Ganhos:
- Elabora respostas a pedidos de informação de acordo com a legislação, não explicando nem mais nem menos.
- Ele anonimiza os dados abertos antes de publicá-los e os verifica no nível de combinações que correm o risco de reidentificação.
- Sabe que a transparência é uma ferramenta de governança que aumenta a confiança do público e distingue o que deve ser mantido em sigilo.
A pedra angular de uma administração pública democrática é a transparência: a capacidade dos cidadãos de aprenderem como e em que base são tomadas as decisões que lhes dizem respeito. Este princípio ganha vida em dois mecanismos concretos. O primeiro é o direito à informação (Lei do Direito à Informação nº 4.982; os cidadãos podem solicitar informações e documentos às instituições públicas, com exceções). A segunda são os dados abertos (as instituições públicas publicam a parte não pessoal e não confidencial dos dados que produzem de uma forma que todos possam aceder e utilizar). Aqui, a IA é uma ajuda poderosa na classificação de pedidos de informação recebidos, na produção de rascunhos de respostas, na pré-avaliação de quais informações podem ser fornecidas e quais são isentas, e na preparação de conjuntos de dados abertos para publicação. Mas a dupla advertência desta unidade é importante: a transparência não deve existir nem mais, nem menos – o cidadão deve receber a informação a que tem direito, mas os dados pessoais e as excepções reais devem ser protegidos; Esse equilíbrio é estabelecido pelo agente público responsável e não pela IA.
As duas pontas erradas da obtenção de conhecimento
Nos pedidos de informação, os erros podem ser cometidos em duas direções:
- Falta de transparência: Rejeitar desnecessariamente informações fornecidas como “confidenciais/excepcionais”. Isto viola o direito e cria desconfiança na instituição, e muitas vezes acaba no Judiciário.
- Divulgação excessiva: Revelar acidentalmente dados pessoais de terceiros, um segredo comercial ou uma exceção real (segurança, etc.) ao enviar um documento. Isso viola o KVKK e causa danos.
A IA pode ajudar em ambos os lados: pode digitalizar um documento, marcar dados pessoais nele e sugerir redação (obscurecer/remover partes confidenciais/pessoais do documento); Pode listar a categoria de exceção sob a qual você avaliará a solicitação. Mas a decisão final - se esta informação é fornecida, qual parte é ocultada - pertence a uma pessoa que tem responsabilidade legal.
Atenção: a afirmação da AI de que “esta informação está no âmbito da exceção” ou “pode ser dada” não constitui uma opinião jurídica. A avaliação das exceções é feita e justificada de acordo com os artigos pertinentes da Lei de Acesso à Informação; A IA produz apenas pré-qualificações e rascunhos.
Publicando dados abertos com segurança
Os dados abertos aumentam a eficiência e a responsabilização públicas; empresários, jornalistas e investigadores criam valor a partir destes dados. Mas antes de publicar um conjunto de dados, este deve ser verificado relativamente ao risco de reidentificação (dados considerados anónimos são ligados a indivíduos através da sua combinação com outros dados). Por exemplo, a combinação “idade + bairro + ocupação rara” pode indicar uma única pessoa. Ao preparar um conjunto de dados para publicação, a IA é útil para sinalizar combinações de colunas arriscadas e escrever um dicionário de dados (uma descrição do que cada coluna significa).
Dica: Antes de publicar dados abertos, pergunte: “Posso encontrar uma única pessoa combinando duas ou três colunas neste conjunto?” Se a resposta for “talvez”, agregue (grupo em vez de individual), combine categorias raras ou remova a área sensível.
Fluxo de informações passo a passo
- Compreenda e classifique a demanda. O que é solicitado, a que unidade se refere, qual a duração?
- A informação existe ou precisa ser produzida? A lei cobre o conhecimento existente; a instituição poderá não ter que produzir novas análises (confirmadas).
- Avaliação de exceção. Existem exceções como dados pessoais, segurança, segredos comerciais, opinião interna?
- Redação. Remova partes do documento exportável que precisam ser preservadas.
- Resposta fundamentada. A parte dada/não dada e sua base; Método de objeção se rejeitado.
- Registro e trilha de auditoria. A solicitação, decisão e justificativa são registradas.
três mini cases
Caso 1 — Erro de edição evitado. Uma agência submeteria um documento de licitação para uma solicitação de liberdade de informação. AI digitalizou o documento e marcou os números de telefone e TR ID de três pessoas. Se tivesse sido enviado sem revisão, teria sido uma violação do KVKK; os dados pessoais foram escurecidos, o documento foi entregue com segurança.
Caso 2 — Rejeição injusta corrigida. Uma unidade normalmente rejeitaria uma solicitação de dados de atividade como “interna”. Quando a IA foi questionada sobre as categorias de exceção, constatou-se que esses dados já eram, na verdade, publicáveis como dados abertos. O pedido foi atendido, uma possível impugnação e ação judicial foram evitadas.
Caso 3 — Risco de reidentificação. Um município publicaria o seu conjunto de dados de “solicitações de serviço” como dados abertos. O conjunto incluía bairro + endereço completo do distrito. A IA alertou que o campo de endereço poderia apontar para dígitos individuais; O endereço foi agregado ao nível da rua e o conjunto foi publicado com segurança.
Quatro modelos copiáveis
1) Classificação do pedido de informação:
Sua função: especialista em aquisição de informações. Processe a seguinte solicitação: (1) o que exatamente é solicitado, (2) a qual unidade se refere, (3) se requer informações existentes ou nova produção, (4) possíveis categorias de exceção (dados pessoais, segurança, segredo comercial, etc.). Especifique que cada exceção “deve ser justificada pelo artigo pertinente”. Tomada de decisão, pré-avaliar. PEDIDO: [texto]
2) Redação (marcação de dados pessoais/confidenciais):
No documento abaixo, marque todas as partes que devem ser MASCARADAS em uma resposta informativa: nome-sobrenome, número TR ID, endereço, telefone, informações de saúde/criminais, dados de terceiros, segredo comercial. Escreva uma breve justificativa para cada sinal. Deixe a parte exportável do documento como está. DOCUMENTO: [texto]
3) Rascunho da resposta fundamentada:
Elabore uma resposta fundamentada ao seguinte pedido: (1) que informações foram fornecidas, (2) que parte não foi fornecida e porquê (cláusula de exceção [a confirmar]), (3) método de recurso e duração [a confirmar]. A linguagem deve ser formal e respeitosa. A justificação para a parte não dada deve ser concreta e não geral. PEDIDO: [resumo] DECISÃO: [o que foi/não foi dado]
4) Controle de reautenticação de dados abertos:
Examine as colunas do conjunto de dados abaixo. Liste quais combinações de colunas podem indicar uma única pessoa (risco de reidentificação). Sugira alguma mitigação para cada risco: agregação, agregação de categorias raras, extração de campo. Basta usar a lista de colunas fornecida. COLUNAS: [lista]
Alerta fraco / Alerta forte
Fraco: “Responda a este pedido de informação.”
Güçlü: "Sua função é a de um especialista em unidade de informação. Primeiro, classifique a solicitação: o que é solicitado, qual unidade, está disponível, quais são as possíveis exceções. Marque cada exceção como 'a ser justificada pelo artigo relevante', não tome uma decisão legal sozinho. Em seguida, marque as partes pessoais/confidenciais que precisam ser mascaradas no documento a ser submetido com uma sugestão de redação. Por fim, produza uma minuta de resposta fundamentada incluindo a parte dada/não dada e a forma de contestar; faça a justificativa concreto."
Diferença: o prompt forte equilibra transparência e proteção, vincula a exceção à justificativa, adiciona redação e caminho de apelação.
Abordagem por tipo de informação
Tipo de informação
Padrão
Atenção
Estatísticas, dados agregados
aberto
Verificação de reidentificação
Motivo da ação administrativa
pode ser dado
Editar dados de terceiros
Dados pessoais de terceiros
protegido
KVKK; mas com permissão/exceção
Exceção de segurança/privacidade
protegido
É uma exceção real, confirme
Opinião/negociação interna
Depende
Avalie de acordo com o artigo relevante
Anonimização e risco de reidentificação
O passo mais técnico, mas crítico, na publicação de dados abertos é a anonimização (tornar uma pessoa não identificável direta ou indiretamente a partir de um dado). Nome e T.R. Excluir o número de identificação muitas vezes não é suficiente; porque a combinação de diversas áreas comuns torna uma pessoa reidentificável. Isto é chamado de reidentificação (encontrar a pessoa através do cruzamento de dados considerados anônimos com outras informações). Por exemplo, se houver um viúvo solteiro de 92 anos em um bairro, o trio “bairro + idade + estado civil” irá revelá-lo. A IA pode ajudar a identificar quais combinações de campos em um conjunto de dados estão em risco de divulgação e sugerir agrupamentos mais seguros (convertendo idade em faixa, combinando categorias raras); Mas a decisão de publicação e a auditoria final são de responsabilidade da instituição.
Mini case — divulgação com três áreas. Um município publicou dados de assistência social “anonimamente”: sem nome, mas bairro, ano de nascimento e tipo de deficiência. Um jornalista percebeu um tipo raro de deficiência em uma única pessoa em um único bairro e identificou a pessoa. Dados retirados; Foi republicado quando o ano de nascimento foi convertido para um intervalo de 10 anos e as categorias raras foram agrupadas em “outros”.
Modelo que rastreia o risco de reidentificação:
Tarefa: Examine as colunas do seguinte conjunto de dados; Não publico dados pessoais, quero apenas triagem de riscos.Colunas: [nomes das colunas]Saída: 1) Identificadores diretos (devem ser excluídos). 2) Combinações indiretas de identificadores (risco de reidentificação). 3) Agrupamento/mascaramento recomendado para cada combinação de risco. 4) Perguntas finais de verificação antes da publicação. Regra: Não colei nenhum valor pessoal real; apenas considere a estrutura da coluna.
Cuidado: “Excluí o nome, agora anônimo” é o equívoco mais comum e perigoso. O anonimato não é determinado pelo campo em si, mas pela combinação de campos e pela probabilidade de correspondência com dados externos. Em caso de dúvida, não publique; O anonimato é uma decisão irrevogável.
Erros comuns
- Rejeitar habitualmente. Considerar as informações que podem ser prestadas como “confidenciais” desnecessárias é uma violação de direitos e motivo de ação judicial.
- Envio de documentos não editados. A revelação de dados de terceiros é uma violação do KVKK.
- Usando a exceção sem justificativa. A rejeição deve ser feita com substância concreta e justificação concreta; Dizer “internamente” não é suficiente.
- Confiando no julgamento legal da IA. A decisão de abrir uma exceção é humana; A IA é pré-qualificada.
- Ignorando a reidentificação em dados abertos. As combinações de colunas podem localizar pessoas; agregar.
- Não especificando os meios de objeção. Nas rejeições, deverá ser escrito (confirmado) o método de aplicação e a duração.
Resumindo
A transparência é a base da confiança pública; A IA é uma ajuda poderosa na classificação de solicitações de FOI, na recomendação de revisão, na elaboração de respostas e na preparação de dados abertos para publicação. Mas o equilíbrio é crítico: os cidadãos devem receber a informação a que têm direito, as verdadeiras excepções e os dados pessoais devem ser protegidos. A decisão de abrir uma exceção deve ser fundamentada e humana; Os dados abertos devem ser auditados quanto ao risco de reidentificação antes da publicação.
Tarefa de aplicativo
Receba uma solicitação real (mascarada) de liberdade de informação. Pré-avalie com o modelo “Solicitar classificação”, aplique o modelo “Redação” em um documento anexo e marque as áreas a serem mascaradas. Aplique o modelo "Verificação de reidentificação de dados abertos" às colunas de um conjunto de dados abertos e encontre pelo menos uma combinação arriscada.
lista de verificação
- [ ] Classifiquei a solicitação; Não rejeitei as informações que poderiam ser fornecidas desnecessariamente.
- [ ] Avaliei as exceções com substância e justificativa concretas (decisão humana).
- [ ] Editei os dados pessoais/confidenciais do documento a ser submetido.
- [ ] Em caso de rejeição, indiquei o método e a duração da objeção (confirmado).
- [ ] Verifiquei o risco de reidentificação em dados abertos.
- [ ] Registrei a solicitação, decisão e justificativa da auditoria.