ThomasMoreAI/legal-skills-open / br/data-protection/skills/lgpd-compliance-falkzera
lgpd-compliance-falkzera
UnverifiedCompliance jurídico-regulatório (LGPD, ANPD, CDC, Marco Civil) para qualquer app ou sistema construído para brasileiros. Ative SEMPRE que o projeto coletar qualquer dado pessoal (nome, e-mail, telefone, CPF, geolocalização, dado do dispositivo, cookie de tracking, foto, áudio, log que identifique pessoa), OU quando o pedido envolver "LGPD", "política de privacidade", "termos de uso", "compliance", "DPO", "encarregado", "ROPA", "consentimento de cookies", "banner de cookies", "vazamento de dados", "incidente de segurança", "direito do titular", "exportar dados do usuário", "excluir conta". Esta skill AUDITA o projeto, classifica os tratamentos, e GERA os artefatos: política de privacidade, política de cookies, banner de consentimento, ROPA preenchido, RIPD quando exigível, runbook de incidente, endpoints de exercício de direitos do titular, schema de consent_log, termos de uso e portal de transparência.
references/13-ia-ml-transparencia.md
View on GitHub# 13: Transparência sobre IA/ML em Apps
> Que o app declara HOJE (2026) sobre uso de IA. Cobre 3 camadas regulatórias **simultâneas**: LGPD art. 20 (decisões automatizadas), PL 2.338/2023 (Marco Legal da IA, tramitando na Câmara), EU AI Act (Reg. UE 2024/1689, vigente desde 01/08/2024).
## 1. Cenário regulatório (maio/2026)
| Norma | Status | O que vale |
|---|---|---|
| **LGPD** | **Vigente** | Art. 20 (decisão automatizada), art. 6º IX (não discriminação), art. 9º (transparência), art. 18 (direitos do titular) |
| **PL 2.338/2023: Marco Legal da IA** | Aprovado Senado 10/12/2024; tramitando Câmara 2026 (rel. dep. Aguinaldo Ribeiro) | Modelo europeu (classificação por risco), sanções até R$ 50M, autoridade competente será **SIA** (Sistema Nacional de Regulação e Governança de IA); ANPD residual. **Ainda não é lei**, mas prep antecipada vale |
| **EU AI Act (Reg. UE 2024/1689)** | Em vigor desde 01/08/2024; plenamente aplicável 02/08/2026; GPAI desde 02/08/2025 | Vale pra app BR com usuário UE (extraterritorialidade) |
| **ANPD** | Tomada de Subsídios IA (resultados maio/2025); sandbox regulatório em 2026 | Regula PII em IA enquanto SIA não existe |
## 2. App usa API de IA de terceiro: o que declarar
### 2.1 Identificação do modelo
- Nome do provedor (Anthropic, OpenAI, Google, Mistral)
- Modelo específico (Claude Opus 4.x, GPT-5, Gemini 2.5 Pro)
- Finalidade exata ("resumir documento enviado", "sugerir resposta a e-mail", "moderar comentário")
- Se há **fallback** entre provedores → listar todos
### 2.2 Quais dados saem do app
O ponto que 99% dos devs ignora. **O prompt em si é PII** quando contém PII.
- "Enviamos ao provedor X o conteúdo que você digita em [campo Y]"
- "O prompt pode conter dados que você inseriu antes (nome, e-mail, perfil)"
- Se manda **arquivos** (PDF, imagem), declarar explicitamente
### 2.3 Política de retenção/treinamento por provedor (status maio/2026)
| Provedor | Tipo | Treinamento? | Retenção |
|---|---|---|---|
| **OpenAI API** | Padrão | **Não treina** | até **30 dias** (abuse detection); **Zero Data Retention** disponível pra Enterprise |
| **Anthropic Claude API** | Padrão | **Nunca treina inputs/outputs da API** | **7 dias** desde 14/09/2025 (era 30) |
| **Anthropic Claude consumer** (Free/Pro/Max) | - | **Treina se opt-in** (mudança 28/08/2025); retenção 5 anos se opt-in, 30d se opt-out | varia |
| **Google Gemini API, tier pago / Vertex AI** | Padrão | **Não treina** | conforme contrato |
| **Google Gemini API, free tier** | Padrão | **TREINA + revisão humana possível** | **indefinido** |
**Implicação:** se app usa **Gemini free tier**, está mandando dado do usuário pra **treinar modelo do Google + revisor humano ler**. Precisa estar na Política, com consentimento específico, OU migrar pro tier pago. Sem meio termo.
### 2.4 Transferência internacional
OpenAI, Anthropic, Google processam nos EUA (e às vezes UE/Ásia). LGPD art. 33. **Anthropic/OpenAI/Google têm DPAs** que controlador BR precisa **assinar**, não basta clicar nos termos.
Pós-**Res. CD/ANPD nº 32/2026** (UE = país adequado), preferir endpoints/regiões UE quando disponíveis.
### 2.5 Sanitização antes de enviar
Declare o que **você não manda**:
- "Removemos CPF, e-mail e telefone do prompt antes de enviar ao modelo" (se for verdade)
- Se não faz, **declare que não faz** e oriente o usuário
PII Redaction é estado-da-arte. Libs: **Microsoft Presidio**, regex caseiro pra docs BR. Resolve 80% dos casos.
---
## 3. Decisão automatizada: art. 20 LGPD
Aplica quando decisão **afeta interesse do titular sem intervenção humana significativa**.
### Casos típicos no Brasil
- Score de crédito, anti-fraude bancário
- Recomendação de feed/produto (sim, vale)
- Perfilamento pra publicidade comportamental
- Precificação dinâmica (Uber-style)
- Moderação automática (banimento, shadow ban)
- Triagem de currículo, avaliação de desempenho
- Diagnóstico médico assistido, recomendação de tratamento
### Obrigações que o app precisa expor
1. **Direito de revisão**, botão visível "Contestar esta decisão". ANPD na consulta pública 2025 ainda não fechou se revisão pode ser por outro algoritmo ou exige humano; **PL 2338 exige humano em alto risco**. **Posição segura: humano em decisão sensível** (crédito, emprego, saúde, justiça).
2. **Direito à explicação**, não é o código-fonte. É: critérios usados, dados que pesaram, lógica geral. Respeita segredo comercial (LGPD art. 20 §1º). Formato: card no app, linguagem leiga, exemplos.
3. **Canal de contestação no app**, endpoint `POST /decisoes/{id}/contestar`, prazo declarado (sugestão: 15 dias úteis), log auditável.
---
## 4. PL 2338/2023: o que muda quando virar lei
Classificação por risco (cópia atenuada do EU AI Act):
| Categoria | O que é | Obrigações |
|---|---|---|
| **Risco excessivo (proibido)** | Social scoring, manipulação subliminar, biometria em tempo real público (exceto segurança pública) | Proibido |
| **Alto risco** | Emprego, crédito, educação, saúde, segurança pública, justiça, infra crítica, biometria | AIA (Avaliação de Impacto Algorítmico) público; documentação técnica completa; governança interna; **supervisão humana significativa** com determinação final humana em decisão irreversível; reportar incidente grave ao SIA |
| **Risco baixo/moderado** | Resto | Transparência básica |
**Direitos do afetado:**
- Antes da interação: saber que é IA, finalidade, dados coletados, operador/desenvolvedor
- Depois da decisão: explicação técnica e compreensível, critérios, dados relevantes, lógica geral
**Sanções:** até R$ 50M ou 2% do faturamento por infração (texto Senado).
---
## 5. EU AI Act como benchmark: Article 50 (transparência)
Vale pra app BR com usuário UE:
- **Chatbot** deve informar que é IA (exceto se óbvio)
- **Conteúdo sintético** (imagem, áudio, vídeo, texto) deve ser **marcado em formato machine-readable** (C2PA, watermark, metadado)
- **Deepfake** de pessoa real deve ser declarado explicitamente
- **Conteúdo informativo de interesse público** gerado por IA deve ser declarado
Watermarks: **SynthID** (Google), **AudioSeal** (Meta) + manifest **C2PA 2.1** (Adobe, Microsoft, OpenAI, Meta, Google, Leica, Sony, Nikon, Canon implementam).
---
## 6. Se o app FAZ próprio modelo ou fine-tuning
Risco multiplicado.
### Procedência dos dados
- **Direito autoral:** Lei 9.610/98 art. 29 exige autorização prévia e expressa. Brasil **não tem exceção de text and data mining** (UE tem: Diretiva 2019/790). Treinar com obra protegida = risco de processo. TJSC já decidiu pela cobrança em IA derivativa.
- **Scraping:** ver Termos da fonte, robots.txt, LGPD se há PII.
### Consentimento + base legal
- Dataset com PII → qual base? Consentimento específico, ou legítimo interesse com **LIA documentada**. ANPD sinalizou ceticismo em 2025 com legítimo interesse pra treinamento massivo.
### Anonimização
- Pseudonimização ≠ anonimização. Teste de re-identificação (k-anonymity, l-diversity) obrigatório.
- Dado sintético gerado **a partir** de PII real **ainda pode ser PII** se permite re-identificação.
### Direito de remoção
- LGPD art. 18 IV/VI permite pedir anonimização/eliminação. **Problema técnico:** tirar dado de modelo já treinado é caro (machine unlearning é pesquisa). Mitigação: documentar trade-off, oferecer re-treino periódico, registrar exclusão no dataset-fonte.
---
## 7. Model cards traduzidos pro leigo BR
Adapte página `/transparencia/ia` no app. Estrutura mínima:
1. **Qual IA está aqui?** (modelo, versão, provedor)
2. **Pra que serve neste app?** (1 frase)
3. **O que ela faz bem** (3 exemplos)
4. **O que ela faz mal** (3 limitações reais, não disclaimer genérico)
5. **Onde NÃO usar** (diagnóstico médico, parecer jurídico, decisão financeira sem revisão)
6. **Como reportar erro** (link)
7. **Quando o modelo foi treinado** (cutoff)
8. **Link pro system card oficial do provedor**
Linguagem leiga. "Modelo de linguagem grande treinado em corpus multilíngue" → **"Programa que aprendeu a escrever lendo muito texto da internet."**
---
## 8. Riscos específicos no Brasil
### Discriminação algorítmica
LGPD art. 6º IX veda tratamento pra fins discriminatórios. **Testar viés** antes de soltar e periodicamente: raça, gênero, classe, região, faixa etária. Documentar. PL 2338 vai exigir pra alto risco.
### Alucinação
**Não é bug, é característica.** STJ multou advogado em mai/2025 (REsp 2.207.929/MG) por peça com jurisprudência inventada por IA. **Disclaimer não basta**: precisa validação de fato pra output factual sensível (RAG com citação, verificação cruzada).
### Prompt injection
Janeiro-Fevereiro/2026: 1 em 31 interações de GenAI em rede corporativa teve potencial alto de vazamento. Defesas:
- Separar instrução de input (system vs user message)
- Sanitizar saída antes de exibir/executar
- Agente sem permissões além do necessário
- Não confiar em output de IA pra autorizar ação destrutiva
**Vazamento por prompt injection = incidente LGPD** com notificação à ANPD.
### Vendor lock-in
OpenAI fora do ar = seu app para? LGPD art. 6º VI (continuidade). Mitigação: abstração de provedor (LiteLLM, Vercel AI SDK), fallback configurado.
---
## 9. UX de transparência: boas práticas
1. **Label visível** em todo output: "Gerado por IA" (ícone + texto), template em `templates/transparencia/ai-disclosure.tsx`
2. **Disclaimer de incerteza** em casos sensíveis: "Esta resposta pode conter imprecisões. Confirme em fonte oficial."
3. **Limites explícitos**: lista do que app **não** se propõe (diagnóstico, parecer, decisão financeira)
4. **Botão de feedback** sempre visível (thumbs up/down + campo livre)
5. **Botão de contestação** quando há decisão automatizada
6. **Tooltip "Por que isso?"** em recomendações, direito à explicação aplicado
7. **Indicador de processamento externo** quando prompt sai do servidor: "Sua mensagem foi processada por [provedor]"
---
## 10. Conteúdo gerado por IA: autoria e marcação
**Autoria:** Lei 9.610/98 só reconhece pessoa física como autora. Output puro de IA, no Brasil, **não tem proteção autoral**. Output com intervenção humana significativa pode ter, linha confusa. Documentar quem foi autor humano e quanto a IA contribuiu.
**Marca d'água:** imagens geradas devem ter SynthID (Google), C2PA manifest (Adobe Firefly, DALL-E) ou watermark visível. PL 2338 prevê obrigação de marcação de deepfake; EU AI Act art. 50 já obriga.
**Deepfake de pessoa real:** além da marcação, precisa de **consentimento da pessoa retratada** (direito de imagem, CC art. 20). Sem consentimento = ilícito civil + possível crime (Lei 14.811/2024).
---
## 11. Dados sintéticos
Dado sintético derivado de PII real:
- Se permite re-identificação → **ainda é PII** (LGPD art. 5º I e III)
- Teste obrigatório: tentativas de re-identificação com dados auxiliares públicos
- Documentar pipeline de geração + teste de privacidade
- **Differential privacy** em SDG (Synthetic Data Generation) é estado-da-arte com custo de utilidade
Sintético "do zero" (sem PII de base) é tranquilo, mas **alucina estatísticas**, útil pra teste, perigoso pra treinar modelo de produção.
---
## Checklist final pra publicar no app (2026)
- [ ] Política lista cada provedor de IA: modelo, finalidade, retenção, treinamento (sim/não), país de processamento
- [ ] DPA assinado com cada provedor de IA
- [ ] Página `/transparencia/ia` (model card simplificado) acessível do rodapé
- [ ] Banner/label "Gerado por IA" em todo output
- [ ] Botão de feedback + botão de contestação visíveis
- [ ] Canal de exercício do art. 20 (revisão de decisão) implementado
- [ ] Sanitização de PII antes de enviar ao provedor (ou declaração de que não faz)
- [ ] Logs de consent_log e de decisões (retenção compatível com prazo de contestação)
- [ ] Teste de viés documentado (se há decisão que afeta grupo)
- [ ] Plano de continuidade se provedor sair do ar
- [ ] Marca d'água/C2PA em conteúdo sintético (imagem/áudio/vídeo)
- [ ] Disclaimer de "não usar pra diagnóstico/parecer/decisão financeira" se aplicável
- [ ] Runbook de incidente cobrindo vazamento por prompt injection
- [ ] Monitoramento do PL 2338 (votação Câmara 2026) pra ajustar quando virar lei
## Referências externas
- [PL 2338/2023 (Senado)](https://www25.senado.leg.br/web/atividade/materias/-/materia/157233)
- [EU AI Act (texto PT (Reg. UE 2024/1689))](https://eur-lex.europa.eu/legal-content/PT/TXT/PDF/?uri=OJ:L_202401689)
- [EU AI Act Article 50](https://artificialintelligenceact.eu/article/50/)
- [ANPD (Tomada de Subsídios sobre IA (resultados 2025))](https://www.gov.br/anpd/pt-br/assuntos/noticias/anpd-apresenta-resultados-da-tomada-de-subsidios-sobre-tratamento-automatizado-de-dados-pessoais)
- [OpenAI Enterprise Privacy (ZDR)](https://openai.com/enterprise-privacy/)
- [Anthropic Privacy Center (data usage)](https://privacy.claude.com/en/articles/10023580-is-my-data-used-for-model-training)
- [Gemini API privacy (BSWEN análise)](https://docs.bswen.com/blog/2026-03-23-gemini-free-tier-data-privacy/)
- [C2PA Content Credentials](https://c2pa.org/)
- [LGPD Art. 20 (Planalto)](https://www.planalto.gov.br/ccivil_03/_ato2015-2018/2018/lei/l13709.htm#art20)
- [Microsoft Presidio (PII redaction)](https://microsoft.github.io/presidio/)
Related skills
| Skill | Stars | Updated | Works with | Status | Install |
|---|---|---|---|---|---|
| rea-analysis-optimizationmorluto/reaOptimize REA providers and shared analysis workflows for agent context, latency, CPU, and memory while preserving correctness and Evidence. Use for analysis bottlenecks and cache or query design; CI/test-suite optimization belongs to rea-ci-tests-audit. | Stars: 472k | Updated | Claude CodeCodex | Verified | Install |
| rea-ci-tests-auditmorluto/reaAudit REA CI and test suites for correctness, fixture drift, false passes, and measured performance; use for suite or workflow investigations and efficiency changes, rather than ordinary feature testing or a single test failure. | Stars: 472k | Updated | Claude CodeCodex | Verified | Install |
| rea-tool-designmorluto/reaAudit, investigate, design, or change REA investigation tools, CLI/MCP contracts, provider capabilities, and Evidence semantics. | Stars: 472k | Updated | Claude CodeCodex | Verified | Install |
| ponytail-auditDietrichGebert/ponytailQuality audit of the whole repo: bugs, security, real load, missing tests, speed, and what to delete. Most important first. | Stars: 196k | Updated | Claude CodeCodex | Verified | Install |