Uma pergunta rápida antes de subir três meses de dados de entradas e saídas para uma previsão de alta temporada: você sabe o que o modelo vai lembrar?
Em 2023, engenheiros da Samsung colaram código-fonte de chips no ChatGPT para depurá-lo, e o código acabou nos dados de treinamento. A Samsung fabrica chips. Você opera um armazém, e seus dados parecem menos "críticos" — até você listá-los de verdade. SKUs de clientes e velocidade de vendas. Tarifas contratuais de transportadoras. Os números de produtividade de cada picker. Preços de liquidação de fornecedores. Se isso entrar no conjunto de treinamento de um modelo público, você não vazou uma linha de código. Você vazou a economia do seu negócio inteiro.
Deixe-me classificar seus dados de armazém pelo perigo que representam em mãos erradas.
Nível um: dados comerciais de clientes. Vendas por SKU, cadência de entradas e saídas, posições de estoque — isso é segredo comercial de uma marca, e como 3PL você quase certamente assinou cláusulas de confidencialidade que o cobrem. Alimentar um modelo de terceiros com isso é terceirizar sua obrigação de confidencialidade para um sistema que você não controla.
Nível dois: dados de preços. Seus descontos de transportadoras, as tarifas que você cota para clientes, preços de liquidação de fornecedores. Preço é a última carta na mesa de negociação. Uma vez que o modelo o tem, um concorrente pode extraí-lo com os prompts certos.
Nível três: dados de pessoas. Unidades por hora de cada picker, taxas de erro, presença. Os estados dos EUA continuam apertando a privacidade de dados de funcionários — as leis de privacidade da Califórnia agora cobrem também dados de funcionários. Seu jurídico não vai adorar ver dados reais de pessoal entrando em um modelo.
Nada disso significa que você não pode usar IA com dados de armazém. Significa que você dessensibiliza primeiro, e faz isso direito. Aqui está a lista que eu reviso com os clientes.
Remova os identificadores diretos. Nomes de clientes, nomes de transportadoras, nomes de funcionários, números de crachá — tudo substituído por IDs aleatórios sem significado. Não "Cliente A", que qualquer um pode reverter. IDs aleatórios, com a tabela de correspondência guardada offline.
Generalize os quase-identificadores. Rotas de picking precisas ao slot viram nível de zona. Timestamps precisos ao minuto viram por hora. Dados por SKU são agregados por categoria onde a análise permitir. A regra que dou a cada equipe: o modelo sempre recebe a granularidade mais grossa com que a análise consiga sobreviver.
Transforme os dados de preços. Tarifas contratuais e encargos cotados ou ficam fora do conjunto de dados ou passam por normalização — convertê-los em um índice, por exemplo. O modelo precisa das relações relativas entre preços, não do seu piso real.
Leia os termos de dados antes de assinar qualquer coisa. Os termos de serviço da sua ferramenta de IA dizem que as entradas de usuário não serão usadas para treinamento? Os planos empresarial e gratuito costumam diferir exatamente neste ponto. O plano gratuito é barato porque seus dados são o pagamento.
E o quinto item, para dados que depois de tudo isso ainda parecem quentes demais: execute localmente. Um modelo de código aberto implantado localmente não vai igualar os modelos de ponta, mas os dados nunca saem da sua rede. Este é um verdadeiro dilema entre capacidade e segurança, e neste ponto eu sempre fico do lado da segurança.
Coloque três frases no contrato
Quando você assinar com um fornecedor de IA, os termos de dados não podem viver apenas no deck de vendas. Têm de estar no papel. Três frases são inegociáveis. Uma: dados de entrada do usuário não serão usados para treinamento do modelo — dito explicitamente, sem margem de manobra. Duas: onde os dados são armazenados, por quanto tempo são mantidos, e se são excluídos ao expirar. Três: obrigações de notificação de vazamento e responsabilidade — com que rapidez eles avisam, e o que pagam. Se alguma das três estiver faltando, o jurídico deve devolver.
Releia os termos a cada renovação, porque as empresas de IA mudam seus termos mais rápido que ninguém. A promessa do ano passado pode não sobreviver à atualização deste ano. Não renove no automático; revise primeiro as cláusulas de dados.
Se você atende clientes da UE, há outra camada: sob o GDPR, dados de funcionários e clientes são dados pessoais, e movê-los para servidores no exterior exige mecanismos de transferência adequados. Antes de alimentar o modelo de um fornecedor estrangeiro com dados contendo pessoal da UE, certifique-se de que a cadeia de transferência está em conformidade. Não espere o regulador perguntar.
A correção de processo: quem pode exportar dados
O que a tecnologia não consegue impedir, o processo tem de impedir. Recomendo uma regra simples: qualquer exportação em massa de dados de negócio para uma ferramenta de IA externa exige a aprovação de quem é dono dos dados. A aprovação verifica três coisas: se foi dessensibilizado, se os termos do contrato foram revisados, e se há uma alternativa mais grossa. Empresas pequenas sem dono de dados podem fazer o fundador aprovar — o ponto é que "exportar" não pode ser o clique casual de uma pessoa.
O formulário de aprovação não precisa ser sofisticado. Uma página: quais dados, qual ferramenta, qual dessensibilização, data de expiração. Essa página vai salvá-lo em uma auditoria. Guarde os formulários pelo menos pelo tempo que sua política de retenção de dados exigir — auditores adoram pedir os do ano passado.
Depois há a realidade da IA sombra. Você pode escrever todas as políticas que quiser; enquanto isso um vendedor cola uma cotação de cliente em um chatbot gratuito para "polir" antes de um prazo. Acontece em todas as empresas. Você não consegue impedir, então canalize: compre para a empresa um plano empresarial de IA aprovado com os termos de dados negociados, e o incentivo para usar o plano gratuito desaparece. Orce isso em TI — é mais barato que um único vazamento.
O treinamento também importa, mas pule a apresentação de slides. Mostre à equipe de operações dois casos reais, entregue uma página sobre o que pode e não pode ser colado, e você vai mais longe do que com uma hora de lei de privacidade.
Aqui está sua lição de casa para amanhã, e leva vinte minutos. Exporte um conjunto de dados real do seu sistema e jogue de atacante: você consegue identificar um cliente específico a partir dele? Consegue deduzir o custo real de uma rota? Se conseguir, sua dessensibilização não está pronta.
Um modelo nunca vai guardar seus segredos por você. A única garantia de confidencialidade em todo o pipeline é o trabalho que você faz antes de os dados entrarem.
Traduzido do inglês. Em caso de divergência, prevalece a versão em inglês.
