Como escolher um software de anonimização de documentos: critérios e perguntas
Escolher uma ferramenta para anonimizar ou rasurar documentos parece uma compra informática, mas as consequências são jurídicas. Se o software deixa o texto debaixo de um retângulo preto, envia os documentos para um serviço de IA fora da União Europeia ou não permite demonstrar quem rasurou o quê, o problema não é do fornecedor: é do responsável pelo tratamento que publicou ou partilhou o documento.
Este guia apresenta os critérios a verificar, as perguntas concretas a fazer a qualquer fornecedor e uma forma simples de testar várias ferramentas com os seus próprios documentos antes de decidir.
Primeiro, o que precisa de resolver
Antes de olhar para produtos, descreva o seu caso com três dados: que documentos (deliberações, contratos, processos clínicos, recibos de vencimento, e-mails), que volume e com que finalidade (publicação, resposta a um pedido de acesso ao abrigo da LADA ou a um direito de acesso do titular, partilha com terceiros, testes). Rasurar dez sentenças por mês não é o mesmo que tratar milhares de processos digitalizados por ano, e publicar em dados abertos não é o mesmo que entregar um documento a um auditor.
Decida também se precisa de anonimização irreversível (o dado desaparece e, se ninguém conseguir razoavelmente reidentificar a pessoa, o resultado sai do âmbito do RGPD) ou de pseudonimização (o dado é substituído por um código coerente e uma tabela permite reverter, pelo que continua a ser dado pessoal). Muitas organizações precisam das duas, conforme o destino do documento. Se está a ponderar entre trabalho manual e ferramenta, a comparação anonimização manual ou automática ajuda a dimensionar o esforço.
Os critérios que importam
| Critério | O que perguntar | Sinal de alerta |
|---|---|---|
| Onde são tratados os dados | Em que país estão os servidores? Que subcontratantes? O texto é enviado para APIs externas de modelos de linguagem? | Respostas vagas, transferências para fora do EEE sem garantias do capítulo V do RGPD |
| Formatos | PDF nativo e digitalizado, Word, Excel, PowerPoint, imagens, e-mail com anexos? O formato mantém-se? | Tudo convertido em imagem ou em PDF sem texto |
| OCR | Reconhece texto em digitalizações e fotografias? O resultado fica pesquisável? | Digitalizações tratadas como imagens em que nada é detetado |
| Deteção | IA mais padrões (NIF, IBAN, telefone), padrões personalizados e lista branca? | Apenas palavras-chave fixas ou IA sem controlo do utilizador |
| Revisão humana | Posso ver e corrigir o que foi detetado antes de aplicar? | Processamento às cegas sem pré-visualização |
| Irreversibilidade | O texto é eliminado do ficheiro? Metadados, comentários e camadas são limpos? | Caixas sobrepostas com o texto por baixo |
| Pseudonimização | Substituição coerente entre documentos? Onde e como é guardada a tabela? | Substitutos diferentes para a mesma pessoa, tabela sem cifra |
| Lotes e API | Processamento de pastas ou ZIP no servidor? API documentada e webhooks? | Um ficheiro de cada vez, sem integração |
| Rastreabilidade | Registo de auditoria por utilizador e operação? Contém ele próprio dados pessoais? | Sem registo, ou registos que copiam o conteúdo |
| Contrato e certificações | Contrato de subcontratação nos termos do artigo 28.º do RGPD? ISO/IEC 27001? Qual o âmbito? | Certificados sem âmbito verificável ou que não cobrem o serviço |
Onde são processados os documentos
É a pergunta que mais distingue as ferramentas. Algumas enviam o texto para o grande modelo de linguagem de um terceiro para detetar dados; outras executam a sua própria IA. Para o RGPD, o que conta é quem trata os dados, onde e com que garantias. O guia IA local ou IA na nuvem explica estas escolhas.
Certificações: peça o certificado e o âmbito
A ISO/IEC 27001 é a certificação de segurança da informação mais difundida. Seja qual for o referencial, peça o documento, confirme a entidade que o emitiu e sobretudo o âmbito: um certificado que não abrange o serviço contratado pouco adianta.
Um teste que ajude mesmo a decidir
As demonstrações comerciais usam documentos limpos. A sua realidade são digitalizações tortas, tabelas, carimbos e anexos. Prepare um conjunto de teste com os seus tipos de documento e dados fictícios, ou com documentos já publicados, e meça:
- Dados que escapam (falsos negativos): informação que devia desaparecer e continua lá. É o erro grave; conte-o por documento.
- Rasura em excesso (falsos positivos): texto eliminado sem necessidade, como nomes de eleitos, referências legais ou montantes que devem ficar visíveis.
- Tempo de revisão: quanto demora uma pessoa a verificar e corrigir um documento típico.
- O ficheiro final: abra-o, tente copiar o texto rasurado, veja as propriedades e as folhas ocultas.
- Digitalizações: confirme que a ferramenta encontra dados num PDF digitalizado e numa fotografia de um documento.
Perguntas jurídicas que não podem faltar
- O fornecedor assina um contrato de subcontratação com o conteúdo do artigo 28.º do RGPD?
- Durante quanto tempo conserva documentos e resultados? Posso configurar a eliminação automática?
- Os meus documentos são usados para treinar modelos? O contrato di-lo?
- Que subcontratantes ulteriores intervêm e onde estão?
- Como e em que prazo me é notificada uma violação de dados?
O Anonimatum à luz destes critérios
O Anonimatum é uma das opções do mercado e deve ser avaliado com a mesma tabela. É um serviço SaaS da Politeia Soft, empresa espanhola, com IA própria executada em servidores na União Europeia, sem enviar o texto para APIs externas de modelos de linguagem. Trata PDF nativos e digitalizados com OCR, Word, Excel (também por colunas), PowerPoint, imagens, TIFF multipágina e e-mails .eml e .msg com anexos, e devolve o mesmo formato. Combina IA, padrões, padrões personalizados e lista branca; mostra uma pré-visualização para rever antes de aplicar; elimina texto e metadados; e permite uma pseudonimização coerente com mapas cifrados.
Inclui ainda processamento em lote no servidor, API REST com webhooks assinados, modelos por tipo de documento, processos com histórico de versões e um painel de grupo com registo de auditoria que não guarda o nome nem o conteúdo dos documentos, além de retenção configurável. A Politeia Soft tem certificação ENS (Esquema Nacional de Seguridad, o referencial espanhol) de categoria MÉDIA, com um âmbito que inclui o Anonimatum; peça-nos, como a qualquer fornecedor, a documentação de que precisa. O que não faz também conta: não deteta rostos; as imagens são convertidas em PDF e tratadas com OCR, padrões, IA e zonas ou figuras desenhadas pelo utilizador. Os planos estão na página de preços e o detalhe técnico na página de segurança.
Perguntas frequentes
Um software de anonimização garante o cumprimento do RGPD?
Sozinho, não. É uma medida técnica que deve ser acompanhada de critérios sobre o que rasurar, revisão humana e registo das decisões.
Uma ferramenta PDF gratuita online serve?
Para documentos com dados pessoais é preciso saber onde são processados, quanto tempo são conservados e se a rasura é real. Muitas ferramentas gratuitas não o dizem.
Rasurar e anonimizar é o mesmo?
Rasurar elimina conteúdos concretos. Anonimizar é o resultado em que ninguém consegue razoavelmente identificar a pessoa, o que pode exigir retirar mais do que os nomes.