Como anonimizar Word (.docx) em conformidade com o RGPD

Na maioria das organizações, um processo não começa em PDF. Começa em Word: minutas de contratos, relatórios de inspeção, decisões, cartas a cidadãos, atas, notas internas de recursos humanos. Converter para PDF «só para anonimizar» e depois voltar a editar é um atalho caro: perdem-se estilos, tabelas complexas e alterações registadas e, muitas vezes, ficam dados pessoais em camadas que ninguém reviu.

Este guia explica como anonimizar .doc, .docx e .odt em formato nativo, que riscos são específicos dos formatos Office, como tudo isto se enquadra no RGPD e como o fazer com IA local na União Europeia — a abordagem da Anonimatum — sem enviar o conteúdo dos documentos para APIs externas de LLM.

Porque é que o Word é mais perigoso do que parece

Um PDF visualmente «limpo» pode continuar a ter origem num Word comprometido se o ficheiro de origem não tiver sido tratado como deve ser. O Word guarda informação em sítios onde o utilizador comum nunca olha:

• Comentários e alterações registadas: nomes de revisores, datas e fragmentos de texto que «desapareceram» do corpo visível.
• Cabeçalhos, rodapés e secções: números de processo, telefones ou códigos de instalações repetidos em todas as páginas.
• Tabelas e caixas de texto: dados pessoais espalhados por várias células; a rasura manual salta frequentemente linhas.
• Metadados do ficheiro: autor, organização, caminhos locais, modelos corporativos.
• Texto oculto ou eliminado: conteúdo marcado como eliminado, mas recuperável consoante a forma de exportação.
• Imagens incorporadas: capturas de ecrã de aplicações onde se veem nomes ou números de identificação (é aqui que a anonimização visual ajuda).

Anonimizar apenas o parágrafo principal e publicar o DOCX (ou convertê-lo para PDF sem limpar o resto) é uma causa frequente de fugas em portais de transparência, processos de due diligence e ações de formação.

Quando faz sentido anonimizar Word em formato nativo (e não só PDF)

O enquadramento do RGPD aplicável (sem jargão vazio)

A anonimização não é um modo mágico de um produto: é uma medida técnica e organizativa. Na prática:

• Finalidade: publicar, treinar, testar ou responder a um pedido de acesso ou de transparência. A finalidade determina *que* dados têm de ser eliminados ou substituídos.
• Minimização: nem rasurar em excesso (perde-se utilidade) nem ficar aquém (risco de reidentificação).
• Responsável pelo tratamento vs. subcontratante: com um SaaS, o contrato e o local do tratamento são relevantes. A Anonimatum funciona em servidores na UE, sem enviar conteúdo para LLM externos.
• Irreversibilidade vs. pseudonimização: se poderá precisar de reverter o processo (investigação, testes), considere a pseudonimização com um mapa de equivalências; se vai publicar, dê prioridade à anonimização irreversível no ficheiro final.
• AIPD: quando o volume ou a sensibilidade dos dados (saúde, menores, processos judiciais) são elevados, documente o fluxo de anonimização de ficheiros Office na sua avaliação de impacto.

Fluxo de trabalho recomendado, passo a passo

1. Inventário rápido do documento

Antes de clicar em anonimizar, abra os comentários, as alterações registadas e as propriedades do ficheiro. Tome nota de anexos incorporados, tabelas densas ou capturas de ecrã. Esse inventário evita surpresas durante a pré-visualização.

2. Detetar com padrões + IA

Combine regras determinísticas (números de identificação nacionais, IBAN, e-mails, telefones) com a deteção contextual de nomes, moradas e montantes. Para o jargão interno (códigos de instalações, alcunhas de colaboradores), acrescente padrões ou conjuntos de palavras próprios da organização.

3. Pré-visualizar e decidir as exclusões

A pré-visualização não é cosmética: é o momento em que um revisor humano assinala os falsos positivos (por exemplo, um número de processo que *tem* de permanecer visível numa decisão pública). Sem este passo, a automatização gera tanto risco como benefício.

4. Gerar o resultado nativo e verificar

Descarregue o Word/ODT resultante e pesquise os dados originais. Verifique também as tabelas e os rodapés e, se for necessário, converta uma cópia para PDF para validar o resultado que será publicado.

5. Passar para lotes quando o volume aumenta

Quando passa de alguns ficheiros para remessas de recursos humanos ou processos completos em ZIP, o navegador deixa de ser o ponto de estrangulamento adequado. Recorra ao processamento em lote no servidor, com fila, estados e ZIP de saída.

Erros frequentes (e como evitá-los)

Lista de verificação operacional antes de partilhar um DOCX

• O painel de comentários e de revisões por aceitar está vazio?
• Foram revistos os cabeçalhos, os rodapés e a primeira e a última páginas?
• As tabelas ainda contêm identificadores em colunas «secundárias»?
• As propriedades do ficheiro já não expõem um autor sensível?
• Pesquisou o número de identificação ou o nome original no ficheiro de saída?
• Ficaram registados o revisor e a versão do processo (auditoria interna)?

Como encaixa a Anonimatum

A Anonimatum anonimiza Word (e outros formatos de escritório) com deteção automática, pré-visualização e resultado nativo, quando o seu plano e a sua configuração o permitem. O processamento é feito com IA local na UE. Se mais tarde precisar de um PDF para arquivo, converta-o de forma controlada no mesmo ecossistema.