A Autoridade Nacional de Proteção de Dados (ANPD) abriu uma discussão crítica para o Brasil: a Tomada de Subsídios sobre dados biométricos. A biometria — nossos rostos, digitais, vozes e gestos — é uma informação de segurança, e a estratégia regulatória determinará se seremos colônia extrativista de dados ou se construiremos uma vantagem competitiva global baseada em tecnologia confiável e centrada no ser humano.
São dois caminhos principais. De um lado, nos abrimos para o extrativismo: uma regulação que nos transformaria em uma colônia para a colheita irrestrita de dados. A identidade e a privacidade de nossos cidadãos se tornariam matéria-prima para treinar algoritmos globais sobre os quais não temos controle.
Algoritmos decidem as notícias que lemos, o caminho que usamos para casa e as ações que um sistema nos permite tomar. Quando esses algoritmos são opacos, nossa autonomia é diminuída. Este modelo fere o direito dos cidadãos de controlar suas informações e decisões.
Conheça o JOTA PRO Poder, plataforma de monitoramento que oferece transparência e previsibilidade para empresas
O caminho alternativo é a soberania digital: tecnologia fundamentada em credibilidade e segurança. Isso começa por adaptar as melhores práticas globais à nossa realidade, usando o AI Act europeu como inspiração para fortalecer nossa própria legislação. Olhar para o AI Act, moldando seus princípios à nossa realidade social, econômica e legal, é uma decisão estratégica: dá às empresas brasileiras um passaporte para atuação no mercado global, além de reforçar direitos e garantias que já são pilares da nossa Constituição.
Para a tecnologia nacional, o custo de um ambiente insuficientemente regulado vai além do litígio de vítimas de vazamentos e decisões algorítmicas enviesadas. Abrange o custo indireto da perda de credibilidade e reputação, os principais ativos intangíveis de negócios digitais. Mercados pagam a mais por credibilidade, segurança e privacidade. Assim, a regulação não é um freio à inovação, mas um direcionamento para a inovação voltada a modelos algorítmicos de maior valor, criando vantagem competitiva de longo prazo para a globalização de empresas brasileiras.
O desafio é fortalecer a Lei Geral de Proteção dos Dados (LGPD) com a sofisticação que as novas tecnologias exigem. Para isso, o caminho é uma arquitetura regulatória fundamentada em três pilares: a aplicação rigorosa de uma regulação baseada no risco de cada aplicação, a exigência de uma decodificação algorítmica que vá além da transparência superficial, e a humanização do dado para proteger a dignidade do cidadão.
Primeiro pilar: classificando o risco para mitigar o dano sistêmico
Uma regulação eficaz não pode tratar uma fechadura biométrica e um sistema de vigilância urbana como equivalentes. A abordagem baseada em risco diferencia o tratamento de dados conforme seu potencial de dano.
A ANPD deve classificar o uso de Tecnologias de Reconhecimento Facial (FRTs) em espaços de acesso público como de Alto Risco. O objetivo não é proibir, mas condicionar, acionando um mecanismo já previsto na LGPD: a obrigatoriedade de um Relatório de Impacto à Proteção de Dados Pessoais (RIPD) que, neste caso, inclua auditorias de impacto algorítmico prévias e independentes, com foco na acurácia e na análise de vieses discriminatórios contra grupos demográficos brasileiros.
A lógica é inverter o ônus da prova: o implementador deve demonstrar, antes da implementação, que seu sistema é seguro e justo para o contexto em que será aplicado. Assim, prevenimos a ‘regulação por desastre’ e protegemos as liberdades civis.
Segundo pilar: decodificar a caixa-preta, não apenas descrevê-la
A LGPD contempla o direito à revisão de decisões automatizadas, mas isso é ineficaz se não se conhece a lógica por trás da decisão. É aqui que a tecnologia biométrica, especialmente a comportamental (análise de voz, digitação, movimentos), corrói a autodeterminação informativa, o direito de controlar nossos próprios dados. Quando o algoritmo que nega o acesso ou a transação é pouco claro, esse direito é esvaziado.
Portanto, a regulação precisa evoluir da transparência para a decodificação algorítmica. Muitos sistemas operam como caixas-pretas, regidos pelo paradoxo da capacidade-interpretabilidade: quanto mais avançados, menos interpretáveis seus processos decisórios.
Em sistemas como esses (como a biometria comportamental), os controladores devem ser obrigados a praticar transparência ativa, divulgando previamente as taxas de erro e os riscos de viés do algoritmo. Isso força a condução de auditorias e torna a análise de risco um pré-requisito para a operação.
A decodificação algorítmica vai além. Para sistemas de alto risco, os controladores devem ser obrigados a manter e disponibilizar Relatórios de Proveniência de Dados (Data Provenance Reports), detalhando as fontes e os vieses conhecidos em seus dados de treinamento. Para sistemas proativos, pode-se exigir a capacidade de gerar um “Gráfico de Crenças” (Belief Graph), um relatório legível que mostre o caminho que a Inteligência Artificial percorreu para chegar a uma conclusão. Isso torna funcional o direito à revisão.
A hipótese legal de prevenção à fraude também não pode ser um cheque em branco. Seu uso para dados biométricos deve ser o último recurso, condicionado à demonstração inequívoca de que não existem alternativas menos intrusivas e igualmente eficazes.
Terceiro pilar: humanizar o dado para proteger a dignidade
A base para uma estratégia consistente é a proteção da dignidade dos indivíduos que fornecem os dados. Dados biométricos não são como senhas. Eles são imutáveis e, uma vez vazados, estão permanentemente comprometidos. Essa característica exige a aplicação mais estrita de um princípio já presente em nossa lei: a “Privacidade desde a Concepção e por Padrão” (art. 46, § 2º da LGPD), que determina que a privacidade não pode ser uma configuração opcional, mas o alicerce para a construção da tecnologia:
Privacidade desde a Concepção (By Design):A arquitetura do sistema deve ser projetada para minimizar danos de vazamentos, e deve ser mandatória a prática de não armazenar dados biométricos brutos, mas sim modelos criptografados — representações matemáticas que, se vazadas, são pouco úteis para o portador.
Privacidade por Padrão (By Default):As configurações mais seguras devem vir habilitadas por padrão. A proteção máxima é a norma, não a exceção.
A humanização se torna ainda mais crítica ao tratarmos de crianças e adolescentes. Coletar a biometria de uma criança para fins não essenciais, como o controle da fila da cantina escolar, viola sua dignidade futura. Cria-se um arquivo digital sobre que ela não consentiu em criar e não poderá apagar.
O “melhor interesse da criança” (art. 14 da LGPD) já é lei. Para a biometria, ele deve ser interpretado com o máximo rigor. O consentimento dos pais é necessário, mas não suficiente. O controlador deve ser obrigado a provar que o uso da biometria para fins não essenciais (como na fila da cantina) gera um benefício direto, tangível e superior para a criança, que supere o risco vitalício de registrar sua identidade imutável.
A escolha regulatória da ANPD não é entre inovação e privacidade, mas entre uma inovação extrativista de curto prazo e a construção de uma economia digital baseada em credibilidade, segurança e dignidade.