A Apple passou a limitar o uso do ChatGPT por funcionários em atividades de trabalho, com foco em reduzir o risco de vazamento de informações internas e de propriedade intelectual. A decisão se alinha a um movimento mais amplo de empresas que reforçaram regras de uso de ferramentas de IA generativa dentro do ambiente corporativo. Segundo o Wall Street Journal, a medida faz parte de uma estratégia de segurança mais rígida.
O que a restrição muda no dia a dia
A restrição ao ChatGPT não é, necessariamente, uma “proibição total” para qualquer uso, e sim um controle de como e onde a ferramenta pode ser usada dentro da empresa. O ponto central costuma ser simples, evitar que colaboradores colem em chats públicos trechos de código, documentos, planos de produto, contratos, dados de clientes ou qualquer conteúdo que a empresa trate como confidencial.
Na prática, o recado é o mesmo que já apareceu em outros casos do setor, com empresas preocupadas com vazamentos e exposição acidental de dados. A Apple, neste contexto, se junta a outras empresas que estão preocupadas com vazamentos, criando regras internas para reduzir superfícies de risco.
O ChatGPT é um sistema de IA generativa baseado na família de modelos GPT, conhecido por produzir textos muito convincentes e por acelerar tarefas como rascunhos, revisão, resumo e apoio a programação. O mesmo poder que ajuda a ganhar produtividade também aumenta o impacto de um uso descuidado.
Os riscos que mais pesam na decisão
Um dos gatilhos para o endurecimento de políticas é o uso de IA para produzir conteúdo enganoso com aparência real. Isso inclui deepfakes, que podem simular falas e vídeos, e desinformação em escala, que se espalha rápido porque o texto “soa humano” e persuasivo.
Há também o lado do crime digital. Modelos de linguagem podem facilitar phishing, com mensagens mais bem escritas e adaptadas a cada vítima, e apoiar golpes que exploram engenharia social. O risco não é só “o que a ferramenta responde”, mas como pessoas mal-intencionadas usam essa capacidade para aumentar conversão e credibilidade de ataques.
Outro problema estrutural é que modelos de linguagem são treinados com grandes volumes de texto, o que pode carregar vieses e conteúdo problemático presentes nos dados. Quando esses padrões aparecem nas respostas, podem reforçar distorções em decisões e processos, com impacto potencial em áreas sensíveis como contratação, crédito e justiça.
Por isso, cresce a pressão por soluções mais auditáveis e por governança, com controles de uso, rastreabilidade e correções de vieses. Paralelamente, governos e entidades do setor discutem padrões e diretrizes para equilibrar inovação com responsabilidade, inclusive em campos como jornalismo e publicidade.
Regras práticas para usar IA sem se expor
Exemplo bem comum: um engenheiro pede ao chat para “otimizar este trecho” e cola um pedaço de código proprietário com comentários internos. Mesmo sem intenção, isso cria um risco de exposição de propriedade intelectual e de detalhes do produto que não deveriam sair do ambiente controlado.
Regra de decisão simples: se a informação não poderia aparecer amanhã na capa de um site, em um processo judicial ou na mesa de um concorrente, ela não deve entrar em um chat público. Quando o uso de IA é necessário, a saída costuma ser adotar ferramentas aprovadas pela empresa, com políticas claras de dados e controles de acesso.
Uma forma objetiva de organizar a decisão é pensar no “triângulo” Segurança, Velocidade e Diferenciação. Quanto mais o conteúdo envolve vantagem competitiva, dados sensíveis ou planos de produto, mais a empresa precisa puxar para Segurança, mesmo que isso reduza Velocidade. Para tarefas genéricas, como reescrever um e-mail sem detalhes internos, dá para privilegiar Velocidade com risco menor.
Boas práticas que costumam funcionar:
- Classificação do que é sensível, com exemplos do que nunca pode ser colado em ferramentas externas.
- Canal aprovado, definindo quais ferramentas podem ser usadas e por quais times.
- Treinamento curto e recorrente, mostrando casos reais de vazamento por descuido, não por má fé.
- Revisão humana, especialmente em textos que possam virar comunicação externa ou afetar decisões.
O resultado esperado desse tipo de política não é “matar a IA”, e sim evitar que produtividade vire risco operacional, reputacional e jurídico.