Governança de dados para IA: classificação e controle

Governança de dados para IA é o conjunto de regras que define o que cada tipo de dado da empresa pode fazer dentro de um sistema de inteligência artificial — se pode virar prompt, se pode treinar um modelo, quem tem acesso, por quanto tempo fica retido e quando precisa ser descartado. É uma camada mais específica que a governança de IA em geral: não trata de política de ferramentas nem de papéis de comitê, trata do próprio dado — sua classificação, proveniência, qualidade e ciclo de vida. Este guia é para diretoria, jurídico, segurança da informação e compliance que já entenderam que precisam de governança de IA, mas ainda não resolveram a pergunta mais concreta de todas: qual dado pode entrar em qual ferramenta, e o que acontece com ele depois que entra.

Governança de dados para IA não é a mesma coisa que governança de IA

O pilar governança de IA na prática cobre política de uso, papéis, segurança e LGPD em visão geral. Este artigo aprofunda uma fatia específica: a camada de dados. A diferença importa porque a maioria das empresas escreve uma política de uso de IA — "ferramentas aprovadas", "revisão humana obrigatória" — sem nunca responder a pergunta operacional que um colaborador enfrenta às 15h de uma terça-feira: este dado específico, na minha frente agora, pode ir para este prompt?

Governança de dados para IA responde essa pergunta com quatro decisões tomadas antes do incidente, não depois: classificação (que nível de sensibilidade este dado tem), controle de acesso (quem pode usar este tipo de dado em uma ferramenta de IA), proveniência e qualidade (de onde o dado veio e se pode alimentar um modelo com segurança) e ciclo de vida (quanto dado é necessário, por quanto tempo fica retido e como é descartado). Sem essas quatro decisões, a política de uso de IA — mesmo bem escrita — vira uma declaração de intenção sem mecanismo de aplicação.

Por que a camada de dados é o ponto cego da governança de IA

A maior parte do investimento em governança de IA hoje vai para política de ferramentas e comitês de aprovação. A camada de dados fica em segundo plano — e é justamente onde o risco se materializa primeiro, porque o problema não é hipotético: já está em produção nas empresas brasileiras hoje.

Uma pesquisa global da Salesforce com mais de 14 mil profissionais em 14 países encontrou que 28% dos trabalhadores usam ferramentas de IA generativa não aprovadas pela empresa, mais da metade desses usuários faz isso sem qualquer aprovação formal, e 39% afirmam que a própria empresa não tem posição clara sobre o que pode ou não ser feito com IA — segundo reportagem do Portal Information Management. Sem uma política de dados aplicada, esse uso não controlado — o shadow AI — se traduz diretamente em dado sensível saindo da empresa: o Enterprise GenAI Security Report 2025 da LayerX Security, citado pela Exame, encontrou que 75% dos colaboradores que usam ferramentas de IA não aprovadas já inseriram informação sensível nelas. E a tendência regulatória acompanha o problema: o Gartner projeta que, até 2027, mais de 40% dos incidentes de vazamento de dados ligados à IA vão ser causados por uso indevido de IA generativa, conforme a mesma reportagem do Portal Information Management.

O outro lado da mesma moeda é o dado usado para alimentar iniciativas estruturadas de IA — não apenas prompts avulsos. O Gartner encontrou que 63% das organizações não têm, ou não sabem se têm, as práticas corretas de gestão de dados para IA, e projeta que 60% dos projetos de IA sem dados prontos para IA serão abandonados até o final de 2026 — dados citados pela DigiSystem, que também traz o número da IBM: apenas 16% das iniciativas de IA chegaram à escala corporativa. O padrão é consistente nas duas pontas: dado sem governança trava tanto o uso informal (risco jurídico) quanto o uso estruturado (projeto abandonado por falta de base). O mapa completo de todas as categorias de risco de IA generativa, incluindo os custos financeiros associados, está em riscos da IA generativa nas empresas.

Classificação de dados para IA: o que pode entrar em cada ferramenta

A classificação de dados é o alicerce prático da governança de dados para IA: sem ela, "dado sensível" é um conceito abstrato que cada colaborador interpreta à própria maneira. A classificação torna a regra objetiva — dado nesta classe, ferramenta daquele tipo, resposta sim ou não, sem julgamento individual no calor do prompt.

A tabela abaixo aplica quatro níveis de classificação (a mesma lógica usada em política de uso de IA na empresa) especificamente ao uso em ferramentas de IA — diferenciando ferramenta pública, ferramenta corporativa com contrato de tratamento, e uso para treinar ou fazer fine-tuning de um modelo:

Classe de dado	Exemplos	Ferramenta pública (ChatGPT, Gemini pessoal)	Ferramenta corporativa com contrato	Treinar/fine-tunar modelo
Público	Conteúdo já publicado, material de marketing	Sim	Sim	Sim, com aprovação
Interno	Processos, apresentações internas não sensíveis	Não	Sim	Só com anonimização
Confidencial	Estratégia, financeiro, contratos, código-fonte proprietário	Nunca	Só com aprovação específica do dono do dado	Só com aprovação do comitê + vedação contratual de reuso pelo fornecedor
Restrito (dado pessoal/sensível)	CPF, dados de saúde, dados de crianças, dados biométricos	Nunca	Só com base legal definida e contrato de tratamento (ver LGPD)	Só com anonimização comprovada e avaliação de impacto

Duas regras tornam essa tabela operacional: a ferramenta não define a segurança do dado, o contrato define — a mesma marca pode ser segura na versão corporativa contratada e um risco alto na versão pessoal gratuita, porque o que muda é a cláusula de tratamento de dados, não o nome; e dado restrito nunca entra em ferramenta pública, sem exceção — é a única linha que não admite julgamento de caso a caso, porque o custo de errar é desproporcional ao ganho de tempo. E, como a última coluna da tabela sugere, "treinar o modelo" é uma pergunta separada de "usar num prompt" — a próxima seção explica por quê.

Dado de prompt vs. dado de treinamento: dois riscos diferentes que a governança confunde

Um dos erros mais comuns de governança de dados para IA é tratar todo uso de dado em IA como um risco único. Na prática, existem duas camadas de risco com características bem diferentes:

• Dado como input de um prompt é um uso pontual: a informação entra, o modelo responde, e o risco principal é o que acontece com aquele dado depois — se o fornecedor pode reutilizá-lo, se fica retido, se pode vazar num incidente do provedor. É um risco de exposição.
• Dado usado para treinar ou fazer fine-tuning de um modelo é um uso persistente: a informação pode ficar codificada nos parâmetros do modelo, e o risco principal é que o modelo memorize e reproduza esse dado depois, para outro usuário, em outro contexto — inclusive fora da empresa, se o modelo for compartilhado ou comercializado. É um risco de vazamento estrutural, muito mais difícil de reverter: não dá para simplesmente "apagar" um dado que já foi absorvido no treinamento sem retreinar o modelo inteiro.

Essa distinção muda a régua de aprovação: um dado confidencial pode ser aprovado para um prompt pontual em ferramenta corporativa com contrato, mas exige escrutínio maior antes de entrar em qualquer pipeline de treinamento ou fine-tuning, porque o erro não é corrigível com a mesma facilidade. Toda decisão de treinar ou ajustar um modelo — interno ou de terceiros — deveria passar por uma pergunta explícita: este dado pode ficar memorizado, permanentemente, dentro de um sistema que outras pessoas vão usar? A camada jurídica desse risco, quando o dado envolvido é dado pessoal, está detalhada em LGPD e IA generativa; este artigo foca na camada operacional que evita que a decisão chegue ao jurídico já como incidente.

Controle de acesso: quem pode colocar cada tipo de dado num prompt

Classificação sem controle de acesso é regra sem aplicação. Três princípios orientam quem, na empresa, pode usar cada classe de dado em cada tipo de ferramenta: menor privilégio por padrão (acesso a dado confidencial ou restrito em IA é exceção autorizada, não regra geral — ter acesso ao dado no sistema de origem não autoriza automaticamente colá-lo num prompt); autorização por função, não por cargo (antiguidade não dá permissão automática para usar dado restrito em IA); e rastreabilidade de quem usou o quê, via logs de uso das ferramentas corporativas contratadas — sem eles, a empresa não consegue responder, depois de um incidente, quem tinha acesso e onde usou.

Esse é o ponto em que a governança de dados se conecta com a estrutura de papéis do hub: sem papéis e comitê de governança de IA claramente definidos, a decisão de "quem pode acessar o quê" fica difusa, e cada gestor de área acaba decidindo sozinho — o mesmo padrão descentralizado que caracteriza o shadow AI.

Proveniência e qualidade dos dados usados para alimentar sistemas de IA

Classificação e acesso resolvem "quem pode usar este dado". Proveniência e qualidade resolvem uma pergunta anterior: este dado é confiável o suficiente para alimentar uma decisão de negócio, tomada por um sistema de IA? É a camada de governança de dados que a maioria das empresas pula ao correr para adotar IA — e é justamente a que mais aparece nos números de projetos de IA abandonados citados acima.

Três dimensões importam especialmente quando o destino é um sistema de IA, não um relatório lido por uma pessoa: rastreabilidade da origem (de onde o dado veio e que transformações sofreu antes de chegar ao modelo — sem isso, é impossível avaliar se ele carrega um viés herdado de uma etapa anterior); representatividade (dado histórico de um recorte só da empresa — uma região, um perfil de cliente — tende a se reproduzir como se fosse a realidade inteira, a mesma lógica dos casos de viés algorítmico documentados em riscos da IA generativa nas empresas); e atualidade e completude (dado desatualizado ou incompleto produz respostas plausíveis, mas erradas — o risco de alucinação se agrava quando a base já está comprometida antes de o modelo entrar em cena).

Nenhuma dessas dimensões se resolve com política escrita — exigem inventário de dados, dono definido por fonte e um processo de validação antes de qualquer dado alimentar um sistema de IA de forma estruturada. Empresas que pulam essa etapa descobrem o problema tarde: quando o board pergunta por que a IA "não está funcionando" e o problema nunca foi o modelo — foi o dado que alimentou ele.

Minimização, retenção e descarte: o dado que a empresa não devia mais ter

A última camada da governança de dados para IA é temporal: quanto dado a empresa realmente precisa reter, e por quanto tempo. Três práticas reduzem a superfície de risco antes mesmo de um incidente acontecer: minimização — usar o menor volume de dado necessário para a tarefa, em vez de conectar um sistema de IA a uma base inteira "só por precaução"; retenção com prazo definido — cada categoria de dado usada em processos de IA (prompts, logs, pipelines de treinamento) deveria ter um prazo explícito, porque retenção indefinida é passivo, não ativo: quanto mais tempo um dado sensível fica armazenado, maior a janela de exposição; e descarte verificável — quando o prazo expira, o descarte precisa ser comprovado, não apenas assumido, com um cuidado adicional: um modelo pode reter características de um dado mesmo depois que a cópia original é apagada, o que exige avaliar se o próprio modelo precisa ser retreinado.

Anonimização e pseudonimização — os dois mecanismos que a LGPD define para reduzir esse risco antes mesmo do prompt — são tratados em profundidade em LGPD e IA generativa. A camada de dados que este artigo cobre é o que vem antes e depois desse mecanismo: a classificação que decide se o dado deveria ser anonimizado, e a retenção que decide até quando ele deveria continuar existindo.

Como a governança de dados para IA se conecta ao resto da governança de IA

Nenhuma das camadas acima funciona isolada. A tabela resume onde cada peça se conecta:

Camada de dados	Onde se conecta na governança de IA
Classificação de dados	Seção central da política de uso de IA na empresa
Base legal e dado pessoal	Aprofundado em LGPD e IA generativa
Estrutura auditável de gestão	Referência de maturidade em ISO/IEC 42001
Papéis e comitê de decisão	Estrutura completa no pilar governança de IA na prática
Categorias de risco e custo	Detalhado em riscos da IA generativa nas empresas

Na Jetpacks, essa camada de dados entra no Launchpad, primeiro estágio do método Flight Plan (quatro estágios de cerca de duas semanas cada, por área): mapeamos quais dados já circulam em ferramentas de IA — aprovadas ou não — e em qual classificação cada um se encaixa, produzindo um mapa de impacto real. O Flight Plan desenha, a partir desse mapa, as regras de classificação e acesso por área; o Booster capacita o time a aplicá-las no momento de usar a ferramenta, não em módulo de compliance separado; e o Mission Control mede se a classificação está sendo seguida na prática. Como parceira oficial da Replit no Brasil, a Jetpacks já aplicou essa abordagem em empresas como Hypera Pharma, Volvo, BMR Medical e C12 Brasil.

FAQ

O que é governança de dados para IA?

É o conjunto de regras que define como cada tipo de dado da empresa pode ser usado dentro de sistemas de inteligência artificial: qual classificação ele tem, quem pode acessá-lo, se pode virar prompt ou alimentar treinamento, e por quanto tempo fica retido antes do descarte. É uma camada mais específica do que a governança de IA em geral, que também cobre política de ferramentas, papéis e segurança.

Qual é a diferença entre classificação de dados e política de uso de IA?

A política de uso de IA é o documento amplo que define ferramentas aprovadas, papéis e revisão humana. A classificação de dados é uma das seções centrais dessa política — a que define, especificamente, o que cada classe de dado (público, interno, confidencial, restrito) pode ou não fazer dentro de cada ferramenta.

Posso usar o mesmo dado em um prompt e para treinar um modelo?

Não necessariamente. São dois riscos diferentes: um prompt pontual gera um risco de exposição imediata, enquanto usar o dado para treinar ou fazer fine-tuning de um modelo pode fazer com que essa informação fique memorizada de forma persistente nos parâmetros do modelo — um risco muito mais difícil de reverter. Cada uso exige uma aprovação separada.

O que é shadow AI e qual é a relação com governança de dados?

Shadow AI é o uso de ferramentas de IA por colaboradores sem aprovação ou controle da empresa — o cenário em que a classificação de dados não existe ou não é aplicada na prática. Pesquisas de mercado mostram que a maior parte dos colaboradores que usa ferramentas não aprovadas já inseriu informação sensível nelas, o que torna a ausência de governança de dados o principal fator de risco do shadow AI. O guia completo sobre por que proibir essas ferramentas não resolve o problema — e o que fazer no lugar — está em shadow AI: por que proibir não funciona.

Anonimizar o dado resolve o problema de usá-lo em IA?

Reduz bastante o risco, mas depende do uso: dado anonimizado corretamente sai do escopo de dado pessoal da LGPD, mas a classificação de dados corporativos (confidencial, estratégico) continua se aplicando independentemente disso. O detalhe técnico de anonimização e pseudonimização está em LGPD e IA generativa.

Quem deve ser responsável pela classificação de dados para IA na empresa?

Não deveria ser uma decisão individual do colaborador no momento do prompt. O ideal é um comitê que reúna segurança da informação, jurídico e as áreas de negócio donas de cada tipo de dado, seguindo a mesma estrutura de papéis descrita em governança de IA na prática — com a classificação revisada em ciclo curto, conforme novas ferramentas e casos de uso surgem.

Por que tantos projetos de IA são abandonados por causa de dados?

Porque a maioria das empresas parte direto para a ferramenta sem antes resolver proveniência, qualidade e classificação do dado que vai alimentar o sistema. O Gartner projeta que 60% dos projetos de IA sem dados prontos para IA serão abandonados até o final de 2026 — o gargalo raras vezes é o modelo escolhido, é a base de dados que sustenta ele.

Conclusão: governança de dados é o que faz a governança de IA funcionar de fato

Política de uso de IA, comitê de governança e frameworks como a ISO/IEC 42001 dão a estrutura. Mas é a camada de dados — classificação, controle de acesso, proveniência e ciclo de vida — que transforma essa estrutura em regra aplicável no momento em que alguém está prestes a colar um dado num prompt ou conectar uma base de dados a um pipeline de IA. Empresa que resolve governança de IA sem resolver governança de dados tem política bonita e risco intacto.

Se a sua empresa está adotando IA e precisa saber exatamente que dado pode entrar em qual ferramenta — antes que um colaborador decida isso sozinho — o diagnóstico gratuito da Jetpacks mapeia, em uma conversa de 30 a 45 minutos, onde seus dados já circulam em ferramentas de IA hoje e desenha, com o método Flight Plan, a classificação e os controles que faltam. Para levar a decisão de investimento em governança de dados ao board com os números certos, o business case de adoção com governança ajuda a justificar o custo da estrutura como o que ele é: menor que o custo de um incidente.