Por que os dados de treinamento não carregam nenhum registro legível por máquina sobre se alguém consentiu?
Oportunidade
A questão jurídica sobre se o treinamento de IA exige consentimento está em grande parte definida: tribunais e reguladores afirmam que isso importa. A questão prática de como um sinal de consentimento acompanha um trecho de texto ao longo das etapas de rastreamento, deduplicação, filtragem e combinação de um pipeline de dados não tem resposta. O robots.txt é binário e grosseiro, aplica-se a crawlers e não a treinadores, e é rotineiramente ignorado por pipelines de código fechado. A opção de exclusão de TDM da UE prevista no Artigo 4 da Diretiva DSM não possui um formato padrão legível por máquina que um pipeline possa verificar no nível do item. A auditoria da Data Provenance Initiative de 2025 encontrou sinais de consentimento generalizadamente ausentes e ambíguos nos principais conjuntos de dados de treinamento, o que significa que até mesmo um desenvolvedor que deseja respeitar o consentimento não consegue fazê-lo tecnicamente, pois o registro não está vinculado aos dados.
Por que importa
Um sinal de consentimento legível por máquina por item é o primitivo que permite que a regulamentação se traduza em prática de engenharia ao longo de todo o pipeline de treinamento de IA.
Como avalio a oportunidade
A Pontuação de Oportunidade é minha própria leitura, não uma medição: o quanto dói, com que frequência aparece e o quanto pouco existe para resolvê-lo hoje. Quanto maior, mais vale a pena construir, na minha opinião.
O quanto de dor causa quando aparece.
Com que frequência as pessoas realmente se deparam com isso.
O quanto pouco de boas ferramentas existe para isso hoje.
Mais problemas que merecem ser resolvidos
Por que todo aplicativo de IA me esquece no momento em que fecho a aba?
AIPor que aprender uma nova área ainda depende de saber o que perguntar?
AIPor que uma pessoa sem especialização não consegue verificar o que uma IA acabou de dizer?
AIPor que testamos modelos em benchmarks mas os lançamos em produção no achismo?
AIPor que agentes de IA não têm memória dos próprios erros?
AIPor que não consigo auditar em que um modelo foi realmente treinado?