Confiança, fiabilidade e Zero Trust: porque é que o futuro da confiança tem de ser verificável

A confiança não deve ser maximizada. Deve ser conquistada, fundamentada em evidências e calibrada continuamente.

Quase todas as empresas tecnológicas afirmam construir confiança. Mas a expressão «confie em nós» já revela o problema de fundo: pede confiança antes de oferecer razões suficientes para ela. Um fornecedor de software pode afirmar que os dados dos clientes estão seguros. Um cliente pode acreditar nessa afirmação e decidir confiar no fornecedor. Saber se o fornecedor é efetivamente digno de confiança (fiável) é, no entanto, outra questão. Só as evidências sobre os controlos de segurança implementados, a sua eficácia, o seu âmbito e a continuidade do seu funcionamento podem proporcionar uma base racional para essa confiança. É aqui que conceitos como confiança, fiabilidade, garantia (assurance), dependência (reliance), conformidade, confiança digital e Zero Trust são frequentemente misturados. No entanto, descrevem aspetos diferentes do mesmo problema.

Compreender estas distinções ajuda-nos a responder a uma pergunta muito mais ampla:

O que deve significar a confiança num mundo digital em que os sistemas, as organizações e os riscos mudam continuamente?

A confiança começa onde termina a certeza

Na investigação organizacional e psicológica, a confiança é habitualmente associada à disponibilidade para aceitar a vulnerabilidade. Rousseau et al. descrevem a confiança como um estado psicológico que envolve a intenção de aceitar a vulnerabilidade com base em expectativas positivas quanto às intenções ou ao comportamento de outra parte [1]. Mayer, Davis e Schoorman definem, de forma semelhante, a confiança como a disponibilidade para se tornar vulnerável perante outra parte, mesmo quando essa parte não pode ser completamente monitorizada ou controlada [2]. (ResearchGate) A confiança exige, portanto, pelo menos duas condições: tem de existir incerteza e tem de estar em jogo algo relevante.

Quando um resultado é totalmente certo, a confiança é desnecessária. Quando não existe nenhuma perda ou dependência potencial, aquilo que parece confiança pode ser simplesmente comodidade. A confiança torna-se relevante quando dependemos de outra pessoa, organização ou sistema e essa dependência cria vulnerabilidade. Isto significa também que a confiança nunca é apenas uma propriedade universal de uma entidade. Uma formulação mais precisa seria:

A confia em B relativamente a X, nas condições Y, num determinado momento.

Uma empresa pode confiar num fornecedor de cloud para armazenar material de marketing público, mas não confiar automaticamente no mesmo fornecedor para tratar informação de saúde altamente sensível. Um sistema pode ser suficientemente fiável para um caso de utilização e totalmente inadequado para outro. A confiança é, portanto, relacional, específica do contexto e dependente do risco.

Merecer confiança não é o mesmo que gozar de confiança

Na linguagem corrente, «de confiança» e «digno de confiança» são muitas vezes tratados como sinónimos. Conceptualmente, porém, descrevem duas coisas diferentes. Gozar de confiança significa que é efetivamente depositada confiança numa entidade. Ser digno de confiança significa que a entidade merece essa confiança. Um burlão convincente pode gozar de confiança sem ser digno dela. Inversamente, um sistema cuidadosamente concebido e bem governado pode ser digno de confiança e, ainda assim, não conquistar a confiança dos utilizadores, porque as suas capacidades, controlos e limitações permanecem invisíveis. Mayer et al. identificam três dimensões amplamente utilizadas da fiabilidade percebida: capacidade, integridade e benevolência [2].

A capacidade refere-se a saber se a parte em quem se confia é suficientemente competente para realizar a tarefa em causa. A integridade refere-se a saber se as suas declarações, princípios e comportamento efetivo são coerentes. A benevolência refere-se a saber se se espera que tenha em conta os interesses de quem confia, em vez de perseguir exclusivamente a sua própria vantagem. (JSTOR) Nos sistemas técnicos, estas dimensões têm de ser traduzidas. A capacidade torna-se capacidade técnica, fiabilidade operacional, resiliência e segurança. A integridade torna-se comportamento previsível, regras coerentes, tratamento rastreável e comunicação verdadeira sobre as limitações. A benevolência não pode ser simplesmente atribuída a uma máquina. Pode, no entanto, ser avaliada em relação à organização que desenvolve e opera o sistema: a organização protege os interesses dos utilizadores? Comunica os riscos com honestidade? Disponibiliza mecanismos de responsabilização e de reparação?

O NIST aborda a fiabilidade numa perspetiva de engenharia de sistemas. Um sistema fiável não é apenas um sistema em que as pessoas, por acaso, confiam. A sua fiabilidade tem de assentar em evidências de que consegue satisfazer os requisitos críticos que lhe são impostos. Consoante o contexto, estes requisitos podem incluir segurança, proteção (safety), fiabilidade operacional, resiliência, privacidade ou outras propriedades do sistema [3]. Esta distinção é fundamental:

A confiança existe na mente de quem confia. A fiabilidade existe nas qualidades e no comportamento da entidade em quem se confia.

As duas podem coincidir, mas não coincidem automaticamente.

Confiança, dependência e conformidade não são a mesma coisa

Existe outra distinção importante entre confiança e dependência (reliance). A confiança é uma atitude, expectativa ou juízo. A dependência é um comportamento observável. Uma pessoa pode desconfiar de um sistema de IA e, ainda assim, seguir a sua recomendação porque não há alternativa, porque a pressão do tempo é elevada ou porque o processo organizacional o exige. Inversamente, uma pessoa pode confiar de forma geral num sistema, mas ignorar deliberadamente a sua recomendação num caso concreto. Esta distinção é importante porque os inquéritos que perguntam aos utilizadores se confiam num sistema não preveem necessariamente quando esses utilizadores vão depender dele. Por isso, a investigação recente sobre a interação entre humanos e IA separa cada vez mais a confiança percebida, a dependência comportamental, o desempenho do sistema e a adequação da decisão resultante [8]–[10]. (ACM Digital Library)

A conformidade também não equivale a fiabilidade. A conformidade responde, à partida, a uma pergunta mais restrita:

Foi satisfeito um conjunto definido de requisitos dentro de um âmbito definido?

Uma certificação, um relatório de auditoria ou uma avaliação podem constituir uma razão importante para confiar. Não são, contudo, uma declaração ilimitada e permanente de que uma organização é segura. Uma auditoria pode confirmar que um determinado sistema de gestão foi implementado de forma adequada num determinado âmbito e durante um determinado período. Não prova automaticamente que todas as configurações atuais estão corretas, que todos os sistemas introduzidos recentemente estão abrangidos ou que nenhum incidente de segurança pode ocorrer. Por isso, o NIST adverte contra tratar a conformidade como a única base de evidência para a garantia ou para a fiabilidade. A conformidade pode contribuir com evidências valiosas, mas uma abordagem baseada apenas na conformidade pode criar uma aparência de segurança sem demonstrar adequadamente a eficácia do sistema subjacente [3]. (NIST Publikationen)

A conformidade é importante. Mas a conformidade é um dos contributos para uma confiança justificada, não um substituto completo para ela.

A garantia liga a confiança à fiabilidade

Entre a confiança subjetiva de uma parte e a fiabilidade real de um sistema existe outro conceito: a garantia (assurance). O NIST descreve a garantia em termos dos fundamentos para uma confiança justificada de que uma afirmação foi ou será satisfeita [3]. A garantia não é, portanto, nem um sentimento nem uma garantia absoluta. É uma justificação estruturada. Uma estrutura de garantia robusta deve tornar visíveis pelo menos cinco elementos: Afirmações: o que é exatamente afirmado? Argumentos: porque é que a informação disponível deve sustentar a afirmação? Evidências: que registos, observações, testes ou artefactos demonstram a implementação e a eficácia?

Pressupostos: em que condições a conclusão se mantém válida? Âmbito: que sistemas, processos, dados, localizações e períodos estão abrangidos? O NIST utiliza o conceito de assurance case (caso de garantia) para descrever uma relação estruturada e verificável entre afirmações, argumentos, pressupostos e evidências de suporte [3]. Considere-se a seguinte afirmação de segurança:

Todos os dados de produção estão cifrados em repouso.

Uma política corporativa de cifragem demonstra que existe uma intenção e um requisito. Não prova que todos os sistemas de armazenamento de produção implementam efetivamente o requisito. Uma captura de ecrã da configuração de uma base de dados fornece evidência sobre essa base de dados específica num momento específico. Não demonstra necessariamente uma cobertura completa. Um caso de garantia mais sólido poderia combinar:

• um inventário completo dos repositórios de dados de produção,
• dados de configuração de cada sistema relevante,
• requisitos de gestão de chaves,
• verificações automáticas de configuração,
• resultados de testes,
• dados de monitorização,
• responsáveis designados,
• registos de revisão,
• e um carimbo temporal claro para cada evidência.

As diferentes formas de evidência servem finalidades diferentes. Uma política sustenta a conceção pretendida. Uma configuração sustenta a implementação técnica. Um teste ou telemetria contínua sustenta o funcionamento efetivo. Uma revisão sustenta a conclusão de que a evidência foi avaliada e aceite por uma parte responsável. Nenhum destes elementos é necessariamente suficiente por si só. A garantia resulta da relação rastreável entre a afirmação original, o âmbito abrangido, a implementação e as evidências disponíveis. Um sistema de garantia maduro deve também ser capaz de produzir conclusões negativas. Deve conseguir afirmar que:

• as evidências disponíveis são insuficientes,
• as evidências estão desatualizadas,
• falta parte do âmbito relevante,
• a implementação contradiz a afirmação,
• um pressuposto já não pode ser sustentado,
• ou a eficácia operacional ainda não foi demonstrada.

O NIST reconhece explicitamente que uma análise de garantia pode produzir resultados desfavoráveis quando as evidências não sustentam a afirmação [3]. (NIST Publikationen) Um sistema que só consegue gerar visto verdes pode criar tranquilidade. Não cria necessariamente uma garantia credível.

Zero Trust não significa não confiar em ninguém

À primeira vista, o Zero Trust parece contradizer o objetivo de construir mais confiança. Não contradiz. O Zero Trust aborda um nível diferente do problema. Não é primordialmente uma filosofia psicológica ou cultural. É uma abordagem arquitetural às decisões de acesso. Num modelo Zero Trust, a confiança não é concedida apenas porque um utilizador ou dispositivo se encontra dentro de uma rede corporativa, pertence à organização ou foi previamente autenticado. O acesso é avaliado em relação a um recurso, identidade, dispositivo, contexto e pedido específicos. As permissões devem ser limitadas, reavaliadas continuamente e concedidas no pressuposto de que uma rede ou sistema pode já estar comprometido [4].

A segurança tradicional baseada no perímetro comprime frequentemente uma decisão de confiança complexa num único pressuposto amplo:

Estar dentro da rede corporativa significa ser de confiança.

O Zero Trust decompõe esse pressuposto em decisões mais pequenas:

Esta identidade, com este dispositivo, nestas condições, pode aceder a este recurso agora?

O Zero Trust não é, portanto, o fim da confiança. É o fim da confiança implícita, ampla e herdada permanentemente. Uma interpretação mais precisa seria:

Zero confiança implícita. Zero privilégios não merecidos.

Uma organização pode ter, ao mesmo tempo, uma cultura de elevada confiança e uma arquitetura Zero Trust. Os colaboradores não têm de suspeitar pessoalmente uns dos outros apenas porque as decisões de acesso são verificadas tecnicamente. Na verdade, controlos bem concebidos podem facilitar a confiança interpessoal. Reduzem a probabilidade de um erro individual, uma conta comprometida ou um pedido malicioso resultar em danos ilimitados. O Zero Trust substitui um grande e vago pressuposto de confiança por muitas decisões mais pequenas, contextuais, temporárias e revogáveis. Isso é altamente compatível com uma compreensão moderna da confiança.

A confiança digital alarga a perspetiva

A fiabilidade centra-se muitas vezes nas qualidades de uma determinada organização, sistema ou relação. A confiança digital alarga a perspetiva a todo um ecossistema digital. O Fórum Económico Mundial descreve a confiança digital como a expectativa de que as tecnologias e os serviços digitais, bem como as organizações que os fornecem, protejam os interesses das partes interessadas e respeitem as expectativas e os valores sociais relevantes. O seu enquadramento liga a confiança digital a dimensões como a cibersegurança, a privacidade, a transparência, a auditabilidade, a equidade, a interoperabilidade, a segurança e os mecanismos de reparação [5]. (World Economic Forum) A ISACA enquadra, de forma semelhante, a confiança digital em torno da confiança na integridade das relações, interações e transações num ecossistema digital composto por pessoas, organizações, processos, informação e tecnologias [6]. (ISACA)

Esta perspetiva de ecossistema é importante porque a fiabilidade de um produto digital raramente depende apenas desse produto. Um fornecedor de SaaS pode depender de:

• um fornecedor de infraestrutura cloud,
• um fornecedor de identidade,
• bibliotecas de software,
• serviços de pagamento,
• plataformas de monitorização,
• fontes de dados externas,
• e, eventualmente, modelos de IA de terceiros.

A fiabilidade do produto visível depende, portanto, também de controlos, pressupostos e dependências que permanecem em grande parte invisíveis para os seus utilizadores. A confiança digital pode ser entendida como o resultado económico e social mais amplo. A fiabilidade descreve as propriedades que tornam o ecossistema merecedor de confiança. A garantia faz a ponte entre essas propriedades e a decisão de uma parte interessada de confiar.

A IA demonstra porque é que maximizar a confiança é o objetivo errado

A inteligência artificial torna particularmente visível a diferença entre a confiança percebida e a fiabilidade real. Um sistema de IA pode comunicar de forma fluente, segura e persuasiva sem estar consistentemente correto. Uma interface pode transmitir transparência e competência mesmo quando o modelo subjacente não é suficientemente fiável para a tarefa pretendida. Explicações, pontuações de confiança ou linguagem semelhante à humana podem influenciar as perceções dos utilizadores. Não são automaticamente evidência de que uma resposta está correta. Por isso, o NIST não define a IA fiável através de uma única propriedade. O AI Risk Management Framework identifica múltiplas características, incluindo validade e fiabilidade, segurança (safety), segurança e resiliência, responsabilização e transparência, explicabilidade e interpretabilidade, privacidade e a gestão de enviesamentos prejudiciais. O NIST sublinha também que estas características são contextuais e podem implicar compromissos entre si [7].

Um sistema pode ser exato mas injusto. Pode ser transparente mas inseguro. Pode preservar a privacidade mas continuar a não ser fiável para a finalidade pretendida. Pode ter um bom desempenho médio e, ao mesmo tempo, falhar de forma imprevisível precisamente nos casos mais importantes. O rótulo «IA fiável» não pode ocultar estas distinções. Por isso, a investigação sobre a interação entre humanos e IA discute cada vez mais a confiança adequada, a confiança calibrada e a dependência adequada. O objetivo não é levar os utilizadores a confiar o mais possível num sistema. O objetivo é ajudá-los a formar uma compreensão exata das capacidades e limitações do sistema e a depender dele apenas quando essa dependência se justifica.

Uma revisão sistemática de Mehrotra et al. concluiu que ainda não existe na literatura uma definição única e aplicada de forma consistente de confiança adequada. Os estudos utilizam construtos e medições diferentes para a confiança, as intenções, a dependência, a capacidade percebida e o desempenho real do sistema [8]. (ACM Digital Library) Visser et al. distinguem igualmente confiança, desconfiança e dependência adequada. A sua revisão indica que a relação empírica entre IA explicável, confiança dos utilizadores e dependência adequada continua a ser heterogénea e, em muitos contextos, inconclusiva [9]. (ScienceDirect) Uma pré-publicação de 2026 de Raees e Papangelis defende de forma ainda mais direta que as medições subjetivas da confiança não indicam automaticamente se as pessoas dependem adequadamente das recomendações da IA. Uma vez que este trabalho foi publicado como pré-publicação, as suas conclusões devem ser tratadas como um contributo de investigação atual e não como um consenso definitivo [10]. (arXiv)

A desconfiança também não é necessariamente o oposto de uma boa utilização do sistema. Um certo grau de ceticismo pode incentivar a verificação e a deteção de erros. No entanto, uma desconfiança indiscriminada pode também levar os utilizadores a rejeitar recomendações corretas. Um estudo experimental de 2026 de Peters, Biermeier e Scharlau investigou se a atenção visual poderia ajudar a identificar uma «desconfiança saudável» na interação entre humanos e IA. Os resultados não foram conclusivos e ilustram quão difícil continua a ser medir se a confiança e a desconfiança estão adequadamente calibradas [11]. (Frontiers) A relação pretendida pode ser ilustrada da seguinte forma:

O objetivo não é simplesmente levar todos os utilizadores para o canto inferior direito aumentando a confiança. O objetivo é fazer com que a confiança percebida e a dependência comportamental correspondam o mais possível à fiabilidade real do sistema, às consequências de uma falha e ao contexto de utilização. Num artigo de julho de 2026, Busuioc e Maggetti defendem uma mudança da maximização da confiança para a confiança calibrada. Alertam para o facto de a confiança poder desligar-se da fiabilidade real quando as organizações fabricam sinais de confiança em vez de tratarem as condições subjacentes que tornam a confiança justificada. A sua análise sublinha também a vulnerabilidade, a responsabilização e o papel construtivo que a desconfiança pode desempenhar [12]. (OUP Academic)

O Regulamento Europeu da Inteligência Artificial segue uma lógica operacional semelhante. Para os sistemas de risco elevado relevantes, exige processos e documentação relativos à gestão de riscos, à governação de dados, à documentação técnica, ao registo, à transparência, à supervisão humana, à exatidão, à robustez e à cibersegurança [13]. Estes requisitos não provam que todos os sistemas de IA regulados serão fiáveis. Procuram, no entanto, traduzir uma expectativa abstrata de fiabilidade em atividades de governação concretas e evidências verificáveis. (EUR-Lex) A IA fiável não é, portanto, um estilo de interface nem um rótulo de marketing. É um problema contínuo de governação e de garantia.

A nossa posição: a confiança tem de ser justificada e calibrada

Na Secani, não entendemos a confiança como um sentimento que deva simplesmente ser aumentado. Também não a definimos como certeza absoluta. A segurança absoluta não existe em sistemas digitais reais. Mesmo evidências sólidas não podem garantir que nunca ocorrerá nenhuma falha ou ataque. As evidências reduzem a incerteza e sustentam melhores decisões, mas não eliminam o risco. Se toda a incerteza pudesse ser eliminada, a confiança deixaria de ser necessária. É por isso que falamos deliberadamente de confiança justificada, e não de certeza. A nossa definição é:

A confiança é a convicção justificada e específica do contexto de que uma afirmação de segurança é verdadeira agora, porque a afirmação, a sua implementação e as evidências atuais estão alinhadas de forma verificável.

A cadeia subjacente é:

Afirmação → Implementação → Evidência → Garantia → Confiança calibrada

Uma organização faz uma afirmação sobre a sua segurança. Essa afirmação é traduzida em controlos, sistemas, responsabilidades e resultados esperados específicos. As evidências atuais demonstram se e como esses controlos foram implementados. Um processo de garantia avalia se as evidências sustentam efetivamente a afirmação original. Só então surge uma base racional para a confiança. Esta definição contém cinco restrições deliberadas.

A confiança é específica da afirmação

«Somos seguros» é demasiado amplo para ser verificado de forma significativa. «Todos os repositórios de dados de produção utilizam configurações de cifragem aprovadas» é mais restrito e testável. Quanto mais geral se torna uma afirmação, mais difícil se torna identificar o seu âmbito, as evidências necessárias, os pressupostos e as condições de validade.

A confiança é específica do contexto

Um controlo pode ser eficaz para um sistema e ineficaz para outro. Um modelo de IA pode ser adequado para resumir documentos internos e inadequado para aprovar autonomamente exceções de segurança. A confiança não pode ser transferida entre contextos sem avaliar se as condições relevantes continuam a ser comparáveis.

A confiança depende do tempo

As organizações mudam continuamente. São introduzidos novos ativos. As configurações são alteradas. Os colaboradores mudam de funções. Os fornecedores atualizam os seus serviços. São descobertas vulnerabilidades. Controlos que funcionavam corretamente ontem podem já não funcionar corretamente hoje. As evidências perdem, portanto, valor com o tempo. Uma conclusão fiável tem de comunicar não só o que foi verificado, mas também quando foi verificado e durante quanto tempo essa conclusão deve permanecer válida.

A confiança assenta em evidências, mas não é absoluta

As evidências tornam a incerteza visível e as decisões defensáveis. Não eliminam totalmente a incerteza. Mesmo evidências sólidas têm limitações. Podem abranger apenas parte de um sistema, depender de pressupostos, conter erros de medição ou tornar-se obsoletas. Uma garantia credível tem de comunicar estas limitações, em vez de as esconder atrás de um estado binário.

A confiança tem de ser revogável

Uma decisão de confiança tem de poder mudar quando as condições que a sustentam mudam. Quando novas evidências contradizem uma afirmação de segurança anterior, a conclusão deve ser atualizada. Quando as evidências expiram, a confiança deve diminuir. Quando o âmbito abrangido se alarga, devem ser exigidas evidências adicionais. Uma confiança que não pode ser revista não é confiança calibrada. É uma crença desligada da realidade.

De sinais periódicos de confiança para a garantia contínua

A confiança digital tradicional é frequentemente construída através de sinais periódicos: certificados, questionários, relatórios de auditoria, documentos de avaliação e apresentações de segurança. Estes mecanismos continuam a ser importantes. Mas não são suficientes por si só num mundo em que os sistemas digitais podem mudar todos os dias. O modelo do futuro avança noutra direção:

A garantia contínua não significa que todas as atividades de uma organização tenham de ser monitorizadas permanentemente. Deve ser baseada no risco e proporcional. Uma afirmação crítica relativa a acessos privilegiados, infraestrutura de produção ou dados sensíveis de clientes exige evidências mais atuais e mais sólidas do que uma afirmação administrativa de baixo impacto. A mudança importante é que a confiança deixa de estar presa a um único documento. Requisitos, implementações, evidências, revisões, constatações, responsabilidades e dependências devem, em vez disso, formar um modelo interligado. As estruturas legíveis por máquina podem desempenhar um papel importante nesta transição. Permitem reutilizar evidências entre referenciais e avaliações sem as despojar da sua proveniência, âmbito original, momento de recolha, responsável ou limitações.

O futuro da confiança não é, portanto, apenas contínuo. É granular, rastreável, transferível e revogável.

Zero Trust e confiança elevada não são opostos

Os diferentes conceitos podem agora ser ligados. O Zero Trust rege a forma como as decisões individuais de acesso são tomadas. A fiabilidade descreve se um sistema ou organização merece confiança. A garantia fornece uma justificação estruturada para essa conclusão. As evidências sustentam afirmações sobre a implementação e a eficácia. A conformidade avalia o alinhamento com requisitos definidos. A dependência descreve se alguém depende efetivamente de um sistema ou segue as suas indicações. A confiança digital é a convicção mais ampla que pode emergir em todo o ecossistema. O Zero Trust impede que a confiança seja presumida sem fundamentos suficientes. A garantia demonstra onde a confiança é justificada.

A conformidade contribui com requisitos estruturados e mecanismos de revisão. As evidências ligam as declarações à realidade observável. Estes conceitos não são, portanto, visões concorrentes. São partes diferentes de um modelo coerente. O futuro não é um «confiar em todos» universal nem um «não confiar em ninguém» cultural. É uma confiança verificável e calibrada.

O que significa «otimizar para a confiança» na Secani

«Otimizar para a confiança» não pode significar otimizar a perceção de fiabilidade. Não deve significar produzir o maior número possível de vistos verdes, distintivos, certificados ou afirmações de segurança genéricas. Não deve significar incentivar as pessoas a confiar num sistema mais do que as suas propriedades reais justificam. Para nós, significa:

Não otimizar para gozar de confiança. Otimizar para merecer uma confiança justificada.

Estamos a construir a Secani para ligar continuamente afirmações de segurança, requisitos, implementações e evidências. A confiança não deve resultar apenas de uma apresentação persuasiva ou de um documento de conformidade periódico. Deve resultar de uma justificação atual, verificável e rastreável. A expressão mais concisa desta ideia talvez seja:

A confiança não é uma promessa. É uma conclusão sustentada continuamente.

As organizações não devem apenas parecer dignas de confiança. Devem ser capazes de demonstrar porque merecem confiança. E às pessoas não se deve simplesmente pedir que confiem mais. Deve permitir-se-lhes confiar melhor.

Referências

[1] D. M. Rousseau, S. B. Sitkin, R. S. Burt e C. Camerer, “Not So Different After All: A Cross-Discipline View of Trust,” Academy of Management Review, vol. 23, n.º 3, pp. 393–404, 1998, doi: 10.5465/AMR.1998.926617. (DOI)

[2] R. C. Mayer, J. H. Davis e F. D. Schoorman, “An Integrative Model of Organizational Trust,” Academy of Management Review, vol. 20, n.º 3, pp. 709–734, 1995, doi: 10.5465/amr.1995.9508080335. (DOI)

[3] R. Ross, M. Winstead e M. McEvilley, Engineering Trustworthy Secure Systems, NIST Special Publication 800-160, vol. 1, rev. 1, National Institute of Standards and Technology, Gaithersburg, MD, EUA, nov. 2022, doi: 10.6028/NIST.SP.800-160v1r1. (NIST Publikationen)

[4] S. Rose, O. Borchert, S. Mitchell e S. Connelly, Zero Trust Architecture, NIST Special Publication 800-207, National Institute of Standards and Technology, Gaithersburg, MD, EUA, ago. 2020, doi: 10.6028/NIST.SP.800-207. (NIST Computer Security Resource Center)

[5] World Economic Forum, Earning Digital Trust: Decision-Making for Trustworthy Technologies, Genebra, Suíça, nov. 2022. (World Economic Forum)

[6] K. B. Kelley, “The Digital Trust Imperative: Defining, Establishing and Measuring Digital Trust,” ISACA Journal, vol. 1, jan. 2023. (ISACA)

[7] National Institute of Standards and Technology, Artificial Intelligence Risk Management Framework (AI RMF 1.0), NIST AI 100-1, jan. 2023, doi: 10.6028/NIST.AI.100-1. (NIST Publikationen)

[8] S. Mehrotra, C. Degachi, O. Vereschak, C. M. Jonker e M. L. Tielman, “A Systematic Review on Fostering Appropriate Trust in Human-AI Interaction: Trends, Opportunities and Challenges,” ACM Journal on Responsible Computing, vol. 1, n.º 4, art. n.º 26, pp. 1–45, 2024, doi: 10.1145/3696449. (ACM Digital Library)

[9] R. Visser, T. M. Peters, I. Scharlau e B. Hammer, “Trust, distrust, and appropriate reliance in (X)AI: A conceptual clarification of user trust and survey of its empirical evaluation,” Cognitive Systems Research, vol. 91, art. n.º 101357, 2025, doi: 10.1016/j.cogsys.2025.101357. (ScienceDirect)

[10] M. Raees e K. Papangelis, “From Trust to Appropriate Reliance: Measurement Constructs in Human-AI Decision-Making,” arXiv:2604.23896, abr. 2026, doi: 10.48550/arXiv.2604.23896. Pré-publicação. (arXiv)

[11] T. M. Peters, K. Biermeier e I. Scharlau, “Assessing healthy distrust in human-AI interaction: Interpreting changes in visual attention,” Frontiers in Psychology, vol. 16, art. n.º 1694367, jan. 2026, doi: 10.3389/fpsyg.2025.1694367. (Frontiers)

[12] M. Busuioc e M. Maggetti, “Worthy of trust? AI governance and the role of (dis)trust,” Perspectives on Public Management and Governance, art. n.º gvag007, jul. 2026, doi: 10.1093/ppmgov/gvag007. (OUP Academic)

[13] Parlamento Europeu e Conselho da União Europeia, “Regulamento (UE) 2024/1689 de 13 de junho de 2024 que cria regras harmonizadas em matéria de inteligência artificial,” Jornal Oficial da União Europeia, jul. 2024. (EUR-Lex)