A inteligência artificial e segurança de dados passaram a caminhar juntas nas estratégias corporativas. Em áreas sensíveis, como antifraude, direito, privacidade, segurança pública e automação de processos, a IA já deixou de ser apenas uma ferramenta de apoio e passou a integrar decisões operacionais, jurídicas e de negócio.

No setor jurídico, esse movimento acompanha uma transformação já observada no uso de IA para automação de tarefas, análise de documentos, revisão de contratos, gestão de prazos, pesquisa de jurisprudência e análise preditiva. O uso da inteligência artificial no direito brasileiro tem avançado na rotina de advogados, tribunais e departamentos jurídicos, com ganhos de produtividade, mas também com novos desafios éticos e regulatórios.

A questão para gestores não é mais apenas onde a IA pode ser aplicada, mas sob quais limites. Quanto mais sensíveis os dados e maior o impacto da decisão, maior precisa ser o controle sobre explicabilidade, auditoria, supervisão humana, segurança da informação e conformidade com a LGPD.

Como a IA é usada em áreas sensíveis?

A IA é aplicada principalmente em três frentes: identificação de padrões, classificação de informações e produção de recomendações. Na segurança antifraude, por exemplo, modelos analisam transações em milissegundos, cruzando dados como dispositivo, geolocalização, horário, histórico do cliente e comportamento de uso.

Segundo Alberto Teixeira, engenheiro mecânico, fundador e diretor executivo comercial e de expansão da Under Protection, a antifraude é uma das áreas em que a IA está mais madura, porque o problema é antigo e o prejuízo é imediato. Bancos e fintechs já utilizam modelos capazes de cruzar informações transacionais e até análise de grafos para identificar redes de contas suspeitas.

No direito, a IA também avança na triagem documental, análise de contratos, jurimetria e pesquisa de jurisprudência. Ferramentas baseadas em machine learning podem auxiliar na identificação de padrões legais, comparação entre contratos e localização de cláusulas de risco, liberando profissionais para tarefas mais estratégicas.

Para Elaine Coimbra, vice-presidente de Comunicação da Abria e diretora de Comunicação da AI Safety Brazil, a tecnologia pode fazer em segundos triagens que levariam anos. Mas ela alerta que localizar e resumir informações não é o mesmo que compreender todas as suas consequências jurídicas.

O que é biometria comportamental?

A biometria comportamental é uma das aplicações de IA que vêm ganhando espaço na segurança digital. Diferentemente de senhas, tokens ou reconhecimento facial, que validam o usuário em um momento específico, essa tecnologia analisa o comportamento durante toda a sessão.

Ela pode observar ritmo de digitação, movimento do mouse, forma de segurar o celular, padrões de navegação e outros sinais de uso. A lógica é verificar se quem está operando a conta continua se comportando como o titular.

Nathália Ceratti Scalco, sócia da área de Direito Corporativo do Andrade Maia Advogados, explica que a biometria comportamental cobre uma lacuna temporal após o login. Senha comprova conhecimento, token comprova posse e biometria facial comprova uma característica física. Já a biometria comportamental avalia, de forma contínua e probabilística, se quem opera a sessão continua sendo o usuário legítimo.

Esse recurso pode ajudar em casos de sequestro de sessão, uso de credenciais roubadas ou comportamento anormal dentro de uma conta. Ao mesmo tempo, exige cautela. Quando padrões comportamentais são usados para identificar alguém, eles podem ser considerados dados biométricos e, portanto, dados pessoais sensíveis pela LGPD.

Quais são os riscos da IA na segurança pública?

O uso de IA em segurança pública, análise massiva de dados e decisões automatizadas traz riscos jurídicos, éticos e operacionais. A tecnologia pode ampliar a capacidade de cruzar informações e antecipar padrões, mas também pode reproduzir vieses históricos, gerar falsos positivos e dificultar a contestação de decisões.

Nathália cita um caso recente analisado pela ANPD envolvendo a suspensão imediata de um sistema de registro de frequência na rede pública escolar do Paraná, que utilizava biometria facial de mais de 1 milhão de estudantes. Segundo ela, o sistema foi classificado como atividade de alto risco por envolver uso massificado de dados sensíveis de crianças e adolescentes, sem base legal clara e sem comprovação suficiente de controles de acesso e medidas de segurança.

A advogada também lembra que a LGPD trata segurança pública de forma especial, deixando parte dessas atividades fora do escopo geral da lei e remetendo o tema a legislação específica. Na prática, isso cria uma zona de incerteza para poder público, fornecedores e cidadãos.

Elaine Coimbra reforça que sistemas preditivos podem retroalimentar distorções. Se uma área foi historicamente mais policiada, haverá mais registros naquele local. Quando esses dados alimentam um algoritmo, o sistema pode recomendar ainda mais vigilância para a mesma região, sem necessariamente medir a criminalidade real.

Por que a revisão humana é importante?

Um dos pontos mais sensíveis no uso corporativo da IA é a decisão automatizada. Mesmo quando há uma pessoa responsável pela decisão final, existe o risco de que a revisão humana vire apenas uma validação formal da recomendação feita pela máquina.

Esse fenômeno é conhecido como viés de automação. O operador tende a confiar no sistema, especialmente quando ele apresenta respostas com aparência técnica e objetiva.

Nathália lembra que o artigo 20 da LGPD garante o direito de revisão humana de decisões tomadas unicamente por tratamento automatizado. O desafio é garantir que essa revisão seja real, documentada e capaz de questionar o resultado, não apenas confirmar o output do algoritmo.

Para gestores, isso significa que sistemas de IA precisam ter políticas claras sobre quais decisões podem ser automatizadas, quais exigem validação humana e como o usuário poderá contestar resultados.

Quando usar LLMs locais ou on-premise?

Outra frente de atenção envolve os LLMs locais ou on-premise. Esses modelos podem ser mais adequados quando empresas lidam com contratos, dados pessoais, informações sigilosas, propriedade intelectual, estratégias jurídicas, prontuários, dados financeiros ou documentos sensíveis.

No setor jurídico, a IA já é usada para revisão de contratos, gestão documental, pesquisa e automação de tarefas. No entanto, escritórios, departamentos jurídicos e tribunais lidam diariamente com informações confidenciais, o que exige garantias robustas de segurança para evitar vazamentos e usos indevidos.

Para Alberto Teixeira, a escolha por um modelo local deve partir de uma decisão de risco. Segundo ele, LLMs on-premise fazem sentido “quando o custo de um vazamento supera o custo da infraestrutura”.

Nathália também avalia que modelos locais podem ser recomendados quando o dado de entrada é sigiloso, pessoal sensível ou segredo de negócio, especialmente se a empresa não consegue garantir contratualmente o destino e a retenção das informações em modelos públicos.

Mas o modelo local não elimina riscos por si só. Elaine Coimbra alerta que, ao trazer a tecnologia para dentro da empresa, a organização também assume responsabilidade por servidores, atualizações, permissões, criptografia, auditoria, resposta a incidentes e equipe técnica especializada.

Quais cuidados gestores devem ter?

Antes de ampliar o uso de IA em áreas sensíveis, empresas e instituições precisam avaliar:

  • quais dados serão processados;
  • se há dados pessoais sensíveis envolvidos;
  • qual é a finalidade do uso da IA;
  • onde os dados serão armazenados e processados;
  • quem terá acesso às informações;
  • se haverá transferência internacional de dados;
  • como decisões automatizadas serão explicadas;
  • como será feita a revisão humana;
  • se o fornecedor permite auditoria;
  • como evitar shadow IA;
  • se a arquitetura será local, em nuvem ou híbrida.

IA pode acelerar, mas precisa de governança

A IA deve continuar avançando em segurança antifraude, direito, privacidade e automação corporativa. O ganho de escala é evidente: modelos podem analisar milhões de registros, documentos e sinais em tempo muito menor do que equipes humanas.

Mas, em áreas sensíveis, velocidade sem governança pode ampliar riscos. Alberto resume que, quanto mais sensível a área, mais explicabilidade, trilha de auditoria e supervisão humana precisam acompanhar a automação. Sem isso, a IA pode transformar ganho de escala em falha de escala.

O desafio para empresas não é apenas adotar inteligência artificial, mas definir uma arquitetura de confiança. Isso inclui tecnologia, compliance, segurança, processos internos e responsabilidade clara sobre cada decisão. Em setores regulados ou com dados sensíveis, a pergunta principal deixa de ser “qual IA usar?” e passa a ser “com quais dados, sob quais limites e com qual governança?”.

Leia mais