Software de anonimização de documentos

Identificação automática de dados pessoais e sensíveis, revisão humana de cada marcação e processamento em infraestrutura nacional.

Anonimizar um documento é retirar dele as informações que permitem identificar uma pessoa, de forma que o texto continue útil e o titular dos dados deixe de ser reconhecível. É o que torna possível publicar uma decisão, atender a um pedido de acesso à informação, enviar um contrato para análise externa ou usar um arquivo em uma ferramenta de inteligência artificial sem expor quem aparece nele.

O problema é que fazer isso à mão não escala. Um processo com centenas de páginas repete o mesmo nome dezenas de vezes, o CPF aparece em formatos diferentes e o endereço está no meio de um parágrafo corrido. Basta uma ocorrência esquecida para que todo o esforço perca o sentido.

A DocSec automatiza a parte trabalhosa: uma inteligência artificial proprietária lê o documento, identifica os dados pessoais e sensíveis e apresenta cada ocorrência para revisão. A decisão final continua sendo de quem opera a plataforma, e o arquivo exportado sai com a informação efetivamente removida.

O que é anonimização de documentos

A Lei Geral de Proteção de Dados Pessoais (LGPD, Lei nº 13.709/2018) define anonimização como a utilização de meios técnicos razoáveis e disponíveis no momento do tratamento por meio dos quais um dado perde a possibilidade de associação, direta ou indireta, a um indivíduo. Aplicada a documentos, a ideia é simples: eliminar do arquivo aquilo que aponta para uma pessoa específica.

Pelo artigo 12, dados anonimizados não são considerados dados pessoais, salvo se a anonimização for revertida exclusivamente com meios próprios ou puder ser revertida com esforços razoáveis. Remover os trechos identificadores do arquivo é parte do processo: também é necessário avaliar se as informações restantes permitem reidentificar alguém.

Entre as informações que costumam sair de um documento estão:

  • Nome completo, apelido e assinatura
  • CPF, RG, CNH, título de eleitor, PIS e demais números de documento
  • Endereço residencial, telefone e endereço de e-mail
  • Dados bancários, número de contrato e informações financeiras
  • Dados sensíveis, como informações de saúde, biometria, origem racial, convicção religiosa e opinião política

Nem toda informação precisa sair do documento. O objetivo é preservar o conteúdo que dá sentido ao texto e remover apenas o que identifica alguém, o que exige decidir caso a caso. É por isso que a revisão humana continua no centro do processo.

Por que a anonimização manual não se sustenta

O método tradicional consiste em ler o documento inteiro, localizar cada informação pessoal e ocultá-la uma a uma. Além de consumir horas de trabalho qualificado, o processo acumula três fragilidades conhecidas.

  • Omissão: em documentos longos, a mesma informação reaparece em rodapés, tabelas, anexos e carimbos, e uma ocorrência esquecida expõe o titular como se nada tivesse sido feito.
  • Falsa proteção: retângulos pretos desenhados sobre o texto em editores comuns cobrem a informação visualmente, mas o conteúdo original frequentemente continua no arquivo e pode ser recuperado com seleção, cópia ou extração de texto.
  • Falta de padrão: cada pessoa da equipe decide de um jeito o que é dado pessoal, e o resultado varia de documento para documento, sem registro do critério adotado.

Automatizar a identificação resolve o volume. Manter a revisão humana resolve o julgamento. É a combinação das duas coisas que torna o processo repetível.

Como funciona a anonimização na DocSec

O fluxo foi desenhado para ser curto e verificável por quem conduz a revisão.

  1. Envio do documento
    O arquivo PDF é enviado para a plataforma. Documentos digitalizados e imagens passam por reconhecimento óptico de caracteres (OCR), o que permite localizar dados pessoais também em páginas escaneadas.
  2. Análise automática
    O modelo proprietário percorre o texto e classifica cada entidade encontrada por tipo de dado, considerando o padrão brasileiro de nomes, documentos e endereços.
  3. Revisão das marcações
    Todas as ocorrências ficam visíveis no documento e em um painel consolidado. É possível filtrar por tipo de dado, navegar entre as ocorrências e conferir o que está por baixo de cada rótulo.
  4. Ajustes
    Marcações podem ser incluídas, removidas ou reclassificadas. Nada é anonimizado sem a confirmação de quem revisa.
  5. Exportação
    O documento final é gerado com as informações efetivamente removidas, pronto para publicação, envio a terceiros ou uso em ferramentas de inteligência artificial.

O que a plataforma oferece

  • Inteligência artificial proprietária, desenvolvida no Brasil e voltada ao padrão brasileiro de dados pessoais.
  • Processamento em infraestrutura nacional, sem transferência de documentos para plataformas estrangeiras.
  • Revisão humana antes de qualquer exportação, no modelo Human-in-the-Loop.
  • OCR inteligente para documentos digitalizados e imagens.
  • Rótulos numerados, que preservam o contexto do texto mesmo depois da anonimização.
  • Visualização das entidades por trás de cada rótulo durante a revisão.
  • Painel consolidado com os tipos de dado encontrados no documento.
  • Opção de rótulos em preto e branco, para documentos que serão impressos ou publicados.
  • Documentos processados não são utilizados para treinar o modelo de IA.

Quem precisa anonimizar documentos

A necessidade aparece sempre que um documento precisa circular para além de quem tem legitimidade para conhecer os dados pessoais que ele contém.

  • Escritórios de advocacia e departamentos jurídicos, que compartilham peças, contratos e pareceres com clientes, peritos e contrapartes.
  • Órgãos públicos, que publicam documentos em portais de transparência e respondem a pedidos de acesso à informação.
  • Áreas de recursos humanos, que tratam documentos de admissão, atestados e processos disciplinares.
  • Instituições de saúde e de ensino, que lidam rotineiramente com dados sensíveis.
  • Times de dados e tecnologia, que precisam usar documentos reais em análises, testes e ferramentas de inteligência artificial.

Anonimização, pseudonimização e tarja: o que muda

Os três termos costumam ser usados como sinônimos, mas descrevem resultados diferentes.

  • Anonimização: o dado perde a possibilidade de associação direta ou indireta a uma pessoa, considerados os meios técnicos razoáveis e disponíveis. A possibilidade de reversão com esforços razoáveis já basta para que continue sujeito à LGPD.
  • Pseudonimização: o dado que identifica é substituído por um código, e a reidentificação continua possível para quem detém a informação adicional, mantida separadamente pelo controlador.
  • Tarja visual: um elemento gráfico é sobreposto ao texto. Sem a remoção do conteúdo por baixo, protege a leitura, não o arquivo.

A DocSec trabalha com a remoção efetiva do conteúdo marcado, e não com a sobreposição de um retângulo sobre a página.

Perguntas frequentes

Qual a diferença entre anonimizar e apenas tarjar um documento?

Uma tarja apenas visual pode deixar o conteúdo original acessível por seleção, cópia ou extração de texto. Ferramentas de redação de PDF (redaction) podem aplicar tarjas com remoção efetiva do conteúdo. Para caracterizar anonimização, também é necessário avaliar metadados e informações remanescentes que permitam reidentificar alguém.

A inteligência artificial substitui a revisão humana?

Não. A IA identifica e classifica as ocorrências, e a decisão final é sempre de quem opera a plataforma. É possível incluir marcações que o modelo não encontrou, remover identificações incorretas e alterar a classificação de qualquer informação antes de confirmar a anonimização.

A DocSec funciona com documentos digitalizados?

Sim. A plataforma aplica reconhecimento óptico de caracteres (OCR) em PDFs digitalizados e em páginas que são imagens, o que permite identificar dados pessoais mesmo quando não existe texto selecionável no arquivo.

Os documentos enviados são usados para treinar o modelo?

Não. Os documentos processados na plataforma não são utilizados para treinar o modelo de inteligência artificial da DocSec, e o processamento ocorre em infraestrutura localizada no Brasil.

Continue explorando