Como anonimizar transcrições e cumprir o RGPD com IA (2026)

Cada transcrição de reunião, entrevista ou chamada é um pequeno ficheiro de dados pessoais: nomes, cargos, empresas, telefones ditados em voz alta e, por vezes, dados de saúde ou de opinião que nem se lembra de terem sido mencionados. Enquanto o texto dorme numa pasta partilhada, é você quem responde por ele perante o RGPD.

A boa notícia: anonimizar bem deixou de ser um trabalho artesanal. Neste guia vai ver o que o RGPD exige exatamente, a diferença prática entre anonimizar e pseudonimizar, o fluxo completo com IA, os prompts prontos para copiar e os erros que deixam transcrições «anónimas» perfeitamente reidentificáveis.

Porque é que as transcrições são um risco RGPD

Uma transcrição parece um documento de trabalho inócuo, mas segundo o artigo 4.º do RGPD quase tudo o que contém é dado pessoal:

• Identificadores diretos. Nomes e apelidos dos participantes, emails e telefones ditados em voz alta, empresas e cargos que identificam uma pessoa concreta.
• A própria voz. A gravação original é um dado biométrico em potência; o par áudio + transcrição identifica mais do que cada peça em separado.
• Categorias especiais (artigo 9.º). Em reuniões e entrevistas infiltram-se dados de saúde («estive de baixa por...»), filiação sindical, ideologia ou orientação. O seu tratamento exige proteção reforçada e, muitas vezes, consentimento explícito.
• Identificadores indiretos. «A diretora financeira da sede de Valência» identifica uma pessoa sem dizer o seu nome. O RGPD também os considera dados pessoais se permitirem a reidentificação.
• Conservação sem prazo. O risco real do dia a dia: transcrições com dados identificáveis acumuladas durante anos em pastas partilhadas, fora de qualquer prazo de conservação justificável.

Anonimizar vs pseudonimizar: a diferença que importa

São termos que se confundem constantemente e têm consequências legais opostas:

A armadilha habitual: tirar os nomes e chamar-lhe anonimização. Se pelo contexto (cargo, sede, projeto, datas) alguém puder deduzir quem fala, o RGPD continua a considerar o texto dado pessoal. O teste prático: poderia um colega dessa empresa identificar os interlocutores lendo o texto limpo? Se sim, ainda não terminou.

Passo a passo: da gravação ao texto limpo

Passo 1 — Transcreva o áudio com uma ferramenta de qualidade

Converta a gravação em texto com um motor preciso. Não é um detalhe menor para a anonimização: se o motor escrever «Jorge Sanchís» como «jorge san chís», a passagem automática de limpeza não o reconhecerá como nome e vai deixá-lo passar. Ferramentas como a VOCAP devolvem um texto limpo e com pontuação sobre o qual a deteção de entidades funciona bem. O mesmo princípio aplica-se a entrevistas de investigação UX ou sessões de terapia e coaching, dois dos casos onde mais se anonimiza.

Passo 2 — Faça o inventário dos dados pessoais

Antes de limpar, liste o que o documento contém: só nomes e empresas, ou também telefones e emails ditados? Há dados de saúde, sindicais ou de opinião (categorias especiais)? Quantos interlocutores há e como se referem uns aos outros? Este inventário decide o nível de limpeza necessário e se pode usar uma IA na nuvem ou se convém uma primeira passagem local.

Passo 3 — Substitua identificadores com um prompt de IA

Passe a transcrição pelo Claude ou pelo ChatGPT com o prompt da secção seguinte. As chaves: marcadores consistentes (a mesma pessoa é sempre [PESSOA_1] em todo o documento, para que a conversa continue legível), cobertura completa (nomes, empresas, cargos, telefones, emails, moradas, matrículas, IDs) e pedir a tabela de correspondências à parte, nunca incrustada no texto.

Passo 4 — Reveja os identificadores indiretos

A passagem humana é onde se decide se o resultado é anónimo a sério. Procure o que a IA não marca por defeito: cargos únicos («o único engenheiro da fábrica»), projetos com nome próprio, lugares e datas marcantes, histórias reconhecíveis. Generalize essas passagens («a responsável da área» em vez do cargo exato, «uma cidade do norte» em vez do município) até que o teste do colega-da-empresa deixe de funcionar.

Passo 5 — Faça a gestão da tabela de correspondências e apague os originais

Decida o destino da tabela: se precisar de reidentificar (estudos longitudinais, acompanhamento de clientes), guarde-a cifrada, numa localização separada e com acesso restrito — isso é pseudonimização e o RGPD continua a aplicar-se. Se não precisar dela, destrua-a e terá anonimizado. Em ambos os casos, apague o áudio original e a transcrição por limpar quando terminar o respetivo prazo de conservação: manter os três ficheiros para sempre anula todo o trabalho.

Prompts prontos para copiar

Cole a transcrição e acrescente um destes prompts por cima. Lembre-se de usar contas ou APIs com compromisso de não treino para material sensível.

Anonimização completa com marcadores

Anonimiza esta transcrição para cumprir o RGPD. Substitui cada
dado pessoal por um marcador entre parênteses retos, usando sempre
o mesmo marcador para a mesma entidade em todo o texto: pessoas
([PESSOA_1], [PESSOA_2]...), empresas ([EMPRESA_1]...), lugares
([LUGAR_1]...), e [TELEFONE], [EMAIL], [MORADA], [ID] para dados
de contacto. Não alteres mais nada do conteúdo nem resumas. No fim,
num bloco separado intitulado TABELA, lista cada marcador com o
valor original que substitui. Transcrição: [cola aqui o texto]

Pseudonimização legível para relatórios

Pseudonimiza esta transcrição de entrevista para um relatório de
investigação: renomeia os interlocutores como "Participante A",
"Participante B", etc., de forma consistente, e substitui empresas
e lugares por descrições genéricas equivalentes ("uma empresa
do setor logístico", "uma cidade média"). Mantém o tom e as
citações textuais. Devolve o texto limpo e, à parte, a tabela de
correspondências. Transcrição: [cola aqui o texto]

Auditoria de reidentificação

Atua como auditor de proteção de dados. Revê esta transcrição
já anonimizada e assinala toda a passagem que ainda permita
reidentificar uma pessoa pelo contexto: cargos únicos, combinações
de data e lugar, projetos com nome próprio, histórias reconhecíveis
ou dados de categorias especiais (saúde, ideologia, filiação). Para
cada achado, cita o excerto e propõe uma reformulação mais genérica.
Texto: [cola aqui a transcrição anonimizada]

O que contar como dado pessoal: checklist rápida

Ao rever uma transcrição, isto é o que deve fazer soar o alarme:

• Identificadores diretos: nomes e apelidos, alcunhas, emails, telefones, moradas postais, documentos de identidade (NIF, cartão de cidadão), matrículas, utilizadores de redes sociais.
• Identificadores profissionais: empresa + cargo (sobretudo se o cargo for único), número de colaborador, projetos com nome interno.
• Identificadores indiretos: combinações de lugar + data + função («o orador de sexta-feira no Porto»), características físicas ou biográficas distintivas.
• Categorias especiais (artigo 9.º): saúde física ou mental, dados genéticos ou biométricos, vida ou orientação sexual, ideologia, religião, filiação sindical. Se aparecerem, suba o nível de proteção: passagem local primeiro e acesso mínimo.
• Dados de terceiros ausentes: clientes, pacientes ou colegas mencionados que não estavam na conversa também contam; são os que mais escapam.

Como gerir tabelas de correspondência e prazos

A diferença entre um fluxo que cumpre e um que só o aparenta está na gestão posterior:

• Separação física. A tabela de correspondências nunca vive no mesmo documento, pasta ou sistema de permissões que a transcrição limpa. Se ambas forem partilhadas juntas, não pseudonimizou nada.
• Acesso mínimo. Só quem precisar de reidentificar acede à tabela; cifrada e com registo de acessos se o material for sensível.
• Prazos por escrito. Defina quanto tempo conserva o áudio original, a transcrição íntegra e a tabela (por exemplo: áudio 30 dias, transcrição identificável até fechar o projeto, versão anonimizada indefinidamente) e cumpra-os com eliminações programadas.
• Documente o processo. Uma nota de uma página com o que se anonimiza, como, quem acede à tabela e que prazos se aplicam é a sua evidência de responsabilidade (artigo 5.º/2) se alguém perguntar.
• O resto da cadeia também conta: a ferramenta de transcrição, o armazenamento e a IA que usar fazem parte do tratamento. O nosso guia de segurança e privacidade na transcrição com IA cobre como avaliar cada elo.

Erros comuns que deixam transcrições reidentificáveis

• Tirar apenas os nomes. O erro clássico. «A diretora financeira da sede de Valência» identifica tanto como o nome. Sem a passagem dos identificadores indiretos, não há anonimização.
• Marcadores inconsistentes. Se o João é [PESSOA_1] na página 2 e [PESSOA_3] na 7, a análise posterior parte-se e os descuidos multiplicam-se. Consistência em todo o documento.
• Guardar a tabela junto do texto limpo. Uma «anonimização» com a chave de decifragem na mesma pasta partilhada é apenas um incómodo para o leitor, não uma medida de proteção.
• Esquecer o áudio original. Anonimizar o texto e conservar a gravação identificável para sempre deixa o dado pessoal intacto; o conjunto continua dentro do RGPD.
• Enviar material sensível para a IA errada. Categorias especiais de dados numa conta gratuita de consumo, sem DPA nem compromisso de não treino, é criar um problema para resolver outro. Para o muito sensível: primeira passagem local e contas de empresa.
• Confiar a 100% na automatização. Os modelos falham com alcunhas, nomes mal transcritos e referências cruzadas. A revisão humana final — ou o prompt de auditoria acima — é quem assina o resultado.

Perguntas frequentes