Um guia de governança, com checklist, para automatizar relatório gerencial com IA sem transformar a entrega das 06:00 num incidente de LGPD. Aplicado ao módulo Insights da Service Up.
⚡ Versão de 30 segundos
- Relatório de backlog que cruza cliente, analista e SLA é tratamento de dado pessoal — a LGPD se aplica mesmo que ninguém leia ‘dado pessoal’ no PDF.
- A regra de ouro: agregue. Distribuição por estado, mediana de 1ª resposta e número de analistas não identificam ninguém; nome de cliente e ranking individual de funcionário, sim.
- Defina quem recebe o quê: gestor de operação vê o agregado; ninguém precisa de nome de cliente num e-mail automático diário.
- Saiba ONDE o dado roda: o motor de IA processa o backlog para gerar texto — exija minimização na entrada e finalidade clara na saída.
- No Insights da Service Up você já parte do agregado: o relatório fala em ~668 chamados, ~45% em uma fila e ~35 analistas, nunca em nomes.
O gancho: um relatório inocente que toca três bases de dado pessoal
Imagine o relatório de backlog que chega às 06:00 na caixa de um gestor. Ele cruza três coisas ao mesmo tempo: o cliente que abriu o chamado, o analista que atende e o SLA que está correndo. Parece operação pura. Só que, do ponto de vista da LGPD, você acabou de juntar dado de pessoa física (ou de contato identificável de um cliente) com dado de produtividade de um funcionário, e empacotou tudo num e-mail automático recorrente.
A pergunta certa não é ‘isso é proibido?’. É: quem pode receber o quê, onde esse dado roda e por quê. Quando a resposta dessas três perguntas está clara e registrada, automatizar relatório com IA deixa de ser risco e vira controle. Quando não está, a entrega das 06:00 é um incidente esperando o momento.
Este guia organiza isso em princípios de governança e fecha com um checklist prático. O exemplo de aplicação é o módulo Insights da Service Up, a biblioteca de prompts de IA que gera relatórios gerenciais sobre o backlog dentro do Znuny — mas os princípios valem para qualquer relatório com IA que você automatize.
Princípio 1 — Agregar é a defesa mais barata que existe
A LGPD não persegue número; persegue identificação. ‘A mediana de 1ª resposta foi ~12 minutos’ não identifica ninguém. ‘O analista Fulano respondeu em 4 minutos e o Beltrano em 40’ identifica dois funcionários e os classifica. A diferença entre um relatório seguro e um relatório-problema costuma estar exatamente nessa linha.
Por isso a regra de ouro de um relatório com IA é: agregue por padrão e individualize só por exceção justificada. Distribuição por estado (em atendimento ~180, pendente com cliente ~120, aguardando validação ~60, aberto ~50, novo ~40), percentual de chamados com 1ª resposta dentro de 30 min (~65%), participação da fila predominante (~45% em Consultoria) e número de analistas (~35) contam toda a história gerencial sem nomear ninguém.
Quando o gestor precisa mesmo agir sobre um caso específico, ele abre o chamado no sistema, onde há controle de acesso e trilha. O relatório automático não é o lugar para expor cliente nem para ranquear funcionário.
Veja em ação · relatório gerado por IA
Relatório escrito pela IA sobre os chamados abertos (dados agregados).
Princípio 2 — ‘Quem pode receber o quê’ é uma decisão de governança, não de TI
O mesmo dado muda de natureza dependendo de quem abre o e-mail. Um digest agregado de backlog é informação gerencial saudável para um coordenador de operação. O mesmo conteúdo com nome de cliente e produtividade individual, enviado para uma lista ampla, é exposição.
Defina camadas. Camada 1, agregado puro: pode ir para gestão e liderança sem dor. Camada 2, recortes operacionais (por fila, por período): círculo menor, com finalidade clara. Dado que identifica cliente ou que avalia funcionário individualmente não entra em e-mail recorrente automático — fica no sistema, sob acesso controlado, e só é tratado quando há base legal e necessidade real.
Na prática isso vira uma matriz simples: cada relatório agendado tem um propósito, um conjunto de destinatários nomeados e um nível de agregação. Lista de distribuição genérica (‘todos@’) é o erro clássico que transforma um relatório útil em vazamento por desenho.
Princípio 3 — Saiba ONDE o dado roda (minimização na entrada e na saída)
Um relatório com IA tem dois momentos de risco: o que entra no motor e o que sai no texto. Na entrada, o motor de IA não precisa do nome do cliente nem do CPF para escrever ‘a fila X concentra 45% do backlog’. Minimize: alimente o modelo com o que é necessário para a análise agregada e nada além disso. O que não entra, não vaza.
Na saída, garanta que a IA não ‘reconstrua’ identidade. Um prompt mal escrito pode pedir ‘os 5 clientes com mais chamados’ e devolver nomes. O controle é instruir o relatório a falar em termos agregados e revisar o template do prompt como você revisaria um código que toca dado sensível.
Pergunte também onde o processamento acontece: motor próprio, dado em trânsito, retenção. Quanto mais o tratamento fica perto do seu ambiente e com retenção mínima, menor a superfície de exposição. Isso entra no seu registro de operações de tratamento — porque um relatório automático recorrente É uma operação de tratamento, e precisa estar mapeada.
Princípio 4 — Cron, versão e trilha: automatizar exige rastreabilidade
Agendar é cômodo (0 6 * * * = todo dia às 06:00) e justamente por ser automático, perde a supervisão humana de cada envio. A compensação é trilha. Registre qual prompt rodou, em qual versão, sobre qual recorte de dado, para quem foi e quando. Se amanhã alguém perguntar ‘por que esse relatório saiu com esse conteúdo?’, você responde com um log, não com memória.
Versionar o prompt importa porque o prompt define o que sai. Trocar uma frase pode reintroduzir dado que você havia removido. Histórico de versões deixa claro o que mudou e quando — e permite reverter rápido se um ajuste expôs algo que não devia.
A tese da Service Up se encaixa aqui: a IA compila o relatório, o humano decide. Automatizar o relatório gerencial não tira a responsabilidade de quem é o controlador; dá visibilidade e tempo para a pessoa decidir. Governança é o que mantém isso verdadeiro quando o volume cresce.
Checklist: relatório com IA dentro da LGPD
Use esta lista antes de ligar qualquer relatório automático. Se algum item ficar em aberto, o relatório espera.
- Finalidade declarada: o relatório tem um propósito gerencial escrito (não ‘porque dá pra fazer’).
- Agregação por padrão: nenhuma métrica identifica cliente ou avalia funcionário individualmente — só totais, percentuais, medianas e contagens.
- Zero nome no automático: nada de nome de cliente, e-mail de contato ou ranking nominal de analista em e-mail recorrente.
- Destinatários nomeados: lista fechada e justificada por relatório; sem ‘todos@’ nem grupo genérico.
- Minimização na entrada: o motor de IA recebe só o necessário para a análise agregada.
- Prompt revisado: o template foi lido procurando o que poderia ‘puxar’ identidade na saída.
- Onde roda mapeado: processamento, trânsito e retenção documentados no registro de operações de tratamento.
- Trilha ativa: prompt, versão, recorte, destinatários e horário ficam logados.
- Versionamento: mudanças no prompt têm histórico e são reversíveis.
- Base legal conferida: para qualquer dado que identifique pessoa, há base legal e necessidade — caso contrário, fica fora do relatório.
Como o Insights da Service Up aplica isso na prática
O Insights é o módulo do AI Copilot da Service Up, dentro do Znuny, que funciona como uma biblioteca de prompts de IA sobre os chamados abertos. Você escolhe ou cria um prompt, executa sob demanda, agenda por cron e entrega o resultado por e-mail aos destinatários certos — e a IA escreve o relatório gerencial, com filtros por fila, por data e histórico de versões.
O ponto de governança é que o Insights já parte do agregado. O relatório de ‘Análise do Backlog’ fala em distribuição por estado, tempo de 1ª resposta e visão por fila e por período — em números. Ele dá a visão gerencial proativa e recorrente (complementando o módulo RCA, que vai à causa raiz chamado a chamado) sem precisar expor nome de cliente nem produtividade individual de analista.
Quer montar essa rotina de relatório com IA respeitando a LGPD na sua operação? Fale com a Service Up no WhatsApp comercial +55 11 5192-3351. A gente ajuda a desenhar os prompts, a matriz de destinatários e a agenda — para o relatório certo chegar a quem pode recebê-lo, sem virar incidente.
🔧 Para os técnicos
Abra só o que te interessa.
Por que um relatório de backlog conta como ‘tratamento de dado pessoal’ se eu não escrevo CPF nele?
Porque a LGPD trata de dado de pessoa identificada OU identificável. Cruzar cliente + analista + SLA num registro permite identificar pessoas (o contato do cliente e o funcionário), mesmo sem um campo literalmente chamado ‘CPF’. Avaliar produtividade individual de um funcionário também é tratamento. A defesa técnica é a agregação: ao reportar só totais, percentuais, medianas e contagens (ex.: ~35 analistas, ~668 chamados, ~12 min de mediana), você sai do território de dado identificável e fica em dado estatístico.
Como impedir, na prática, que o prompt da IA ‘vaze’ nome na saída?
Três camadas. (1) Minimização na entrada: não passe os campos identificadores para o motor se a análise é agregada — o que não entra não pode sair. (2) Instrução explícita no template do prompt para responder sempre em termos agregados e nunca listar clientes/analistas por nome. (3) Revisão do prompt como código: trate frases do tipo ‘top 5 clientes’ ou ‘analista com melhor desempenho’ como red flags, porque pedem reconstrução de identidade. Some a isso versionamento, para que qualquer ajuste que reintroduza identidade fique visível no histórico e seja reversível.
Cron diário sem revisão humana de cada envio não é um risco em si?
É um risco gerenciável se houver rastreabilidade. Automatizar (ex.: 0 6 * * *) tira a inspeção de cada e-mail, então a compensação é trilha: logar qual prompt rodou, em qual versão, sobre qual recorte (fila/período), para quais destinatários e quando. Assim o relatório recorrente vira uma operação de tratamento mapeada no seu registro, auditável e reversível. A automação não transfere a responsabilidade do controlador; ela precisa ser desenhada para ser explicável depois.
Onde o dado roda quando a IA gera o relatório, e por que isso importa para a LGPD?
Importa porque você precisa documentar processamento, trânsito e retenção no registro de operações de tratamento. Quanto mais próximo do seu ambiente o processamento acontece e quanto menor a retenção, menor a superfície de exposição. No desenho do Insights, o relatório é construído sobre o backlog do próprio Znuny e a saída entregue por e-mail aos destinatários definidos — o foco é alimentar o motor com o recorte agregado necessário e não reter dado identificável além do preciso. Mapeie esse fluxo antes de agendar, não depois.
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.
Monte seu relatório com IA dentro da LGPD
Converse com o nosso time comercial e veja a IA aplicada ao seu atendimento.
Falar com o comercial no WhatsApp+55 11 5192-3351
