Primeiro, confira o que pode estar errado
Modelos podem inventar fontes, errar cálculos e reproduzir informações desatualizadas. A confiança do texto não mede a confiança do resultado. Consulte a fonte original, refaça cálculos importantes e teste código antes de usar.
Quanto maior a consequência de um erro, mais rigorosa deve ser a revisão. Saúde, finanças, emprego e direitos exigem profissionais e controles adequados ao contexto.
Compartilhe apenas o necessário
Remova dados pessoais e segredos quando não forem indispensáveis. Confira a política da conta e do serviço: retenção, treinamento e acesso administrativo podem mudar entre planos. Arquivos e conectores merecem a mesma atenção que mensagens.
Local pode dar mais controle, mas extensões e funções de rede ainda podem transmitir conteúdo. Limite permissões e evite expor serviços locais sem proteção.
Seus direitos sobre os dados que você compartilha
A LGPD garante ao titular dos dados o direito de confirmar se uma empresa trata suas informações, acessar o que foi coletado, corrigir dados incorretos, solicitar eliminação e pedir revisão de decisões tomadas apenas por processos automatizados. Esses direitos valem para provedores de IA que operam no Brasil, não apenas para bancos e redes sociais.
Na prática, verifique nas configurações da conta se é possível desativar o uso das suas conversas para treinar modelos futuros e se existe um painel para exportar ou apagar o histórico. Desativar o treinamento não apaga conversas já enviadas nem garante remoção imediata de um modelo já treinado — são mecanismos diferentes, como já explica a página de dúvidas.
Confira: a política de privacidade do serviço específico que você usa, o canal do encarregado de dados (DPO) do fornecedor e, se necessário, o canal da ANPD para reclamações de titulares.
Marco Legal no Brasil, ONU e Governança Global
O uso de IA em organizações e instituições brasileiras e globais responde a leis estatais e pactos internacionais:
Legislação no Brasil (PL 2338/2023) & LGPD: O Marco Legal da IA classifica sistemas por níveis de risco (Proibido, Alto Risco, Baixo Risco) e impõe obrigações de transparência, auditoria algorítmica e relatórios de impacto. A ANPD fiscaliza a privacidade no treinamento de modelos.
Pacto Digital Global da ONU (Global Digital Compact): Adotado na Cúpula do Futuro da ONU (Nova York, 2024), estabelece a cooperação internacional para governança inclusiva da IA, combate ao abismo tecnológico entre países e garantia de que a tecnologia atenda aos Direitos Humanos.
Fórum Econômico Mundial (WEF) & Aliança de Governança de IA: A AI Governance Alliance (AIGA) do WEF e o Global Risks Report alertam para a desinformação automatizada (deepfakes) como um dos maiores riscos globais de curto prazo, recomendando a preservação da autonomia humana frente a agentes autônomos.
Princípios de Asilomar (Future of Life Institute) & PAI: Institutos e ONGs globais sem fins lucrativos (Partnership on AI, AI Now, Mozilla Foundation, CAIDP) defendem o alinhamento de valores humanos, auditabilidade independente e combate à concentração de poder tecnológico.
Avalie quem pode ser prejudicado
Dados e objetivos de treinamento podem gerar resultados desiguais. Teste diferentes casos, considere grupos sub-representados e examine se a saída transforma correlações em julgamentos sobre pessoas.
Não use respostas automatizadas como única base para decisões que afetem oportunidades ou direitos. Registre critérios e mantenha possibilidade de contestação e revisão.
Direitos, autoria e transparência
Não presuma que uma saída gerada está livre de direitos de terceiros. Observe as condições do serviço e o material de entrada. Imagens de pessoas, clonagem de voz, marcas e obras exigem cuidado específico.
Informe o uso de IA quando for relevante para interpretar o conteúdo. Uma imagem sintética não deve passar por foto documental, e uma voz clonada não deve fingir consentimento.
Agentes precisam de limites
Defina quais arquivos e ferramentas o agente pode acessar. Antes de envio, compra, publicação ou alteração importante, mantenha uma etapa de revisão proporcional. Dados encontrados em páginas e documentos podem conter tentativas de manipular o agente.
Guarde registros úteis para investigar falhas, sem acumular dados sensíveis desnecessários. O objetivo é tornar o trabalho verificável.