Pular para o conteúdo
ReviewRamble

A newsletter semanal

IA, analisada, na sua caixa de entrada.

  • Novas análises de ferramentas, modelos, servidores MCP e repositórios, com o veredicto logo no início
  • Preços e notas reconferidos quando algo muda
  • Novos artigos de análise assim que são publicados

Modelos, agentes, servidores MCP e as ferramentas que realmente valem seu tempo.

Um e-mail por semana. Cancele pelo link em qualquer edição. Como usamos seu e-mail

Redação de PII

A redação de PII (PII redaction) é a detecção e remoção ou mascaramento de informações de identificação pessoal, como nomes, telefones, endereços e números de cartão, em textos ou imagens antes de serem enviados a um modelo, guardados em logs ou mostrados a outras pessoas.

Também chamado: PII, personally identifiable information, PII masking, de-identification

Por Divya Sharma · Verificado em 15 de nov. de 2026 · Como analisamos

Informação de identificação pessoal (PII) é a informação que pode identificar uma pessoa específica, sozinha ou combinada com outros dados. O guia SP 800-122 do NIST é uma referência comum sobre o que conta como PII e como protegê-la. Aplicações de IA lidam com muita PII: chats de suporte, documentos enviados, transcrições de chamadas e os logs de prompts guardados para depuração.

Por que importa ao construir com IA

Todo prompt enviado a um modelo hospedado sai do seu sistema. Todo trace que sua ferramenta de observabilidade de LLM guarda é mais uma cópia. Redigir a PII antes reduz o que um provedor, alguém que lê os logs ou um atacante pode ver, e pode impedir que dados pessoais acabem em conjuntos de fine-tuning. Ela se encaixa naturalmente no lado de entrada dos seus guardrails.

Como funciona

Um detector varre o texto em busca de entidades. Os simples usam padrões e dígitos verificadores, por exemplo para números de cartão ou de documentos de identidade. Outros usam modelos de reconhecimento de entidades nomeadas para encontrar nomes e lugares, que os padrões não pegam. Cada ocorrência é então substituída: apagada, mascarada com um rótulo como `<PERSON>`, ou trocada por um marcador consistente ou um valor falso para que o modelo ainda consiga acompanhar a conversa. Alguns sistemas mantêm um mapeamento seguro para que os valores reais possam ser recolocados na resposta final. O Presidio, open source da Microsoft e hoje um projeto da comunidade, é um kit muito usado que detecta e anonimiza entidades em textos e imagens.

Limites

A detecção nunca é perfeita. Nomes incomuns, erros de digitação, endereços em formato livre e pistas de contexto escapam, enquanto configurações agressivas removem palavras de que o modelo precisava. A redação também não resolve onde os dados são processados ou guardados; veja residência de dados e zero data retention. O que conta como PII, e o que você precisa fazer com ela, depende das leis que se aplicam a você, o que esta página não cobre.

Termos relacionados

Guardrails (IA)
Guardrails (barreiras de proteção) são verificações em tempo de execução colocadas ao redor de um modelo de linguagem que inspecionam entradas e saídas e as bloqueiam, reescrevem ou redirecionam, para que uma aplicação se mantenha no assunto, evite conteúdo nocivo e siga regras que o modelo sozinho não cumpriria de forma confiável.
Residência de dados
Residência de dados (data residency) é um controle que mantém os dados de um cliente armazenados, e muitas vezes processados, em uma região geográfica escolhida, como a UE, para que uma equipe possa cumprir suas próprias regras legais, contratuais ou de clientes sobre onde os dados ficam.
Zero data retention
Zero data retention (ZDR, retenção zero de dados) é um acordo em que um provedor de IA não guarda os prompts e as saídas de um cliente depois que uma requisição é respondida, geralmente oferecido só a clientes aprovados e só para recursos de API elegíveis.
Observabilidade de LLM
A observabilidade de LLM (LLM observability) é registrar o que uma aplicação de IA faz em produção, incluindo prompts, respostas, chamadas de ferramentas, latência, uso de tokens e custo, como traces pesquisáveis, para que você possa depurar falhas e ver como o sistema se comporta ao longo do tempo.

Fontes