Dados reais são o combustível de modelos de IA úteis — mas usar dados de clientes sem a devida atenção à LGPD é o caminho mais rápido para uma notificação da ANPD. A boa notícia: é possível treinar modelos com qualidade e manter conformidade, desde que você saiba o que a lei exige e o que as APIs dos provedores realmente fazem com seus dados.
O que a LGPD diz sobre uso de dados pessoais em IA
A LGPD não menciona IA explicitamente, mas os princípios gerais se aplicam com clareza:
Base legal. Para usar dados pessoais no treinamento de modelos, você precisa de uma base legal do artigo 7º da LGPD. As mais relevantes para IA são: consentimento (explícito, informado e específico), legítimo interesse (quando há propósito legítimo e os dados são necessários para tal) e execução de contrato (quando o tratamento é necessário para cumprir um contrato com o titular).
Finalidade. Os dados só podem ser usados para a finalidade informada ao titular no momento da coleta. Se você coletou dados de clientes para prestar um serviço e agora quer usá-los para treinar um modelo de análise de comportamento, isso pode configurar desvio de finalidade — mesmo que o dado seja seu.
Minimização. Você só deve usar os dados necessários para o propósito. Se você pode treinar um modelo de análise de texto sem o CPF do cliente, não inclua o CPF no dataset.
Transparência. O titular deve ser informado de que seus dados podem ser usados para treinar sistemas de IA, com linguagem clara e acessível.
O risco das APIs de IA de terceiros
Esse é o ponto que mais gera dúvida — e que mais empresas ignoram.
Quando você envia dados para APIs de provedores como OpenAI, Google ou Anthropic, o que acontece com esses dados? A resposta depende do plano e dos termos de uso contratados:
Planos gratuitos e padrão: muitos provedores usam as interações para melhorar seus modelos. Isso significa que os dados que você envia podem ser revisados por humanos e potencialmente incorporados ao treinamento futuro.
Planos enterprise com opt-out: a maioria dos provedores oferece acordos empresariais com garantia de que os dados não serão usados para treinamento. Isso precisa estar explícito no contrato — não assuma que existe porque o provedor é grande.
O que isso significa na prática: se você tem um chatbot de suporte ao cliente que envia transcrições de conversas para a API de um provedor de IA, e esses dados incluem informações pessoais dos clientes, você pode estar transferindo dados pessoais para um terceiro sem base legal adequada e sem DPA (Data Processing Agreement) firmado — o que configura violação da LGPD.
Como resolver: contrate o plano enterprise com opt-out de treinamento e firme o DPA com o provedor. Ou, para dados mais sensíveis, use modelos rodando dentro da sua própria infraestrutura.
Técnicas de anonimização e pseudonimização
Quando você precisa usar dados reais para treinar modelos mas quer reduzir o risco:
Anonimização remove ou transforma os dados de forma que seja impossível reidentificar o titular. Dados anonimizados saem do escopo da LGPD — o que remove boa parte do risco. Técnicas incluem:
- Supressão de identificadores diretos (nome, CPF, e-mail, telefone)
- Generalização (substituir “37 anos” por “30-40 anos”)
- Perturbação (adicionar ruído estatístico que mantém a distribuição mas impede reidentificação)
- K-anonimidade e técnicas derivadas (l-diversity, t-closeness)
Pseudonimização substitui identificadores diretos por pseudônimos (como um hash ou ID interno), mantendo a possibilidade de reidentificação com a chave de ligação. Dados pseudonimizados continuam no escopo da LGPD, mas reduzem o risco operacional. São mais fáceis de implementar do que anonimização completa e já representam uma melhoria significativa.
Um alerta importante: anonimização mal feita é um problema sério. Estudos mostram que dados “anonimizados” com apenas 3 atributos (como CEP, data de nascimento e sexo) podem ser reidentificados com alta probabilidade. Se você vai anonimizar dados para treinar modelos, faça uma avaliação de risco de reidentificação — não basta remover nome e CPF.
Dados sintéticos como alternativa
Uma alternativa que vem ganhando tração: dados sintéticos — dados gerados artificialmente que têm as mesmas propriedades estatísticas dos dados reais mas não correspondem a titulares reais.
Ferramentas como Gretel, Synthetic Data Vault e MOSTLY AI conseguem gerar datasets sintéticos de alta qualidade a partir de dados reais. O modelo resultante aprende os padrões sem ser treinado com dados pessoais reais — o que elimina praticamente todos os riscos de LGPD nessa etapa.
Como documentar o uso de dados para IA em conformidade
Documentação é o que diferencia uma empresa com conformidade real de uma com conformidade de papel:
ROPA (Registro de Operações de Tratamento): inclua no seu registro as operações de IA — quais modelos usam quais dados, com qual finalidade, por quanto tempo, com qual base legal.
RIPD (Relatório de Impacto à Proteção de Dados): a ANPD pode exigir RIPD para tratamentos de alto risco. Treinamento de modelos com dados sensíveis provavelmente se enquadra aqui.
Política de uso de dados em IA: documente internamente o que pode e o que não pode ser enviado para APIs externas ou usado como dataset de treinamento.
IA generativa e o direito de explicação
A LGPD (art. 20) garante ao titular o direito de solicitar revisão de decisões automatizadas. Se sua empresa usa IA para tomar decisões que afetam titulares — aprovação de crédito, triagem de candidatos, precificação dinâmica — você precisa ser capaz de explicar como a decisão foi tomada e oferecer revisão humana quando solicitado.
Isso tem impacto direto na escolha de modelos: modelos caixa-preta (como deep learning sem interpretabilidade) dificultam a explicação. Para decisões com impacto significativo sobre pessoas, considere modelos mais interpretáveis ou camadas de explicabilidade (LIME, SHAP).
A Adentro pode ajudar sua empresa a estruturar infraestrutura de IA on-premises — eliminando o risco de envio de dados pessoais para APIs externas e facilitando a conformidade com a LGPD.