Cobertura 99,60% e falso positivo 0,02%

Cobertura é a pergunta "quanto do que existia foi encontrado?". Falso positivo é a pergunta oposta — "quanto de coisa inocente foi marcada como dado pessoal?" — e ela importa igual: uma ferramenta que marca tudo vira ruído e o usuário desliga.

Nos 100 documentos sem dado nenhum, com armadilhas de topônimo, o motor marcou 0,02% dos caracteres. O Privacy Filter da OpenAI, nos mesmos documentos, marcou 8,46% — 400 vezes mais.

Por que os dois números andam juntos

É fácil ter cobertura alta marcando tudo, e é fácil ter falso positivo baixo não marcando nada. O que custa engenharia é os dois ao mesmo tempo — e é exatamente isso que a camada de regra com dígito verificador compra (o dígito verificador).