A IA que guarda suas conversas

Existe um gesto que quase todo mundo que trabalha com IA repete todos os dias sem pensar duas vezes: selecionar o trecho do contrato, o print do extrato, a planilha com os dados do cliente e colar no chat. O prompt virou uma extensão da mesa de trabalho, um rascunho onde a gente despeja o problema inteiro esperando a melhor resposta. O detalhe é que essa mesa agora tem dono. Em junho de 2026, a Anthropic colocou em vigor uma política que passou a reter prompts e respostas dos seus modelos mais avançados por 30 dias, sem opção de sair nem para clientes corporativos. Em agosto, a OpenAI respondeu com um sistema que promete o oposto: monitorar abuso sem ler o seu conteúdo. No meio dessa disputa está a sua operação. E, no Brasil, a LGPD.

A história começa com a família de modelos Mythos-class, o Claude Mythos 5 e a sua versão pública Claude Fable 5, lançados em junho. Diferente dos outros modelos da casa, que podem operar sob acordos de Zero Data Retention (ZDR), esses modelos exigem retenção obrigatória de prompts e respostas por 30 dias 'para fins de confiança e segurança', valendo em toda plataforma onde são oferecidos, inclusive via API e provedores de nuvem parceiros, sem opt-out para o cliente enterprise ^[1][2]. A justificativa técnica é que modelos de fronteira mais capazes exigem uma camada de monitoramento de abuso que os modelos anteriores não tinham. O efeito prático é outro: o zero data retention, argumento de venda que sustentou a migração corporativa para a Anthropic, passou a ter um asterisco justamente nos modelos mais caros da casa.

O que exatamente fica guardado, e quem pode ler

Segundo a política oficial publicada no centro de ajuda da Anthropic, o que fica retido por 30 dias são os prompts enviados e as respostas geradas pelos modelos cobertos. Por padrão, nenhum funcionário da empresa consegue ler essas conversas: o acesso humano só acontece por um caminho controlado, quando os sistemas automatizados de trust and safety marcam o conteúdo como potencialmente nocivo. Quem revisa é um conjunto pequeno e previamente aprovado de revisores, e cada instância de acesso fica registrada num log à prova de adulteração que os próprios revisores não conseguem suprimir. Depois de 30 dias, o dado é apagado automaticamente, exceto em casos raros previstos em lei, e a empresa afirma que nada disso é usado para treinar modelos ^[3]. No papel, é um desenho de segurança responsável. Mas note a mudança estrutural por baixo dele: o seu prompt saiu do seu perímetro e passou a existir, em forma legível, dentro do servidor de outra empresa, por um mês.

A pergunta que importa para quem gere operação não é se o fornecedor é bem intencionado. Anthropic e OpenAI têm provavelmente os melhores times de segurança do mercado. A pergunta é outra: se aquele prompt contém o CNPJ, o preço e o CPF do meu cliente, quem responde por esse dado durante os 30 dias em que ele vive no servidor de outro? Isso deixou de ser questão técnica e virou questão de custódia.

- Gabriel Krüger, Arquiteto de Operações com IA

A resposta da OpenAI: vigiar o padrão, não ler o conteúdo

No dia 20 de agosto, a OpenAI anunciou o Private Safety Processing, um sistema que estende as proteções automatizadas já usadas em contratos de ZDR. Em vez de avaliar cada interação isoladamente, ele analisa padrões de comportamento ao longo de múltiplas sessões, rodando em infraestrutura controlada pelo cliente ou em armazenamento da OpenAI criptografado com chaves que ficam nas mãos do cliente. Quando algo suspeito é detectado, a OpenAI recebe apenas um sinal estreito, o tipo de atividade envolvida, sem acesso aos prompts e respostas que o geraram ^[1][5]. O alvo são ataques que só ficam visíveis no agregado: tentativas coordenadas de jailbreak, ou um agente autônomo que continua executando tarefas depois de receber ordem explícita de parar. É uma arquitetura diferente para o mesmo problema que a Anthropic escolheu resolver com retenção direta.

We're seeing with more capable frontier models that often risks are emerging not just by looking at one single prompt and response pair, but when you look over time at multiple interactions. So, an example of this would be somebody might be asking about the weakness in a company's software in one conversation, and then later in another conversation they might ask about remote access or what security tools can detect.

- Aleah Houze, Head of Product Policy na OpenAI, ao Axios [5]

A conta que chega para o brasileiro: LGPD

No Brasil, a discussão ganha uma camada que o debate americano não cobre. Juristas de tecnologia apontam que colar dado pessoal de cliente em prompt de IA generativa é, juridicamente, um tratamento de dados pessoais como qualquer outro: exige base legal, documentação de finalidade e, quando há impacto relevante sobre titulares, relatório de impacto. É um risco que muita empresa carrega sem perceber, porque o prompt parece conversa informal, e não 'processamento de dados'. A ANPD, por sua vez, tem concentrado monitoramento no uso secundário de dados, com atenção redobrada a dados biométricos, de saúde e financeiros, exatamente o tipo de informação que costuma parar em chats de IA sem nenhum filtro ^[6].

E existe a questão do terceiro envolvido. Enviar dados de clientes para empresas de IA sem técnicas de anonimização ou sem acordos de salvaguarda com o fornecedor configura compartilhamento não autorizado com terceiros, infração grave na Lei 13.709/2018, sujeita a multas e a sanções reputacionais ^[7]. O caminho técnico que blinda essa ponta é a anonimização bem feita: quando o dado perde a possibilidade de associação, direta ou indireta, com uma pessoa natural, ele deixa de ser dado pessoal e sai do alcance da lei. É por isso que a jogada de trocar nome por codinome e valor por faixa de preço não é paranoia de compliance, é a linha que separa o uso profissional da IA de um incidente de vazamento esperando acontecer.

Sua jogada: o checklist de higiene de prompt

• Minimize antes de colar: se a tarefa se resolve com o número do pedido, não use CPF. Muitos times colam o histórico completo do cliente quando o contexto da conversa atual bastaria [8].
• Codinome em vez de nome: o cliente vira 'Cliente A', o valor vira faixa ('ticket entre R$ 10 mil e R$ 50 mil'), o documento vira hash.
• Separe o sensível do operacional: dado de saúde, financeiro e biométrico não entra em prompt de ferramenta genérica, em hipótese nenhuma.
• Verifique a cobertura do modelo: a retenção de 30 dias vale para os modelos Mythos-class; nos demais modelos da Anthropic, os termos seguem como antes, com delete em até 30 dias [2][3].
• Formalize com o fornecedor: acordo de processamento de dados e cláusula de salvaguarda transformam promessa de marketing em obrigação contratual [7].

O gesto de colar tudo no chat nasceu numa era em que o prompt parecia privado por natureza, um campo de texto que morria junto com a conversa. Essa era acabou. Cada prompt é agora um registro que pode viver 30 dias num servidor de terceiro, ser sinalizado por um sistema automatizado e, em casos extremos, ser lido por um revisor aprovado. A IA que guarda suas conversas não é, por isso, uma IA desonesta; é uma IA que te obriga a tratar o campo de texto como o que ele sempre foi: um canal de envio de dados. Anonimize antes de colar, e a ferramenta continua sendo a alavanca de produtividade que ela é hoje. Deixe passar, e o próximo incidente de vazamento da sua empresa começa com um Ctrl+V.