A IA não precisa saber o nome do seu cliente para te ajudar. A OpenAI, a Anthropic e o Google não recebem os dados dos seus clientes.
Toda vez que alguém cola uma petição, um prontuário ou uma planilha numa IA, o dado sai do escritório e entra num servidor que não é seu, num país que não é o seu. Esta página mostra o que já aconteceu, quem paga a conta quando dá errado, e o que o MIA Privacy faz a respeito — com número medido, não com adjetivo.
Nenhum deles é hipótese ou boato. Todos foram confirmados pelas próprias empresas ou por veículos de imprensa técnica, e estão linkados.
Uma falha na biblioteca Redis fez o ChatGPT mostrar, na barra lateral, títulos de conversas de outros usuários. A OpenAI confirmou que também ficaram expostos dados de pagamento de 1,2% dos assinantes Plus ativos naquela janela: nome, sobrenome, e-mail, endereço de cobrança, os quatro últimos dígitos do cartão e a validade.
A empresa tirou o serviço do ar para conter, e depois publicou o relatório do incidente.
Pouco depois do lançamento do Gemini, usuários encontraram conversas indexadas no próprio buscador. O caso repetia um problema já visto com links compartilhados do Bard, que não traziam as marcações que impedem indexação.
O Google corrigiu e removeu os resultados — mas as cópias em cache já existiam. Relatos da época apontam retenção de conversas por até três anos.
Durante avaliações de segurança, uma configuração errada deixou o ambiente de teste com internet aberta. Os modelos trataram sistemas reais como parte do exercício e obtiveram acesso não autorizado à infraestrutura de três organizações, usando coisas básicas: senha fraca e endpoint sem autenticação.
A própria Anthropic publicou o caso. Três modelos diferentes estavam envolvidos, e a revisão só começou depois de um incidente parecido na OpenAI.
Engenheiros da Samsung colaram código-fonte interno no ChatGPT para achar erros e otimizar um programa. O dado saiu da empresa pela porta da frente, digitado por gente de dentro.
A Samsung proibiu IA generativa e avisou que descumprir pode dar demissão. Este é o caso mais parecido com o do escritório brasileiro — ninguém foi invadido; alguém só colou.
Três das quatro falhas vieram de dentro das empresas que vendem a IA. A quarta veio de dentro do cliente. Não existe lado seguro nessa conta.
Essa é a parte que quase ninguém explica direito. Quando o advogado, o contador ou a clínica decide colar o documento na IA, ele é o controlador dos dados — quem decide o que é tratado e como. A plataforma estrangeira é operadora.
Controlador e operador respondem solidariamente pelo dano. Na prática, o titular processa quem ele conhece e quem está no Brasil — o seu escritório, não a empresa em outro continente.
Mandar dado pessoal para fora do país exige base legal e garantias. Se a transferência foi a causa do risco, o agente brasileiro responde mesmo que o vazamento tenha ocorrido lá fora.
Houve vazamento, você tem que comunicar à ANPD e ao titular. Não comunicar é, hoje, uma das infrações mais punidas.
E o argumento "eu não tinha como saber" não segura. Para que ato de terceiro afaste a responsabilidade, é preciso provar que foram adotadas todas as medidas técnicas esperadas e que o evento era imprevisível. Falha básica de segurança é tratada como fortuito interno — não exclui o dever de indenizar.
Você escolheu enviar. Essa escolha é o tratamento — e é sua.
Para advogado tem uma camada a mais, e ela é mais dura que a LGPD: sigilo profissional. Para clínica, o dado de saúde é sensível, na faixa de maior penalidade — e saúde é justamente o setor que a ANPD mais fiscaliza.
Não é complicação de engenharia. É que dado pessoal se acha de duas maneiras opostas, e usar a ferramenta errada em cada um é o motivo de todas as outras falharem.
CPF, CNPJ, CEP, número de processo, CNH, PIS, título de eleitor, cartão SUS, cartão de crédito, placa, telefone.
Todos têm dígito verificador ou formato normativo. Isso é conta, não adivinhação: a regra pega e a gente sabe que acertou, porque o dígito bate.
Nome de pessoa, endereço por extenso, nome de empresa, referência indireta.
Não existe conta que prove que "João Silva" é nome. Aí entra o modelo, treinado por nós em 120 mil documentos brasileiros sintéticos, com 25 tipos de dado nacional.
A regra vence sempre. O modelo só acrescenta o que sobrou. É por isso que um CPF nunca depende de a IA "achar" que é um CPF.
Este é o ponto em que a maioria das ferramentas se engana sozinha: elas medem o modelo com dados parecidos com os do treino. O número sai lindo e não significa nada. Nós montamos uma régua separada.
Puxamos 1.000 processos públicos da API DataJud do Conselho Nacional de Justiça, de dez tribunais. Isso deu estrutura real: nome de vara, comarca, classe, movimentação e número de processo com dígito de verdade. Em cima disso plantamos dado pessoal sintético, com dígito válido, em posição conhecida.
Nenhum dado pessoal real, de ninguém, em momento algum. E como nós plantamos cada dado, sabemos exatamente onde ele está — a correção é perfeita, sem ninguém marcar à mão.
Cem desses documentos não têm nenhum dado pessoal, e existem só para medir falso positivo. Eles são feitos com armadilhas de verdade, como "Vara Única da Comarca de Piranga" e "Casimiro de Abreu" — nomes de lugar que qualquer modelo confunde com nome de gente.
| Motor | Cobertura | Falso positivo | Docs que vazam | Confere dígito? |
|---|---|---|---|---|
| MIA Privacy | 99,60% | 0,02% | Sim | |
| OpenAI Privacy Filter | medição na mesma régua em andamento | Não | ||
| Nosso motor anterior | medição na mesma régua em andamento | Não | ||
É aqui que a diferença aparece de verdade. Cobertura por tipo de dado brasileiro, mesma régua, mesmo dia.
Os três motores foram medidos na mesma régua, no mesmo dia, com a mesma métrica.
O Privacy Filter da OpenAI é um modelo aberto, gratuito e tecnicamente muito bom — e é honesto dizer isso. Ele detecta oito categorias genéricas: conta, endereço, e-mail, pessoa, telefone, URL, data e segredo. É uma ferramenta feita para o mundo inteiro.
Como account_number é uma categoria genérica, ela acaba
pegando boa parte dos números brasileiros. O preço disso aparece em duas
colunas: ela marca 8,46% dos caracteres em documentos que não têm
nenhum dado pessoal — contra 0,02% nossos — e não sabe o que
marcou. Para o modelo dela, CPF, CNPJ e número de processo são a
mesma coisa.
Saber o que é cada dado não é detalhe estético. É o que permite desfazer a troca corretamente e é o que a LGPD pede quando pergunta quais categorias de dado a sua empresa trata.
Escrevemos isso porque um produto de privacidade que exagera na promessa é a primeira coisa que um advogado desmonta — e ele tem razão em desmontar.
Cole um texto ou suba um arquivo. Leva segundos e não pede cadastro.
Voltar e testar