Os debates sobre privacidade na área de inteligência artificial se intensificaram após o Google e a Meta demonstrarem como os dados dos usuários podem ser aplicados para aperfeiçoar modelos de IA. Agora, o problema vai além das simples pesquisas; as empresas que desenvolvem IA estão demonstrando um interesse crescente nos dados gerados pelos usuários ao interagir com seus serviços, incluindo chats, fotos, gravações de voz, documentos e atividade de pesquisa.
O Google começou a implementar novas configurações do Histórico de Serviços de Pesquisa em 26 de maio, separando o gerenciamento da atividade de pesquisa das configurações mais antigas de Atividade na Web e em Apps. De acordo com este novo sistema, imagens, áudios, vídeos e arquivos usados em serviços como Pesquisa, Maps, Tradutor, Notícias e Lens podem ser armazenados e potencialmente usados para melhorar os sistemas de IA, a menos que o usuário desative a opção correspondente. O Google informou que este processo de implementação continuará nos próximos meses.
Na primeira semana de julho de 2026, as ferramentas de IA da Meta chamaram a atenção. A empresa expandiu seus recursos, incluindo o Muse Image, capaz de criar imagens geradas por IA usando fotos públicas adequadas do Instagram, caso os usuários não recusem isso.
O Google defende essas mudanças, afirmando que elas dão aos usuários «mais controle» sobre as configurações de personalização e histórico de pesquisa. A empresa enfatizou que os usuários podem desativar completamente o Histórico de Serviços de Pesquisa ou escolher se desejam salvar imagens, arquivos e gravações de áudio. Em um documento oficial de suporte, o Google declarou: «Levamos a sua privacidade muito a sério e estamos a tomar medidas para a proteger ao usar os seus dados do Histórico de Serviços de Pesquisa para treinar os nossos modelos de IA».
A Meta, por sua vez, afirma que seus recursos de IA são destinados a ajudar os usuários a criar e editar imagens, e que as pessoas podem gerenciar as configurações de IA correspondentes através das ferramentas de gerenciamento de privacidade disponíveis em suas plataformas. A Meta comunicou: «Em qualquer momento você pode desativar ou permitir a reutilização para Reels, vídeos no feed e fotos em toda a sua conta».
Um problema mais amplo não afeta apenas o Google e a Meta. O ChatGPT da OpenAI permite que muitos diálogos de contas de consumidores sejam usados para melhorar o modelo, a menos que os usuários desativem as configurações de treinamento correspondentes. O Microsoft Copilot coleta dicas, documentos e dados de uso para melhorar os serviços, embora clientes comerciais recebam uma proteção mais forte. Além disso, o Claude da Anthropic e o Grok da xAI também podem usar algumas interações e uploads de consumidores para melhorar os modelos, dependendo de suas configurações de privacidade e opções de recusa.
Pagar pelo serviço nem sempre garante que os dados não serão usados. As assinaturas para consumidores fornecem principalmente recursos adicionais e limites de uso mais altos. As restrições mais rigorosas são geralmente previstas nos planos corporativos, educacionais e comerciais, onde os provedores assumem obrigações contratuais de não treinar modelos com dados de clientes.
Especialistas em privacidade aconselham os usuários preocupados com o treinamento de IA a verificar suas configurações, em vez de confiar nas configurações padrão. Nos serviços do Google, isso significa verificar as configurações do Histórico de Serviços de Pesquisa, Atividade na Web e em Apps, bem como as configurações de exclusão automática. Usuários do ChatGPT podem desativar o «Histórico de conversas e treinamento» se não quiserem que suas conversas sejam usadas para melhorar o modelo. Os usuários da Meta devem verificar as configurações de privacidade do Instagram e Meta AI e recusar os recursos de IA que usam fotos públicas, quando possível. Os usuários do Claude podem verificar os controles de dados nas configurações e desativar a participação na melhoria do modelo, se tal opção for oferecida, e os usuários do Grok devem revisar as configurações de privacidade no X e evitar compartilhar informações pessoais confidenciais.
Ao enviar currículos e adaptar documentos para diferentes oportunidades, os candidatos podem notar que as respostas recebidas são frequentemente parecidas. Uma investigação conduzida pela Universidade Stanford sugere que essa semelhança pode não ser coincidência.
Os pesquisadores analisaram milhões de inscrições e concluíram que diversas companhias podem empregar sistemas de inteligência artificial que replicam os mesmos critérios de aceitação e descarte. A pesquisa, intitulada Algorithmic Monocultures in Hiring, examinou cerca de 4 milhões de candidaturas submetidas por mais de 3,4 milhões de indivíduos a 156 empresas pertencentes a 11 setores econômicos.
Um fator crucial identificado foi que todas essas organizações estavam utilizando algoritmos fornecidos pelo mesmo provedor. Este detalhe possibilitou a identificação do fenômeno denominado 'monocultura algorítmica', termo inspirado na agricultura, onde vastas extensões são dedicadas a um único tipo de cultivo. Quando muitas empresas adotam ferramentas similares, aumenta a probabilidade de que avaliem os postulantes seguindo essencialmente a mesma lógica, o que se aplica tanto aos acertos quanto às falhas inerentes aos modelos.
Outra descoberta relevante diz respeito aos perfis de candidatos parecidos. Conforme o estudo, indivíduos com características análogas tendem a receber avaliações consistentes, mesmo concorrendo a vagas em corporações distintas. Os resultados primários revelam que aproximadamente 10% dos candidatos que participam de quatro processos seletivos são rejeitados em todos eles. Adicionalmente, cerca de 4% daqueles que se inscrevem em dez vagas sofrem dez rejeições consecutivas.
As recusas ocorrem com uma frequência superior àquela esperada em decisões tomadas de forma independente. É notável que muitos currículos são eliminados antes mesmo de serem examinados por um recrutador humano. Para confirmar se este comportamento era aleatório, os pesquisadores compararam os dados com uma linha de base teórica e estudos prévios sobre recrutamento sem centralização algorítmica, demonstrando que as negativas sucessivas refletem um padrão comum entre os diferentes processos seletivos.
De acordo com as simulações realizadas, continuar enviando currículos ainda é vantajoso. O estudo aponta que elevar o volume de candidaturas melhora as chances de obter uma oportunidade, embora este benefício diminua quando as empresas utilizam sistemas idênticos. Em um cenário onde as decisões são autônomas, cerca de dez candidaturas seriam suficientes para atingir uma alta probabilidade de receber pelo menos uma recomendação positiva. Contudo, quando os processos são mediados por plataformas centralizadas, esse número sobe para aproximadamente 25 candidaturas para garantir uma probabilidade de 99,9%.
Os autores também emitiram um alerta sobre a concentração do mercado de tecnologia voltado ao recrutamento. Visto que poucos fornecedores atendem a muitas empresas, quaisquer vieses ou limitações existentes podem se disseminar rapidamente. Ademais, a pouca transparência dessas plataformas dificulta a realização de pesquisas independentes e complica a compreensão de como tais ferramentas impactam o acesso ao emprego, sendo que, para muitos candidatos, todo esse processo ocorre sem que tenham ciência de que um algoritmo realizou a primeira análise do currículo.
