IA Privacy-First: por que dados de pacientes não podem ir para servidores nos EUA

Quem opera um chatbot genérico via API padrão também desloca, frequentemente, conteúdo sensível para um espaço jurídico e de controle fora da própria organização. Isso é mais inofensivo para textos normais de marketing do que para informações médicas ou pessoais.

Especialmente no contexto clínico, conforto e compliance colidem rapidamente. Mesmo quando fornecedores anunciam baixo armazenamento de dados, para muitas organizações permanecem abertas as perguntas sobre acesso, responsabilidade e rastreabilidade posterior.

Dados de saúde não são dados pessoais comuns. O GDPR os lista como categoria especial, cujo tratamento é proibido em princípio e permitido só por exceções estreitas.[1] A lei suíça de proteção de dados também conta dados de saúde entre os dados pessoais especialmente protegidos, com exigências maiores de consentimento e cuidado.[2]

Para o dia a dia da clínica isso significa: até a pergunta sobre em qual conversa aparece um diagnóstico é uma pergunta de proteção de dados. Quem envia esse conteúdo por uma API genérica carrega o ônus de mostrar que o caminho é limpo, e o fornecedor não carrega por ele. Este texto não substitui assessoria jurídica; mapear quais classes de dados aparecem no próprio funil continua sendo o começo de todo projeto de IA.

O erro de raciocínio mais comum em projetos de IA é este: o que entrou no treino se dissolveu ali e por isso é anônimo. O Comitê Europeu de Proteção de Dados publicou em 2024 um parecer que nega exatamente isso. Modelos de IA treinados com dados pessoais não podem, em todos os casos, ser considerados anônimos; a anonimidade pressupõe que tanto a extração direta quanto a obtenção de dados pessoais por meio de consultas sejam insignificantemente improváveis.[3]

Para uma clínica isso tem uma segunda metade incômoda. O mesmo parecer registra que uma organização que emprega tal modelo precisa, dentro de seu dever de responsabilização, verificar por conta própria se o modelo não surgiu de um tratamento ilícito de dados pessoais.[3] A responsabilidade não termina no fornecedor. Ela começa na escolha, e não pode ser delegada a um contrato que apenas descreve o que o fornecedor promete fazer.

A pergunta sobre onde um modelo roda não é questão de gosto da TI. Em 2020 o Tribunal de Justiça da União Europeia declarou inválida a decisão de adequação do então EU-US Privacy Shield e exigiu que um país terceiro ofereça um nível de proteção essencialmente equivalente ao europeu, incluindo o exame do acesso das autoridades locais.[4] Antes do Privacy Shield, seu antecessor já havia caído.

O sucessor atual, o EU-US Data Privacy Framework, se mantém: em 2025 o Tribunal Geral rejeitou uma ação contra a decisão de adequação.[7] Quem envia dados de pacientes aos EUA se apoia, portanto, em uma base jurídica sustentável, mas sujeita a revisão periódica, cujos dois antecessores caíram na justiça. Isso não é motivo para pânico. É motivo para conhecer o caminho de volta antes de precisar dele.

O regulamento sobre o Espaço Europeu de Dados de Saúde está em vigor desde março de 2025 e se aplica a partir de 26 de março de 2027, com prazos escalonados para as categorias de dados até 2031.[5] Ele regula tanto o acesso de pacientes e profissionais a dados de saúde quanto o uso secundário, e dá aos pacientes direitos expressos de restringir o acesso e de recusar o uso secundário.

Para uma clínica que escolhe sistemas hoje, isso é menos um prazo e mais uma indicação de direção: a pressão regulatória sobre dados de saúde continua crescendo nos próximos anos. Uma arquitetura em que ninguém sabe dizer onde estão quais dados fica mais cara com isso, não mais barata.

O Comissário Federal Suíço de Proteção de Dados e Transparência deixa claro que a lei de proteção de dados é formulada de forma tecnologicamente neutra e, por isso, se aplica diretamente também a tratamentos apoiados por IA.[8] Sua expectativa de transparência vai além do nível habitual de aviso de privacidade: finalidade, funcionamento e fontes de dados do tratamento apoiado por IA devem ser divulgados, e expressamente também se dados inseridos são reutilizados para melhorar sistemas de aprendizado.

Com isso, o terceiro ponto da nossa arquitetura, a ausência de caminho de treino, não é promessa de marketing na Suíça. Uma autoridade de supervisão quer essa pergunta respondida.

Para onde vão prompts e uploads, e em qual jurisdição ficam os servidores? A resposta precisa ser um lugar, e não um diagrama com interrogações.

Quem pode acessar, e como se apaga? Se um incidente vira processo controlável ou dano de reputação, decidem papéis, registros e prazos de exclusão.

O que flui para treinamento alheio? Um não precisa estar garantido tecnicamente, e cláusula de contrato sozinha não garante nada.

Essas três respostas levam uma hora quando a arquitetura é limpa, e não estão em contrato nenhum quando não é. Nossa posição geral está na página de soberania de dados; a entrada se define na auditoria.

Nem toda iniciativa de IA em uma clínica precisa de infraestrutura própria. Rodar um modelo apenas sobre textos públicos, ou seja, copy de site, orientações gerais de preparo ou rascunhos internos sem referência a pessoas, resolve com servidores dedicados um problema que ali não existe.

É a classe de dados que decide o esforço. Assim que um paciente menciona em um canal seu nome, sua consulta ou sua queixa, o tratamento é outro. Justamente por isso a classificação dos dados vem no início de um projeto, não no fim.

Proteção de dados no ambiente sensível não é um apêndice jurídico. É parte de vendas e do efeito de marca. Equipes que conseguem tornar o controle visível ganham confiança mais rápido em consulta, primeiro contato e implementação.

Por isso, Privacy-First não é uma subpágina para a RakenAI, mas um componente visível de produto, design e arquitetura.

O efeito aparece na conversa real: depois do preço, a pergunta mais frequente de pacientes internacionais costuma ser como seus dados são tratados. Uma resposta clara nesse momento vende, e nenhuma resposta também.