Na leitura do CEO da Vert Analytics e executivo com formação em governança corporativa pelo IBGC, André de Barros Faria, um dos erros mais recorrentes na adoção de IA generativa começa com uma boa intenção. Um analista precisa resumir um contrato de quarenta páginas até o fim da tarde, descobre que a ferramenta foi bloqueada pela empresa e abre a mesma ferramenta no celular pessoal, colando ali o documento inteiro.
A proibição nasce de uma preocupação legítima: impedir que informações sigilosas cheguem a modelos públicos. O equívoco está em supor que bloquear o acesso elimina o uso. Na prática, a demanda continua existindo, e o trabalho apenas muda de lugar. O resultado é o pior cenário possível para quem tentava se proteger. A empresa perde a visibilidade justamente sobre os dados que queria guardar.
Por que o bloqueio parece a decisão mais segura?
Para quem responde por segurança da informação, proibir tem uma vantagem clara: é simples de comunicar e fácil de auditar no papel. Basta uma regra no firewall e um comunicado interno. O risco, que antes era difuso, parece resolvido com uma única medida.
Essa sensação de controle, porém, mede a política, e não o comportamento. O bloqueio alcança a rede corporativa, mas não o celular, o notebook de casa nem a conta pessoal do colaborador. Enquanto a ferramenta continuar economizando horas de trabalho, as pessoas vão encontrar um caminho até ela.
O que acontece com o uso que sai do radar?
Os números confirmam o desvio. Em levantamento da Wakefield Research para a PagerDuty, com 1.250 profissionais de grandes empresas, 66% disseram usar ferramentas de IA, mesmo acreditando que a política interna as proibia. Mais de um terço admitiu ter inserido dados de clientes em modelos públicos.
O mecanismo explica a gravidade. Ferramentas contratadas pela empresa costumam operar com cláusulas que impedem o uso das informações para treinar o modelo, além de registros de acesso. Na conta pessoal, nada disso vale. O mesmo contrato que ficaria protegido no ambiente corporativo passa a circular sem qualquer rastro, e ninguém na área de tecnologia sabe que ele saiu.
Há ainda um custo menos visível, apontado por André Faria: quando o uso é escondido, os bons resultados também ficam escondidos. A empresa deixa de aprender quais tarefas a IA executa bem e quais exigem revisão humana.
Como trocar a proibição por regras de uso?
A alternativa não é liberar tudo. É substituir o veto genérico por critérios que o colaborador consiga aplicar sozinho, no momento em que vai usar a ferramenta. O primeiro passo é classificar as informações: o que é público pode ser usado livremente, o que é interno exige a ferramenta homologada, e o que é sigiloso fica fora de qualquer modelo externo.
O segundo passo é oferecer uma opção oficial que seja, de fato, tão prática quanto a proibida. Na visão de André Faria, a política só funciona quando o caminho autorizado também é o mais conveniente, porque ninguém contorna uma regra que facilita o próprio trabalho. A partir daí, a área de inteligência analítica consegue medir o uso real, acompanhar riscos e ampliar as permissões com base em evidência.
O que a política de IA revela sobre a empresa?
Uma regra de IA generativa diz muito sobre como a organização enxerga seus profissionais. A proibição total parte da premissa de que o colaborador não sabe distinguir um dado sensível de um dado comum. Regras claras partem da premissa oposta e investem em ensinar essa distinção.
Em síntese, André de Barros Faria assinala que empresas que fazem essa escolha costumam descobrir algo inesperado. A governança deixa de ser o freio da inovação e passa a ser a condição para que ela aconteça às claras, com dados protegidos e resultados que podem ser medidos, compartilhados e repetidos em outras áreas.
