Como auditar prompts e logs de IA (sem paranoia): reduza vazamento de dados e risco na LGPD

1. 1) Faça o inventário do uso de IA (o mapa real, não o oficial)

   Liste ferramentas (ChatGPT, Copilot, Gemini, extensões, apps de WhatsApp, automações) e onde elas entram no fluxo. Pergunte: quem usa, para quê, com quais dados, e onde fica o histórico. Inclua usos “informais” (contas pessoais, navegador, celular). Sem isso, você audita o lugar errado.

2. 2) Classifique dados que aparecem nos prompts e anexos

   Crie categorias simples: (a) público/marketing, (b) interno não sensível, (c) pessoal (LGPD), (d) sensível (saúde, biometria etc.), (e) segredo de negócio (preço, margem, estratégia). Marque quais categorias podem ou não ir para cada ferramenta e em qual condição (anonimizado, agregado, com aprovação).

3. 3) Defina a regra de ouro: “mínimo necessário” no prompt

   Padronize um modelo de prompt que comece com objetivo, contexto enxuto e dados reduzidos. Troque nomes por identificadores (Cliente_001), remova CPF/telefone/e-mail quando não forem essenciais, e prefira faixas e agregações (ex.: 'ticket médio entre X e Y').

4. 4) Ajuste retenção e acesso aos históricos/logs

   Decida o que deve ser guardado (e por quê) e por quanto tempo. Restrinja acesso ao histórico por função (não por curiosidade). Se a ferramenta permitir, desative ou limite histórico; se não permitir, crie compensações: política interna, conta corporativa, e proibição de colar dados de certas categorias.

5. 5) Crie um checklist de revisão (amostragem) e uma cadência

   Amostre conversas, prompts e saídas por área (ex.: 10 itens por semana no começo). Procure: dados pessoais indevidos, dados sensíveis, anexos com PII, instruções perigosas ('gere lista de clientes'), e respostas que parecem “confiantes demais” sem fonte. Registre achados, correções e responsáveis.

6. 6) Faça testes de vazamento (red teaming leve) com casos do seu negócio

   Simule situações reais: alguém tenta extrair dados de um atendimento, ou pede 'me mostre a planilha inteira'. Veja se o prompt padrão, o fluxo e as permissões seguram. O objetivo não é “provar segurança perfeita”, e sim descobrir onde o processo incentiva erro humano.

7. 7) Feche o ciclo: atualize playbook, treine e crie trilha de aprovação

   Transforme achados em mudanças concretas: biblioteca de prompts aprovados, exemplos de 'antes/depois', e uma regra de aprovação para casos de risco (RH, saúde, jurídico). Treino curto e recorrente funciona melhor do que uma palestra anual.

O que exatamente você está auditando (e por que isso muda o controle)

Na prática, “auditar IA” vira uma mistura de segurança da informação com qualidade de processo. E o detalhe que muda tudo: prompt, resposta e log não são a mesma coisa.

Prompt é o que sua equipe envia (onde geralmente mora o vazamento). Resposta é o que volta (onde mora a alucinação, viés e orientação errada). Log/histórico é o que fica guardado (onde mora o risco de retenção e acesso indevido).

Checklist rápido do que procurar quando você abre um log de conversa

Você não precisa ler 200 conversas para achar padrão. Em poucas amostras já aparecem os mesmos vícios.

• Dados pessoais diretos: nome completo + contato + documento (combinação perigosa).
• Dados sensíveis: saúde, laudos, religião, biometria, informações de menores.
• Anexos “inteiros”: planilhas completas quando bastava um recorte.
• Copiar/colar de e-mail e CRM sem limpeza (assinaturas, rodapés, IDs).
• Prompts com instruções vagas (“faça uma análise completa”) que incentivam excesso de dados.
• Respostas com tom definitivo sem evidência (“com certeza”, “garantidamente”) em temas críticos.

Padrão de prompt seguro (modelo que reduz dado sem perder resultado)

Um bom prompt seguro não é mais longo: ele é mais disciplinado. A estrutura abaixo costuma funcionar bem para equipes, porque força a separar o que é necessário do que é “só para ajudar”.

Use como template interno e peça para a equipe preencher os campos — e apagar o que não for essencial.

• Objetivo: (1 frase do que você quer decidir/produzir).
• Contexto mínimo: (o que a IA precisa saber para não chutar).
• Dados fornecidos (anonimizados): (IDs, faixas, recortes, sem PII).
• Restrições: (não inventar números; se faltar dado, perguntar).
• Formato de saída: (tabela, tópicos, checklist).
• Verificação: (liste 3 pontos para checar antes de usar).

Retenção: o erro comum é tratar tudo como 'ou guarda tudo ou não guarda nada'

Na vida real, você vai ter casos em que guardar um registro faz sentido (auditoria, rastreabilidade de decisão, suporte), e casos em que é puro risco (conversas com PII, diagnósticos, documentos completos).

Como portal editorial, não dá para cravar um “prazo ideal” universal sem conhecer sua base legal e obrigação regulatória. O caminho prático é: defina prazos por categoria de uso, documente o motivo e faça revisão periódica.

Perguntas frequentes

Leia também

Guia

Como anonimizar dados para usar IA no negócio (sem tropeçar na LGPD)

Passo a passo para anonimizar e pseudonimizar dados antes de enviar para IA: o que remover, como mascarar, checklist de risco e exemplos práticos para usar no dia a dia com mais segurança.

Ler →

Guia

Governança de IA para PMEs: checklist prático (sem travar o time)

Um guia direto para criar governança de IA em pequenas e médias empresas: regras mínimas, papéis, dados, aprovação, riscos e um checklist que dá para aplicar em 1 semana.

Ler →

Guia

Como criar uma política de uso de IA na empresa (modelo simples, prático e sem juridiquês)

Guia direto para criar uma política de uso de IA: regras de dados, prompts, revisão humana, direitos autorais e fornecedores. Inclui modelo pronto e checklist para pequenas e médias empresas.

Ler →

Guia

Como fazer a IA não alucinar: 6 técnicas de prompt que funcionam

Aprenda a estruturar prompts para a IA parar de inventar respostas. Seis técnicas testadas para reduzir alucinação — com exemplos prontos em português.

Ler →