O dado público não chega pronto para uso jurídico
Em 8 de julho de 2026, o EDPB abriu consulta pública sobre suas Diretrizes 03/2026, dedicadas ao web scraping no contexto de IA generativa. A consulta permanece aberta até 30 de outubro de 2026. O documento não cria, por si só, uma regra brasileira; ele oferece, porém, um sinal muito útil para organizações que montam bases, produtos ou rotinas de IA a partir de informações disponíveis na internet.
O ponto de partida é simples: um conteúdo estar acessível na web não encerra a análise jurídica. Na prática, a coleta automatizada pode envolver dados pessoais, conteúdo sujeito a direitos, restrições contratuais, deveres de sigilo, qualidade variável e ausência de contexto. Para uma equipe jurídica, isso importa tanto ao contratar um fornecedor quanto ao organizar um acervo próprio de pesquisa, precedentes, documentos e conhecimento interno.
Usar IA não é o problema. O risco aparece quando a organização mistura coleta, armazenamento e reutilização sem conseguir responder perguntas básicas: qual é a origem do dado, para qual finalidade ele foi obtido, quem autorizou o fluxo e como a equipe confere sua qualidade?
O que as diretrizes europeias colocam em foco
O EDPB descreve web scraping como extração automatizada e em larga escala de dados da web. Segundo o órgão, quando há tratamento de dados pessoais — como coleta, armazenamento, organização ou consulta — o RGPD pode incidir. As diretrizes estão em consulta pública e devem ser lidas no contexto europeu.
Ainda assim, três mensagens operacionais servem de referência para qualquer programa sério de IA jurídica.
Finalidade antes de volume
Não basta acumular conteúdo porque ele pode ser útil no futuro. A equipe precisa definir a finalidade: pesquisa jurídica interna, enriquecimento de uma base contratual, treinamento de modelo, avaliação de fornecedor ou automação de triagem. Cada finalidade muda o tipo de dado necessário, o período de retenção, os controles de acesso e a forma de validação.
Um acervo de jurisprudência com fontes oficiais, por exemplo, não é igual a uma coleção indiscriminada de perfis, comentários e documentos de terceiros. O primeiro pode ser organizado em torno de fonte, data, tribunal, assunto e versão. O segundo pode carregar dados pessoais, ruído e riscos que não contribuem para a tarefa jurídica.
Origem, data e qualidade precisam acompanhar o dado
O EDPB recomenda atenção a fontes confiáveis, registro de data e validação antes do uso em treinamento de IA. Essa é uma prática especialmente valiosa no Direito: normas mudam, decisões são superadas, páginas são corrigidas e recortes sem contexto induzem a erro.
Uma base útil para trabalho jurídico deve permitir reconstruir o caminho da informação. Ao menos, registre fonte, URL ou identificador, data de coleta, data de publicação quando disponível, finalidade, responsável e regra de atualização. Quando houver uso de conteúdo em uma resposta, minuta ou análise, a pessoa revisora precisa conseguir voltar à fonte.
Dados sensíveis exigem uma camada adicional
O EDPB ressalta que o tratamento de categorias especiais de dados demanda análise específica no RGPD. No Brasil, a LGPD também confere proteção reforçada aos dados pessoais sensíveis. Isso não autoriza concluir que toda coleta automatizada é proibida; significa que uma equipe não deve tratar esse material como simples insumo técnico.
Processos, documentos, cadastros, páginas profissionais e bases públicas podem conter dados que exigem cautela. Para o jurídico, a boa pergunta é: esse dado é necessário para a finalidade declarada? Se a resposta for não, o controle mais eficiente costuma ser não coletar, não indexar ou restringir o acesso.
Um fluxo prático para equipes jurídicas
1. Classifique o caso de uso antes de coletar
Descreva em uma frase o resultado esperado e o público interno ou externo. “Melhorar a pesquisa de precedentes para uma equipe revisora” é uma finalidade mais controlável do que “coletar tudo o que for relevante”. Depois, delimite quais fontes e campos são realmente necessários.
2. Monte uma ficha de origem para cada fonte
Uma ficha simples pode conter: fonte e titularidade, forma de acesso, data de coleta, finalidade, tipo de dado, termos ou restrições identificados, responsável e data de revisão. Se houver contrato com fornecedor, registre também como a origem e a atualização dos dados foram explicadas.
Isso transforma uma discussão abstrata de privacidade em decisão operacional. Também reduz dependência de memória individual quando a equipe precisa responder a cliente, auditoria ou incidente.
3. Separe acervo de consulta, treinamento e publicação
Um documento pode ser adequado para consulta humana e inadequado para treinar um modelo, publicar um resumo ou alimentar uma automação externa. Criar essa separação evita que um material entre em novos usos por inércia técnica.
Defina permissões por finalidade e mantenha trilha de quem incluiu, alterou ou aprovou uma fonte. Em tarefas de maior impacto, inclua revisão jurídica e técnica antes da liberação.
4. Avalie fornecedores com perguntas verificáveis
Ao contratar uma solução de IA, não pergunte apenas se ela “está em conformidade”. Pergunte de quais tipos de fontes vêm os dados, como a solução lida com dados enviados pela sua equipe, se há retenção, quais suboperadores participam, como funciona exclusão e quais evidências de auditoria existem.
Nenhuma resposta comercial substitui a análise do caso concreto. Mas respostas documentadas permitem comparar fornecedores e transformar requisitos em cláusulas, procedimentos e controles reais.
5. Faça revisão humana onde o contexto jurídico importa
A IA pode acelerar classificação, busca e síntese. Ela não elimina o dever profissional de verificar fonte, vigência, contexto e aderência ao caso concreto. O ganho de produtividade sustentável vem da combinação entre automação e revisão, não da transferência cega de responsabilidade para uma ferramenta.
Onde a JuristIA entra nessa organização
Uma operação jurídica madura não precisa escolher entre velocidade e controle. Ela precisa de um lugar onde fontes, documentos, versões, tarefas e responsáveis possam permanecer conectados ao fluxo de trabalho.
A JuristIA se encaixa como infraestrutura para organizar esse percurso: registrar a origem de documentos, reunir materiais do caso, distribuir revisões e preservar uma trilha de consulta. Em vez de usar IA como uma caixa-preta alimentada por arquivos dispersos, a equipe constrói uma rotina em que a automação apoia o profissional e a evidência continua acessível.
Cautelas: o que este artigo não afirma
Estas diretrizes do EDPB estão em consulta pública e tratam do RGPD. Elas não equivalem a uma regra brasileira nova nem permitem concluir que toda organização brasileira estará submetida ao mesmo regime. Aplicabilidade territorial, papel da organização, finalidade, dados tratados e contratos precisam ser avaliados no caso concreto.
Também seria incorreto afirmar que um dado público pode ser reutilizado livremente em qualquer treinamento, produto ou base de IA. A análise pode envolver LGPD, direitos autorais, termos de uso, segredo profissional, deveres setoriais e qualidade da informação.
O caminho responsável não é abandonar IA ou dados públicos. É aplicar método: finalidade explícita, minimização, registro de origem, fontes conferíveis, controles de acesso e revisão humana. O uso improvisado cria risco; o uso profissional, documentado e supervisionado transforma informação em capacidade jurídica.
Conclusão
O debate sobre web scraping para IA não é apenas técnico. Ele define se a equipe conseguirá explicar a origem de seu acervo, corrigir informações desatualizadas e sustentar uma decisão de uso de dados quando ela for questionada.
Para escritórios e departamentos jurídicos, começar pequeno é uma vantagem: escolher fontes confiáveis, delimitar a finalidade, manter registros e revisar os materiais que entram no fluxo. Essa disciplina dá à IA jurídica o que ela precisa para ser útil no longo prazo: contexto, rastreabilidade e supervisão profissional.
CTA: Quer organizar documentos, fontes e revisões em fluxos jurídicos mais rastreáveis? Conheça a JuristIA e converse sobre uma operação de IA jurídica com método e controle.
Perguntas frequentes
Web scraping é sempre proibido para IA?
Não. A análise depende da jurisdição, da finalidade, do tipo de dado, da forma de coleta, de contratos e de outras regras aplicáveis. Dados acessíveis ao público não dispensam avaliação jurídica.
As diretrizes do EDPB valem automaticamente no Brasil?
Não. Elas estão em consulta e se referem ao contexto europeu. Podem servir como referência de boas práticas, mas a avaliação brasileira deve considerar a LGPD e o caso concreto.
O que uma equipe deve registrar sobre uma fonte coletada?
A resposta depende do caso concreto. No mínimo, origem, data de coleta, finalidade, responsável, tipo de dado, restrições identificadas e regra de atualização ou exclusão.
Posso usar o mesmo acervo para pesquisa, treinamento e publicação?
Não automaticamente. Esses usos têm riscos e requisitos distintos. Separar finalidades, permissões e aprovações é uma medida de governança importante.
Saiba mais
A JuristIA reúne conteúdos e ferramentas para organizar documentos, fontes e revisão em fluxos jurídicos responsáveis.
Fontes consultadas
- EDPB — Diretrizes 03/2026 sobre web scraping no contexto de IA generativa — consulta aberta de 8 de julho a 30 de outubro de 2026.
- EDPB — esclarecimentos sobre anonimização e web scraping para IA generativa — finalidade, transparência, fontes confiáveis, data e validação.
- ANPD e PNUD — estudos sobre agentes de IA e proteção de dados — contexto regulatório brasileiro recente.
- LGPD — Lei nº 13.709/2018 — referência para análise brasileira de dados pessoais e dados sensíveis.
- EUR-Lex — Regulamento Europeu de IA — contexto regulatório europeu.