ou de uma proposta de lei publicada.

O portal oficial do projeto mostra que o AMALIA tem casos de uso em cultura e museus, educação, mídia e ciência. A página não informa volume de acessos, órgãos atendidos ou indicadores de qualidade para cada área.

O que o ministro afirmou sobre o AMALIA

A novidade desta audição é a informação de que o modelo já está a ser usado em serviços públicos. Gonçalo Matias citou quatro áreas, mas a notícia não detalha quais serviços, integrações, equipas responsáveis ou tarefas executadas em cada uma.

Essa distinção importa para quem desenvolve software para o setor público. Dizer que um modelo é usado numa área não revela se ele responde a cidadãos, apoia pesquisa interna, resume documentos ou funciona apenas num piloto controlado.

A página de casos de uso do projeto AMALIA lista Cultura e Museus, Educação, Media e Ciência. Ela confirma que há aplicações associadas ao projeto, mas não substitui métricas de produção nem comprova, por si só, a escala dos usos citados pelo ministro.

A fala também trata de política pública. O ministro indicou que o governo pretende avançar com regras para agentes de IA, porém a notícia não apresenta minuta, calendário, consulta pública ou obrigações já em vigor.

Como o modelo AMALIA foi construído

O AMALIA é o acrónimo de Agente Multimodal Automático de Linguagem com Inteligência Artificial. O Governo de Portugal apresentou o projeto em 1 de julho de 2026 como um modelo aberto desenvolvido para português europeu, não como um lançamento feito nesta audição.

A página técnica do projeto descreve uma família baseada num modelo de linguagem com 9 mil milhões de parâmetros. Parâmetros são valores ajustados durante o treino; o total, sozinho, não demonstra qualidade, rapidez ou adequação a uma tarefa específica.

O mesmo material descreve três fases de treino: pré treino de qualidade, treino de instruções e treino de preferência. A equipa também aponta o artigo técnico apresentado na conferência PROPOR 2026 como fonte para os detalhes do processo.

O anúncio governamental de julho atribuiu o desenvolvimento a um consórcio de universidades e centros de investigação, com mais de 60 investigadores portugueses. Esse dado é contexto sobre a equipa do projeto, não uma medida de adoção ou desempenho em produção.

O projeto afirma que os materiais estão disponíveis sob a licença Apache 2.0. Como sempre, quem integra um checkpoint num serviço deve conferir a licença e as condições descritas no cartão daquele modelo específico, além das regras de dados e segurança do próprio sistema.

Como acessar os modelos do AMALIA

A página oficial de modelos aponta para o espaço do AMALIA no Hugging Face. É o ponto de partida para consultar os repositórios disponíveis e ler as instruções publicadas pela equipa.

Antes de executar qualquer checkpoint, confirme no cartão do modelo qual versão está disponível, quais dependências são exigidas e que recursos de hardware são recomendados. Não há, na página consultada, uma promessa de API hospedada ou um comando universal de instalação.

Também vale separar o modelo de linguagem das páginas de visão e fala do projeto. O nome AMALIA cobre várias frentes, mas a descrição de um modelo de texto não prova que aquele mesmo checkpoint processe imagens ou áudio.

Para uma avaliação inicial, prepare tarefas curtas em português europeu, guarde as perguntas usadas e compare as respostas com fontes conhecidas. Verifique factos, tratamento de nomes próprios e consistência antes de usar a saída em atendimento ou num fluxo público.

Quem estiver a criar um fluxo com agentes pode consultar nosso guia de agentes de IA para programar com revisão. O princípio também serve aqui: defina escopo, teste a saída e mantenha uma pessoa responsável pela decisão final.

O que ainda falta esclarecer sobre o AMALIA

A declaração política não fornece dados de utilização. Faltam números de utilizadores, frequência, tarefas, taxas de erro, mecanismos de revisão humana e informação sobre como cada órgão controla os dados tratados pelo modelo.

O portal de casos do AMALIA ajuda a identificar domínios de aplicação, mas uma lista de áreas não equivale a uma avaliação independente. Para comparar o modelo com alternativas, seria necessário conhecer a versão testada, o conjunto de tarefas, a metodologia e os resultados completos.

A futura legislação para agentes também precisa de contornos verificáveis. A reportagem registra a intenção do ministro, mas não descreve definições legais, setores abrangidos, deveres de auditoria ou limites de autonomia.

Para equipas técnicas, isso é motivo para documentar já os próprios sistemas: que dados entram, que ferramentas o agente pode acionar, quais ações exigem aprovação e como a equipa revê registos. O nosso artigo sobre monitoramento de agentes desalinhados detalha por que detecção e supervisão têm limites.