Dados anonimizados, pseudonimizados e sintéticos: quando a LGPD ainda se aplica à inovação 

Anonimizar uma base não é trocar nomes por códigos. Também não basta chamar um conjunto de dados sintéticos para concluir que ele está fora da Lei Geral de Proteção de Dados Pessoais (LGPD). Para decidir se a lei ainda se aplica, a empresa precisa observar como os dados foram produzidos, que informações adicionais permanecem disponíveis, quem consegue recombinar os registros e se pessoas podem ser identificadas com esforços razoáveis. 

A distinção muda decisões de negócio. Ela define se é necessária uma base legal, se os titulares mantêm direitos sobre o tratamento, se contratos devem prever instruções e eliminações e se um ambiente de testes pode ser compartilhado com terceiros. Em projetos de inteligência artificial, analytics, pesquisa e desenvolvimento, uma classificação errada pode levar a empresa a ampliar o acesso justamente quando acredita ter eliminado o risco. 

O ponto de partida é jurídico, mas a conclusão depende de evidência técnica e contextual. Por isso, a classificação da base deve integrar a governança do ciclo de vida dos dados, e não ficar restrita a uma etiqueta criada no catálogo de dados. 

Por que a classificação da base muda o risco empresarial 

A LGPD protege informações relacionadas à pessoa natural identificada ou identificável. Dados efetivamente anonimizados, em regra, não são considerados pessoais. Essa exclusão é relevante, mas condicionada: se a anonimização puder ser revertida por meios próprios ou com esforços razoáveis, o conjunto volta ao campo de proteção da lei. 

A consequência prática é que a empresa não pode decidir apenas pela aparência da planilha. Um identificador aleatório pode ocultar o nome para um analista e continuar perfeitamente reversível para a organização que guarda a chave. Da mesma forma, uma base sem identificadores diretos pode individualizar pessoas por combinações raras de idade, localização, função, datas e eventos. 

Anonimização, pseudonimização e dados sintéticos não são equivalentes 

O que caracteriza anonimização 

A LGPD define dado anonimizado como aquele relativo ao titular que não possa ser identificado, considerando meios técnicos razoáveis e disponíveis no momento do tratamento. A definição exige resultado e contexto. Generalização, agregação, supressão, perturbação estatística e outras técnicas podem contribuir, mas nenhuma delas funciona como certificado automático quando aplicada isoladamente. 

O artigo 12 determina que dados anonimizados deixam de ser considerados pessoais, salvo se o processo puder ser revertido com meios próprios ou esforços razoáveis. Custo, tempo, tecnologias disponíveis e uso de meios exclusivos da organização são fatores objetivos expressamente mencionados pela lei. A avaliação, portanto, pode mudar com o ambiente, com novos conjuntos auxiliares e com a evolução técnica. 

Por que pseudônimos continuam ligados a pessoas 

Na pseudonimização, a informação deixa de ser associada diretamente ao titular, mas essa associação pode ser restaurada com informação adicional mantida separadamente em ambiente controlado e seguro. Trata-se de uma salvaguarda valiosa. Ela reduz a exposição, limita o acesso e melhora a segurança do desenvolvimento, mas não retira automaticamente os dados do âmbito da LGPD. 

Tokenização, hash e códigos internos podem ser formas de pseudonimização dependendo do desenho. Um hash previsível aplicado a CPF, por exemplo, pode ser testado contra listas conhecidas. A robustez depende da técnica, da entropia, do uso de segredo, da separação de chaves, do controle de acesso e da possibilidade real de ligação com outras bases. 

Quando dados sintéticos reproduzem riscos da base original 

Dados sintéticos são registros gerados para reproduzir propriedades úteis de um conjunto real ou de um cenário modelado. A LGPD não cria uma categoria jurídica autônoma chamada dado sintético. O tratamento anterior usado para gerar o conjunto continua sujeito à lei quando envolve dados pessoais, e o resultado precisa ser avaliado quanto à possibilidade de revelar ou reproduzir informações relacionadas a indivíduos. 

A autoridade francesa de proteção de dados, em orientação comparativa que não vincula empresas brasileiras, alerta que dados sintéticos não são sistematicamente anônimos. Um gerador pode memorizar casos raros, copiar combinações singulares ou produzir amostras próximas demais dos registros de origem. Já técnicas com garantias formais, como determinados usos de privacidade diferencial, podem reduzir o risco, mas exigem parâmetros, testes e documentação adequados ao caso. 

Quando a LGPD deixa de incidir e quando o risco permanece 

Meios razoavelmente disponíveis para reidentificação 

A pergunta jurídica não é se qualquer pessoa no mundo conseguiria reidentificar a base. A análise considera os meios razoavelmente disponíveis e o contexto do agente. Uma equipe que detém a tabela de correspondência, o conjunto original, modelos de ligação ou acesso a identificadores auxiliares ocupa posição diferente de um terceiro que recebe apenas estatísticas agregadas. 

O NIST SP 800-188, referência técnica internacional e não vinculante no Brasil, recomenda tratar a desidentificação como gestão de risco, com definição do modelo de liberação e avaliação das ameaças de ligação. Esse raciocínio é compatível com a abordagem contextual do artigo 12 da LGPD: a técnica precisa ser julgada diante do ambiente de uso e das capacidades dos destinatários. 

O contexto importa tanto quanto a técnica 

Uma base pode ter risco baixo quando consultada em ambiente restrito, por equipe autorizada e sem acesso a identificadores adicionais. A mesma base pode se tornar identificável quando exportada, combinada com dados públicos ou entregue a um fornecedor que mantém outras fontes. Por isso, a classificação deve declarar para quem, em qual ambiente e sob quais controles o conjunto é considerado anonimizado. 

O risco também depende da granularidade. Registros com datas exatas, localização precisa, sequências de eventos ou atributos raros podem singularizar pessoas mesmo sem nome. Agregação maior tende a reduzir a utilidade analítica e o risco de identificação. A decisão empresarial precisa explicitar esse equilíbrio, em vez de transferi-lo silenciosamente para a equipe de dados. 

Uso em IA, analytics, testes e pesquisa 

Treinamento e validação de modelos 

A montagem da base de treinamento é uma operação distinta do uso posterior do modelo. Se dados pessoais forem coletados, limpos, anotados ou transformados antes da anonimização, essas etapas precisam de finalidade, base legal e salvaguardas. Anonimizar o conjunto final não regulariza retroativamente uma origem inadequada. 

O Radar Tecnológico sobre inteligência artificial generativa da ANPD é um estudo técnico voltado a conceitos e riscos, não um regulamento. Ele chama a atenção para riscos de privacidade ao longo do ciclo dos modelos. Na prática, isso exige revisar também contratos e configurações do fornecedor, inclusive a possibilidade de reutilização de dados corporativos para treinamento. 

Para testes de software, dados fictícios ou sintéticos podem evitar o uso de registros reais. Essa é uma medida de minimização e uma boa prática de engenharia, não uma autorização para ignorar a procedência do gerador ou dispensar validação de privacidade. A equipe deve testar proximidade com amostras reais, exposição a casos raros e possibilidade de inferência sobre participantes do conjunto de origem. 

Compartilhamento e reutilização por terceiros 

O compartilhamento altera o conjunto de meios disponíveis para reidentificação. Antes de liberar uma base, é preciso conhecer as fontes do destinatário, sua capacidade de cruzamento, a finalidade contratada, os usuários autorizados e o destino ao término do projeto. Cláusulas de não reidentificação, proibição de combinação e controle de subcontratação são salvaguardas úteis, mas não transformam sozinhas dados pessoais em anônimos. 

Se a empresa continua apta a ligar os registros a pessoas, ou se instrui o fornecedor sobre o tratamento, a pseudonimização não elimina deveres de segurança, registro, atendimento a direitos e gestão contratual. Também é necessário avaliar transferências internacionais quando o ambiente ou a equipe do fornecedor estiver no exterior. 

Como demonstrar que a proteção funciona 

Testes técnicos e revisão periódica 

A evidência começa com uma descrição reproduzível do método: campos removidos, generalizações, limiares, técnica de geração, parâmetros de privacidade e testes executados. Métricas de unicidade, ataques de ligação, inferência de atributos, comparação com registros de treinamento e análise de casos raros podem ser selecionados conforme a base. Não existe um teste universal que sirva a todos os projetos. 

A revisão deve ocorrer quando houver nova fonte auxiliar, mudança de destinatário, alteração de finalidade, nova versão do modelo ou evolução técnica relevante. O Conselho Nacional de Proteção de Dados Pessoais e da Privacidade incluiu anonimização, pseudonimização e dados sintéticos entre suas contribuições prioritárias para a agenda regulatória 2027 e 2028. Trata-se de contribuição ao processo regulatório, e não de regra já vigente, mas ela mostra que o tema ainda exige amadurecimento técnico e jurídico. 

Segregação, controle de acesso, contratos e logs 

Na pseudonimização, a informação adicional deve permanecer separada e protegida. Acesso mínimo, segregação de ambientes, gestão de chaves, logs, prevenção de exportação e revisão de permissões reduzem a possibilidade de ligação indevida. Nos dados sintéticos, a organização deve controlar o acesso ao conjunto original, ao gerador e aos parâmetros que possam permitir extração ou memorização. 

A metodologia de testagem do sandbox regulatório da ANPD menciona, como elementos de acompanhamento de projetos, fluxos de dados, métodos de anonimização ou pseudonimização, controles de acesso, logs e avaliações de impacto. A metodologia se aplica ao ambiente específico do sandbox e não cria obrigação geral, mas oferece uma referência útil de evidências que conectam técnica, privacidade e segurança. 

Registro da decisão e monitoramento do risco residual 

A decisão de classificar uma base como anonimizada deve registrar escopo, responsáveis, técnica, destinatários, testes, limitações, data e condição de revisão. Também deve indicar o risco residual aceito pela administração. O documento não precisa assumir a forma de laudo complexo em todos os casos, mas deve permitir que outra equipe compreenda por que a conclusão foi tomada. 

Quando a base permanecer pessoal, a empresa deve documentar a finalidade e a base legal, manter registro das operações, aplicar segurança proporcional e avaliar a necessidade de RIPD conforme o risco e eventual solicitação da ANPD. Incorporar esses critérios desde a arquitetura é coerente com Privacy by Design e evita que a anonimização seja tratada como remendo ao final do desenvolvimento. 

As decisões que a alta administração precisa tomar 

A liderança deve definir que nível de utilidade é realmente necessário, quem pode acessar o conjunto original, quais ambientes admitem dados pseudonimizados e quais exigem dados sintéticos ou agregados. Também precisa aprovar critérios de liberação externa, responsáveis pelos testes e gatilhos de reavaliação. Essas escolhas afetam prazo, custo, qualidade do modelo e exposição regulatória. 

É recomendável manter um inventário de bases classificadas, com proprietário, finalidade, método de proteção, prazo de retenção e última revisão. Essa é uma prática de maturidade, não um formato legal obrigatório. O dever jurídico é demonstrar conformidade e segurança adequadas quando houver tratamento de dados pessoais. O inventário torna essa demonstração mais consistente. 

A organização também deve impedir que a classificação técnica apague a natureza dos dados de origem. Bases com saúde, biometria, opinião política, religião ou outras categorias sensíveis demandam o regime específico do artigo 11 enquanto permanecerem vinculadas a pessoas. A distinção entre dados pessoais e dados sensíveis continua relevante durante a coleta, a transformação e os testes. 

Conclusão: anonimização é uma conclusão demonstrada, não um rótulo 

Anonimização, pseudonimização e geração sintética são instrumentos diferentes. A primeira pode retirar o conjunto do âmbito da LGPD quando a identificação não for razoavelmente possível. A segunda reduz o vínculo direto, mas preserva a natureza pessoal. A terceira pode diminuir o uso de registros reais, sem garantir por si só anonimato ou eliminar a licitude exigida nas etapas anteriores. 

O SMN Advogados apoia empresas na classificação jurídica de bases, avaliação de risco de reidentificação, revisão de projetos de IA e analytics, contratos de compartilhamento e construção de evidências de Privacy by Design. Uma análise integrada permite inovar com dados úteis sem depender de uma segurança apenas nominal.