Política de retenção e exclusão de dados para IA (LGPD)

Política de retenção e exclusão de dados para usar IA com LGPD no Brasil

Resposta rápida: Uma política de retenção e exclusão para uso de IA define: quais dados podem ir para ferramentas de IA, por quanto tempo ficam guardados (em chats, logs, anexos e integrações), quem acessa e como apagar com evidência. O caminho mais seguro é classificar dados, fixar prazos por categoria e exigir anonimização/mascaramento antes de qualquer prompt com informação pessoal.

· espaço publicitário ·

Em resumo

Retenção não é “guardar por precaução”: é prazo + finalidade + base legal + controle de acesso
IA adiciona novos pontos de armazenamento: histórico de chat, anexos, logs de API, ferramentas conectadas e backups
A regra que evita dor de cabeça: se não precisa para a finalidade, não envie; se precisou, minimize e apague
Defina um processo auditável: pedido de exclusão, execução, evidência (ticket/registro) e revisão periódica

1) Faça um inventário do “caminho do dado” na IA
Mapeie por onde o dado passa: (a) quem copia/cola no chat, (b) arquivos enviados, (c) integrações (CRM, e-mail, drive), (d) logs (observabilidade, SIEM), (e) backups e espelhamentos. Em IA, o vazamento costuma vir do lugar menos óbvio: anexo compartilhado, link público ou log com conteúdo sensível.
2) Classifique dados e crie uma regra simples de permissão
Use 3–5 níveis práticos (ex.: Público, Interno, Confidencial, Sensível/LGPD). Defina o que é proibido (ex.: dados sensíveis e de crianças/adolescentes, segredos industriais, credenciais) e o que só entra anonimizado. Essa regra tem que caber em um cartão de bolso: se virar tese, ninguém segue.
3) Defina prazos de retenção por tipo de dado (não por ferramenta)
Prazos são decisão de governança, não do fornecedor. Amarre cada prazo a uma finalidade (atendimento, auditoria, melhoria do processo) e a um gatilho de início (fechamento do ticket, fim do contrato, conclusão do projeto). Quando não houver obrigação legal clara, escolha prazos conservadores e justificados — e revise.
4) Padronize minimização e anonimização antes do prompt
Crie um “modo IA” de escrever: troque nomes por identificadores, remova CPF/telefone, reduza contexto ao essencial, use amostras. Quando precisar de dados reais para uma análise (ex.: contrato), restrinja acesso, registre a justificativa e prefira ambientes corporativos com controle de auditoria.
5) Projete o processo de exclusão (e como provar que excluiu)
Exclusão tem que funcionar em três camadas: (a) conteúdo do usuário (chats/arquivos), (b) cópias internas (exportações, planilhas, repositórios), (c) retenções técnicas (logs/backups). Defina quem aprova, quem executa, SLA interno e qual evidência fica (ex.: número do chamado + registro de execução).
6) Aplique controles de acesso e segregação
Separe ambientes e permissões: quem pode enviar anexos, quem pode conectar integrações, quem pode exportar conversas. Se a empresa usa a IA para áreas diferentes (jurídico, RH, suporte), isole espaços/projetos e limite compartilhamentos. Isso reduz risco e facilita atender pedidos de exclusão.
7) Revise e teste com casos reais (tabletop)
Pegue 5 cenários do dia a dia (ex.: “cliente pediu exclusão”, “funcionário colou planilha com CPFs”, “contrato foi analisado na IA”) e simule o processo. O objetivo é achar o buraco: onde o dado fica “esquecido”. Atualize a política a cada mudança de ferramenta, integração ou fluxo.

O que muda quando você usa IA (e por que retenção vira o centro do risco)

Em sistemas tradicionais, retenção costuma ser “documento no drive + sistema principal + backup”. Com IA, aparecem novos recipientes: histórico de chat, anexos temporários, transcrições, registros de execução de agentes, e logs de prompts/respostas para troubleshooting.

O erro clássico é escrever uma política bonita e esquecer do fluxo real: a equipe copia dados para o chat para ganhar tempo. Se a política não encaixa no ritmo do trabalho, ela vira ficção.

Pergunta-guia: “Se amanhã eu precisar apagar tudo sobre a pessoa X, eu sei onde procurar?”
Ponto de atenção: retenção de logs (muitos times guardam mais do que precisam, inclusive conteúdo)
Ponto de atenção: exportações e prints (o dado sai do sistema e vira arquivo solto)

Tabela prática: exemplos de prazos (ajuste ao seu contexto e obrigações)

Sem conhecer seu setor e obrigações específicas, não dá para cravar prazos “universais”. A tabela abaixo é um ponto de partida de governança: use como rascunho, valide com jurídico/privacidade e alinhe com as áreas dona do processo.

Tipo de dado/artefato	Exemplo no uso de IA	Retenção sugerida (exemplo)	Gatilho para contar prazo	Destino ao expirar
Conteúdo de chat (sem dado pessoal)	Discussão de ideias, rascunhos genéricos	Curto (semanas a poucos meses)	Fim do projeto ou fechamento da tarefa	Exclusão automática + limpeza de exportações
Conteúdo de chat com dado pessoal (minimizado)	Ticket com ID interno e contexto reduzido	Médio (meses) se necessário para auditoria	Encerramento do atendimento	Exclusão + registro de evidência
Anexos enviados para IA	PDF de contrato, planilhas, laudos	O mínimo possível (dias a poucas semanas)	Conclusão da análise	Exclusão imediata + controle de acesso
Logs de prompts/respostas	Logs de API contendo trechos de texto	Evitar conteúdo; se inevitável, curto	Geração do log	Rotação + mascaramento/anonimização
Exportações internas	CSV com respostas, prints, documentos gerados	Conforme política documental da área	Criação do documento final	Arquivamento controlado ou descarte seguro
Backups	Backups de sistemas que armazenam chats/arquivos	Conforme política de continuidade	Geração do backup	Expurgo por ciclo + trilha de auditoria

Texto-base (modelo curto) para sua política interna

Você pode adaptar o trecho abaixo como “núcleo” da política. A ideia é ser curto e acionável — o detalhamento fica em procedimentos e anexos.

Modelo:

“É proibido inserir em ferramentas de IA dados pessoais sensíveis, dados de crianças/adolescentes, credenciais, segredos industriais e informações classificadas como ‘Restritas’. Quando houver necessidade operacional, devem ser usados dados minimizados e, sempre que possível, anonimizados. Conteúdos, anexos e logs relacionados ao uso de IA devem seguir os prazos de retenção definidos por categoria de dado, com exclusão ao término do prazo e registro de evidência. Exportações e compartilhamentos devem ocorrer apenas em repositórios corporativos autorizados, com controle de acesso e rastreabilidade.”

Dica editorial: escreva também a versão “1 parágrafo” e a versão “1 página” — é a que as pessoas realmente leem.
Se sua empresa usa múltiplas IAs, a política deve ser agnóstica de fornecedor: o dado manda na regra, não a marca.

Checklist de implementação (o que costuma ser esquecido)

Se você quer que a política sobreviva ao mundo real, foque nesses pontos que mais geram incidente:

Desligar histórico/sincronização onde não for necessário (ou criar perfis separados por área)
Bloquear upload de anexos para grupos sem necessidade (RH/Jurídico exigem cuidado extra)
Padronizar mascaramento: CPF, e-mail, telefone, endereço, matrícula, prontuário
Definir onde fica a “pasta oficial” de exportações (e proibir arquivo solto em desktop/WhatsApp)
Treinar com exemplos reais de prompts ruins vs. prompts seguros
Auditar mensalmente uma amostra de conversas/logs (amostragem, não caça às bruxas)
Ter um fluxo claro para pedidos de eliminação e incidentes (quem aciona quem, e em quanto tempo)

Perguntas frequentes

Posso guardar conversas com IA “por via das dúvidas” para aprendizado do time?

Dá, mas precisa de justificativa e limite. Se a finalidade é treinamento interno, prefira armazenar apenas o que for necessário (sem dados pessoais; com anonimização) e por prazo curto. “Guardar tudo” aumenta risco e dificulta cumprir pedidos de exclusão.

Se eu anonimizar, ainda preciso de política de retenção?

Sim. Primeiro porque nem toda “anonimização” é irreversível na prática (muitas vezes é só pseudonimização). Segundo porque mesmo dados não pessoais geram risco operacional (ex.: estratégia, preços, contratos). Retenção também é governança de conhecimento, não só LGPD.

O que devo apagar: chat, anexo e logs? Ou só o chat já resolve?

O chat é só uma parte. Em operações reais, o dado pode existir em anexos, exportações, integrações e logs (inclusive de terceiros como observabilidade). A política deve listar todos os repositórios e dizer quem é responsável por apagar em cada um.

Como lidar com backups: dá para excluir imediatamente?

Nem sempre. Backups costumam ter retenção por ciclos técnicos. O que a política precisa garantir é: prazo definido, acesso restrito, expurgo automático no ciclo e um registro de que o dado não volta para ambientes ativos após um pedido de exclusão (processo de “não-restauração”).

Política de retenção e exclusão de dados para usar IA (LGPD): modelo prático em 2026

1) Faça um inventário do “caminho do dado” na IA

2) Classifique dados e crie uma regra simples de permissão

3) Defina prazos de retenção por tipo de dado (não por ferramenta)

4) Padronize minimização e anonimização antes do prompt

5) Projete o processo de exclusão (e como provar que excluiu)

6) Aplique controles de acesso e segregação

7) Revise e teste com casos reais (tabletop)

O que muda quando você usa IA (e por que retenção vira o centro do risco)

Tabela prática: exemplos de prazos (ajuste ao seu contexto e obrigações)

Texto-base (modelo curto) para sua política interna

Checklist de implementação (o que costuma ser esquecido)

Perguntas frequentes

Leia também

Classificação de dados para usar IA (LGPD): o guia prático que evita vazamento e dor de cabeça

Como anonimizar dados antes de usar ChatGPT, Claude ou Gemini (2026): checklist sem vazar informação

Política de uso de IA generativa na empresa (2026): modelo prático com foco em LGPD, segurança e qualidade

Checklist para escolher ferramenta de IA (SaaS) sem dor de cabeça: LGPD, segurança, custo e qualidade (2026)