O que mudou

O governo da Nova Zelândia apresentou em 24 de agosto um projeto para impedir que menores de 16 anos usem redes sociais. A obrigação recairia sobre as plataformas, que teriam de tomar medidas razoáveis para confirmar a idade dos usuários; em caso de descumprimento, a proposta prevê multas de até 10% da receita global.

Isso ainda não é uma proibição em vigor. Parceiros da própria coalizão governista anunciaram oposição, por isso a aprovação parlamentar permanece incerta. Mesmo assim, o projeto torna mais concreto um debate que já atravessa vários países: não basta declarar que um serviço tem idade mínima se ninguém consegue aplicar a regra de modo confiável.

Verificação de idade é o processo de estimar ou comprovar se alguém está acima de uma faixa etária. Ela pode usar informações já existentes na conta, uma identidade digital, um documento formal ou uma estimativa facial. Cada alternativa reduz alguns riscos, mas pode criar outros, especialmente quando dados sensíveis ficam armazenados por tempo demais ou são reutilizados para publicidade e perfilamento.

Por que isso importa

A intenção de proteger crianças é clara, mas a porta de entrada afeta todos. Para separar menores e adultos, uma plataforma pode acabar pedindo informações adicionais a milhões de pessoas, inclusive a quem nunca precisou apresentar um documento para conversar, aprender ou criar online. O desafio é confirmar apenas o necessário sem construir um cadastro mais invasivo do que o problema que se quer resolver.

Imagine uma adolescente classificada por engano como adulta, ou um adulto bloqueado porque uma estimativa facial falhou. Sem um caminho simples de revisão, a tecnologia troca um risco por outro. E, se cópias de documentos ou imagens do rosto forem centralizadas, um incidente de segurança passa a ter consequências muito maiores.

O melhor desenho separa comprovação de identidade de comprovação de faixa etária. As diretrizes de identidade digital do NIST usam justamente esse exemplo: em muitos casos, o serviço precisa saber apenas se a pessoa está acima ou abaixo de um limite, e não sua data exata de nascimento. Essa diferença parece pequena, mas muda a quantidade de dados expostos e o dano possível quando algo falha.

O Brasil já enfrenta a mesma escolha

No Brasil, o ECA Digital está em vigor desde 17 de março de 2026. A lei exige mecanismos confiáveis para conteúdos restritos, prevê que os dados coletados para verificar idade sejam usados somente para esse fim e determina que contas de crianças e adolescentes de até 16 anos estejam vinculadas a um responsável legal. Também exige privacidade mais protetiva por padrão.

Em 21 de agosto, a ANPD começou a monitorar 22 agentes, entre redes sociais, aplicativos de mensagem em áreas públicas, lojas de aplicativos e ferramentas de inteligência artificial. A Agência quer verificar estruturas de governança, transparência, gestão de riscos, canais de denúncia e salvaguardas de proteção. Isso mostra que conformidade não será avaliada apenas pela existência de um botão: processos e resultados também precisam ser demonstrados.

É aqui que saneamento de dados deixa de ser uma tarefa de bastidor. Idades incompletas, contas duplicadas, vínculos familiares inconsistentes e históricos sem origem clara podem produzir bloqueios indevidos ou liberar acessos que deveriam ser restritos. Antes de automatizar uma decisão, a organização precisa saber quais dados possui, de onde vieram, por quanto tempo devem existir e quem pode corrigi-los.

O que empresas podem aprender

A resposta não pertence somente à equipe jurídica ou à segurança. Produto, dados, experiência do usuário, atendimento e operação precisam definir juntos como a proteção funciona, como erros são contestados e quais evidências ficam disponíveis para auditoria. Uma Célula de Tecnologia pode reunir essas competências em torno de um fluxo completo, do cadastro à revisão humana.

O princípio mais útil é simples: proteção infantil e privacidade devem avançar juntas. A solução mais sofisticada não é a que coleta mais sinais, mas a que cumpre a finalidade com menos exposição, mede erros e permite correção.

• Mapear onde menores podem acessar o serviço e quais riscos concretos existem em cada jornada.
• Coletar o mínimo necessário e impedir o reaproveitamento da verificação para publicidade ou perfilamento.
• Testar falsos positivos e falsos negativos em diferentes públicos, dispositivos e condições de uso.
• Oferecer revisão acessível para usuários e responsáveis, com prazos e responsabilidades definidos.
• Auditar fornecedores de verificação e eliminar evidências sensíveis quando a finalidade terminar.

O debate saiu do software e chegou à infraestrutura

Em 24 de agosto, a Reuters registrou que a oposição política a data centers de inteligência artificial passou a influenciar também a percepção dos investidores sobre empresas de tecnologia. O movimento mostra que a expansão da IA já não é avaliada apenas pela capacidade dos modelos: a disponibilidade de energia, a infraestrutura de rede e a relação com as comunidades entraram na decisão.

No Texas, o governo estadual determinou em 3 de agosto uma auditoria dos projetos que aguardam conexão à rede. O comunicado oficial informa que a fila considerada pelo ERCOT superava 474 gigawatts, mais de cinco vezes o recorde de demanda do sistema. Esse volume representa pedidos em análise, e não consumo já contratado, mas revela a escala do desafio de separar projetos viáveis de intenções ainda sem comprovação.

Energia, água e custos passaram a fazer parte do produto

As regras anunciadas pelo Texas exigem que novos data centers demonstrem capacidade de atender às condições de conexão, protejam a confiabilidade da rede e não transfiram aos moradores os custos da infraestrutura necessária. O governo também incluiu conservação de água, ruído e impacto sobre os bairros entre os critérios de avaliação.

A projeção preliminar do ERCOT aponta demanda total próxima de 367,8 gigawatts em 2032, diante de um pico histórico de 85,5 gigawatts registrado em 2023. A previsão inclui toda a expansão econômica do estado, não apenas data centers, mas ajuda a explicar por que grandes cargas precisam ser verificadas antes de entrar no planejamento.

Em escala nacional, a Agência Internacional de Energia estimou que data centers consumiram cerca de 180 terawatt-hora nos Estados Unidos em 2024 e que esse consumo poderá crescer aproximadamente 240 terawatt-hora até 2030. O avanço digital, portanto, depende de decisões físicas tomadas muito antes de uma pessoa abrir uma ferramenta de IA.

O que muda para empresas que usam inteligência artificial

Para a maioria das empresas, a conclusão não é construir uma usina ou interromper projetos de IA. É incorporar infraestrutura, custo e continuidade à análise de valor. Modelos maiores nem sempre são necessários para tarefas simples, e processos mal desenhados podem gastar mais capacidade sem entregar melhor resultado.

A escolha de fornecedores também ganha novas perguntas: onde o serviço opera, como lida com picos de demanda, quais compromissos assume sobre energia e água e como mantém disponibilidade quando a rede enfrenta restrições. Esses fatores deixam de ser apenas temas ambientais e passam a afetar preço, prazo, reputação e continuidade operacional.

Como crescer sem transformar escala em desperdício

Uma estratégia responsável conecta cada carga de IA a um resultado verificável e considera eficiência desde o desenho. O objetivo não é limitar inovação, mas garantir que capacidade escassa seja aplicada onde produz valor real.

• Usar o modelo adequado à complexidade da tarefa, em vez de adotar sempre a opção de maior porte.
• Medir custo, tempo, consumo e qualidade por processo automatizado.
• Planejar picos, contingência e continuidade antes de ampliar a carga.
• Exigir transparência dos fornecedores sobre localização, energia, água e disponibilidade.
• Revisar dados e fluxos para evitar reprocessamento, duplicidade e chamadas sem utilidade.

A inteligência artificial está deixando de ser apenas uma janela de conversa

Em 25 de agosto, o Google apresentou uma versão do Gemini Enterprise voltada ao trabalho jurídico. Segundo a Reuters, a plataforma reúne integrações com sistemas legais e agentes capazes de apoiar tarefas rotineiras e complexas, como pesquisa, elaboração de documentos e administração de processos.

O anúncio chama atenção porque mostra uma mudança mais ampla: a IA corporativa está saindo do uso isolado e entrando nos fluxos onde documentos, regras, pessoas e decisões já se encontram. Para empresas de qualquer setor, o valor deixa de estar apenas em gerar um texto rápido e passa a depender de como a ferramenta acessa informações, respeita permissões e entrega algo que possa ser verificado.

Velocidade sem contexto pode apenas produzir erros mais depressa

O Google afirma que a solução foi criada para trabalhar com dados e controles já usados por escritórios e departamentos jurídicos. Isso inclui permissões por usuário, isolamento de informações e referências rastreáveis. A proposta é importante porque documentos jurídicos não podem circular como conteúdo comum: um contrato, um processo ou uma estratégia pode conter dados confidenciais e obrigações específicas.

A American Bar Association lembra que profissionais precisam compreender as limitações da IA, proteger informações de clientes e revisar análises e citações antes de usar o resultado. A orientação reforça um princípio que vale também para finanças, saúde, recursos humanos e operações: automatizar não transfere a responsabilidade pela decisão.

O que essa mudança ensina a outras empresas

O setor jurídico funciona como um teste exigente para a adoção empresarial de IA. Se a tecnologia precisa respeitar sigilo, histórico, regras e responsabilidade profissional nesse ambiente, os mesmos cuidados ajudam qualquer organização que lide com dados relevantes.

Antes de conectar um agente a contratos, e-mails, cadastros ou sistemas internos, é necessário definir quem pode acessar cada informação, quais fontes são confiáveis, quais ações exigem aprovação e como cada resultado será registrado. Sem essa base, a empresa pode ganhar velocidade na tarefa e perder confiança no processo.

• Começar por tarefas delimitadas, com benefício e risco claramente identificados.
• Conectar a IA somente a fontes organizadas, atuais e autorizadas.
• Manter revisão humana nas decisões com impacto jurídico, financeiro ou operacional.
• Registrar fontes, versões e aprovações para permitir auditoria.
• Medir qualidade e redução de retrabalho, não apenas quantidade de respostas.

A vantagem não está em substituir especialistas

A oportunidade mais consistente é liberar profissionais de buscas repetitivas, comparação de documentos e preparação inicial para que dediquem mais tempo a interpretação, negociação e decisão. A IA pode ampliar capacidade, mas o conhecimento do negócio continua definindo o que é correto, relevante e aceitável.

Empresas que tratam a adoção como projeto de dados e governança, e não apenas como compra de uma ferramenta, tendem a construir resultados mais seguros. O diferencial será combinar rapidez com contexto, rastreabilidade e responsabilidade humana.