Uma disputa entre um matemático da Universidade de Nova York e a OpenAI, envolvendo um dos sete problemas matemáticos mais difíceis já formulados, reacendeu uma pergunta desconfortável para qualquer pessoa que já digitou uma ideia original em um chatbot: para onde vai essa ideia depois que sai da tela?
Na terça-feira (8), a OpenAI anunciou que uma versão interna e ainda não lançada de sua tecnologia havia resolvido o problema de existência e suavidade de Navier-Stokes, um dos sete Problemas do Milênio listados pelo Clay Mathematics Institute, com prêmio de US$ 1 milhão para quem o solucionasse1. No dia anterior, o professor Tristan Buckmaster, da NYU, havia publicado sua própria prova parcial do problema, construída ao longo de quase um ano em parceria com o matemático Levent Alpöge, que trabalha na Anthropic, concorrente direta da OpenAI2.
O choque de datas não foi coincidência. Buckmaster afirmou publicamente ter descoberto, dias antes do anúncio, que informações sobre o andamento de sua pesquisa haviam chegado à OpenAI, e que a empresa passou a adotar método muito parecido com o da dupla para fechar a prova completa2,3. Segundo o relato do professor, um pesquisador da OpenAI chegou a propor que ele publicasse os resultados atribuindo o crédito também à empresa, e sem o nome de Alpöge no artigo, justamente por sua ligação com a Anthropic4.
O problema que motivou o alerta
A OpenAI negou publicamente qualquer apropriação indevida. Em entrevista coletiva, executivos da empresa afirmaram que o modelo interno, mais avançado que o sistema Astra lançado dias antes, chegou à solução de forma independente, usando cerca de 10 mil agentes de IA trabalhando em paralelo por quase 90 horas, a um custo estimado em milhões de dólares em capacidade computacional1,5,6. A empresa disse ainda que não pretende reivindicar o prêmio de US$ 1 milhão5.
Questionada diretamente se o modelo teria sido treinado ou tido acesso às sessões de trabalho de Buckmaster na ferramenta Codex, a OpenAI deu duas respostas diferentes em momentos distintos. Primeiro, admitiu que, embora improvável, não poderia descartar totalmente que dados desidentificados do uso da plataforma pelo professor tivessem contribuído para aprimorar seus modelos. Depois, mudou de tom e afirmou categoricamente ser impossível que os prompts de Buckmaster nos últimos dois meses tivessem influenciado o sistema de qualquer forma7.
Contraponto
Para pesquisadores como Sanjeev Arora, da Universidade de Princeton, o episódio é sintoma de um problema estrutural, não de má-fé isolada: modelos atuais operam com trilhões de parâmetros, e não existe hoje uma forma de rastrear, dentro desse emaranhado, exatamente qual dado levou a IA a uma determinada resposta7. Arora pondera, porém, que a própria discussão pode perder relevância em pouco tempo, à medida que os modelos passem a superar com folga a capacidade humana nessas áreas, tornando o debate sobre autoria menos central7.
Como uma ideia pode atravessar de um usuário para outro
O caso Buckmaster chama atenção porque envolve um problema matemático raro e muito específico, mas o mecanismo de fundo vale para qualquer pessoa que use ferramentas de IA generativa no dia a dia. Informações digitadas em um chatbot hoje podem, dias, meses ou anos depois, reaparecer de alguma forma em uma versão futura daquele mesmo modelo7.
Oren Etzioni, professor da Universidade de Washington e ex-CEO fundador do Allen Institute for Artificial Intelligence, resume o risco de forma direta: segundo ele, não se pode presumir que uma ideia seja apenas mais um dado perdido em meio a um volume enorme de informação processada pelo modelo7. Etzioni observa ainda que, quanto mais rara e específica for a informação, maior a chance de que ela deixe uma marca perceptível no comportamento futuro do sistema, ao contrário de temas amplamente documentados na internet, onde uma contribuição individual se dilui7.
A OpenAI e concorrentes como Anthropic, Google e Meta oferecem, hoje, mecanismos para que o usuário impeça que suas conversas alimentem versões futuras dos modelos. No ChatGPT, existe uma chave de configuração para desativar o compartilhamento de dados para aprimoramento do modelo7. Empresas, universidades e centros de pesquisa costumam negociar contratos específicos que excluem seus dados desse uso, como é o caso de pesquisadores de Stanford que utilizam uma versão da ferramenta da OpenAI reservada à comunidade acadêmica da universidade, sem aproveitamento para treinamento7.
O que isso significa para quem usa IA no Brasil
No Brasil, a discussão não é apenas teórica. A Autoridade Nacional de Proteção de Dados (ANPD) colocou inteligência artificial como um dos quatro eixos prioritários de fiscalização para o biênio 2026-2027, com foco declarado em treinamento de modelos generativos e uso de dados pessoais por grandes plataformas8. O órgão já aplicou multas a empresas por uso indevido de dados no treinamento de sistemas de IA, incluindo casos que resultaram em suspensão de coleta e sanções diárias9.
Tramita no Congresso o PL 2338/2023, que cria um marco legal específico para IA no país, com obrigações proporcionais ao nível de risco de cada sistema10. Um projeto mais recente, o PL 2775/24, propõe alterar diretamente a Lei Geral de Proteção de Dados para exigir consentimento prévio e expresso do titular antes de qualquer uso de seus dados em treinamento de IA, além de proibir o uso de dados de menores de 16 anos para essa finalidade11.
Os números mostram que a fiscalização já saiu do papel. No primeiro semestre de 2026, a ANPD concluiu mais de 120 processos sancionadores, alta de 280% em relação a 2025, com arrecadação de multas superior a R$ 85 milhões, contra R$ 14 milhões em todo o ano anterior12. As penalidades podem chegar a 2% do faturamento da empresa infratora, com teto de R$ 100 milhões por infração12.
Como proteger suas ideias ao usar ferramentas de IA
Especialistas em privacidade digital recomendam alguns cuidados práticos para quem usa chatbots de forma profissional ou para desenvolver projetos originais. O primeiro passo é verificar, nas configurações de conta, se há opção de impedir o uso das conversas para treinamento de modelos futuros, recurso hoje disponível tanto no ChatGPT quanto no Claude, da Anthropic7,13.
No caso do Claude, a Anthropic passou, desde 2025, a adotar um sistema de opt-in para contas de uso pessoal: por padrão, novas conversas não são usadas para treinar modelos, a menos que o usuário autorize expressamente. Quem autoriza tem seus dados retidos por até cinco anos para fins de aprimoramento; quem não autoriza permanece no regime padrão de retenção de 30 dias13. Já em contas comerciais, como Claude for Work e uso via API, a política padrão é não utilizar entradas e saídas para treinamento, independentemente de configuração adicional14.
Para negócios e centros de pesquisa que lidam com informações estratégicas, a recomendação mais consistente entre especialistas é formalizar, por contrato, cláusulas de retenção zero ou de exclusão do uso de dados para treinamento, prática já comum em parcerias entre universidades e grandes desenvolvedoras de IA7.
Perguntas frequentes
Uma ideia digitada em um chatbot pode realmente aparecer na resposta dada a outra pessoa?
Segundo especialistas ouvidos pelo New York Times, isso é tecnicamente possível quando a conversa é usada para treinar versões futuras do modelo, sobretudo em temas raros e pouco documentados, nos quais uma única contribuição tem mais peso relativo do que em assuntos amplamente disponíveis na internet.
A OpenAI confirmou ter usado a pesquisa do professor Tristan Buckmaster?
Não. A empresa afirmou categoricamente que os prompts de Buckmaster nos dois meses anteriores ao anúncio não poderiam ter influenciado o sistema de nenhuma forma, após uma primeira declaração mais cautelosa que não descartava totalmente a hipótese.
Como desativar o uso das minhas conversas para treinamento de IA?
Nas plataformas de consumidor, como ChatGPT e Claude, existe uma configuração de conta específica para isso. Em contas comerciais e de API, a maioria das empresas já adota como padrão não usar os dados para treinamento, salvo autorização explícita do cliente.
A legislação brasileira já trata desse tema?
A LGPD já se aplica ao treinamento de modelos de IA com dados pessoais, e a ANPD elegeu o tema como prioridade de fiscalização para 2026-2027. Um projeto de lei em tramitação, o PL 2775/24, propõe exigir consentimento explícito antes de qualquer uso de dados pessoais para essa finalidade.
Referências
- The New York Times, "Could Your Chatbot Be Stealing Ideas From You? It's a Thorny Question." Acessar reportagem
- ABC News, "Controversy erupts as OpenAI claims solution to Navier Stokes maths problem"
- Scientific American, "OpenAI claims blockbuster math breakthrough amid swirl of controversy"
- Fortune, "OpenAI says it cracked Navier-Stokes, one of math's grand challenges"
- TechCrunch, "OpenAI fought dirty on career-making math problem, says NYU mathematician"
- Axios, "OpenAI's historic math solution overshadowed by credit controversy"
- The New York Times, matéria citada na referência 1
- Confidata, "ANPD e Regulação de IA no Brasil: Guia 2026-2027"
- Confidata, "IA e LGPD: como usar inteligência artificial sem violar a privacidade"
- Mind Group, "LGPD e Inteligência Artificial em 2026: O Que Muda Para Empresas"
- OpenClaw Brasil, "ANPD e IA: Fiscalização de Dados Pessoais em 2026"
- Mind Group, dados de fiscalização e sanções da ANPD em 2026, referência 10
- Consumidor Moderno, "Anthropic dá escolha sobre uso de dados no Claude ao usuário"
- Privacy Center da Anthropic, artigo sobre uso de dados para treinamento em produtos comerciais