Data room e due diligence: como anonimizar documentos antes de os partilhar

Numa venda de empresa, o vendedor coloca na data room virtual centenas ou milhares de documentos: contratos de trabalho, listas de trabalhadores, processos laborais, contratos com clientes e fornecedores, atas de assembleia geral, e-mails. Do outro lado estão o comprador, os seus advogados, auditores, consultores fiscais e, muitas vezes, os bancos que financiam a operação. Quase todo esse material contém dados pessoais de pessoas que não participam na negociação.

Este artigo explica que dados anonimizar ou pseudonimizar antes de abrir a data room, como organizar uma divulgação por fases e que erros técnicos transformam um rasurado aparente numa fuga de informação.

Porque é que a data room é uma questão de proteção de dados

Disponibilizar documentos a um terceiro é uma comunicação de dados pessoais nos termos do RGPD. O vendedor continua a ser responsável pelo tratamento, precisa de um fundamento de licitude (normalmente o interesse legítimo do artigo 6.º, n.º 1, alínea f)) e tem de respeitar o princípio da minimização do artigo 5.º: dados adequados, pertinentes e limitados ao necessário. A Lei n.º 58/2019, que assegura a execução do RGPD em Portugal, inclui regras próprias para o tratamento de dados no contexto laboral, e a CNPD é a autoridade de controlo.

Na primeira ronda de propostas não vinculativas, o comprador quase nunca precisa de saber quem é cada trabalhador. Precisa de custos com pessoal, antiguidades, tipos de contrato e contingências. A pergunta a fazer para cada documento é: o destinatário precisa de identificar a pessoa ou basta-lhe conhecer a informação? Se basta a informação, a identidade pode sair do documento ou ser substituída por um código.

Documentos típicos e tratamento recomendado

Os contratos comerciais também contêm dados pessoais: signatários, fiadores, moradas para notificações. A página sobre como anonimizar contratos com IA e revisão humana indica que campos costumam ser rasurados e quais devem ficar visíveis.

Divulgação por fases

As operações bem conduzidas abrem a informação por camadas, cada uma justificada pela decisão que o comprador tem de tomar nesse momento:

• Fase 1, proposta não vinculativa: dados agregados e pseudonimizados. Efetivos por categoria, massa salarial, número e valor estimado de litígios, sem nomes.
• Fase 2, due diligence confirmatória: mais detalhe para um grupo restrito de consultores, com pseudonimização coerente para cruzar documentos.
• Fase 3, antes da assinatura: identidades só quando indispensável, por exemplo quadros-chave cuja permanência é condição do negócio ou contratos com cláusulas de mudança de controlo.
• Após o closing: na transmissão de empresa ou estabelecimento, os contratos de trabalho transmitem-se ao adquirente (artigo 285.º do Código do Trabalho), que recebe então os dados completos como novo empregador.

Clean teams entre concorrentes

Se comprador e vendedor são concorrentes, o direito da concorrência acrescenta cautelas: informação comercialmente sensível (preços por cliente, retribuições individuais, margens) não deve chegar a quem decide a estratégia comercial antes da concretização da operação. As clean teams de consultores externos analisam o detalhe e transmitem apenas conclusões agregadas. A anonimização serve os dois objetivos: a clean team trabalha sobre documentos pseudonimizados e o relatório que produz não contém identidades.

Pseudonimizar a lista de trabalhadores sem perder valor

Apagar os nomes torna a lista inútil para cruzar com contratos e processos. A solução é a pseudonimização coerente: cada pessoa recebe um código estável (por exemplo «TRB-0147», fictício) que aparece na folha de cálculo, no contrato e na petição. O consultor segue o fio sem conhecer a identidade.

• Os dados pseudonimizados continuam a ser dados pessoais (artigo 4.º, n.º 5, e considerando 26 do RGPD). A tabela de correspondência fica do lado do vendedor e protegida.
• Grupos pequenos denunciam: se só há uma diretora financeira, o código não a esconde. Generalize cargos únicos, idades por escalões de cinco anos e retribuições por intervalos.
• As categorias especiais (saúde, filiação sindical, deficiência) raramente são necessárias em detalhe; basta um indicador agregado.

Rasurado verdadeiro, não cosmético

• Retângulos pretos desenhados sobre um PDF cujo texto continua por baixo e pode ser copiado.
• Ficheiros Word com controlo de alterações, comentários ou autor nas propriedades; os metadados ocultos em Word e PDF revelam nomes que o texto visível já não mostra.
• Folhas ocultas ou colunas agrupadas no Excel com NIF e retribuições completas.
• Nomes de ficheiro como «Contrato_NomeApelido.pdf», visíveis no índice da data room.
• Digitalizações sem OCR, em que a ferramenta não encontra nada para rasurar porque só vê imagens.

Preparar a data room com o Anonimatum

Preparar uma data room é trabalho de volume com prazos apertados. O Anonimatum processa lotes de documentos (ZIP com PDF, Word, Excel, PowerPoint, e-mails .eml e .msg com anexos, TIFF ou imagens) com deteção por IA de nomes, organizações, moradas, datas, montantes, assinaturas e carimbos, além de padrões para identificadores, IBAN, e-mail e telefone e padrões personalizados. As folhas de cálculo são tratadas por colunas: a lista de trabalhadores pode sair com o nome pseudonimizado, o NIF rasurado e a retribuição intacta, no mesmo formato. Com um mapa partilhado, a mesma pessoa recebe o mesmo substituto em todos os documentos do processo.

A equipa revê uma pré-visualização e corrige antes de aplicar; o resultado elimina o texto de facto e os metadados são removidos. A IA corre em servidores na União Europeia, sem enviar o conteúdo para APIs externas de modelos de linguagem. Os planos estão na página de preços e a subscrição faz-se online.