De Big Data para Right Data: uso de conteúdos sem autorização no treinamento de IA vira risco jurídico globa

Discussão internacional sobre scraping e direitos autorais avança e reforça a necessidade de bases de dados licenciadas, auditáveis e seguras para empresas e desenvolvedores

Imagem divulgação

A corrida global pela expansão da Inteligência Artificial abriu uma nova frente de preocupação para empresas, desenvolvedores e reguladores: a origem dos dados usados no treinamento de modelos. O uso massivo de conteúdos coletados na internet sem autorização formal — prática conhecida como scraping — passou a ocupar o centro de debates internacionais sobre direitos autorais, transparência e responsabilidade jurídica. 

Nos últimos meses, a discussão ganhou força com o avanço das regras do AI Act europeu, que passou a exigir maior transparência sobre dados de treinamento, políticas de copyright e documentação técnica de modelos de IA generativa. A legislação prevê obrigações específicas para provedores de modelos de uso geral, incluindo resumos públicos sobre os conteúdos utilizados no treinamento.  

Ao mesmo tempo, organizações internacionais vêm reforçando a necessidade de mecanismos de rastreabilidade, governança e transparência no uso de dados para IA. A World Intellectual Property Organization (WIPO), por exemplo, vem alertando para os impactos do uso de obras protegidas por direitos autorais no treinamento de modelos generativos e para a necessidade de fortalecer infraestruturas de proteção aos criadores.  

De volume para governança 

É nesse contexto que cresce a demanda por datasets licenciados, documentados e com governança clara de uso. Para a Bamboo Data, datatech brasileira especializada na estruturação de datasets culturais para Inteligência Artificial, o mercado começa a migrar de uma lógica baseada em volume irrestrito de informações para um modelo centrado em qualidade, contexto e autorização formal. 

“Durante muito tempo, a discussão em tecnologia girou em torno da escala do dado. Agora, a questão é de onde esse dado veio, quem autorizou seu uso e qual o nível de rastreabilidade dessa cadeia”, afirma Jorge Brivilati, CEO e fundador da Bamboo Data. “O mercado começa a entender que não basta ter big data; é preciso ter right data, ou seja, dados organizados, auditáveis e juridicamente seguros.” 

A Bamboo Data atua na estruturação e licenciamento de datasets multimodais — imagem, vídeo e áudio — voltados ao treinamento, fine-tuning e avaliação de modelos de IA. Todo o processo é realizado a partir de contratos formais, consentimento documentado e critérios editoriais definidos, permitindo rastreabilidade ao longo de toda a cadeia de uso. 

Segundo Tico Pereira, diretor de operações e cofundador da empresa, a discussão internacional sobre IA responsável tende a impactar diretamente empresas que utilizam Inteligência Artificial em larga escala, especialmente em setores regulados ou expostos a riscos reputacionais. 

“Estamos vendo uma mudança estrutural. Antes, a prioridade era quantidade de informação; agora, cresce a necessidade de saber exatamente o que compõe cada dataset, quais direitos estão envolvidos e quais responsabilidades existem sobre aquele material”, explica. “O dado passa a ter valor não apenas pela performance técnica, mas pela segurança jurídica e pela confiabilidade que oferece.” 

A ascensão do “Right Data” 

Além das exigências regulatórias, a discussão também envolve questões de soberania cultural, representatividade e qualidade dos sistemas treinados. Segundo a WIPO, a qualidade dos dados influencia diretamente o desempenho e a confiabilidade dos sistemas de IA, enquanto o acesso a bases diversas é considerado um dos mecanismos importantes para reduzir vieses nos modelos. 

Nesse cenário, a Bamboo Data defende que a próxima etapa da evolução da Inteligência Artificial dependerá menos da captura indiscriminada de conteúdo e mais da capacidade de estruturar bases licenciadas, transparentes e contextualizadas. 

“Quando existe governança clara, autorização e contexto, o dado deixa de ser apenas matéria-prima e passa a ser infraestrutura confiável para inovação. A IA precisa evoluir junto com responsabilidade, transparência e sustentabilidade jurídica”, conclui Brivilati.