Dado de cliente não sai da sua máquina
O que pode e o que não pode ser colado numa ferramenta de IA quando você trabalha com dados pessoais — e como analisar sem expor.
Analista tem um problema que programador não tem na mesma intensidade: o material de trabalho é o dado pessoal. Colar uma amostra da tabela para pedir ajuda é o gesto mais natural do mundo — e é onde a LGPD entra.
- Separar o que é schema (pode) do que é dado (não pode).
- Analisar com ajuda de IA sem enviar registro de pessoa real.
- Saber a ação correta quando algo vaza.
| Conteúdo | Pode? | Observação |
|---|---|---|
| Nome de tabelas e colunas (schema) | Sim | É estrutura, não dado |
CREATE TABLE / DESCRIBE | Sim | Cuidado com nome de coluna que revela estratégia |
| Resultado agregado (médias, totais, contagens) | Geralmente sim | Cuidado com grupos muito pequenos — ver abaixo |
| Amostra de linhas com CPF, e-mail, nome, telefone | Não | Dado pessoal; você é o controlador |
| Amostra "anonimizada" trocando nome por ID | Cuidado | Combinação de campos costuma reidentificar |
| Dados de saúde, origem racial, biometria, opinião política | Nunca | Dado sensível: regime mais rígido na LGPD |
| Credencial do banco, string de conexão | Nunca | Se enviou, troque a senha |
Uma tabela de "faturamento médio por cidade" parece agregada e segura. Se numa cidade existe um cliente só, a média é o faturamento daquele cliente — com nome e sobrenome para quem conhece o mercado.
O mesmo vale para cruzamentos: faturamento por cidade × segmento × porte chega rápido a células com uma empresa. Regra prática: não publique célula com menos de 5 unidades, e some as pequenas em "outros".
Como perceber: Alguém do comercial olha a tabela agregada e diz "ah, esse aqui é o fulano".
Como trabalhar sem enviar dado real
Essa query está estranha, olha o resultado: cliente_id | nome | cpf | valor 8823 | Maria Aparecida| 123.456.789-00 | 1284.90 8824 | João Batista | 987.654.321-00 | 340.00
Dado pessoal de duas pessoas reais saiu da empresa. Apagar a conversa não desfaz.
Essa query está estranha. Estrutura do resultado e um exemplo fabricado com o mesmo formato: cliente_id | nome | documento | valor 1 | CLIENTE A | <11 digitos>| 1284.90 2 | CLIENTE B | <11 digitos>| 340.00 O problema: 3 clientes aparecem duplicados quando eu adiciono o JOIN com pedido_itens.
O assistente tem tudo o que precisa — formato, tipo, o sintoma — e nenhum dado de pessoa real saiu.
A diferença: Para diagnosticar SQL, o assistente precisa da estrutura e do sintoma. O conteúdo real das linhas quase nunca acrescenta alguma coisa ao diagnóstico.
import pandas as pd
def amostra_segura(df: pd.DataFrame, linhas: int = 5) -> pd.DataFrame:
"""Preserva colunas, tipos e ordem de grandeza. Nenhum valor real."""
fake = pd.DataFrame(index=range(linhas))
for col in df.columns:
s = df[col]
if pd.api.types.is_numeric_dtype(s):
# mantém a faixa, não os valores
fake[col] = pd.Series(range(linhas)) * (s.max() - s.min()) / max(linhas - 1, 1) + s.min()
elif pd.api.types.is_datetime64_any_dtype(s):
fake[col] = pd.date_range(s.min(), s.max(), periods=linhas)
else:
fake[col] = [f"<{col}_{i}>" for i in range(linhas)]
return fake
# Antes de colar em qualquer lugar:
print(amostra_segura(df_pedidos).to_string())Não é "posso usar IA?". É: qual ferramenta a empresa homologou, e ela tem contrato de não uso do conteúdo para treinamento? Sem essa resposta, trate tudo como se fosse público.
Se a sua empresa tem DPO ou encarregado de dados, essa pergunta é literalmente o trabalho dessa pessoa.
Decidido uma vez, consultado sempre. Meia página.
# Minha regra de uso de IA com dados — [nome], [data] ## Ferramenta - Homologada: [nome / "nenhuma — perguntar para X"] - Conta: [corporativa / pessoal] - Treinamento com meu conteúdo: [desativado / verificar] ## Envio sem pensar - Schema, CREATE TABLE, DESCRIBE - Mensagem de erro do banco (sem valores reais) - Resultado agregado com células de 5+ unidades - Amostra FABRICADA com a mesma estrutura ## Nunca envio - Linha com CPF, e-mail, nome, telefone, endereço - Dado sensível (saúde, origem racial, biometria, opinião) - Célula agregada com menos de 5 unidades - String de conexão, credencial, .env ## Antes de colar qualquer amostra 1. Rodar o gerador de amostra fabricada 2. Reler o que vou colar 3. Perguntar: alguém do mercado reidentifica isso? ## Se vazar 1. [se credencial] trocar imediatamente 2. Avisar [DPO / responsável] 3. Registrar o que foi exposto, quando e de quantos titulares
Onde guardar: Junto do dicionário de dados.
- Nenhuma linha com dado pessoal real foi colada.
- Amostras usadas eram fabricadas com a mesma estrutura.
- Nenhum agregado publicado tem célula com menos de 5 unidades.
- A ferramenta usada é a homologada.
- Existe plano escrito para vazamento acidental.
- Para diagnosticar uma consulta, o assistente precisa da estrutura e do sintoma — nunca do conteúdo das linhas.
Comentários e dúvidas
Inscreva-se grátis para comentar, tirar dúvidas, marcar seu progresso e emitir o certificado ao fim do curso.
Inscrever-se grátis com GoogleAinda não há comentários nesta aula.