Se pretende usar IA em documentos com dados pessoais, uma ferramenta de pseudonimização tem de fazer quatro coisas bem. O ficheiro é processado num local com o qual se sente confortável. Cada pessoa recebe o mesmo marcador em todos os documentos. A chave que permite desfazer a substituição é armazenada em segurança. E pode verificar e corrigir o que a ferramenta detetou. O resto desta lista de verificação ajuda-o a perceber se uma ferramenta se adequa aos seus documentos, à sua equipa e ao seu orçamento.
O que a ferramenta tem de fazer
Ao abrigo do RGPD, pseudonimização significa o tratamento de dados pessoais de forma a que deixem de poder ser associados a uma pessoa sem informações adicionais, sendo essas informações mantidas separadamente e protegidas (artigo 4.º, n.º 5). Os dados pseudonimizados continuam a ser dados pessoais. Saiba o que isso significa para os chatbots de IA em RGPD e dados pseudonimizados em IA.
Para trabalhar com IA, o processo funciona assim. Nomes, moradas e números passam a ser marcadores, como Person_1. A IA trabalha com os marcadores. Do seu lado, uma chave converte-os novamente em nomes na resposta. Se nunca precisar de recuperar os nomes, poderá precisar de anonimização ou ocultação de dados: consulte qual dos três métodos de que precisa.
Para onde vão os seus dados
- Onde ocorre o tratamento. No seu computador ou nos servidores do fornecedor, depois de carregar o ficheiro. No segundo caso, o original, com todos os nomes, chega a terceiros antes de ser protegido. A nossa comparação entre ferramentas locais e online apresenta as perguntas a fazer a um fornecedor online e um teste simples para uma aplicação de computador: desligue a rede e experimente-a.
- O que acontece aos dados depois. Para um serviço na nuvem: durante quanto tempo são guardados os ficheiros e os resultados, em que região e quem são os subcontratantes. Para uma aplicação de computador: o que grava no disco e como o elimina.
- Registos. Um registo de quando os documentos foram processados é útil quando um cliente ou o seu responsável pela proteção de dados o solicita. Confirme que o próprio registo não contém dados pessoais.
Se pode recuperar os nomes
- Consistência. A mesma pessoa deve receber o mesmo marcador em cada parágrafo e em cada documento de um processo. Caso contrário, a IA não consegue perceber que o inquilino no contrato de arrendamento e o remetente do e-mail são a mesma pessoa. Pergunte como a ferramenta trata variantes como «Maria Lopez», «Sra. Lopez» e «M. Lopez».
- Reversibilidade. Algumas ferramentas substituem os dados apenas num sentido. Outras mantêm uma tabela que associa os marcadores aos nomes verdadeiros, ou encriptam os valores com uma chave que permite desencriptá-los mais tarde.
- Onde é guardada a chave. A tabela ou a chave é a «informação adicional» referida na definição do RGPD. Pergunte onde é armazenada, se está encriptada, quem pode aceder-lhe e quando é eliminada. Se qualquer pessoa que tenha a cópia segura também puder ler a chave, a pseudonimização oferece pouca proteção.
Se é compatível com os seus documentos
- Tipos de dados detetados. Nomes, empresas, moradas, números de telefone, endereços de e-mail, números de conta e de identificação, datas de nascimento. Se trabalhar além-fronteiras, verifique os números de identificação nacional e fiscal dos países com que lida. Os cargos, as alcunhas e os detalhes raros são difíceis de detetar para qualquer sistema, pelo que terá de assinalar alguns manualmente.
- Uma etapa de revisão. A deteção nunca é completa. Até a documentação do Presidio, um sistema de deteção de código aberto amplamente utilizado, afirma que não há garantia de que detete todas as informações sensíveis. Tem de ver cada correspondência, desmarcar as falsas e acrescentar o que não foi detetado antes de qualquer coisa sair do seu sistema.
- Formatos de ficheiro. PDF, Word, Excel, e-mails. PDFs digitalizados e fotografias de documentos precisam de reconhecimento de texto. Algumas ferramentas aceitam apenas texto simples, o que significa que terá de converter todos os ficheiros.
- Idiomas. A deteção depende do idioma. Teste com documentos reais em cada idioma em que trabalha.
Para quem foi concebida e quanto custa
- Programadores ou utilizadores de escritório. Uma biblioteca ou API precisa de alguém que a instale, escreva o código que a envolve e a mantenha em funcionamento. Uma aplicação de computador só precisa de ser instalada. São concebidas para pessoas diferentes, e nenhuma é melhor em termos gerais.
- Modelo de preços. Pagamento por volume (por gigabyte ou por cada cem caracteres), subscrição por utilizador, compra única ou código aberto gratuito mais o tempo da equipa. Calcule o custo anual com base no volume que realmente prevê.
Quatro tipos de ferramentas
Os exemplos abaixo são os que conseguimos verificar com base na documentação dos fornecedores. As funcionalidades e os preços são de outubro de 2026.
Bibliotecas de código aberto para programadores
Presidio é uma estrutura com licença MIT para encontrar e desidentificar dados pessoais. Teve origem na Microsoft e é agora um projeto gerido pela comunidade no âmbito da organização Data Privacy Stack. O seu anonimizador pode substituir, redigir, mascarar, aplicar hash ou encriptar cada elemento que deteta, e os valores encriptados podem ser desencriptados com a mesma chave. Um módulo separado encontra e oculta texto em imagens utilizando OCR.
É gratuito, funciona nas suas próprias máquinas e pode ser personalizado para quase qualquer fluxo de trabalho. É um conjunto de ferramentas, não uma aplicação: a instalação implica pacotes Python, descarregar um modelo linguístico e escrever o seu próprio código. Cabe-lhe criar os ecrãs de revisão, o tratamento de processos e a conversão de ficheiros.
Serviços de proteção de dados na nuvem
Google Cloud Sensitive Data Protection deteta dados sensíveis com uma extensa lista de detetores integrados e pode substituí-los por tokens. A encriptação determinística e a encriptação que preserva o formato geram o mesmo token para o mesmo valor, e é possível reidentificar os dados com a chave. A Google recomenda proteger essa chave com o Cloud Key Management Service. O serviço também pode redigir imagens cobrindo as deteções com caixas opacas. O preço é calculado por gigabyte.
Amazon Comprehend deteta dados pessoais em texto em inglês ou espanhol. A redação é executada como um processo em lote em ficheiros no Amazon S3 e substitui cada elemento pelo respetivo tipo, como [NAME], ou por um caráter de máscara, pelo que duas pessoas diferentes passam ambas a [NAME]. O preço é calculado em unidades de 100 caracteres.
Estes serviços tratam grandes volumes e integram-se no restante ambiente de nuvem de uma empresa, ao abrigo da conta e do contrato da própria empresa. São concebidos para programadores e equipas de TI.
Redação em editores de PDF
No Adobe Acrobat Pro, a redação substitui texto ou imagens por caixas coloridas e não pode ser desfeita depois de guardar. Uma etapa separada de sanitização remove dados ocultos, como metadados. Esta é a ferramenta adequada para um documento que entrega a um tribunal, a uma contraparte ou a um regulador. Não é adequada para um processo de ida e volta com IA: as caixas pretas não dizem à IA quem é quem e não há nada que possa ser revertido. Consulte marcadores em comparação com barras pretas.
Aplicações de computador para utilizadores de escritório
A ClientSafe é uma destas aplicações. Funciona num PC com Windows e organiza os documentos em processos, para que o mesmo nome receba o mesmo marcador em todos os documentos de um processo. Pode rever o que a aplicação detetou, desmarcar correspondências que não sejam dados pessoais e assinalar o que não foi detetado. Pode copiar a cópia segura para uma conversa com IA ou guardá-la como ficheiro Markdown. Depois, cola a resposta da IA e a ClientSafe repõe os nomes verdadeiros. A tabela que associa os marcadores aos nomes permanece encriptada no PC até eliminar o processo. Não é uma ferramenta de ocultação de dados para documentos judiciais ou documentos que envie a outra parte.
Lado a lado
| Critério | Biblioteca para programadores (Presidio) | Serviço na nuvem (Google, Amazon) | Redação de PDF (Acrobat Pro) | Aplicação de computador (ClientSafe) |
|---|---|---|---|---|
| Onde funciona | Nas suas próprias máquinas | Na nuvem do fornecedor, ao abrigo da sua conta | No editor de PDF | No seu PC |
| Mesmo marcador para a mesma pessoa | Se o configurar | Google: com encriptação determinística. Ocultação de dados da Amazon: apenas rótulos de tipo | Não, caixas pretas | Sim, dentro de um processo |
| Reversível | Com encriptação ou com o seu próprio mapeamento | Google: com a chave. Redação da Amazon: não | Não, por conceção | Sim, colando novamente a resposta |
| Onde fica a chave | Onde quer que o seu código a guarde | A Google recomenda o Cloud KMS | Não existe chave | Encriptada no seu PC até o processo ser eliminado |
| Revisão e correção | Tem de a criar | Tem de a criar | Escolhe o que redigir | Integrada |
| Ficheiros | Texto; imagens através do módulo OCR | Google: texto e imagens. Amazon: texto simples | PDF, incluindo digitalizações, DOCX, XLSX, PPTX, HTML, TXT, EML e outros | |
| Concebido para | Programadores | Programadores e equipas de TI | Qualquer pessoa que partilhe PDFs | Utilizadores de escritório no Windows |
| Preço | Gratuito, mais tempo da equipa | Por volume | Plano Acrobat Pro | Compra única $19.99 nos EUA, período de avaliação de 7 dias |
Como escolher
- Processa milhares de registos numa base de dados ou num fluxo de trabalho e tem programadores: uma biblioteca ou um serviço na nuvem.
- Envia um documento a alguém fora da empresa: redação.
- Faz perguntas à IA sobre documentos de clientes e precisa que os nomes voltem à resposta: uma aplicação de computador com uma etapa de revisão e uma forma de restaurar os nomes.
Antes de se comprometer, experimente a ferramenta com três documentos que conheça bem, em cada idioma que utiliza, e conte o que não foi detetado. Se a sua empresa tiver um responsável pela proteção de dados ou pela conformidade, envolva-o antes de usar a ferramenta em ficheiros de clientes.
Perguntas frequentes
Depois de pseudonimizar um documento, posso enviá-lo para qualquer ferramenta de IA?
Não automaticamente. Ao abrigo do RGPD, continua a ser dado pessoal, e as próprias definições e os termos da ferramenta de IA continuam a ser importantes. A pseudonimização reduz o risco, mas não o elimina.
Uma biblioteca de código aberto gratuita pode substituir uma ferramenta paga?
Sim, se alguém da sua equipa conseguir instalá-la, escrever o código que a envolve e mantê-la. Se ninguém conseguir, a biblioteca custa mais em tempo do que uma aplicação custa em dinheiro.
Preciso de reversibilidade se só quiser um resumo?
Se o resumo mencionar pessoas, sim: vai querer repor os nomes. Se não mencionar, basta uma substituição unidirecional.
Como posso testar rapidamente uma ferramenta?
Escolha um documento em que conheça todos os nomes e números. Execute-o na ferramenta e compare os resultados. Verifique as páginas digitalizadas, os cabeçalhos e as assinaturas, onde a deteção mais frequentemente falha.
ClientSafe substitui nomes, moradas, números de telefone e números de identificação por marcadores consistentes no seu PC, permite-lhe rever a lista e repõe os nomes verdadeiros na resposta da IA. A deteção não é perfeita, por isso reveja a lista antes de copiar.