A conversa sobre privacidade está a mudar de eixo. Durante anos, o pânico girava em torno de fugas de dados — bases de dados invadidas, palavras-passe expostas, registos roubados. Mas uma nova previsão da consultora Gartner desloca o centro do problema: o maior risco deixa de ser aquilo que uma organização guarda e passa a ser aquilo que a inteligência artificial consegue deduzir a partir de dados aparentemente inofensivos. Segundo a Gartner, até 2029 a maioria dos incidentes de privacidade não resultará da exposição direta de informação pessoal identificável (PII), mas de inferências geradas por IA sobre os indivíduos.
Resposta rápida: A Gartner prevê que, até 2029, a maioria dos incidentes de privacidade nascerá de inferências feitas por IA e não de fugas de dados clássicas. Modelos conseguem deduzir dados sensíveis — localização, saúde, rendimento — a partir de texto que parece anódino. Cidadãos devem partilhar menos online; organizações devem governar o que a IA conclui, adotar tecnologias de reforço da privacidade e reforçar a minimização de dados.
Da “exposição de dados” à “exposição de conclusões”
O analista da Gartner Bart Willemsen resume a mudança numa fórmula direta. “Há uma mudança fundamental em curso, da exposição de dados para a exposição de conhecimento”, afirmou, acrescentando que as organizações se concentraram historicamente em proteger dados pessoais em bruto, mas que a IA consegue agora reconstruir informações profundamente pessoais sem sequer violar os controlos tradicionais. Por outras palavras, o modelo não precisa de arrombar nenhuma porta: basta-lhe cruzar pistas.
A lógica é quase paradoxal. Empresas estão a armazenar menos dados pessoais, empurradas pela regulação e pelos custos, o que deveria reduzir o risco — mas, se uma IA consegue inferir o detalhe sensível de qualquer forma, guardar menos dados pouco protege a pessoa que descrevem. A minimização de dados, pedra angular da proteção de dados na Europa, continua a ser boa prática, mas deixa de ser suficiente por si só.
Willemsen sublinha ainda o que torna estes ataques particularmente escorregadios. “Os ataques de inferência são particularmente perigosos porque muitas vezes escapam aos mecanismos de deteção convencionais”, disse, notando que os indivíduos podem ficar expostos através de conclusões geradas por IA em vez de registos vazados, criando riscos de privacidade difíceis de detetar, explicar e mitigar.
A ciência por trás do alerta
A previsão da Gartner não surge no vácuo. Investigadores da ETH Zurique demonstraram, num estudo apresentado na conferência ICLR 2024, aquilo que os grandes modelos de linguagem conseguem fazer com texto banal. A equipa apresentou o primeiro estudo abrangente sobre a capacidade de LLMs pré-treinados inferirem atributos pessoais a partir de texto, construindo um conjunto de dados de perfis reais do Reddit e mostrando que os modelos atuais conseguem inferir uma vasta gama de atributos pessoais — como localização, rendimento e sexo — atingindo até 85% de exatidão top-1.
O detalhe mais inquietante é o custo e a escala. Estas inferências foram feitas a uma fração do custo (cem vezes menos) e do tempo (240 vezes menos) exigidos por humanos. Ou seja, aquilo que antes exigiria analistas humanos caros pode agora ser feito de forma automática, barata e massiva. E as defesas habituais falham: os investigadores mostraram que mitigações comuns, como a anonimização de texto e o alinhamento do modelo, são atualmente ineficazes a proteger a privacidade do utilizador contra a inferência dos LLMs.
Como é que o modelo consegue? Os investigadores concluíram que as fortes capacidades inferenciais dos modelos lhes permitem deduzir atributos pessoais a partir, por exemplo, da linguagem específica (como expressões locais) ou de contexto subtil que persiste mesmo sob anonimização de texto de última geração. Um comentário aparentemente inócuo sobre o trânsito ou o clima pode entregar a cidade onde vive. A ameaça também se estende a chatbots: à medida que as pessoas interagem cada vez mais com chatbots alimentados por LLMs em todos os aspetos da vida, surge a ameaça emergente de chatbots invasivos que tentam extrair informação pessoal através de perguntas aparentemente inofensivas.
Um vazio legal que ainda não está fechado
A grande fragilidade jurídica é que grande parte da regulação de privacidade foi desenhada para dados que se recolhem, guardam e partilham — não para deduções. Uma inferência não é, tecnicamente, um registo vazado. Isso cria uma zona cinzenta que o próprio direito europeu ainda está a tentar clarificar. Um acórdão do Tribunal de Justiça da União Europeia, em setembro de 2025, no caso AEPD contra SRB, concluiu que dados pseudonimizados podem não constituir dados pessoais para os destinatários que não conseguem razoavelmente proceder à reidentificação. A leitura não é pacífica e alimenta incerteza sobre o que conta como dado pessoal quando a IA entra na equação.
O que a Gartner recomenda às organizações
A consultora propõe uma mudança de mentalidade: proteger não só o que se guarda, mas o que a IA conclui. As recomendações principais são três:
- Incorporar a governação de IA nos programas de privacidade, integrando princípios de privacy-by-design no desenvolvimento e na implementação da IA e avaliando regularmente os algoritmos quanto a enviesamento, overfitting e riscos de inferência não intencional.
- Adotar tecnologias de reforço da privacidade (PETs), como privacidade diferencial, dados sintéticos e aprendizagem automática consciente da privacidade, para processar dados num estado protegido e reduzir os riscos de reidentificação.
- Reforçar a minimização de dados e os controlos do ciclo de vida, limitando a recolha ao essencial e garantindo controlo de acesso rigoroso e eliminação atempada dos dados.
Há ainda uma componente humana. A recomendação passa por manter uma pessoa no circuito para validar antes de uma IA agir sobre uma inferência sensível — ponto que importa porque a exposição pode ser silenciosa e acidental, não apenas maliciosa. A Gartner antecipa também uma reafectação de orçamentos: espera que o investimento em proteções de integridade dos dados atinja paridade com o investimento em confidencialidade dos dados até 2028, à medida que as organizações respondem aos riscos de perfis gerados por IA que sejam inexatos, enviesados ou não autorizados.
Porque é que isto importa em Portugal
Para cidadãos, PME e organizações em Portugal, a mensagem é dupla. Ao nível individual, a lição prática é reduzir a “pegada de linguagem” que se deixa online: mesmo em fóruns pseudonimizados, expressões regionais, referências locais e pormenores de rotina podem entregar mais do que se imagina. Ao nível organizacional, o alerta liga-se diretamente ao quadro europeu de proteção de dados. O RGPD assenta em princípios como a minimização e a limitação da finalidade, mas a inferência por IA obriga a repensar o que significa “tratar dados pessoais” quando o dado sensível não é recolhido — é deduzido. A Comissão Nacional de Proteção de Dados (CNPD) e a fiscalização europeia terão de acompanhar esta fronteira.
Do lado da cibersegurança, a governação de sistemas de IA cruza-se com o novo Regime Jurídico da Cibersegurança (Decreto-Lei n.º 125/2025, que transpõe a diretiva NIS2), com o AI Act europeu e com a atuação do Centro Nacional de Cibersegurança (CNCS/CERT.PT) na sensibilização e resposta a incidentes. Para as PME, adotar desde já boas práticas de minimização, avaliação de riscos de inferência nos modelos que usam e supervisão humana das decisões automatizadas é a forma mais barata de se anteciparem a um risco que, segundo a Gartner, será dominante dentro de poucos anos.
Perguntas frequentes
O que é um ataque de inferência por IA?
É quando um modelo de IA deduz informação sensível sobre uma pessoa — como localização, rendimento ou estado de saúde — a partir de dados que parecem inofensivos, anonimizados ou agregados, sem aceder diretamente a registos pessoais nem violar bases de dados.
Anonimizar os dados protege contra estas inferências?
Nem sempre. O estudo da ETH Zurique mostrou que a anonimização de texto e o alinhamento de modelos são, atualmente, ineficazes contra a inferência por LLMs, porque os modelos exploram pistas subtis, como expressões locais, que sobrevivem à anonimização.
O que podem as organizações fazer já?
A Gartner recomenda integrar governação de IA nos programas de privacidade, adotar tecnologias de reforço da privacidade como privacidade diferencial e dados sintéticos, reforçar a minimização de dados e manter supervisão humana antes de a IA agir sobre inferências sensíveis.
Como é que os cidadãos se podem proteger?
Reduzindo a informação partilhada em plataformas públicas e em conversas com chatbots, uma vez que até pormenores de rotina ou expressões regionais podem permitir que um modelo deduza dados pessoais. A prudência na exposição online é a defesa mais imediata.
Esta informação tem caráter noticioso e baseia-se em dados divulgados publicamente pela Gartner, por investigadores da ETH Zurique e por decisões do Tribunal de Justiça da União Europeia.