Os seus dados «anónimos» são mesmo anónimos? O novo projeto do CEPD muda o teste

A 8 de julho de 2026, o Comité Europeu para a Proteção de Dados (CEPD) anunciou o seu projeto de Orientações 02/2026 sobre anonimização, uma atualização do parecer de 2014 em que as empresas se apoiam há anos. Os comentários estão abertos até 30 de outubro de 2026. O tema parece técnico, mas decide algo de que toda a organização depende: o ponto em que os dados deixam de ser dados pessoais e o RGPD deixa de se aplicar.

Se partilha análises com parceiros, publica estatísticas, guarda exportações de clientes «anonimizadas» ou treina ou ajusta IA com dados de clientes, este projeto altera a segurança com que pode usar a palavra «anónimo».

O que o CEPD publicou realmente

O projeto segue o acórdão do Tribunal de Justiça no processo EDPS v SRB (C-413/23 P, 4 de setembro de 2025), segundo o qual os dados pseudonimizados não são automaticamente dados pessoais para todos os destinatários. O mesmo conjunto de dados pode ser pessoal numa organização e anónimo noutra. As orientações do CEPD transformam esse princípio num método de trabalho e admitem com franqueza que a resposta «pode variar de uma entidade para outra».

O CEPD anunciou-as juntamente com orientações distintas sobre web scraping para IA generativa, ambas abertas a consulta até à mesma data de 30 de outubro. Tratámos o lado do scraping no nosso artigo sobre o RGPD e os dados de treino de IA. Este artigo trata da outra metade: quando é que dados, ou um modelo, podem honestamente chamar-se anónimos.

«Anónimo» passa a depender de quem detém os dados

Segundo o projeto, os dados são anónimos se não se referirem a uma pessoa identificada ou identificável. Uma pessoa é identificável se puder ser distinguida das outras num contexto específico através de meios razoavelmente suscetíveis de serem utilizados, avaliados da perspetiva da «entidade relevante» e de todos os fatores objetivos. Nas análises de escritórios de advogados publicadas desde julho destacam-se três consequências:

• Os mesmos dados podem dar respostas diferentes. Um destinatário sem forma realista de reidentificar pessoas pode tratar um conjunto de dados como anónimo, mesmo que a organização que o produziu ainda o pudesse fazer. Isso abre portas práticas à partilha de dados de análise e investigação.
• Os subcontratantes não mudam o quadro. Os comentadores leem o projeto como excluindo que os dados sejam pessoais nas mãos do responsável pelo tratamento mas anónimos nas do seu subcontratante. Prevalece a perspetiva do responsável.
• Os contratos não bastam. Uma cláusula que proíbe o destinatário de reidentificar pessoas é tratada como complemento das medidas técnicas, não como substituto.

O CEPD oferece ainda duas formas de conduzir a avaliação. A abordagem contextual examina o que cada entidade relevante poderia realmente fazer. A abordagem simplificada ignora essas diferenças. É mais cómoda e dá mais confiança, mas pode tratar os dados como não anónimos mesmo quando o seriam para algumas entidades. A Ashurst refere que o CEPD sugere começar pela abordagem simplificada e passar à contextual quando for necessária uma resposta mais precisa.

O teste em três partes

O quadro do CEPD usa três critérios. Se os três forem cumpridos, os dados podem ser considerados com segurança anónimos. Se um falhar, isso não torna automaticamente os dados pessoais, mas exige mais análise.

• Sem individualização de registos. Ninguém consegue isolar o registo de uma pessoa. A Freshfields refere o exemplo do projeto de que combinar «departamento financeiro» com «sai depois das 20h» pode individualizar um trabalhador.
• Sem associação. Os registos não podem ser cruzados com outros dados sobre a mesma pessoa. O ano de nascimento, o género e a localização, por exemplo, tornam-se associáveis se a base de dados de marketing de um parceiro contiver os mesmos atributos.
• Sem inferência. Ninguém consegue tirar uma conclusão específica e significativa sobre um indivíduo, nem de um único registo nem de números agregados.

O risco zero não é a norma. Os resumos dos escritórios descrevem o teste como o de saber se a probabilidade de distinguir uma pessoa é insignificante na prática. A Ashurst acrescenta um ponto que surpreende muitas empresas: o teste olha para a capacidade, não para a motivação, pelo que «ninguém se daria ao trabalho» não é defesa.

Onde a IA muda a resposta

Os comentadores notam que o projeto reconhece que a IA, em particular a IA agêntica, está a reduzir o custo da reidentificação. Um conjunto de dados anónimo hoje pode não continuar a sê-lo. Isso tem três efeitos práticos:

• A anonimização não é um ato único. O risco de reidentificação tende a aumentar com o tempo, pelo que as avaliações devem ser repetidas, e um incidente de segurança pode ser motivo para voltar a analisar.
• Os modelos também podem revelar dados. Segundo uma análise do projeto, podem tirar-se inferências consultando ou instruindo um modelo, e por vezes é possível extrair dados de treino de um modelo alegadamente anónimo, pelo que um modelo não pode ser simplesmente declarado anónimo.
• Isto coincide com a posição anterior do CEPD sobre IA. O seu Parecer 28/2024, de dezembro de 2024, afirmou que um modelo de IA treinado com dados pessoais não é anónimo em todos os casos, e que tanto a probabilidade de extrair dados pessoais como a de os obter através de consultas têm de ser insignificantes.

Se ajusta um modelo com conversas de clientes, ou alimenta com pedidos de suporte uma ferramenta que «aprende», não parta do princípio de que o resultado é anónimo só porque os nomes foram retirados. O nosso artigo sobre porque é que o seu chatbot de IA não anonimiza nada mostra com que rapidez esse pressuposto falha.

O que não desaparece quando os dados são anonimizados

• Anonimizar é, em si, um tratamento. Os comentadores concordam que o projeto trata o ato de anonimizar como um tratamento que exige um fundamento de licitude nos termos do artigo 6.º, uma condição do artigo 9.º, n.º 2, se estiverem em causa categorias especiais de dados, e transparência perante as pessoas em causa.
• Não prometa demais. Chamar «anónimos» aos dados numa política de privacidade quando as pessoas ainda podem ser identificadas é um problema de transparência, não um pormenor de marketing.
• Os conjuntos mistos não estão resolvidos. Os escritórios leem o projeto de forma diferente quando apenas alguns registos podem ser anonimizados: um entende que todo o conjunto passa a ser pessoal, outro que a avaliação é feita registo a registo. Até ao texto final, conte com a leitura mais rigorosa.

Há um elemento tranquilizador. A Ashurst assinala que as organizações que já avaliaram conjuntos de dados como anónimos nos termos do parecer de 2014 não têm de os reavaliar apenas por causa deste projeto.

Uma lista prática antes de 30 de outubro

1. Liste todos os conjuntos de dados que chama anónimos. Exportações, estatísticas partilhadas, painéis, conjuntos de treino de machine learning, dados de teste.
2. Identifique as entidades relevantes. Quem poderia obter os dados: o destinatário, os seus parceiros, o seu próprio pessoal, um atacante? Com que poderia cada um combiná-los?
3. Execute os três testes e registe o resultado. Individualização, associação, inferência. Se tiver dúvidas, comece pela abordagem simplificada, mais conservadora.
4. Apoie cada cláusula contratual com uma medida técnica. Uma promessa de não reidentificar não sustenta, por si só, a alegação.
5. Teste os resultados da IA em vez de os declarar anónimos. Se ajusta com dados de clientes, verifique a extração e a regurgitação, guarde os resultados e inclua-o na sua AIPD.
6. Defina uma data de reavaliação e pondere comentar. Marque uma revisão no calendário e, se isto afetar o seu setor, envie contributos através da página de consulta pública do CEPD antes de 30 de outubro. As associações setoriais são o canal habitual para as empresas mais pequenas.

Lembre-se de que se trata de um projeto. O texto final pode mudar, e nada aqui acrescenta obrigações para além do que o RGPD e a jurisprudência do Tribunal já exigem. O que mostra é como os reguladores lerão uma alegação de anonimato.

Em resumo

A direção é clara, mesmo com os detalhes em aberto. O anonimato não é um carimbo que se aplica uma vez. É uma conclusão a que se chega para um detentor concreto dos dados, testada com três critérios, documentada e revista à medida que a tecnologia melhora. As organizações que conseguirem mostrar esse trabalho ficarão muito melhor posicionadas do que as que se limitam a escrever «anónimo» no processo.

Marque uma consulta gratuita com a GDPRGard → e ajudamo-lo a rever quais dos seus conjuntos de dados e ferramentas de IA se qualificam realmente.

Fontes

• CEPD: o CEPD esclarece a anonimização e o web scraping para a IA generativa (8 de julho de 2026)
• CEPD: Parecer 28/2024 sobre aspetos de proteção de dados dos modelos de IA
• Ashurst: Data Bytes 68, atualização EMEA de proteção de dados, setembro de 2026
• Freshfields: anónimo ou não? Os novos projetos de orientações do CEPD sobre anonimização
• Sidley: o CEPD publica projeto de orientações sobre anonimização
• Gaming Tech Law: orientações do CEPD sobre anonimização, o que significam para os sistemas de IA

Leia também:

• A desculpa «era público» acabou: o RGPD agora cobre formalmente os dados de treino da IA
• O seu chatbot de IA não anonimiza nada
• O CEPD acabou de padronizar como cada autoridade calcula a sua coima