Pseudonimização de PII para IA Empresarial

Por que dados pessoais são um problema para o processamento com IA

Quando um agente de IA analisa um contrato de trabalho, verifica uma folha de pagamento ou processa um atestado médico, ele opera com dados pessoais. Nome, endereço, data de nascimento, CPF (PT: NIF), salário, diagnóstico.

Enviar esses dados a um modelo de linguagem, mesmo a um modelo auto-hospedado, cria risco de conformidade com a LGPD (PT: RGPD). A legislação exige minimização de dados (art. 6º, III, da LGPD / art. 5.1.c do RGPD): somente os dados necessários para a finalidade podem ser processados. Para classificar um tipo de documento, o modelo não precisa do nome do colaborador. Para verificar a conformidade com a faixa salarial, não precisa da data de nascimento.

Porém, o modelo precisa de contexto. Um contrato sem nenhuma informação pessoal é inútil para a análise de IA, faltam as referências, as relações e as conexões.

A solução não é o mascaramento, mas a pseudonimização. Muitos falam em anonimização; tecnicamente, é uma pseudonimização, e a diferença importa: dados anonimizados deixam de ser dados pessoais (art. 12 da LGPD), dados pseudonimizados não.

Pseudonimização roundtrip: o princípio

A pseudonimização roundtrip é um processo em três etapas:

Passo 1: Detectar e substituir. A camada de pré-processamento identifica os dados pessoais no documento. Cada instância de PII é substituída por um pseudônimo consistente: “João Silva” se torna “Pessoa_A”, “R$ 15.000” se torna “Salario_A”, “Rua Augusta 100” se torna “Endereco_A”. O ponto essencial: os pseudônimos são consistentes. Se “João Silva” aparece novamente na página 3, ele continua sendo “Pessoa_A”. Isso preserva a estrutura do documento.

Passo 2: Processar. O documento pseudonimizado é enviado ao modelo de linguagem. O modelo vê: “Pessoa_A tem Salario_A em Endereco_A. O contrato vigora até 2027.” Ele pode realizar a análise contratual, a verificação de faixa salarial, a classificação de cláusulas, sem ver o nome e o salário reais.

Passo 3: Reinserir. A saída do modelo contém pseudônimos: “Pessoa_A está dentro da faixa salarial E3.” A etapa de reinserção substitui os pseudônimos pelos dados reais: “João Silva está dentro da faixa salarial E3.” A tabela de correspondência é excluída após o processamento.

O que o Decision Layer controla

Nem todo campo de dados requer pseudonimização. O Decision Layer define quais categorias de PII são detectadas e substituídas, governado por conjuntos de regras versionados:

Para um processo de RH: pseudonimizar nomes, salários, endereços, CPFs (PT: NIFs). Cargos e departamentos podem permanecer se a análise precisar deles; em equipes pequenas, eles também identificam uma pessoa.

Para um processo financeiro: nomes de empresas permanecem, pessoas de contato são pseudonimizadas, valores permanecem (são necessários para decisões contábeis), dados bancários são pseudonimizados.

Para um processo de compliance: pseudonimizar tudo, incluindo nomes de empresas, se a análise deve ser transversal.

Essas regras são específicas por mandante e versionadas. Quando um acordo coletivo (PT: acordo de empresa) muda, uma nova versão de regras é criada. Em uma auditoria, é rastreável qual regra de PII, em qual versão, estava vigente no momento do processamento.

Limites da pseudonimização

A pseudonimização substitui identificadores, não o conteúdo. O que o próprio texto diz sobre uma pessoa permanece: o cargo e o departamento em uma equipe de três pessoas, um diagnóstico raro, o endereço de uma obra. Por isso, dados pseudonimizados continuam sendo dados pessoais enquanto a pessoa puder ser identificada novamente com esforço razoável (LGPD, art. 12 e art. 13, § 4º), e por isso a pseudonimização é uma medida de minimização de dados, não uma base legal. A autorização para enviar os dados a um modelo precisa vir de outro lugar: de um contrato de tratamento de dados com o provedor do modelo e, para quem está sujeito a sigilo profissional, como escritórios de advocacia, de uma obrigação de confidencialidade de cada parte envolvida. A pseudonimização também tem um custo: onde uma tarefa precisa dos nomes reais - uma carta, uma minuta de contrato -, o modelo trabalha de forma menos confiável com marcadores.

Além disso, a detecção de PII não é perfeita. O reconhecimento de entidades nomeadas (NER) comete erros, especialmente com:

Nomes ambíguos: “Santos” pode ser um sobrenome ou uma cidade. “Salvador” pode ser uma cidade ou um nome próprio. O Decision Layer aborda isso por meio de Confidence Routing: com alta confiança, a pseudonimização é automática. Com baixa confiança, a questão é escalada para um ser humano.

Identificadores implícitos: “A única desenvolvedora no escritório de Curitiba” não contém PII explícita, mas identifica uma pessoa. Esses identificadores indiretos são difíceis de detectar automaticamente. A abordagem: regras de contexto no conjunto de regras definem quais combinações de atributos permitem a identificação.

Novos tipos de documentos: quando um novo tipo de documento entra no processamento, o conjunto de regras de PII deve ser revisado e possivelmente ampliado. Isso não é uma configuração única, mas um processo contínuo.

Mais sobre Document Intelligence: Document Intelligence - PII, redação de contratos, detecção de assinaturas

Agendar reunião - Demonstramos a pseudonimização roundtrip com seus documentos.

Bert Gogolin

Diretor Executivo, Gosign

AI Governance Briefing

IA empresarial, regulamentação e infraestrutura - uma vez por mês, diretamente de mim.