Startups fechadas vendem chats antigos a empresas de IA

O recente fenômeno de startups que fecham as portas e colocam à venda dados antigos de comunicações internas – como conversas do Slack, e-mails e mensagens internas – para treinar modelos de inteligência artificial (IA) está gerando polêmica e preocupações éticas no setor tecnológico. Esses dados, que incluem críticas a chefes, reclamações sobre colegas e até mesmo mensagens informais trocadas entre funcionários, estão sendo comercializados como “ativos valiosos” por empresas especializadas em recuperação de ativos digitais. No entanto, a prática levanta questões sobre privacidade, consentimento e os limites éticos no uso de dados corporativos, especialmente quando muitas dessas informações foram produzidas em um contexto de confiança mútua entre colaboradores.

Segundo relatos de profissionais do setor, algumas dessas startups em processo de dissolução estão oferecendo pacotes de dados históricos de comunicações como forma de gerar receita residual. Empresas de IA, ávidas por conjuntos de dados volumosos para treinar seus modelos, têm se interessado por esses arquivos, que muitas vezes incluem desde discussões técnicas até conversas pessoais. O problema, entretanto, é que grande parte desses dados foi produzida sob a suposição de que seriam privados e usados apenas dentro do ambiente corporativo. A venda indiscriminada desses registros para treinamento de IA pode expor funcionários a julgamentos automatizados baseados em seus históricos de comunicação, como demissões preconceituosas ou avaliações de desempenho enviesadas.

Um exemplo hipotético, mas plausível, seria o caso de um desenvolvedor que criticou seus superiores em uma conversa do Slack há dois anos. Se uma empresa de IA comprar esses dados e usá-los para treinar um modelo de recrutamento, o profissional poderia ser automaticamente desclassificado em futuras seleções de emprego sem nunca ter tido a chance de se defender. Além disso, mensagens informais como “vou trabalhar uma hora extra hoje” ou “vamos almoçar no restaurante X” poderiam ser interpretadas como “padrões de comportamento” por algoritmos, distorcendo a realidade e gerando análises equivocadas.

A situação se agrava quando se considera o Regulamento Geral sobre a Proteção de Dados (GDPR), que protege informações pessoais de usuários na União Europeia. No Brasil, a Lei Geral de Proteção de Dados (LGPD) segue princípios semelhantes, exigindo consentimento explícito para o uso de dados pessoais. No entanto, muitos funcionários não foram informados – e muito menos consentiram – que suas conversas internas poderiam ser vendidas e usadas para treinar IA. Isso cria um cenário jurídico nebuloso, onde empresas podem estar violando legislações de proteção de dados sem que os afetados sequer saibam.

Além das implicações legais, há uma questão ética fundamental: até que ponto uma empresa pode lucrar com os dados de seus funcionários sem o devido consentimento? Startups que fecham as portas muitas vezes não têm mais obrigações morais com seus ex-colaboradores, mas isso não significa que têm o direito de comercializar informações sensíveis sem transparência. Especialistas em ética digital argumentam que, mesmo em casos de falência, deve haver um processo de anonimização rigoroso ou, no mínimo, a obtenção de consentimento retroativo dos envolvidos – algo que, na prática, é extremamente difícil de ser feito.

Outro ponto crítico é a qualidade dos dados. Startups falidas geralmente têm equipes reduzidas, baixa produtividade e, em muitos casos, culturas tóxicas refletidas em suas comunicações internas. Treinar modelos de IA com dados de empresas em crise pode resultar em vieses perigosos, como a associação de certas palavras-chave a “funcionários problemáticos” ou “equipes improdutivas”. Isso pode perpetuar estereótipos no mercado de trabalho e reforçar preconceitos algorítmicos, criando um ciclo vicioso onde a IA reforça os mesmos erros das empresas que a treinaram.

A prática também evidencia uma tendência preocupante no setor de IA: a busca desenfreada por dados, mesmo que de origem duvidosa. Empresas de tecnologia estão dispostas a pagar altos valores por conjuntos de dados volumosos, muitas vezes ignorando as consequências éticas e legais. Isso reflete uma cultura de “crescimento a qualquer custo”, onde a inovação tecnológica é priorizada em detrimento de valores como privacidade e responsabilidade social. O resultado pode ser modelos de IA cada vez mais enviesados, que refletem os piores aspectos das organizações que os treinaram.

Empresas especializadas na venda de dados de startups falidas argumentam que estão apenas “recuperando ativos” para credores e investidores, mas a realidade é mais complexa. Quando esses dados incluem comunicações internas, eles deixam de ser meros “ativos” e passam a ser informações pessoais de terceiros – algo que não deveria sequer ser negociável sem consentimento. A legislação brasileira, por exemplo, proíbe o tratamento de dados pessoais sem base legal, e a comercialização de dados de funcionários sem aviso prévio claramente viola esse princípio.

A discussão sobre privacidade no ambiente corporativo também ganha novo fôlego com esse fenômeno. Muitos funcionários nunca sequer consideraram a possibilidade de que suas mensagens internas pudessem ser usadas para treinar IA, muito menos vendidas a terceiros. Isso levanta questões sobre a cultura de transparência nas empresas modernas, onde a vigilância e a coleta de dados se tornaram práticas comuns – muitas vezes sem que os colaboradores estejam cientes dos riscos.

Algumas startups tentam justificar a venda desses dados alegando que estão “anonimizando” as informações, removendo nomes e identificadores pessoais. No entanto, estudos mostram que mesmo dados aparentemente anonimizados podem ser reidentificados com técnicas avançadas de análise. Além disso, o contexto das mensagens – como quem falou com quem, em que horários e sobre quais temas – muitas vezes permite deduzir a identidade dos envolvidos, mesmo sem nomes explícitos.

Do ponto de vista das empresas de IA, a aquisição desses dados pode ser vista como uma oportunidade de negócio, mas os riscos superam os benefícios. Modelos treinados com dados enviesados ou inadequados tendem a produzir resultados imprecisos e potencialmente prejudiciais. Por exemplo, um algoritmo de recrutamento treinado com dados de uma startup com cultura tóxica poderia rejeitar candidatos com perfis semelhantes aos de funcionários que foram demitidos por conflitos interpessoais, mesmo que sejam competentes.

A falta de regulamentação específica sobre o tema agrava ainda mais o problema. Enquanto a LGPD no Brasil e o GDPR na Europa oferecem alguma proteção, elas não abordam diretamente o uso de dados de comunicações corporativas para treinamento de IA. Isso deixa lacunas legais que empresas inescrupulosas podem explorar, especialmente em um setor tão ávido por dados quanto o de inteligência artificial.

Especialistas sugerem que a solução passa por três frentes: transparência, anonimização efetiva e regulamentação mais rígida. As empresas que detêm esses dados deveriam ser obrigadas a notificar todos os funcionários cujas comunicações foram incluídas nos pacotes vendidos, oferecendo a opção de exclusão. Além disso, técnicas de anonimização devem ser revisadas periodicamente para garantir que não possam ser revertidas. Por fim, governos precisam criar leis específicas que proíbam a comercialização de dados de comunicações internas sem consentimento explícito.

A situação também coloca em xeque o modelo de negócios de muitas startups, que muitas vezes crescem rápido demais sem se preocupar com a gestão de dados. Quando uma empresa fecha as portas, seus ativos digitais – incluindo comunicações internas – se tornam moeda de troca, mesmo que não tenham valor real para os ex-funcionários. Isso evidencia a necessidade de uma governança de dados mais robusta desde a fundação das empresas, garantindo que informações sensíveis sejam protegidas mesmo em caso de encerramento das atividades.

Empresas de IA que adquirem esses dados também precisam avaliar os riscos éticos de seus investimentos. Treinar modelos com dados de startups falidas pode não apenas gerar vieses prejudiciais, mas também manchar a reputação da própria empresa de IA. Afinal, se um modelo desenvolvido com esses dados for usado em processos seletivos ou avaliações de crédito, os danos podem ser irreversíveis para os indivíduos afetados.

Outro aspecto preocupante é o uso desses dados para criar perfis psicológicos de profissionais. Algoritmos podem analisar padrões de comunicação – como frequência de mensagens, tom de voz (em áudios transcritos) e tópicos discutidos – para classificar funcionários como “ativos”, “problemáticos” ou “em risco de turnover”. Essa prática, se disseminada, poderia levar a um mercado de trabalho ainda mais desumanizado, onde decisões são tomadas por máquinas sem qualquer julgamento humano.

A discussão sobre ética na IA não é nova, mas casos como esse mostram que o problema está se agravando. A corrida para desenvolver modelos cada vez mais poderosos está levando empresas a ignorar questões fundamentais sobre privacidade e consentimento. Sem um debate sério e ações concretas, o risco é de que a inteligência artificial se torne uma ferramenta de controle e discriminação em massa, em vez de um instrumento para o bem comum.

Alguns defensores da prática argumentam que, se os dados já foram produzidos, não há mal em usá-los. No entanto, esse raciocínio ignora o fato de que a mera existência de dados não lhes dá automaticamente o direito de serem comercializados. É como dizer que, porque uma pessoa escreveu um diário, qualquer um pode publicar suas páginas sem permissão. A privacidade não é um conceito flexível que pode ser ignorado em nome do progresso tecnológico.

A situação também expõe a fragilidade dos contratos de trabalho modernos, que muitas vezes incluem cláusulas genéricas sobre propriedade intelectual e confidencialidade, mas não mencionam o uso futuro de dados pessoais. Funcionários assinam contratos sem nem sequer imaginar que suas conversas internas poderiam um dia ser vendidas para treinar IA. Isso revela uma assimetria de poder entre empresas e colaboradores, onde estes últimos têm pouca ou nenhuma margem para negociar condições justas.

Para os ex-funcionários de startups cujos dados foram comercializados, as consequências podem ser devastadoras. Além do risco de exposição pública de conversas privadas, há o medo de que suas carreiras sejam prejudicadas por algoritmos treinados com dados de empresas onde trabalharam. Muitos podem nem sequer saber que seus dados foram usados, tornando impossível contestar decisões automatizadas baseadas neles.

A falta de transparência nesse processo é outro ponto crítico. Empresas que vendem dados de startups fechadas raramente divulgam quais informações estão sendo negociadas ou para quais fins serão usadas. Isso torna praticamente impossível para os afetados exercerem seus direitos de acesso, retificação ou eliminação de dados, conforme prevê a LGPD. Sem transparência, não há como garantir que os princípios básicos de proteção de dados estejam sendo respeitados.

Empresas de IA que adquirem esses dados também enfrentam riscos reputacionais. Se vier à tona que um modelo foi treinado com dados de startups falidas – especialmente aquelas com culturas tóxicas ou práticas questionáveis –, a confiança do público pode ser abalada. Isso poderia levar a boicotes, investigações regulatórias e até mesmo processos judiciais, prejudicando não apenas a imagem da empresa, mas também sua viabilidade financeira a longo prazo.

A solução para esse problema não é simples, mas passa necessariamente por uma mudança de mentalidade no setor tecnológico. Empresas de IA precisam priorizar dados éticos e legalmente obtidos, mesmo que isso signifique reduzir a quantidade de informações disponíveis. Além disso, governos devem criar regulamentações específicas que protejam dados de comunicações corporativas, estabelecendo limites claros para sua comercialização.

Outra alternativa é o desenvolvimento de técnicas de “treinamento federado”, onde os modelos de IA são treinados localmente em dispositivos ou servidores de empresas, sem que os dados sejam centralizados ou comercializados. Essa abordagem preservaria a privacidade dos usuários enquanto ainda permitiria o avanço da tecnologia. No entanto, ela exige investimentos significativos em infraestrutura e pode não ser viável para todas as empresas.

Enquanto isso, a sociedade civil e organizações de defesa de direitos digitais precisam monitorar de perto esse tipo de prática e pressionar por mudanças. Campanhas de conscientização podem ajudar funcionários a entenderem seus direitos e a exigirem mais transparência de suas empresas. Além disso, é fundamental que casos como esse sejam amplamente discutidos na mídia e em fóruns acadêmicos, para que a sociedade como um todo compreenda os riscos da comercialização indiscriminada de dados pessoais.

Por fim, a questão levanta um debate mais amplo sobre o futuro da inteligência artificial: queremos viver em uma sociedade onde nossas comunicações mais íntimas possam ser usadas para treinar máquinas sem nosso consentimento? Ou devemos estabelecer limites éticos e legais que garantam que a tecnologia sirva ao ser humano, e não o contrário? A resposta a essas perguntas definirá não apenas o futuro da IA, mas também o tipo de sociedade que estamos construindo.

Em um cenário ideal, empresas de IA e startups fechadas colaborariam para garantir que dados sensíveis fossem destruídos ou anonimizados de forma irreversível, em vez de serem comercializados. Isso não apenas protegeria a privacidade dos funcionários, mas também reforçaria a confiança no setor tecnológico como um todo. Afinal, a inovação não deve vir às custas da dignidade humana.

A discussão também deve incluir os próprios funcionários, que muitas vezes não têm ideia dos riscos a que estão expostos. Empresas poderiam implementar políticas claras sobre o uso de dados de comunicações internas, informando colaboradores desde o início sobre como suas mensagens poderiam ser utilizadas no futuro. Essa transparência não apenas cumpre a legislação, mas também fortalece a relação de confiança entre empresa e funcionário.

Além disso, é crucial que as empresas de IA assumam um papel ativo na promoção de práticas éticas. Isso inclui não apenas evitar a aquisição de dados de origem duvidosa, mas também investir em pesquisas que desenvolvam métodos de treinamento mais seguros e privados. A tecnologia deve ser uma ferramenta de progresso, não de opressão.

Por fim, cabe aos consumidores e usuários finais exigirem mais responsabilidade das empresas de tecnologia. Ao escolher produtos e serviços que respeitam a privacidade, as pessoas podem influenciar o mercado a priorizar valores éticos em vez de lucro imediato. Afinal, a verdadeira inovação não é aquela que ignora os direitos fundamentais, mas sim aquela que os incorpora desde a sua concepção.

O caso das startups que vendem chats antigos para treinar IA é apenas mais um exemplo de como a tecnologia pode ser mal utilizada quando não há supervisão adequada. Cabe a todos nós – empresas, governos, sociedade civil e usuários – garantir que a inteligência artificial seja desenvolvida de forma responsável, transparente e alinhada aos valores humanos. Caso contrário, o futuro da IA pode ser tão sombrio quanto os dados que a treinam.