Dados publicos
Documento aprovado por unanimidade pela Rede Ibero-Americana de Proteção de Dados, presidida pela ANPD, estabelece diretrizes para treinamento de modelos, decisões automatizadas, reconhecimento facial e proteção contra o uso indevido de dados pessoais.
A utilização indiscriminada de informações pessoais no desenvolvimento de sistemas de inteligência artificial ganhou um novo parâmetro internacional. A Rede Ibero-Americana de Proteção de Dados (RIPD), presidida pela Agência Nacional de Proteção de Dados (ANPD) no biênio 2025–2027, aprovou por unanimidade os Padrões Ibero-Americanos sobre o Uso de Dados Pessoais em Sistemas de Inteligência Artificial.
Anunciado pela ANPD em 18 de novembro de 2026, o documento estabelece orientações técnicas e jurídicas sobre coleta, processamento, treinamento de modelos, decisões automatizadas e utilização de dados pessoais por sistemas inteligentes.
A iniciativa alcança uma região com mais de 600 milhões de habitantes e representa um avanço na construção de parâmetros comuns de proteção de dados diante da expansão da inteligência artificial generativa e dos chamados agentes autônomos de IA.
Embora não tenha força de lei nem crie automaticamente novas obrigações no Brasil, o documento apresenta referências relevantes para empresas, desenvolvedores, instituições públicas e organizações que utilizam inteligência artificial no tratamento de informações pessoais.
Um dos pontos mais relevantes do documento diz respeito à utilização de informações pessoais disponíveis publicamente na internet.
A existência de dados em redes sociais, páginas profissionais, fóruns, sites institucionais ou bases acessíveis ao público não significa que essas informações possam ser livremente coletadas e utilizadas para treinar modelos de inteligência artificial.
O documento estabelece que o tratamento precisa observar uma base jurídica adequada, a finalidade da utilização e as expectativas razoáveis das pessoas no momento em que disponibilizaram suas informações.
Essa orientação afeta diretamente práticas como o web scraping, técnica utilizada para extrair automaticamente grandes quantidades de informações de páginas da internet.
O web scraping não é necessariamente ilegal. Entretanto, quando envolve dados pessoais, sua utilização precisa ser analisada à luz da legislação aplicável, independentemente de a coleta ocorrer manualmente ou por ferramentas automatizadas.
No Brasil, a Lei Geral de Proteção de Dados Pessoais (Lei nº 13.709/2018) já estabelece, em seus artigos 6º e 7º, princípios e hipóteses legais aplicáveis ao tratamento de dados pessoais. A publicidade de uma informação, isoladamente, não elimina essas exigências.
Por exemplo, uma pessoa pode disponibilizar seu nome, fotografia e informações profissionais em uma rede social para estabelecer contatos comerciais. Isso não significa que tenha autorizado automaticamente a inclusão desses dados em uma base destinada ao treinamento de sistemas de reconhecimento facial ou à construção de perfis comportamentais.
Outra questão técnica importante é o tratamento dos chamados dados inferidos, informações que não foram necessariamente fornecidas pelo usuário, mas produzidas por sistemas de inteligência artificial a partir de padrões identificados em outros dados.
Algoritmos de aprendizado de máquina podem analisar histórico de navegação, localização, comportamento de consumo, interações digitais e características de comunicação para estimar atributos individuais.
Entre as possíveis inferências estão condições de saúde, preferências pessoais, situação financeira e características comportamentais.
Essas informações podem constituir dados pessoais mesmo quando resultam de previsões estatísticas, e não de declarações expressas dos indivíduos.
O problema se torna especialmente sensível quando uma inferência diz respeito a categorias de dados que recebem proteção reforçada, como informações relativas à saúde, convicções religiosas ou opiniões políticas.
Há ainda uma limitação técnica fundamental: modelos estatísticos trabalham com probabilidades e podem produzir classificações incorretas. Uma previsão de determinado atributo não pode ser tratada automaticamente como um fato comprovado.
Os novos padrões ressaltam a necessidade de considerar a incerteza dessas inferências e impedir que estimativas algorítmicas sejam apresentadas com grau de certeza superior ao tecnicamente justificável.
Os padrões também tratam de decisões tomadas ou influenciadas por inteligência artificial, especialmente quando podem produzir consequências relevantes para os indivíduos.
Sistemas automatizados são cada vez mais utilizados para avaliar pedidos de crédito, selecionar candidatos a vagas de emprego, detectar suspeitas de fraude e classificar perfis de risco.
O documento destaca que informar genericamente ao usuário sobre a utilização de inteligência artificial não é suficiente para assegurar transparência.
As organizações devem fornecer informações compreensíveis sobre a finalidade do sistema, as categorias e origens dos dados utilizados, o papel da tecnologia no processo decisório e suas possíveis consequências.
Além disso, os padrões reforçam a importância da possibilidade de contestação e da intervenção humana efetiva nos casos pertinentes.
Uma revisão humana não pode se limitar à confirmação automática da resposta produzida pelo algoritmo. Para ser efetiva, a análise precisa oferecer condições reais de examinar o resultado e modificá-lo quando necessário.
No contexto brasileiro, o artigo 20 da LGPD prevê o direito de solicitar a revisão de decisões tomadas unicamente com base em tratamento automatizado de dados pessoais que afetem os interesses do titular, observados os requisitos legais.
A utilização de reconhecimento facial e de outras tecnologias biométricas também recebeu atenção específica.
Esses sistemas podem operar por meio da extração de características matemáticas de imagens, vozes ou outros atributos físicos e comportamentais, convertendo-as em representações digitais utilizadas para comparação ou identificação.
No reconhecimento facial, por exemplo, algoritmos podem transformar características de um rosto em um vetor numérico, conhecido como embedding, que permite calcular a similaridade entre diferentes registros.
Embora esses vetores não sejam fotografias convencionais, podem continuar constituindo dados pessoais quando vinculados a pessoas identificadas ou identificáveis.
Além dos riscos relacionados a acessos não autorizados, sua utilização envolve desafios de precisão, falsos positivos, vieses estatísticos e possibilidade de vigilância excessiva.
Um falso positivo ocorre quando o sistema indica correspondência entre dois registros que, na realidade, pertencem a pessoas diferentes.
Em aplicações de segurança pública, esse erro pode levar à indicação equivocada de um indivíduo como possível suspeito. Por isso, o resultado de uma ferramenta biométrica deve ser interpretado conforme suas limitações técnicas e não substitui, isoladamente, a necessidade de corroboração por outros elementos de investigação.
O documento também contempla o reconhecimento automatizado de emoções e os chamados neurodados, informações relacionadas à atividade do sistema nervoso, cujo processamento pode revelar características especialmente íntimas dos indivíduos.
Uma das novidades é a abordagem específica da inteligência artificial agêntica.
Diferentemente de um chatbot tradicional, que normalmente responde a comandos, um agente de IA pode planejar etapas, consultar sistemas externos, acessar bases de dados e executar ações utilizando ferramentas digitais.
Dependendo de sua configuração, esses agentes podem consultar documentos, operar aplicativos, executar código e interagir com serviços mediante credenciais previamente autorizadas.
Essa capacidade amplia os riscos de segurança e proteção de dados.
Um agente com permissões excessivas pode acessar informações desnecessárias, transmitir conteúdo a serviços externos ou executar operações não previstas pelo responsável pelo sistema.
Entre os controles técnicos recomendáveis estão a aplicação do princípio do menor privilégio, o isolamento de ambientes, a limitação de ferramentas disponíveis, os registros de auditoria e a exigência de autorização humana para operações sensíveis.
Também ganham importância os mecanismos de defesa contra prompt injection, técnica pela qual instruções maliciosas inseridas em documentos, páginas ou outras fontes de dados procuram manipular o comportamento de sistemas de IA.
Essas medidas representam aplicações práticas dos princípios de segurança, prevenção e responsabilização contemplados pelos padrões internacionais.
A contratação de plataformas de inteligência artificial não elimina as responsabilidades das organizações que determinam as finalidades e os meios essenciais do tratamento de dados pessoais.
Os padrões esclarecem que a distribuição de responsabilidades depende das atividades efetivamente desempenhadas pelos diferentes participantes da cadeia tecnológica.
Uma empresa que encaminha informações de clientes para uma plataforma externa de IA precisa avaliar, entre outros fatores, as finalidades do processamento, as condições contratuais, os controles de segurança e a eventual utilização dessas informações pelo fornecedor para aprimoramento de seus próprios modelos.
O uso de dados de clientes para treinamento ou melhoria de modelos pelo prestador exige fundamento jurídico adequado e observância das demais obrigações aplicáveis.
Isso torna especialmente importante verificar políticas de retenção, transferências internacionais, compartilhamento com terceiros e mecanismos de exclusão ou restrição do uso de informações.
Outro desafio técnico envolve a eliminação de dados incorporados ao treinamento de modelos.
Diferentemente de um banco de dados convencional, no qual determinado registro pode ser removido diretamente, informações utilizadas no treinamento podem influenciar os parâmetros matemáticos de um modelo.
Sua remoção integral pode exigir técnicas específicas, como o chamado machine unlearning, ou até procedimentos adicionais de treinamento. Os padrões reconhecem essas limitações e orientam que as organizações justifiquem impossibilidades técnicas, informem os titulares e adotem medidas mitigadoras, incluindo a exclusão de dados de treinamentos futuros quando aplicável.
A aprovação dos padrões não modifica automaticamente a LGPD nem estabelece um novo regime sancionatório.
Sua principal contribuição está na consolidação de parâmetros técnicos e jurídicos para interpretar obrigações de proteção de dados em ambientes que utilizam inteligência artificial.
Os princípios de finalidade, adequação, necessidade, transparência, segurança, prevenção e responsabilização previstos na legislação brasileira encontram correspondência em diversas orientações do documento internacional.
Na prática, organizações que desenvolvem ou contratam soluções de IA devem considerar medidas como o mapeamento das informações processadas, a identificação das bases legais, a avaliação de riscos aos titulares e a adoção de controles proporcionais à sensibilidade e ao volume dos dados envolvidos.
A realização de Relatórios de Impacto à Proteção de Dados Pessoais (RIPD), quando exigidos ou pertinentes ao risco da operação, também pode contribuir para identificar ameaças, documentar decisões e estabelecer medidas de mitigação.
A própria ANPD vem desenvolvendo iniciativas voltadas à governança da inteligência artificial, incluindo um sandbox regulatório destinado à experimentação supervisionada de tecnologias e ao aperfeiçoamento de referências normativas.
A principal mensagem dos novos padrões é que a proteção de dados pessoais não deve ser tratada como uma providência posterior ao desenvolvimento tecnológico.
O conceito de privacy by design, ou privacidade desde a concepção, pressupõe que requisitos de proteção sejam incorporados à arquitetura dos sistemas, desde a definição das bases de dados até o treinamento, a implantação e o monitoramento contínuo dos modelos.
Isso inclui reduzir a coleta desnecessária, limitar acessos, estabelecer períodos de retenção, proteger informações sensíveis e avaliar continuamente os impactos produzidos pelas decisões automatizadas.
A expansão da inteligência artificial torna essa abordagem ainda mais relevante. Dados aparentemente inofensivos, quando combinados e processados por modelos avançados, podem revelar informações que seus titulares jamais pretenderam divulgar.
A questão central deixa de ser apenas quais dados uma organização possui e passa a incluir o que seus algoritmos conseguem descobrir, inferir e fazer com essas informações.
Ao aprovar parâmetros internacionais específicos para esse cenário, a Rede Ibero-Americana de Proteção de Dados reforça que o desenvolvimento da inteligência artificial precisa estar acompanhado de limites jurídicos, mecanismos verificáveis de responsabilidade e salvaguardas técnicas compatíveis com os direitos fundamentais.
A inovação tecnológica e a proteção da privacidade não são objetivos incompatíveis. O desafio é garantir que a capacidade crescente dos sistemas de inteligência artificial seja acompanhada por controles igualmente robustos sobre o tratamento das informações pessoais.
Nota técnica: as diretrizes internacionais têm natureza orientadora. As medidas de segurança operacional descritas no artigo são exemplos de aplicação prática dos princípios de governança e não devem ser interpretadas, individualmente, como obrigações legais expressamente estabelecidas pelo documento.
Ataque à fornecedora de inteligência artificial Fireworks AI expôs documentos e informações pessoais de motoristas…
Incidente detectado em outubro afetou serviços administrativos e levou à suspensão preventiva de aplicações. Investigadores…
Uma semana após o ataque cibernético, a Autoridade Portuária de Santos havia recuperado cerca de…
Ferramenta utilizada para combater ligações abusivas apresentou problemas de transparência e chegou a impedir chamadas…
Nova orientação da autoridade francesa de proteção de dados esclarece quando hospitais e profissionais de…
Acordo nos Estados Unidos expõe um mercado pouco transparente de dados de localização e comportamento…