Um guia jurídico-técnico sobre LGPD, inteligência artificial e atendimento, com checklist de conformidade, para automatizar o Relatório de Causa-Raiz da Service Up dentro da lei — base legal, minimização, pseudonimização antes do payload sair do Znuny, cláusulas-padrão de transferência internacional (Resolução ANPD nº 19/2024), RIPD e o trunfo do Art. 20: a IA acelera, o humano decide.
⚡ Versão de 30 segundos
- Cada chamado é um pacote de dados pessoais: CPF, e-mail, telefone, print da tela do cliente — e às vezes dado sensível (saúde, biometria) escondido no anexo. Jogar isso cru numa IA generativa, sem controle, é incidente de LGPD esperando para acontecer.
- O risco real não é usar IA — é usar IA sem arquitetura: sem base legal, sem minimização, sem pseudonimização antes do envio, sem contrato de tratamento (DPA) e sem cláusulas-padrão para a transferência internacional ao motor (Resolução ANPD nº 19/2024, cujo prazo de adequação venceu em 23/ago/2025).
- Estudo da FGV Direito Rio (2025), coordenado por Luca Belli, apontou que nenhuma das IAs generativas populares analisadas cumpre integralmente os critérios mínimos da LGPD — a DeepSeek teve a menor conformidade (5 de 14 critérios), inclusive em transparência sobre a transferência internacional. Logo, a conformidade não vem do motor — vem do que a Service Up constrói em volta dele.
- O RCA da Service Up é apoio à decisão, não decisão automatizada que define a vida do titular: o relatório sugere a causa raiz, mas o analista valida e decide. Com intervenção humana significativa e documentada, isso te coloca do lado certo do Art. 20 e materializa a tese ‘a IA acelera; o humano decide’.
- Use o checklist de 10 itens deste guia: base legal mapeada, minimização do campo, pseudonimização de CPF/e-mail, retenção definida, DPA + cláusulas-padrão com o fornecedor de IA, RIPD para alto risco, log de acesso, revisão humana e canal de exclusão.
Sumário e roteiro do guia
Este é um guia jurídico-técnico sobre LGPD, inteligência artificial e atendimento para quem precisa automatizar a análise de causa-raiz de chamados com IA generativa sem cair na LGPD. Ele combina o enquadramento legal (bases, princípios, transferência internacional, decisão automatizada) com a arquitetura prática que o módulo Relatório de Causa-Raiz da Service Up adota para tratar dado pessoal com responsabilidade.
Roteiro: (1) Por que todo chamado é um pacote de dado pessoal — e onde mora o sensível. (2) O risco real: não é a IA, é a falta de arquitetura. (3) As cinco perguntas jurídicas antes de processar qualquer ticket. (4) Transferência internacional: o ponto cego da IA generativa, e a defesa do Art. 20. (5) O checklist de conformidade LGPD em 10 itens. (6) Como o RCA da Service Up implementa isso na prática. (7) FAQ jurídico-técnico, na seção final desta página.
1. Todo chamado é um pacote de dado pessoal (e às vezes sensível)
Abra qualquer chamado de help desk e faça o inventário: nome completo, CPF ou CNPJ, e-mail corporativo e pessoal, telefone, cargo, IP, número de contrato. Some os anexos: o print que o cliente colou da própria tela — que pode conter um sistema de RH, um laudo, uma carteirinha de plano de saúde, um documento com foto. Tudo isso é dado pessoal sob a LGPD; parte pode ser dado pessoal sensível (Art. 5º, II), categoria com proteção reforçada.
O ponto delicado de cruzar inteligência artificial e atendimento em massa: você não controla o que o cliente escreve ou anexa. Num volume de 974 chamados em 30 dias, é estatisticamente certo que dado sensível vai aparecer onde ninguém esperava — saúde, biometria, dado de criança. E a base do legítimo interesse, que muita gente usa como muleta, NÃO cobre dado sensível (Art. 11). Se o seu pipeline de IA trata o conteúdo do chamado como texto neutro, ele está tratando dado sensível sem base adequada.
Por dentro · processamento em lote
O scan roda em segundo plano; o botão “Processar agora” dispara os últimos N dias.
2. O risco real não é a IA — é a IA sem arquitetura
A pergunta que vira processo não é ‘posso usar IA?’. É ‘o que sai do meu help desk, para onde vai, com qual base legal e com qual contrato?’. Jogar o corpo do chamado, com CPF e print, direto numa API de IA generativa, sem tratamento prévio e sem contrato de operador, é o incidente clássico: transferência de dado pessoal a um terceiro, possivelmente no exterior, sem base, sem minimização e sem salvaguarda contratual.
Em 2025, um estudo do Centro de Tecnologia e Sociedade da FGV Direito Rio, coordenado por Luca Belli, concluiu que nenhuma das IAs generativas mais populares analisadas cumpre integralmente os requisitos mínimos da LGPD — e a DeepSeek apareceu com a menor conformidade, atendendo a apenas 5 de 14 critérios, com falhas de transparência relevantes para a transferência de dados para fora do Brasil. A leitura correta disso não é ‘não use IA’. É: a conformidade não nasce do modelo de linguagem. Ela nasce da camada que a sua plataforma constrói entre o chamado e o motor — minimização, pseudonimização, contrato e controle de retenção. É exatamente essa camada que diferencia um módulo de RCA responsável de um vazamento com carimbo de inovação.
3. As cinco perguntas jurídicas antes de processar o ticket
Antes de clicar em ‘Processar agora’ ou rodar o RCAScan em lote, responda cinco perguntas. Elas são o esqueleto do seu programa de conformidade e devem estar documentadas, não só na cabeça do gestor.
- BASE LEGAL (Art. 7º e 11): qual hipótese autoriza analisar este chamado? Execução de contrato e legítimo interesse cobrem dado comum; dado sensível exige base específica do Art. 11. Mapeie e registre.
- FINALIDADE E MINIMIZAÇÃO (Art. 6º, I e III): a IA precisa do CPF para descobrir a causa raiz de um chamado técnico? Quase nunca. Envie só o necessário; o resto fica no Znuny. A minimização em IA exige justificar, campo a campo, o que efetivamente sai.
- TRANSPARÊNCIA (Art. 6º, VI e Art. 9º): o titular sabe que o chamado dele pode ser analisado por IA? A política de privacidade e os avisos do canal precisam dizer isso de forma clara.
- TRANSFERÊNCIA INTERNACIONAL (Art. 33-36): o motor de IA roda fora do Brasil? Então você precisa de salvaguarda — cláusulas-padrão contratuais da Resolução ANPD nº 19/2024.
- RETENÇÃO E ELIMINAÇÃO (Art. 15-16): por quanto tempo o relatório e os dados ficam? O fornecedor de IA guarda o prompt? Defina prazo, exija não-retenção/não-treinamento no contrato e tenha rotina de descarte.
4. Transferência internacional e o trunfo do Art. 20
A maioria dos motores de IA generativa processa em servidores fora do Brasil. Isso aciona o regime de transferência internacional (Arts. 33 a 36 da LGPD), regulamentado pela Resolução CD/ANPD nº 19/2024, que aprovou as Cláusulas-Padrão Contratuais (SCCs) brasileiras. O período de adequação encerrou em 23 de agosto de 2025 — ou seja, hoje, quem transfere dado pessoal ao exterior por contrato precisa ter essas cláusulas incorporadas ao instrumento com o fornecedor. Na prática, exija três coisas do motor do seu RCA (inclusive o deepseek-chat que a Service Up usa): um DPA que proíba treinamento e imponha não-retenção; as cláusulas-padrão da ANPD cobrindo a transferência; e, sempre que possível, enviar dado pseudonimizado, para que o que cruza a fronteira já não identifique o titular.
Do outro lado da equação jurídica está o Art. 20, que dá ao titular o direito de revisar decisões tomadas unicamente por tratamento automatizado que afetem seus interesses. É aqui que a arquitetura do RCA vira vantagem, não passivo: o relatório não fecha o chamado sozinho, não nega um direito, não define crédito nem perfil. Ele propõe a causa raiz e as recomendações — e um analista humano valida e decide. Desde que essa intervenção humana seja significativa e documentada (não um carimbo automático), ela descaracteriza a ‘decisão unicamente automatizada’ e materializa, em código e processo, a tese do módulo: a IA acelera; o humano decide. Mantenha a revisão humana registrada (quem revisou, quando, o que mudou) e você responde ao Art. 20 com fatos — tema que, aliás, está no centro da atual agenda da ANPD sobre IA e revisão de decisões automatizadas.
5. Checklist de conformidade LGPD para RCA com IA (10 itens)
Imprima, cole na parede do time e use como porta de entrada para ligar a automação em qualquer fila. Se um item está em branco, a automação não sobe para aquele escopo.
- 1. BASE LEGAL mapeada por finalidade — comum (Art. 7º) e sensível (Art. 11) tratados separadamente, com registro no ROPA.
- 2. MINIMIZAÇÃO no payload — só os campos necessários para a causa raiz saem do Znuny; CPF, telefone e dados de pagamento ficam fora por padrão.
- 3. PSEUDONIMIZAÇÃO/MASCARAMENTO antes do envio — CPF, e-mail e nomes substituídos por identificadores; o vínculo real permanece só no help desk.
- 4. TRATAMENTO DE ANEXOS/PRINTS — política para imagens (que podem conter dado sensível): redação/recorte ou exclusão do anexo do prompt.
- 5. CONTRATO DE OPERADOR (DPA) com o fornecedor de IA — não-retenção, não-treinamento com seus dados, segurança e subcontratação controlada.
- 6. CLÁUSULAS-PADRÃO da Resolução ANPD nº 19/2024 para a transferência internacional ao motor.
- 7. RIPD (Relatório de Impacto, Art. 38 da LGPD) quando o tratamento for de alto risco — análise de IA em larga escala sobre chamados que podem conter dado sensível é forte candidato; IA, dados sensíveis e RIPD estão entre os temas prioritários da Agenda Regulatória da ANPD para 2025-2026, com anonimização/pseudonimização como mitigações esperadas.
- 8. TRANSPARÊNCIA ao titular — política de privacidade e avisos de canal informando o uso de IA na análise de chamados.
- 9. REVISÃO HUMANA registrada — o analista valida o RCA antes de qualquer ação; trilha de quem revisou e o que mudou (Art. 20).
- 10. RETENÇÃO, LOG E DIREITOS DO TITULAR — prazo de descarte definido, log de acesso ao relatório e canal funcional para correção e eliminação (Arts. 15-18).
6. Como o RCA da Service Up coloca o checklist em prática
O Relatório de Causa-Raiz é um módulo da Service Up que vive dentro do seu Znuny (ITSM/OTOBO) — e essa é a primeira camada de soberania: o dado bruto do chamado nasce e permanece no seu ambiente. O processamento, via ‘Processar agora’ ou pelo console (bin/znuny.Console.pl Maint::AICopilot::RCAScan), é o ponto onde a disciplina de minimização e pseudonimização deve ser aplicada antes de o conteúdo chegar ao motor deepseek-chat.
Nos números reais de 30 dias — 974 chamados, 647 analisados (66% de cobertura) sobre 85 serviços — fica claro o tamanho da superfície: cada um desses 647 é um tratamento que precisa de base, minimização e trilha. O RCA entrega valor (resumo executivo, linha do tempo, análise de gaps e causa raiz, sentimento, status técnico, recomendações, métricas e conclusão — como no chamado #2685787, que expôs um gap de ~29 dias) sem precisar do CPF do cliente para isso. Implementar a pseudonimização na origem e o DPA com cláusulas-padrão fecha o ciclo: você ganha a velocidade da IA e mantém o controle jurídico do dado.
A Service Up é parceira Znuny/OTOBO e desenha esse módulo para operar dentro da lei — não como um plugin que joga o chamado cru numa API. Se você quer ligar o RCA com conformidade desde o primeiro chamado, fale com o time comercial pelo WhatsApp +55 11 5192-3351.
🔧 Para os técnicos
Abra só o que te interessa.
Onde, tecnicamente, a pseudonimização deve acontecer no pipeline do RCA?
Na origem, dentro do Znuny, ANTES de o payload sair para o motor. O fluxo recomendado é: extrair os campos do chamado → aplicar regex/NER para detectar CPF, CNPJ, e-mail, telefone e nomes → substituir por tokens estáveis (ex.: TITULAR_01, DOC_01) mantendo um mapa de de-tokenização guardado só no help desk → enviar o texto tokenizado ao deepseek-chat → receber o RCA → re-hidratar os tokens localmente, se necessário, na exibição ao analista. Assim, o que cruza a fronteira não identifica diretamente o titular, e o vínculo real nunca deixa o seu ambiente. Para anexos/prints, a política mais segura é não enviar a imagem ao prompt por padrão (ou aplicar redação por OCR + mascaramento), porque imagem é o vetor mais comum de dado sensível inesperado. Importante: essa é a arquitetura recomendada/checklist a implementar — não uma promessa de recurso nativo pronto.
Por que o RCA não cai no Art. 20 (decisão unicamente automatizada)?
Porque há intervenção humana significativa e documentada. O Art. 20 alcança decisões tomadas UNICAMENTE por tratamento automatizado que afetem os interesses do titular (perfil, crédito, etc.). O RCA gera hipótese de causa raiz e recomendações; ele não fecha o chamado, não nega direito nem aplica sanção ao cliente de forma autônoma. O analista valida o relatório e toma a decisão final — e essa revisão precisa ser real, não um aceite automático. Para sustentar isso em auditoria, registre a trilha de revisão (revisor, timestamp, aceite/edição da recomendação). Isso converte a tese ‘a IA acelera; o humano decide’ em evidência de conformidade, e ainda atende ao direito à explicação, já que o RCA expõe linha do tempo e critérios de forma legível. Vale lembrar que a revisão de decisões automatizadas é justamente um dos focos atuais da ANPD na regulação de IA.
O DeepSeek (deepseek-chat) é compatível com a LGPD? Como blindar a transferência?
O motor, por si, foi apontado no estudo da FGV Direito Rio (2025, coord. Luca Belli) com a menor conformidade entre as IAs avaliadas — apenas 5 de 14 critérios — incluindo falhas de transparência relevantes para a transferência internacional de dados. Por isso a conformidade não pode depender do provedor; ela é responsabilidade do controlador e se constrói por contrato e arquitetura: (1) DPA/contrato de operador exigindo não-retenção e não-treinamento com os seus dados; (2) Cláusulas-Padrão Contratuais da Resolução CD/ANPD nº 19/2024 incorporadas ao instrumento (prazo de adequação encerrado em 23/ago/2025); (3) pseudonimização na origem, para reduzir o que efetivamente é transferido como dado identificável; (4) avaliação de alternativas de residência/endpoint quando o risco do escopo exigir. Quando o fornecedor não oferece as garantias, a pseudonimização e a minimização deixam de ser opcionais — são o que sustenta a sua posição como controlador.
Quando o RIPD (Relatório de Impacto) é obrigatório para um RCA com IA?
Sempre que o tratamento for de alto risco — e análise de IA em larga escala sobre chamados que podem conter dado sensível é forte candidato. O RIPD está previsto no Art. 38 da LGPD, e a ANPD pode exigi-lo (e solicitar sua submissão) para tratamentos de alto risco. IA, dados pessoais sensíveis, anonimização/pseudonimização e a própria regulamentação do RIPD estão entre os temas prioritários da Agenda Regulatória da ANPD para o biênio 2025-2026 (aprovada pela Resolução CD/ANPD nº 23/2024), com aprofundamento previsto no Mapa de Temas Prioritários 2026-2027. O conteúdo mínimo esperado: descrição da finalidade do tratamento; mapeamento de riscos (vazamento, discriminação algorítmica, dano moral); medidas de mitigação — onde anonimização/pseudonimização e revisão humana são esperadas; e avaliação da proporcionalidade entre benefício e risco ao titular. A ausência de anonimização/pseudonimização no RIPD tende a ser lida como sinal de que o risco não foi endereçado.
Este módulo é parte do AI Copilot da Service Up
Somos especialistas em ITSM e help desk (parceira Znuny/OTOBO). O AI Copilot já roda no nosso ambiente — e pode rodar no seu.
Ligue o RCA com IA dentro da LGPD — desde o primeiro chamado
Converse com o nosso time comercial e veja a IA aplicada ao seu atendimento.
Falar com o comercial no WhatsApp+55 11 5192-3351
