Posso enviar dados para uma IA? Guia para privacidade, segredos da empresa e documentos internos

Neste guia, IA pública significa uma ferramenta de IA em nuvem que ainda não foi aprovada pela sua organização e sobre a qual você não confirmou regras de retenção, reutilização, acesso, monitoramento, exclusão ou resposta a incidentes. Isso não quer dizer que nenhuma IA possa lidar com informação sensível. Quer dizer que, antes de enviar o original, é preciso ter respostas verificáveis de governança de dados.

Resposta curta: se você não sabe como os dados serão tratados, não envie o original

Dados pessoais identificáveis, segredos de empresa e documentos internos ou não publicados de órgãos públicos não devem ser colados diretamente em uma IA pública. Mesmo tarefas aparentemente simples, como resumir, traduzir, reescrever ou depurar código, podem expor nomes, clientes, decisões internas, credenciais ou informações protegidas. Nesses casos, o caminho mais seguro é remover campos sensíveis, transformar o material em um resumo sem identificação ou usar uma ferramenta aprovada e controlada pela organização.

O ponto central não é confiar ou desconfiar de uma marca específica. É saber se quatro coisas estão claras: a sensibilidade do dado, a política de retenção e uso do serviço, a autorização da organização e a capacidade de rastrear e responder a problemas. O NIST trata retenção, proteção de dados, monitoramento, resposta a incidentes, opt-out e controles baseados em risco como elementos de governança para IA generativa; se nada disso está claro, o original não deveria ser enviado.

Como avaliar dados pessoais, segredos corporativos e documentos públicos

Cinco perguntas antes de colar qualquer coisa no chat

Se você não consegue responder a uma delas, pare e não envie o original para uma IA pública.

1. O conteúdo tem dados pessoais ou informação sensível? Se o material permite identificar uma pessoa ou envolve risco de privacidade, não cole o texto original. O EDPB discute justamente riscos de privacidade e mitigação em sistemas de LLM.
2. O serviço retém entradas ou respostas? Por quanto tempo? Retenção de dados é um item explícito de gestão de risco em IA generativa no material do NIST.
3. O conteúdo pode ser usado comercialmente, reprocessado ou aproveitado para melhorar o serviço? Existe opt-out? O NIST lista uso comercial, proteção de dados, retenção e opções de opt-out entre os pontos de governança.
4. Quem pode usar a ferramenta e o uso fica registrado? O NIST menciona qualificações de usuários, desestímulo ao uso anônimo e monitoramento; na prática, a organização precisa saber quem usou, para quê e com quais dados.
5. Há avaliação de impacto, resposta a incidentes e controles baseados em risco? Esses pontos aparecem no conjunto de ações de gestão de risco para IA generativa descrito pelo NIST.

Escrever no prompt algo como ‘mantenha isto em sigilo’ não é controle de segurança. O que importa é saber como o dado será armazenado, quem poderá acessá-lo, se há possibilidade de exclusão ou opt-out, quem responde por incidentes e se a sua organização autoriza aquele uso.

Semáforo prático: o que pode, o que exige cuidado e o que não deve ir

A lista abaixo transforma princípios de proteção, retenção e controle de risco em decisões do dia a dia. Ela não substitui parecer jurídico nem as normas da sua empresa, órgão ou instituição.

Verde: dá para considerar, mas leia as regras

• Conteúdo já público, de baixa sensibilidade e que você tem direito de usar.
• Material anonimizado ou resumido de forma que não seja razoável reidentificar uma pessoa, cliente, caso ou segredo interno.
• Descrição do problema com o mínimo de contexto necessário, em vez de enviar o contrato inteiro, o processo inteiro, a planilha de clientes ou o repositório completo de código.

Atenção: público não significa risco zero. Se um conteúdo público ainda contém dados pessoais ou informação sensível, ele continua exigindo análise de privacidade e proteção de dados.

Amarelo: reescreva, mascare ou peça aprovação

• Documentos com informações de clientes, funcionários, fornecedores, partes de um caso ou cidadãos.
• Minutas de contrato, dados financeiros, apresentações internas, atas de reunião, pareceres jurídicos ou rascunhos de política.
• Código-fonte, documentação técnica e diagramas de arquitetura, especialmente quando possam conter chaves, credenciais, tokens ou pistas sobre vulnerabilidades; o NIST inclui desenvolvimento seguro de software e controles baseados em risco na governança de IA generativa.
• Documentos internos de órgãos públicos, ofícios ainda não publicados, despachos, materiais de seleção, avaliação, fiscalização ou colaboração entre órgãos; o uso de IA generativa no setor público também precisa lidar com riscos de dados pessoais ou sensíveis.

Esses materiais não são necessariamente proibidos para todo tipo de IA. O problema é enviá-los para uma ferramenta pública sem aprovação, sem política de retenção, sem monitoramento e sem plano de resposta a incidentes.

Vermelho: não envie para IA pública

• Dados que a lei, contrato ou norma interna proíbe compartilhar fora do ambiente autorizado.
• Documentos classificados ou de alta sensibilidade, inclusive temas de segurança, investigação, fiscalização, aplicação da lei ou seleção em compras públicas.
• Senhas, API keys, chaves privadas, certificados, tokens de acesso ou qualquer informação que permita entrar em sistemas.
• Conteúdo cuja origem, autorização de uso, retenção, exclusão ou reutilização você não consegue confirmar.

Anonimizar não é só apagar o nome

Remover o nome de uma pessoa pode não bastar. Número de documento, telefone, e-mail, endereço, conta, número de processo, cargo raro ou uma combinação de data e local ainda podem apontar para alguém ou para um caso específico. Como o EDPB trata riscos de privacidade em sistemas de LLM, a recomendação prática é remover ou reescrever identificadores, detalhes que permitam inferência e campos que não sejam necessários para a tarefa.

Medidas mais seguras incluem trocar nomes reais por marcadores genéricos, reduzir o texto ao trecho essencial, transformar o documento em uma situação abstrata, consolidar tabelas em estatísticas e usar ferramenta aprovada quando o processamento do original for indispensável.

No setor público: dado publicado não é a mesma coisa que documento interno

O uso de IA generativa no setor público não é uma escolha simples entre liberar tudo ou proibir tudo. O relatório Generative AI Outlook, do JRC, dedica uma área ao tema; já um anexo do Parlamento Europeu cita caso de uso com dados oficiais do Bundestag e ressalta a exclusão de informações pessoais ou sensíveis.

Em geral, o material mais plausível para uso controlado é aquele já publicado, de baixa sensibilidade e com permissão de reutilização. O que exige postura muito mais restritiva inclui minutas, ofícios internos, despachos, rascunhos de políticas, investigações, ações de fiscalização, materiais de seleção ou qualquer documento com dados pessoais ou informação sensível. O primeiro grupo ainda pede checagem de condições de uso; o segundo não deve ser colado diretamente em uma IA pública.

A regra mais simples

Se o vazamento do dado puder prejudicar uma pessoa, uma organização, o interesse público ou a conformidade com regras aplicáveis, não entregue o original a uma IA pública. Primeiro mascare, resuma e reduza ao mínimo. Se a tarefa realmente exige o documento completo, use um fluxo aprovado e uma ferramenta controlada, com respostas claras sobre proteção de dados, retenção, permissões de acesso, monitoramento e resposta a incidentes.