Ferramentas de IA já fazem parte da rotina de trabalho da maioria dos profissionais. Resumir uma ata, revisar um contrato, analisar uma planilha, preparar uma apresentação: tarefas que levavam horas passaram a levar minutos, e quase ninguém voltou atrás. O problema não está na tecnologia. Está no que vai junto com o prompt: os dados que o colaborador cola no chatbot para que a resposta faça sentido.
Esse dado não aciona nenhum sistema de monitoramento. Não gera log. Não cria alerta. Sai do perímetro corporativo em silêncio, enquanto a tarefa é concluída e o resultado é elogiado na reunião seguinte. É um tipo de vazamento que, na maior parte das vezes, a empresa só descobre quando o dano já está feito ou não descobre nunca.
O que acontece com o que você digita num chatbot público
A maioria dos modelos de linguagem disponíveis gratuitamente ou voltados ao consumidor final pode usar as interações dos usuários para refinar seus algoritmos. O dado inserido hoje pode se tornar parte da base de conhecimento da ferramenta e, em tese, reaparecer em respostas geradas para outros usuários. Mesmo quando isso não ocorre de forma direta, a informação saiu do ambiente controlado da empresa e passou a estar sob os termos de uso e as políticas de privacidade de um terceiro, em servidores que podem estar em qualquer país.
O caso mais documentado até agora é o da Samsung, em 2023. Funcionários inseriram código-fonte sensível e dados internos no ChatGPT para acelerar tarefas técnicas. O incidente veio a público, a empresa proibiu temporariamente o uso da ferramenta e o episódio entrou para o repertório do setor como evidência de que o risco é real, não hipotético. A Samsung não foi um caso isolado: foi o primeiro caso amplamente divulgado de um padrão que já existia em muitas organizações sem que ninguém tivesse percebido.
Os números que mostram que isso já está acontecendo na sua empresa
Pesquisas recentes oferecem uma dimensão concreta do problema. O Microsoft e LinkedIn Work Trend Index, conduzido com mais de 31 mil profissionais em 31 países incluindo o Brasil, mostrou que 75% dos trabalhadores do conhecimento já usam IA generativa no trabalho, e 78% deles trazem suas próprias ferramentas sem aprovação da área de TI.
O Relatório de Segurança de Dados de IA Empresarial e SaaS 2025, da empresa de segurança LayerX, detalhou o que vai nesses prompts: 77% dos usuários corporativos de IA generativa copiam e colam dados diretamente nas consultas ao chatbot, e 22% dessas operações incluem dados pessoais ou informações de cartões de pagamento. Uma pesquisa da Harmonic Security apontou a composição típica do que é inserido: dados jurídicos e financeiros respondem por 30,8% dos casos, informações de clientes por 27,8%, dados pessoais de titulares por 14,9%, registros de funcionários por 14,3% e código-fonte por 10,1%.
O Cloud and Threat Report da Netskope, publicado em janeiro de 2026 com base em telemetria de milhões de usuários corporativos, registrou que a empresa média acumula 223 incidentes de violação de políticas de dados relacionados à IA generativa por mês, número que mais que dobrou em relação ao ano anterior. No Brasil, onde a adoção de IA em empresas saltou de 20% para 51% em doze meses, a magnitude é compatível com a média global. Em boa parte dos casos, esses incidentes sequer chegam ao conhecimento da TI, porque o vazamento não aciona nenhum sistema de detecção instalado no ambiente corporativo.
Ambientes que parecem protegidos mas nunca foram verificados do ponto de vista do que sai deles tendem a concentrar exatamente esse tipo de exposição: a saída de dados por canais que nunca foram mapeados como vetores de risco.
Shadow AI: o uso de ferramentas de IA que a TI não vê
O fenômeno ganhou nome: shadow AI. É o uso de ferramentas de IA sem aprovação, conhecimento ou monitoramento da área de tecnologia. O colaborador não age por má-fé: encontrou um chatbot que resolve um problema real, usou, funcionou e passou a usar todo dia. A TI nunca soube.
O Cisco 2024 Data Privacy Benchmark Study, conduzido com 2.600 profissionais de segurança e privacidade em 12 países, revelou que 27% das organizações baniram totalmente o uso de IA generativa. Ainda assim, 48% dos funcionários dessas mesmas empresas admitiram ter inserido informações não públicas nessas ferramentas mesmo após a proibição.
A restrição formal sem alternativa segura e sem educação sobre o risco cria ilusão de controle enquanto o uso continua acontecendo fora do campo de visão de quem deveria gerenciar a exposição.
O que a LGPD determina sobre esse cenário
Quando um funcionário insere dados pessoais de clientes num chatbot público, configuram-se simultaneamente três situações com implicação legal direta: transmissão de dados a um terceiro, potencial transferência internacional de dados nos termos do artigo 33 da LGPD, e descumprimento do princípio de segurança previsto no artigo 46 da lei.
O artigo 42 da LGPD é direto: a responsabilidade recai sobre a empresa controladora dos dados, independentemente de a iniciativa ter partido de um único funcionário. A declaração de que “foi um colaborador que colou o dado no chatbot por conta própria” não altera a posição jurídica da organização perante a ANPD. Em 2025, a Autoridade Nacional de Proteção de Dados foi elevada ao status de autarquia especial, com poderes ampliados de fiscalização e aplicação de sanções, tornando esse risco regulatório ainda mais concreto para as empresas brasileiras.
A dinâmica é análoga ao que ocorre na terceirização de TI: a empresa responde pelo que o terceiro faz com os dados que recebeu, mesmo quando a transferência não foi autorizada formalmente por ninguém com poder de decisão.
Proibir não resolve: o que de fato funciona
A tentação de resolver o problema com uma política de proibição é compreensível, mas os dados mostram que ela não contém o uso. O que o número de 48% de descumprimento nas empresas que baniram IA generativa revela é que, sem uma alternativa segura e sem educação sobre o risco, a proibição apenas empurra o comportamento para fora do campo de visão da TI. O risco continua presente, só fica menos monitorado.
O que produz resultado é uma abordagem estruturada: visibilidade sobre os chatbots e assistentes já em uso, classificação dos dados que podem ou não sair do ambiente, definição de versões corporativas seguras para as plataformas mais utilizadas emonitoramento do fluxo de informações em tempo real. Sem um processo formal que atribua responsabilidade e estabeleça critérios de revisão, o risco de IA generativa nas empresas reproduz o padrão de qualquer outro risco sem dono: tolerado tacitamente e sem endereço quando o incidente acontece.
O que gestores de TI e lideranças precisam colocar em prática
O ponto de partida é saber o que já está acontecendo. Antes de qualquer política, é necessário mapear quais ferramentas de IA estão em uso na empresa, por quais áreas e com quais tipos de dado. Esse mapeamento raramente aparece em inventários de software tradicionais porque a maioria dos chatbots é acessada pelo navegador, sem instalação e sem registro no ambiente corporativo.
A partir dessa visibilidade, as etapas seguintes envolvem:
- Classificar os dados por sensibilidade: definir formalmente quais categorias de informação jamais podem ser inseridas em ferramentas externas, incluindo dados de clientes, contratos, código-fonte, informações financeiras e registros de funcionários.
- Avaliar versões enterprise das plataformas mais usadas: soluções como ChatGPT Enterprise e equivalentes de outros fornecedores oferecem controles corporativos que incluem a não utilização de dados para treinamento de modelos e a formalização de um Data Processing Agreement (DPA), o que altera substancialmente o enquadramento jurídico do uso.
- Incluir IA generativa na política de segurança da informação: o uso de chatbots e assistentes de IA precisa estar coberto pelas mesmas regras que governam o acesso a sistemas internos, o envio de arquivos para serviços externos e o compartilhamento de informações com terceiros.
- Estruturar um plano de resposta a incidentes que cubra esse vetor: vazamentos via IA têm características distintas dos incidentes tradicionais: não geram alerta, não deixam rastro no ambiente corporativo e podem demorar meses para ser detectados, quando são detectados.
Identificar o que está em uso sem aprovação da TI é exatamente o tipo de exposição que uma auditoria de segurança bem conduzida coloca na superfície: aplicações ativas sem registro, dados circulando por canais que nunca foram mapeados como risco.
O risco não está em usar IA, está em usar sem governança
Ferramentas de IA vão continuar sendo adotadas, com ou sem política formal. O Gartner projeta que, até 2027, 75% dos funcionários vão adquirir, modificar ou criar tecnologia fora do campo de visão da TI corporativa. A proibição não vai mudar essa trajetória. O que pode mudar é o nível de exposição que a empresa carrega enquanto esse uso acontece.
A diferença entre a organização que se beneficia da IA e a que se expõe por causa dela não está na plataforma que escolheu, mas na governança que construiu ao redor do uso. Visibilidade sobre o que está sendo utilizado, classificação do que pode e do que não pode sair do ambiente, alternativas seguras para as ferramentas mais demandadas e monitoramento contínuo são os elementos que separam adoção com controle de adoção com risco.
Como a STWBrasil pode ajudar
A STWBrasil mapeia o uso de ferramentas de IA no ambiente corporativo, identifica exposições de dados que passam fora do radar dos sistemas de monitoramento tradicionais e ajuda a estruturar a governança necessária para que o uso de IA gere valor sem ampliar a superfície de ataque. Se a sua empresa ainda não tem visibilidade sobre o que os colaboradores estão usando e com quais dados, esse é o ponto de partida. Entre em contato com a STWBrasil.
