O Google atualizou silenciosamente as definições de privacidade em seus serviços de busca, abrindo caminho para que dados de usuários alimentem o treinamento de modelos de inteligência artificial generativa. Essa mudança afeta serviços como Search, Maps, Shopping, Flights, Hotels, Translate e News, permitindo que o histórico de navegação, sites visitados e arquivos enviados sejam usados sem consentimento explícito adicional. Ao mesmo tempo, a CISA, agência americana de cibersegurança, já recorre ao modelo Mythos da Anthropic para auditar códigos de sistemas governamentais em busca de brechas que poderiam ser exploradas por atores mal-intencionados. O contraste entre essas duas frentes coloca em evidência o eterno dilema entre facilitar o progresso tecnológico e proteger a privacidade das pessoas comuns que dependem dessas ferramentas no dia a dia.
Da privacidade dos dados à alimentação de modelos de IA
O que antes era tratado como informação isolada de buscas ou localizações agora pode servir como combustível para aprimorar sistemas de IA generativa, uma tecnologia que cria textos, imagens e respostas a partir de padrões aprendidos em volumes massivos de dados. O Google excluiu explicitamente o Google Photos dessa nova política, mas manteve a possibilidade de uso de imagens, arquivos de áudio e vídeo enviados via outros serviços de busca. Os controles para recusar essa utilização estão disponíveis de forma hierárquica: a opção Save Media funciona como um controle secundário dentro do Search Services History, ambos acessíveis pela página myactivity.google.com. Essa estrutura permite que o usuário decida com mais granularidade o que compartilha, algo que contrasta com abordagens de outras empresas como OpenAI, que mantém a opção ativada por padrão, ou Anthropic, que exige consentimento explícito em cada caso.
Para quem se preocupa com o destino de seus dados pessoais ao longo do tempo, o Google oferece ainda períodos automáticos de exclusão que variam entre três, dezoito ou trinta e seis meses, reduzindo o acúmulo de informações históricas que poderiam ser processadas, embora dados já processados pelo pipeline de inteligência artificial possam ser retidos de forma anonimizada por até quatro anos após a exclusão do registro original. Essa flexibilidade representa uma evolução nas políticas de privacidade, mas exige que o usuário busque ativamente as configurações, em vez de receber uma notificação clara no momento em que a mudança entra em vigor. Ao desativar essas opções, a pessoa impede que seu comportamento de busca e uploads alimentem futuros treinamentos, preservando um grau maior de controle sobre como suas interações digitais são reutilizadas.
O outro lado da moeda: IA a serviço da segurança governamental
Enquanto usuários comuns ganham ferramentas para limitar o uso de seus dados, agências federais americanas avançam na aplicação de modelos avançados de IA para proteger infraestruturas críticas. A CISA, por meio de sua equipe Attack Surface Evaluation, emprega o Mythos da Anthropic para analisar repositórios de código governamental e identificar vulnerabilidades que poderiam ser exploradas por espiões ou criminosos cibernéticos. Relatórios indicam que essas auditorias já revelaram diversas falhas em sistemas que processam informações sensíveis, demonstrando a capacidade do modelo em detectar padrões de risco que passariam despercebidos em revisões manuais tradicionais.
O uso do Mythos ocorre apesar de restrições anteriores impostas à Anthropic em agências federais, incluindo relatos de blacklist e ordens executivas que limitavam o emprego de suas tecnologias em contextos militares ou de segurança irrestrita. Mesmo assim, fontes confirmam que o modelo vem sendo aplicado desde abril em pelo menos uma agência adicional, a NSA, o que evidencia como ferramentas de IA capazes de encontrar vulnerabilidades em código são consideradas valiosas demais para serem descartadas por completo. Essa realidade reforça a tensão histórica entre o desejo de regular o uso militar de IA e a necessidade prática de defender redes públicas contra ameaças cada vez mais sofisticadas.
Como as escolhas de hoje ecoam o passado das infraestruturas digitais
Olhando para trás, vemos que sistemas legados como mainframes e linguagens de décadas passadas continuam sustentando operações críticas em bancos e órgãos públicos, processando milhões de transações diárias com confiabilidade que modelos novos ainda buscam igualar. Da mesma forma, a decisão do Google de permitir o treinamento de IA com dados de usuários e a adoção governamental do Mythos representam capítulos recentes nessa longa história de equilíbrio entre inovação e proteção. Quem administra dados sensíveis sabe que cada nova camada de tecnologia traz tanto oportunidades de eficiência quanto riscos de exposição indesejada, e as configurações de opt-out surgem como uma resposta tardia, porém necessária, para devolver algum controle ao cidadão comum.
Essa narrativa não é apenas sobre botões de configuração ou auditorias técnicas. Ela reflete o modo como sociedades modernas decidem quem pode acessar e reutilizar o rastro digital deixado por bilhões de interações cotidianas, desde uma consulta simples sobre rotas de voo até o upload de documentos em serviços de tradução. A capacidade de recusar o uso desses dados para treinar IA oferece um instrumento prático, mas seu impacto real depende de que as pessoas saibam onde encontrar e ativar esses controles antes que os modelos aprendam padrões indesejados.