Proveniência de Dados

Proveniência de Dados

A Polar se compromete com a transparência sobre as práticas de coleta e tratamento de dados utilizados no treinamento dos modelos Urso. Este documento detalha a conformidade legal, o pipeline de filtragem e os mecanismos de opt-out.

Conformidade Legal

PL 2338/2023 (Marco Legal da IA)

Os modelos Urso foram desenvolvidos em conformidade com o Projeto de Lei 2338/2023 (Marco Legal da Inteligência Artificial no Brasil):

• Transparência: Documentação pública sobre práticas de dados e metodologia
• Não discriminação: Avaliação contínua de vieses nos dados e nos modelos
• Segurança: Pipeline robusto de filtragem e descontaminação de dados
• Responsabilidade: Canais claros de reporte e mecanismos de correção
• Privacidade: Conformidade com a LGPD em todas as etapas

LGPD (Lei Geral de Proteção de Dados)

O pipeline de dados da Polar está em conformidade com a LGPD (Lei 13.709/2018):

• Dados pessoais são detectados e removidos durante a filtragem
• PII (informações pessoalmente identificáveis) é anonimizada
• Nenhum dado pessoal de usuários é utilizado para treinamento
• Base legal: interesse legítimo para fins de pesquisa e desenvolvimento de IA

Lei 9.610/1998 (Direitos Autorais)

• Dados governamentais e legais são exclusivamente de domínio público, conforme Art. 8, IV da Lei 9.610/98 (atos oficiais não possuem proteção autoral)
• Código-fonte utilizado é filtrado exclusivamente por licenças permissivas (MIT, Apache 2.0, BSD, ISC)

Categorias de Dados

Os modelos são treinados com dados de múltiplas categorias:

Pipeline de Filtragem

Os dados passam por um pipeline rigoroso antes do treinamento:

1. Filtragem por Qualidade

• Score de qualidade educacional para remoção de conteúdo de baixa qualidade
• Remoção de spam, texto gerado automaticamente e boilerplate
• Detecção de idioma para distribuição correta

2. Filtragem de Toxicidade

• Classificador de toxicidade para conteúdo prejudicial
• Remoção de discurso de ódio, conteúdo sexual explícito e violência
• Filtragem de desinformação

3. Deduplicação

• Deduplicação exata e aproximada
• Redução de memorização de dados específicos

4. Descontaminação

• Remoção de sobreposição com benchmarks de avaliação (ENEM, OAB, MMLU, BLUEX, etc.)
• Verificação de integridade dos resultados de avaliação

5. Privacidade

• Detecção e remoção de PII (CPF, RG, endereços, telefones, emails)
• Anonimização de dados sensíveis
• Conformidade com LGPD

6. Dados de Clientes

Dados de clientes nunca são utilizados para treinamento. Conversas, prompts e arquivos enviados pelos usuários não são coletados, armazenados ou utilizados para treinar modelos sob nenhuma circunstância.

Mecanismo de Opt-out

A Polar respeita o direito de criadores de conteúdo de solicitar a remoção de seus dados do treinamento de modelos futuros.

Como solicitar opt-out

Envie um email para dados@polar.com.br com:

1. Identificação do conteúdo (URLs, nomes de domínio, ou descrição)
2. Comprovação de titularidade do conteúdo
3. Tipo de solicitação (remoção de dados futuros ou verificação de presença)

Prazo de atendimento

• Confirmação de recebimento: até 5 dias úteis
• Análise e resposta: até 15 dias úteis
• Implementação em modelos futuros: próximo ciclo de treinamento

Contato

Atualizações

Este documento é atualizado a cada ciclo de treinamento ou quando há mudanças significativas. Última atualização: Março 2026.