Webinar LGPD - Proteção de Dados nas Relações de Trabalho

[Música] Boa tarde, pessoal. Sejam todos bem-vindos ao nosso webinar. a gente vai começar aqui a apresentação para eh cumprir aí o nosso horário com vocês. Ã, esse é meu primeiro webinar aqui da ECOMP. Então, eh hoje a gente vai falar sobre proteção de dados nas relações de trabalho, né? Um tema que tá bem em alta. Eu sou a Caroline, trabalho aqui como consultora de marketing eh da ECOMPly e hoje a gente vai ter essa conversa super relevante, né, para quem atua com privacidade de dados, recursos humanos e conformidade. A nossa convidada especial é a Jéssica

Rocha, advogada snior de privacidade no Visu Advogados, especialista em LGPD e práticas de governança em dados. Para aqueles que ainda não conhecem, né, a empresa, a IC Comply é um software as a service, né, com sede Munique, na Alemanha, fundada em 2017. E desde 2020 A empresa está presente no Brasil, coincidindo aí com a LGPD. Nosso software é atualizado frequentemente, garantindo valor contínuo e serviço de excelência para os nossos clientes globalmente, né? Não só no Brasil, mas também na América do Sul, Europa, Ásia e África. Acomply automatiza e simplifica as tarefas diáreas de proteção de

dados, permitindo que você, sua equipe, seus clientes dediquem mais tempo às atividades, né, que exigem realmente um Toque humano, como consultoria, suporte, treinamento, pareceres legais e prospecção de novos clientes, deixando a burocracia, né, e a parte aí mais eh burocrática realmente com a empresa. Bom, então falando um pouquinho da nossa convidada, a Jéssica Rocha é advogada snior de privacidade e proteção de dados no Visu Advogados, como eu falei, bacharel e mestre em direito pela Universidade Federal de Minas Gerais, internacionalmente certificada como DPO Pela International Association of Privacy Professionals, especialista em Direito Digital do Trabalho, compliance

trabalhista e LGPD, também é autora de capítulos de livros jurídicos, pesquisadora do Grupo de Estudos em Direito e Tecnologia da UFMG e membro efetivo da Comissão de Proteção de Dados da AUB de Minas Gerais. Então, ao longo da sessão, que eu já vou passar a palavra paraa Jéssica, a gente vai explorar aqui questões como lidar com Consentimento na coleta de dados de colaboradores, cuidados em recrutamento e seleção, os impactos da inteligência artificial nos processos de RH, né, que hoje praticamente tudo tem aí a inteligência. gestão algorítmica no ambiente de trabalho e também vamos ver casos

reais que a gente conhece do mercado que trouxeram aprendizados importantes. Então, quem tiver qualquer dúvida ou questão também pode ir mandando no chat ou no final, né, tirar Aí já a dúvida direto com a Jéssica que ninguém melhor do que ela para responder vocês. Então, muito obrigada pela presença de todos. Eu passo aí a palavra paraa nossa convidada. Boa tarde, pessoal. Muito obrigada, Carol, pela apresentação. Agradeço também pelo convite. Tô super feliz de estar aqui com vocês hoje falando sobre um tema que acho que a gente não pode ter favoritos, né? A gente tem que

trabalhar com tudo, mas esse eu acho que Eu posso falar que realmente é o meu tema favorito em privacidade e proteção de dados. as minhas especializações são muito relacionadas a isso e é um tema que eu acho que realmente merece muita muita atenção e muitas medidas de governança por parte das empresas das empresas, porque quando a gente fala de relações de trabalho, a gente fala de relações assimétricas, a gente fala de relações eh em que o titular muitas vezes eles ele tem limitações, né, para Tutela efetiva dos seus direitos pelas próprias vias. Então isso demanda

que as empresas tenham muita atenção com os tratamentos que são realizados nesse escopo, né? Recentemente a gente tem eh casos muito relevantes da justiça trabalhista, vários posicionamentos de autoridade de proteção de dados com diversas consolidações eh importantes nesse sentido. Trouxe algumas para vocês aqui hoje e a gente vai discutir melhor cada uma delas. Bom, ah, como Carol já introduziu, os tópicos centrais da apresentação realmente estão ali relacionados aos limites do consentimento para tratamento de dados de colaboradores, o limite na coleta desses dados para fins de recrutamento e seleção, os riscos no uso da IA para

fins de recrutamento e seleção e alguns aspectos importantes que a gente deve observar para fins de gestão algorítmica, que é o uso da EA para gerenciamento de trabalhadores. Bom, acho que pra gente fazer uma retomada aqui, partir todo mundo do mesmo ponto, eu acho que os participantes, na grande maioria, deve ter algum contato com o segmento jurídico ou senão eh até propriamente advogados, mas eu acho que isso aqui vale a pena a gente retomar para passar todo mundo da mesma página. Eh, quais que são as garantias jurídicas que estão aqui envolvidas pra gente nesse contexto,

né? Então, Primeiramente, o direito à não discriminação, que não é um direito que a gente tem aí só pela LGPD, é um direito que ele é constitucionalmente assegurado, ele é assegurado por diversas eh convenções internacionais das quais o Brasil é signatário, né? Então, essa questão da discriminação, e a gente vai ver isso tá muito relacionado aos riscos da IA, é algo que a gente tem que eh empenhar medidas de governança para evitar, para resguardar Esse direito mesmo à igualdade. A gente tem direitos ainda mais específicos nesse sentido, que são relacionados à igualdade de oportunidades em

matéria de ocupação e emprego. Convenções específicas sobre isso também relacionadas às disposições da da Constituição Federal, as a vedação a tratamento discriminatórios de dados pela LGPD. Temos aqui muito relacionado à legislação de privacidade o direito à autodeterminação informativa, que é Realmente esse controle que o titular deve ter e essa ciência que ele deve ter sobre o que é feito com as suas informações, né? a proporcionalidade, a minimização dessas informações em todos os casos, o direito que essas pessoas têm de ter um consentimento livre e informado. Então, eh isso é algo que a gente vai se

aprofundar, mas vale a pena a gente já dar uma pincelada, porque a LGPD ela traz pra gente um consentimento que é qualificado, né? E muitas vezes as Empresas elas têm uma percepção de que se a gente pegar o consentimento do titular de qualquer forma e para qualquer coisa, tá tudo bem. Afinal de contas, ele consentiu. Mas não é assim, né? A gente tem que lembrar que a gente tem particularidades do contexto que muitas vezes vão fazer com que esse consentimento ou não seja livre ou não seja devidamente informado. Ou seja, a pessoa estava numa posição

de assimetria, de eh vulnerabilidade, não Poderia consentir livremente ou não tinha todas as informações que ela precisava para dar um consentimento efetivamente informado. Isso é um direito do titular de dados pela LGPD. Eh, a gente tem também o direito à revisão de decisões automatizadas tratadas com base em dados pessoais. Ou seja, quando a gente usar a IA para tomar decisões sobre indivíduos com base no tratamento das suas informações, os indivíduos têm o direito de solicitar a Revisão dessas decisões, entender o critério, né, quais são os critérios que levaram à aquela decisão. Temos também a o

direito à dignidade e à integridade psicossocial, especialmente relacionado a ambientes laborais, e o direito à reparação dos danos causados, que aí a gente já tinha pelo Código Civil, mas a a LGPD dá uma reforçada nisso com relação aos agentes de tratamento. Bom, passando aqui pro nosso primeiro Tópico, que seria realmente o limite do consentimento para tratamento de dados de colaboradores, eu entendi que esse seria estrategicamente eh um ponto legal paraa gente falar no início, porque eh esse ponto ele traz pra gente várias particularidades, né, da relação eh das relações de trabalho em confluência ali com

as normas de proteção de dados. Então, os motivos desse limite está muito relacionado às próprias particularidades das relações De trabalho. Então, como a gente tem aqui uma relação assimétrica e aí a gente vê eh pela CLT, por exemplo, a questão da dependência econômica, da subordinação jurídica, a gente tem partes que não necessar que muitas vezes não estão em igualdade, né, em paridade para consentir, eh, para deliberar sobre alguma coisa. E é por isso que o titular muitas vezes não tem o seu consentimento livre. E nesse caso, como a gente também tá Falando de recrutamento, uma

coisa que vale frisar é que tudo bem, quando a gente fala de recrutamento, a gente fala de um candidato. E um candidato muitas vezes ele não tá vinculado à empresa de uma maneira subordinada, né? Ele ainda não integra a estrutura daquela empresa hierárquica, mas ele é uma pessoa que vive do produto do seu trabalho, que precisa se enquadrar no mercado de trabalho, né? Então ele também é um titular ali no contexto das relações de Trabalho e que também tem alguma vulnerabilidade e também está numa relação assimétrica que compromete o seu consentimento. Então o que que

a gente tira de tudo isso que a gente focou bastante aqui nessa primeira parte? O consentimento, que é uma base legal prevista ali tanto no artigo so quanto no 11º, nas relações, especialmente, né, nas relações de trabalho, ele é muito residual, né? E quando a gente entende que a gente pode usar isso de uma Maneira um pouquinho mais segura, seria nos casos em que e a gente tá tratando de elementos totalmente facultativos, benefícios, atividades que o titular pode totalmente se recusar a participar ou revogar o seu consentimento sem qualquer tipo de retaliação, prejuízo, né, de

qualquer receio. Então, em casos muito residuais como esse, o consentimento ele fica um pouquinho mais sólido, mas via de regra é uma base que a gente usa pouco em relações de Trabalho. E aí toda vez que vocês verem esse balãozinho aqui eh de fala, seria, né, de citação, seriam posicionamentos, né, posicionamentos de autoridades ou precedentes que eu achei, vou pedir licença para ler porque eu acho que faz muito sentido a gente ver como é que isso é aplicado eh na prática, né, o que tem sido consolidado nesse sentido. E essas essas mãozinhas de clique, elas

levam ao material que eu tô referenciando. Então quem tiver Interesse de receber o material tem meu e-mail no primeiro, no último slide. Qualquer coisa, Carol também passa para vocês. E a gente pode ceder o material, sim, que é bom para vocês acessarem eh esses materiais que a gente tá referenciando. Então, o primeiro deles que eu acho que vale a pena a gente a gente comentar aqui, é o guia orientativo sobre o a hipótese legal do legítimo interesse que foi publicado pela NPD. Então, nesse dia, a NPD não Estava falando especificamente de consentimento, ela tava falando

de legítimo interesse, mas o racional que ela aplica aqui tem muito a ver com o que a gente estava falando. Então, no meio desse guia, a gente tem uma passagenzinha assim: no contexto da relação de emprego, os empregados estão em posição de maior vulnerabilidade em face ao seu empregador, não possuindo meios efetivos de oposição ao tratamento. Isso aqui pra gente é muito Emblemático no que a gente tá eh falando. E a ICO, que é a autoridade de proteção de dados relacionada ali ao governo do Reino Unido, também tem vários posicionamentos muito ilustrativos nesse sentido. Então,

um deles aqui, pra gente tá traduzido mais na mãozinha, vocês conseguem acessar o documento original, eh, diz assim: "Uma pessoa deve dar o seu consentimento livremente para que ele seja válido". Isso significa que o consentimento Geralmente não é apropriado no contexto de emprego, devido ao desequilíbrio de poder entre você, empregadores, né, e seus trabalhadores. Os trabalhadores provavelmente sentirão que não que não tem escolha a não ser dar o seu consentimento. Então aqui a gente eh aprofunda num ponto de atenção que eu acho que é muito relevante. a gente vê uma confusão ali entre transparência e

consentimento, que muitas muitas vezes desorienta as medidas de governança que São aplicáveis ali naqueles casos. Então, o que que eu quero dizer é o seguinte, é bom a gente compreender o que que é cada instituto pra gente direcionar certinho as medidas. A transparência, ela é um princípio da Lei Geral de Proteção de Dados. Isso significa que em todos os casos ela tem que ser seguida. O consentimento ele é só uma das bases de tratamento e como a gente viu nesse caso aqui, ele é residual, muitas vezes serão outras Bases aplicadas, o que não dispensa o

agente de tratamento de dar transparência, né, sobre o processamento daquelas informações. E como é que a gente dá essa transparência, né? Então, acho que um ponto aqui relevante eh relacionado ao tópico do recrutamento seria que várias empresas, a gente já tem notado isso, elaboram avisos de privacidade específicos para candidatos, porque tem um aviso de privacidade lá geral do site, né, também Conhecido por política de privacidade. E muitas vezes esse documento ele abrange assim diversas categorias de titulares, só que os candidatos eles passam por tratamentos massivos de informações, diversas etapas de processo seletivo, né? Então, muitas

vezes as empresas optamar e fazer um específico, explicando todas os tratamentos de dados pessoais que ocorrem em âmbito de recrutamento. E é interessante porque para esse conteúdo se tornar mais Acessível, muitas vezes também são aplicadas técnicas de visual law, de legal design, pra pessoa realmente entender o que que tá sendo feito ali, né? Então, como dar transparência? iniciativas nesse sentido ajudam muito na transparência e quais que são os elementos que devem ser abordados ali? Então, pelo menos, eh, a finalidade, né, abordar para que para que aquelas informações são tratadas, com quais instituições aquelas Informações são

compartilhadas aí, incluindo plataformas de RH, empresas de consultoria, eh o tempo de retenção daquelas informações. Isso aí tem que incluir eh incluir também aquelas hipóteses em que os currículos são mantidos no banco de dados para fins de futuras oportunidades, para fins de banco de talento. Então, se isso é uma prática, isso também deve constar, né? Uma prática aí que a gente vê comum de mercado, manter por se meses, manter por Um ano, porque se surgir uma oportunidade parecida, a pessoa é contatada. muito mais do que isso é complicado, porque às vezes a pessoa já se

atualizou, eh, já se aperfeiçoou em alguma competência, né, já fez uma especialização, aí atingiu um outro nível em determinado idioma e o currículo dela antigo tá ali, às vezes até prejudicando que ela alcance determinada oportunidade de trabalho. Então, o que que é meu ponto aqui? eh um Tópico do um tópico da transparência é por quanto tempo os dados são mantidos, mas uma medida de governança com relação a isso é você também viabilizar que aqueles dados estejam adequados, atualizados, né, para que eles também não venham até prejudicar essa pessoa. É, o uso de a para fim

de recrutamento e seleção é algo que deve constar, né, nesse tipo de documento para informar que é que é utilizado um sistema, que ele se baseia em critérios X, Y, Z, a partir de determinados dados para alcançar determinados insightes. Isso é uma boa prática, isso é algo relevante de ser informado. e os canais de contato que as pessoas podem utilizar para tirar suas dúvidas, para exercer os seus direitos de privacidade, para eventualmente solicitar uma revisão de decisão automatizada, né, se for o caso. Enfim, diversos elementos, mas todos com foco na transparência e aí eh que

é um instituto bem diferente do Consentimento. Bom, agora falando eh sobre a questão do limite da coleta dos dados para fins de recrutamento e seleção, acho que é bacana a gente eh trazer dois eh dois precedentes, duas consolidações aqui da da justiça trabalhista que são muito ilustrativas. O primeiro é uma consolidação do TST, que é até anterior à Lei Geral de Proteção de Dados, né, que faz todo sentido, porque as garantias jurídicas Que a gente viu no início da apresentação, elas não advém só da Lei Geral de Proteção de Dados, né? Então, antes disso, a

gente já tinha decisões e consolidações que, em última instância, protegem as pessoas de eh invasões de privacidade, tratamentos discriminatórios das suas informações, etc. Então aqui a gente tem uma, né, uma consolidação do TST, vou pedir pedir licença para ler de novo, que realmente acho relevante, no sentido de que não é Legítima e caracteriza lesão moral a exigência de certidão de antecedentes criminais de candidato a emprego quando traduzir tratamento discriminatório ou não se justificar em razão de previsão em lei da natureza do ofício ou do grau especial de fidúcia exigido para aquela função. Então, o que

que isso quer dizer, né? Que via de regra, a gente não é recomendável que a gente saia eh catando certidão de antecedente criminal de todos os candidatos, para todos os Cargos, para todas as funções, mas só por cautela, porque isso realmente é um risco jurídico muito alto. Eh, a gente tem que lembrar que todo tratamento de dados pessoais, ele tem que se apoiar em uma finalidade legítima. E o que é legítimo aí nesse caso tem que ser verificado. Então, previsão em lei, a gente sabe que determinadas profissões exigem determinadas verificações, né, de antecedentes e em

perspectiva irregulatória e legal. E a gente sabe Que algumas não estão assim eh formalmente consolidadas no ordenamento jurídico, mas razoavelmente elas exigem um grau especial de fidúcia, por exemplo, cuidadores de idosos, né? Então a gente sabe que aquela profissão ali, ela demanda um grau de confiança alto. Então nesse caso é razoável, seria razoável uma verificação nesse sentido. Então isso é importante e esse entendimento, mesmo sendo antes da LGPD, já traz pra gente um alinhamento com os Princípios da LGPD. Eh, um outro precedente que teve, né, levantou um burburinho nessas últimas semanas, pelo menos no LinkedIn,

foi o foi uma decisão do TRT15 que condenou duas empresas ao pagamento de R$ 200.000. R$ 1.000 a títulos de danos morais coletivos pelo tratamento irregular de dados pessoais. Eh, ainda via uma plataforma de recrutamento, é amplamente utilizada de no mercado, acho que líder de mercado, mas que utilizava Eh se valia de perguntas excessivas, né? Eh, tratamentos de dados pessoais excessivos que em última instância eram utilizados pros fins de recrutamento daquela empresa. Então, o que que a gente vê aqui? Eh, primeiro, o fato de a gente contratar uma empresa terceirizada, né, um software do outro

para fazer algo, não significa que a empresa ela vai sair índo, né? Então, a gente tem ali as categorizações dos agentes de Tratamento, controladores, operadores. E toda vez que uma empresa ela se colocar numa posição, né, de definir as finalidades daquele tratamento, de dar aquilo em prol dos seus objetivos de negócio, ela aumenta a sua chance de ser responsabilizada. Ainda sim. Então, nesse caso, foi o que aconteceu. E essa plataforma de recrutamento, ela eh trazia questões como tenho dificuldades para dormir, eh tenho variações de humor com frequência. E se a gente pensar Direitinho, essas essas

essas questões, né, combinadas, elas podem até inferir dados sensíveis, que são dados de saúde. Então a gente vê aqui que é um tratamento eh excessivo de dados pessoais, de altíssimo risco, com a possibilidade de inferir dados sensíveis e muito pouco justificável por uma perspectiva ali de recrutamento. Então, a gente teve consequências fáticas aí em primeira instância nesse sentido. o processo Ainda eh tá correndo desde a última vez que eu verifiquei. Mas quais que são as consolidações que a gente tira aqui? O consentimento ele não supre o cumprimento dos princípios da legislação de privacidade. Então, se

você tá coletando mais dados do que você legitimamente precisaria para aquilo, do que razoavelmente é necessário para aquilo, para uma finalidade que precisa ser legítima, você ter o consentimento Daquelas pessoas, eh, realmente não vai tornar o tratamento regular e ainda mais numa relação eh entre partes que são assimétricas. Então esse consentimento aí que ele não é válido mesmo, né? Aí que ele fica ainda mais frágil e a exposição eh indevida dos dados sensíveis até por por perguntas que indiretamente levariam a isso, agravaram eh a questão aqui nesse nesse contexto. Um ponto que gera muita dúvida

é o tratamento de informações para fins De perfil eh comportamental. Então o que que a gente tem aqui? eh as empresas muitas vezes elas usam eh testes e a eh diversos ali modos operantes para aferir o perfil daquele candidato e ver se o perfil dele é aderente à vaga. Só que a gente tem assim diferentes tipos de perfis, né, diferentes nuances eh pelas quais isso pode ocorrer. Então, eh nem todo dado de perfil vai levar ali ao tratamento de dados sensíveis. Às vezes o perfil que a gente tem ali são perfis Comportamentais relacionados à habilidade

de liderança, de comunicação, soft skills, coisas assim. Isso é totalmente razoável da gente pedir num processo seletivo mesmo. A questão é que às vezes a gente tem perfis que realmente vão revelar dados mais invasivos, mais intrusivos, que não são razoáveis para aquele contexto, como a gente discutiu. E aí vão ocasionar o tratamento de dados sensíveis e vão demandar um amparo entre As op eh de base legal, entre as opções do artigo 11º, que são mais restritivas, né? inclusive não pode nem se embasar no legítimo interesse, que é uma base legal que frequentemente as empresas usam

para fins de recrutamento e seleção. Um ponto que vale a gente eh frisar aqui também é que quando a gente esver tratando de dados pessoais ali comuns e algumas empresas realmente amparam o legítimo interesse, outras amparam em procedimentos preliminares à Execução de contrato. Eh, sobre essa questão do procedimento preliminar à execução de contrato, tem nuanças também, porque quem já participou de um processo seletivo aqui sabe, processos seletivos são etapas, né? Então, às vezes uma vaga tem centenas, tem milhares de inscritos e não é todo mundo que tá ali num, no meu entendimento, num procedimento preliminar

a execução de contrato. Grande parte daquelas pessoas não vão passar nem da primeira fase, né? Então a gente tem que lembrar que pra gente amparar dessa forma mais seguramente, o mais interessante é que esses titulares de dados estejam mais próximos do final do processo seletivo, mais próximos realmente eh da possibilidade real de da execução de um contrato. Então, o que que seria uma prática interessante de a gente realizar aqui determinados dados, especialmente os, né, os mais invasivos, mais detalhados, a gente coletar eh para as Pessoas que forem sendo filtradas e se aproximando cada vez mais

de uma possibilidade real de contratação, porque aí a gente evita também um risco muito alto de coletar informações de pessoas que muitas vezes não atendem ao perfil da Varga, né, não vão passar dos passos iniciais, vão só vão só atrair pra empresa um risco jurídico. relacionado a ter aquelas informações, não só ter, como a possibilidade de utilizar elas de uma maneira que seja Irregular. Então, recomenda-se aí eh orientar o raciocínio nesse sentido. E se a gente aplicar o legítimo interesse, eh vale lembrar aqui que o legítimo interesse ele tem uma medida de governança importante, conexa,

que é o teste de balanceamento, né? Então a gente tem que verificar, né, conduzir esse teste de balanceamento, verificar se os interesses da empresa não lesam desproporcionalmente, não lesam ou não impactam desproporcionalmente os Direitos daqueles titulares de dados. é um elemento eh realmente bem jurídico, bem técnico. Acho que não vale a pena a gente aprofundar nele aqui, mas o intuito é esse, eh verificar os interesses de cada parte envolvida, potenciais impactos para o titular de dados e medidas de governança destinadas a realmente atenuar aqueles impactos ali ao tolerável, né? Isso é importante. Eh, bom, e

com relação à coleta de dados pessoais sensíveis, Todos aqueles pontos que a gente já falou, necessidade real, finalidade legítima, minimização e transparência que vale em qualquer caso. Trouxe aqui pra gente, só pra gente visualizar melhor, e isso aqui é um esboço mesmo, né? Porque cada processo seletivo e cada vaga e cada empresa, ela tem as suas particularidades, né, tanto de governança quanto regulatórias. a as quais elas está ali estão ali Submetidas. E isso aqui é um esboço, mas pra gente orientar o raciocínio, o que que a gente tem aqui? Se a gente for falar de

dados eh de perfil comportamental, especialmente aqueles que se relacionam a dados sensíveis ali e no âmbito de recrutamento e seleção. Bom, se a gente tiver avaliação de perfil psicológico que vai revelar saúde mental, isso não tiver eh relacionado com o cargo, embora algumas empresas embasem no consentimento, isso não é Recomendável. recomendável é evitar eh se a gente não tem uma relação expressa ou uma uma justificativa ali juridicamente amparada para coletar aquela informação. Só que a gente tem alguns casos que essa avaliação psicológica ela é exigida por lei, né? Isso aí já torna o tratamento pra

gente bem mais seguro, porque a gente consegue amparar ele na base legal do cumprimento de obrigação legal regulatória e fugir desse Consentimento tão questionável em relações de trabalho. E só que o problema disso é que isso realmente é é aplicável em pouquíssimos casos, né? Então, por exemplo, requisitos aplicáveis a piloto de avião, a vigilantes armados, né? Então, nesse caso, a gente tem um cenário um pouco mais seguro e aí vai ser necessário apurar a legislação e a regulamentação aplicável. A gente tem também avaliações que são Necessárias para fingir formação do contrato, mas aí eh quem

trabalha assim mais próximo do da parte jurídica e de consultoria da LGPD vai se identificar com esse ponto que as empresas elas têm uma tendência de querer amparar tudo em execução de contrato. Aí eu tenho um contrato com essa pessoa, então eu tô usando para execução de contrato. Só que não é assim, né? Eh, aqui quando a gente pensa em exercício regular de direitos, inclusive previsto em contrato, que é o Que a gente tem ali no artigo 11, isso tem que ter uma relação muito clara e muito direta com o contrato, né? Então, por exemplo,

isso vai ser aplicável para testes de controle emocional para operadores de plataforma de petróleo, pessoas que trabalham, por exemplo, em isolamento, em alta pressão, que se a gente não verificar aquelas questões ali naquele contexto, a gente tem um risco altíssimo eh relacionado às particularidades daquele contrato, né? E A gente tem um outra uma outra hipótese também, que são as avaliações voltadas à proteção da vida ou incolunidade física dos titulares e de terceiros. Então, quando que isso aqui vai vai acontecer, né, que a gente vai ver isso na vida real? Então, funções de risco, por exemplo,

eh motoristas de eh transporte de produtos perigosos, a gente normalmente consegue amparar dessa forma, porque amparando dessa forma a gente consegue prevenir Acidentes que estejam relacionados à instabilidade emocional, a fadiga, né? e prevenir acidentes é proteção da vida ou incolidade física, tanto para esse titular quanto para terceiros que tão no trânsito, pedestre, outras pessoas. Então a gente vê que nesse caso eh ficaria juridicamente amparado. Esse é um tema assim um dos temas acho que mais problemáticos da proteção de dados em relações de trabalho, especialmente em recrutamento e seleção, mas espero ter Conseguido aqui com o

quadrinho pelo menos a gente montar uma estrutura de raciocínio com relação a essas hipóteses. Bom, eh, agora passando especificamente pro uso de inteligência artificial em processos de de recrutamento e seleção, trouxe aqui alguns pontos paraa gente focar. Eh, primeiro, a os sistemas de IA que são utilizados para fins laborais, inclusive os de recrutamento e seleção, eles são Taxados como sistemas de alto risco pel por importantes iniciativas legislativas que a gente tem hoje em IA, né? por exemplo, o AIT na Europa, né, e o projeto que a gente tem aqui no Brasil, L2338. Pelos textos de

ambos, eh, os sistemas que a gente tá vendo aqui hoje seriam de alto risco. E esses, eh, esses diplomas eles trabalham sobre uma dinâmica que a gente chama de abordagem baseada em riscos. Então, quanto mais alto é o nível da ferramenta, que a Gente tá falando do alto, eh, mais rigorosas são as medidas de governança exigidas dos agentes que estão envolvidos na cadeia de valor daquele sistema. Aí entra os que desenvolvem, os que usam pro fins seus processos de recrutamento e seleção, entra quem, né, quem realmente participa da cadeia de valor de alguma forma. Então

a gente vê que para usar, né, seguindo a perspectiva que o nosso ordenamento jurídico segue hoje, né, e a tramitação Hoje do projeto que a gente tem hoje são sistemas de alto risco que vão demandar medidas de governança eh importantes, relevantes para as instituições. E um risco que a gente tem associado a IA, e eu acho que não só aqui para fim de recrutamento e seleção, é um risco da das operações de IA como um todo, seriam os riscos relacionados à discriminação algorítmica e viéses algorítmicos. Ou seja, eh, passando assim uma perspectiva técnica Assim bem

bem breve, só pra gente compreender, eh, um sistema de a ele tende a reproduzir discriminações que podem ser eh introduzidas tanto na sua programação expressa, mas na maioria das vezes não é isso que acontece, quanto nos dados que foram inseridos nele para o seu treinamento. Então, o que que eu quero dizer? Muitos dos sistemas eh de IA que discriminam pessoas, inclusive em processos de recrutamento e seleção, não São programados para, olha, eh, penalize candidatos mulheres, eh, penalize pessoas negras. Eh, eles não têm essa, essa feature, né? Eles não têm esse atributo, esse atributo dessa forma,

com esse tipo de penalização. O que eles têm é uma base de dados, muitas vezes composta de 90% de pessoas brancas, né, de 95% de homens. E aí ele entende: "Ah, tá beleza. Então, eh, homens brancos, né, que você quer?" Então, ele, o sistema de a ele funciona com base em Probabilidades. Então, quando você fornece para ele uma base de dados composta por grupos hegemônicos, a chance de ele continuar te recomendando pessoas daqueles grupos é muito alta. E é por isso que quando a gente vai eh treinar sistemas de a gente também tem que ter

muita atenção aos dados que são inseridos para o treinamento daquele sistema, né? Então isso é muito relevante. Um caso, é um dos casos mais emblemáticos que a gente teve Relacionado a uma empresa muito grande de tecnologia eh em 2015, tá? entre as referências também da apresentação, aconteceu justamente por isso, uma das principais empresas de tecnologia, a gente não tá falando assim de uma empresa que tem dificuldade de conseguimento tecnológico, é um desafio mesmo, eu acho que para todo mundo. Eh, o sistema dessa empresa foi treinado com base de dados dos eh trabalhadores que passaram na

instituição pelos últimos 10 Anos. Só que no segmento da tecnologia a gente tem uma presença muito marcante do de candidatos de trabalhadores masculinos, né? Trabalhadores e candidatos tem uma presença masculina muito significativa. Então, por conta disso, esse sistema passou a penalizar currículos de mulheres, né? e até mesmo a sinalização como eh campeã do clube de xadrez, da competição do clube de xadrez de mulheres de do ano tal. Só de identificar esse tipo de relação aí, ah, Já ia num sentido de ah que você não é o perfil mais relevante pro que eu tô buscando. Então

isso pode acontecer, isso acontece o tempo todo, isso acontece com empresas grandes, com empresas pequenas, isso acontece com todo mundo. É um desafio mesmo, mas é algo que se a gente souber que isso acontece, isso já facilita da gente manter no radar as medidas para evitar, né? E eu acho que aqui um dos pontos mais Relevantes é a gente destacar que não imputar dados sensíveis nas ferramentas não livra eh não nos livra do risco da discriminação algorítmica. E esse é assim, não vou nem chamar de equívoco, mas é uma posição que eu vejo em muitos

trabalhos que eu muito sinceramente não concordo, porque se a gente for analisar e fria, né, fria estecamente ali a legislação de privacidade, tudo bem, dados sensíveis são aqueles e são categorizados desta Forma pelo potencial que eles trazem de discriminação ao seu titular. Beleza? Então, quando a gente for eh colocar dados em IA, a gente não imputa esses e vai ficar tudo bem. Só que não porque por vários motivos. Primeiro porque nem todos os marcadores que geram discriminação são categorizados como dados sensíveis. Isso já é um ponto que prova que isso não funciona. Então, quando a

gente tá falando aqui do caso da Amazon, o marcador foi gênero, né? Eh, penalização de candidatas. Gênero não é um dado sensível pela LGPD. Primeiro ponto. Segundo ponto que a gente tem aqui a possibilidade de discriminação via proxi. Passando assim muito rapidamente por um conceito que é bem técnico, proxis, a gente, a discriminação via proxi acontece quando uma discriminação, ela parte de uma variável aparentemente neutra, mas que se relaciona com características protegidas. Então, como Que isso acontece? Eh, vamos supor, a gente tem uma empresa localizada numa região nobre e essa empresa quer buscar eh candidatos

e eh favorecer via proximidade, por localização mesmo, via CP. Só que se a gente tá falando de uma região nobre, a gente vai ter uma presença maior de determinadas populações, né, raciais e étnicas, e uma presença menor de outras. E raça e etnia é um atributo protegido, mas CP não é. Entendeu? Só que no fim do dia a gente Gerou uma discriminação. Então o que que eu quero dizer aqui? Eh, só pra gente tomar cuidado para não conduzir as nossas, né, no nosso privacy by design, não conduzir assim, não. Eh, a gente pode fazer sim,

só não imputa dados sensíveis. Isso não é o que vai levar a gente ao que a gente quer. A gente tem que analisar realmente como um todo. E o risco relação eh com relação à autodeterminação informativa e ao efeito black box. autoterminação informativa. Eu já passei, né, com vocês o que que seria, mas o efeito Blackbox vale a pena a gente passar agora. Eh, traduzindo ele na caixa preta, nada mais é do que o efeito que o sistema, vários sistemas de a apresentam, que você não consegue ver o que que tem dentro, né? Então você

consegue ver o que entra, o que sai, ou seja, os dados que você forneceu para ele, os atributos que você forneceu para ele, o que ele te recomendou, mas como Ele chegou naquilo, né? ninguém sabe. E isso é um problema de várias perspectivas, né? Isso é um problema porê eh se os titulares de dados têm direito à revisão de decisões automatizadas, como é que a gente vai revisar algo que a gente não entende como é que aconteceu, né? Isso já é já é um ponto. Segundo ponto, pra gente entender como aconteceu aquilo ali, a gente

muitas vezes esbarra em direito de propriedade intelectual. Segundo ponto, Outra coisa é às vezes nem é só o problema da propriedade intelectual. Às vezes a gente tem aqui que esses sistemas eles são muito complexos, né? Alguns são menos que outros, né? A gente tem ali eh árvores de decisão, redes neurais, vários. Alguns são mais explicáveis e mais fáceis de entender como alcançaram determinadas decisões. Outros são bem mais difíceis a ponto que os desenvolvedores não conseguem chegar a essa conclusão. Então, o que que a Gente vê aqui eh resguardados os tipos de temas que a gente

tem, etc. e questões relativas à propriedade intelectual. a gente tem aqui que muitas vezes a gente vai ter dificuldades concretas para compreender como um sistema tomou determinada decisão e aplicar ali as medidas de governança que sejam relativas, que sejam pertinentes naquele caso. E isso embate muito com o princípio da autodeterminação informativa, que tomando aqui brevemente Seria eh que nem a gente comentou, a o direito que o titular tem de ter transparência e controle sobre o que é feito com as informações dele. Bom, agora passando paraa gestão algorítmica, né, que seria o uso de a para

gerenciamento de trabalhadores e não mais para seleção, né, desses trabalhadores, igual a gente veio falando até então. Isso é uma prática que tem sido amplamente utilizada, que tem sim alguns Riscos, mas que eu acho que vári também vê que tem eh potenciais de benefício muito claros, né? Então, eh o que que o que que é um desafio muito grande aqui pra gente conciliar eh privacidade com outros temas? Eu acho que passa também pela pela necessidade de os profissionais de privacidade conceberem que a privacidade não é a única garantia jurídica tutelada. E e a gente também

tem outras garantias aqui que são importantes que Muitas vezes a gente vai ter que ponderar. Então, se a gente tá falando de um ambiente de alto risco, por exemplo, uma mineradora, a gente tem que essas pessoas além do direito de privacidade, elas têm o direito de segurança ocupacional e que muitas vezes você saber onde essas pessoas estão determinadas eh eh determinadas localizações, né, de equipes próximas de quais áreas de risco, até mesmo em caso que a gente tenha, né, eventuais Acidentes, isso traz ganhos muito concretos em segurança ocupacional. E é isso que eu queria colocar

aqui com vocês. A gestão algorítmica, ela vai trazer pra gente um cenário de utilização mais segura quando ela for proporcional, eh, para alcançar finalidades legítimas e mais ainda para assegurar a garantia de outras, né, de outros direitos que também são juridicamente tutelados, né? E ela vai se aproximar uma zona maior de risco Quando ela não for para isso, quando ela for desproporcional. quando a gente puder, a partir de outras, né, de outras técnicas de tratamentos menos intrusivos, eh, alcançar as mesmas finalidades. Então, é essa, é essa régua, o termômetro de risco que a gente deve

ter. Então, passando aqui pelo brevemente pelo primeiro tópico, a gestão algorítmica tá muito relacionada a riscos psicossociais e riscos de vigilância excessiva, né? psicossociais Ali são riscos relacionados à saúde mental, ao bem-estar a dos trabalhadores, principalmente porque quando eles estão submetidos a sistemas de gestão algorítmica, várias autoridades, várias pesquisas já apuraram eh isso, eles tendem a sentir que eles estão com a sua autonomia reduzida, eles tendem a sentir um aumento na pressão e no estresse ocupacional. E isso gera um ambiente hostil e que pode ser pouco sustentável Paraa saúde mental desses trabalhadores. Esses riscos, então,

tem que ser considerados aí ponderados. Eh, uma importante, autoridade europeia, né, da de segurança e saúde no trabalho, alerta eh esses riscos e eles, o material que trata sobre isso também tá nas referências. E alerto também que isso deve ser considerado perante os potenciais ganhos que a IA vai trazer pra gente nesses Contextos. Bom, então quais que são os pontos de atenção aqui pra gente ter um uso adequado de A para eh adequado e mais seguro de A para gerenciamento de trabalhadores? Primeiro, uma finalidade legítima, como é essa que a gente abordou, de prevenir acidentes

eh em ambientes de alto risco e etc. A proporcionalidade, isso é importante, isso vai tá num num documento que a gente vai ver um trechinho daqui a pouco, mas fala Justamente sobre você não ter um meio menos invasivo de alcançar aquilo que é legítimo. Eh, a garantia, as outras garantias jurídicas, né, que é o que a gente falou, muitas vezes o mal dos profissionais de privacidade é considerar que existe só a privacidade, existem outras coisas tão importantes eh que devem ser consideradas. A coleta de dados também deve eh a coleta e o tratamento de dados,

especialmente por gestores, também deve Estar muito vinculada a finalidade daquelas informações. Então, por exemplo, se eu tenho eh uma gestão algorítmica de trabalhadores num ambiente de mineração, porque é um ambiente de alto risco, porque pode ter um contexto de acidente, essas pessoas têm que ser localizadas, essas pessoas não podem acessar áreas que elas não estão autorizadas a acessar. Tudo isso a gente tá usando para isso. A gente não tá usando para ver se ela passa muito Tempo no refeitório, né? Então isso é importante porque quando a gente desvia a finalidade daquele tratamento, ele poderia ter

um propósito super legítimo e super amparado, mas ele fica, ele fica todo errado, né? Então, eh, por isso que a gente vai entre as medidas de governança trazer aqui o treinamento também dos gestores pro uso adequado e direcionado dessas informações. Aí, essa parte aqui tem bastante leitura, mas eu vou tentar Focar aqui nos pontos mais relevantes aqui com vocês e a apresentação vai ser compartilhada. quem quiser acessar, eh, os materiais estão aqui. Então, aidade nacional de proteção de dados, eh, né, um dos seus guias trouxe aqui um exemplo pra gente, no qual teve a instalação

de um software para medir e rastrear a produtividade dos funcionários. Então, uma empresa utiliza a hipótese legal do legítimo interesse para justificar a utilização de um software que rastreia Atividades de empregados, incluindo o uso de webcam, registro de tudo que é digitado nos nos computadores corporativos. O objetivo é medir a produtividade, proporcionar meios de identificação de compartilhamentos indevidos e de informações de eh de informações confidenciais. Qual que foi a análise que a autoridade fez nesse caso? Que ainda que especialmente nesse caso e embora alguns elementos aqui sejam legítimos, por exemplo, Identificar compartilhamentos indevidos de informações

confidenciais, mas que a técnica como um todo ela é desproporcional, né? Ela seria irregular porque ela interfere de forma excessiva e desproporcional sobre direitos e liberdades fundamentais de titulares e contraria a sua legítima expectativa. Então é para isso que o teste de balanceamento serve, pra gente ver se isso acontece ou não, né? se tem impacto desproporcional ou não. E um elemento Importante para não ter é a legítima expectativa. Ou seja, eh aquela pessoa que tá sendo monitorada, que tem os dados tratados, ela razoavelmente poderia esperar que aquilo ocorra daquela forma, senão já é um red

flag muito grande pra gente, né? a legítima expectativa do titular não acontecer naquele caso já é um ponto de atenção. E isso conecta aqui com esse posicionamento da ISO, que é a autoridade do Reino Unido, no qual eles Analisam que eh determinados tipos de monitoramento de trabalhadores em eh escritórios, em escritórios, em ambientes que não são de risco, empresas, etc., tendem a gerar impactos proporcionais, são, né, tem um alto grau de risco, justamente porque naquele ambiente ali a pessoa não poderia razoavelmente esperar que aquilo acontece. Mas em outros casos, por exemplo, eh em trabalhadores localizado

localizados dentro de Minas, Ele já poderia. Então, eh, vou pedir licença para ler esse esse trechinho aqui, ó. Um minerador esperaria razoavelmente utilizar um dispositivo de rastreamento dentro de uma mina. Isso seria devido ao trabalho perigoso que realizam, aos riscos envolvidos, aos acidentes potenciais e a necessidade de manter o controle da sua localização dentro da mina. No entanto, um trabalhador de escritório não esperaria Razoavelmente utilizar um dispositivo de rastreamento em um ambiente de escritório. Há muito menos risco para um trabalhador de escritório que um trabalhador de mina. Então, eh, aqui pra gente fica muito claro,

né, os parâmetros, quando que isso vai ter amparos mais fortes, quando vai ter amparos mais frágeis, quando a empresa se aproxima de níveis maiores de riscos por esse tipo de iniciativa, né? Eh, e esse Posicionamento, eu tinha comentado com vocês, é relacionado mesmo aos efeitos potenciais da gestão algorítmica sobre trabalhadores. Então, pressão para trabalhar mais rápido, estresse ocupacional, problemas de saúde e até mesmo acidentes, né? devido a esse esse fator. E considerando tudo que a gente viu, o que que a gente pode fazer, né? Quais que são as medidas de governança aqui? É lógico que

tudo tem que ser moldado, caso a caso, verificado, etc. Mas de um modo geral, o que que a gente vê aqui como positivo? Primeiro, transparência e explicabilidade. Então, quando a gente for tratar eh dados pessoais, seja de colaboradores, seja de candidatos, é muito importante que as pessoas entendam como seus dados são tratados, quais são os critérios, né? Se tem métodos de oposição, como exercer, né? Então, tudo isso é importante. Métricas de equidade seriam eh métricas que a gente vai Aplicar sobre as recomendações de sistemas de A pra gente ver se por acaso ele tá recomendando

muito mais determinado grupo do que outro, né? Então a gente tem a regra dos 4/5, por exemplo, que vai medir se determinado grupo sofre o impacto desproporcional por aquele sistema, então o sistema precisa de ajustes. Avaliação de impacto, que é um elemento típico de privacidade que a gente tem, né? tem os critérios gerais específicos pela NPD, Mas muitas vezes em processo de recrutamento, especialmente aqueles que usam IA, a gente vai ver que os critérios vão ser bem aderentes e seria recomendável elaborar o relatório de impacto nesse caso. é a intervenção humana. E essa intervenção humana

aí, ela é responsável, né, quando é utilizado um sistema de ar por garantir que um um ser humano, né, que tem eh que tem todo um background ético e Moral possa avaliar o que um sistema decidiu, o que um sistema recomendou. Porque a essa questão da da ética e da moralidade, isso não pode ser delegado à tecnologia. Isso aí vai ter que ser a gente mesmo que vai ter que fazer, porque um sistema ele não tem a capacidade de ele mesmo ser ético ou antiético, fora quem programa, fora quem treina, né? Então a intervenção humana

vai entrar ali naquele looping para verificar as decisões e recomendações do Sistema de e ver se aquilo eh se alinha com outros valores que a gente tem resguardados na sociedade e até mesmo com outros eh com outras garantias jurídicas. A minimização de dados, ele vai entrar pra gente, né, como a gente exaustivamente pontua aqui, só coletar os dados que forem necessários, pertinentes, proporcionais para o alcance de cada propósito. Eh, as medidas de privacy by Design, segurança também são muito importantes, porque como a gente tá falando aqui de tecnologia, muitas vezes antes disso ser implementado, antes

disso ser feito, tem todo um processo, né, de avaliação se isso pode ser feito, sobre quais medidas, com quais fornecedores, etc. E essa eu acho que é uma das etapas mais importantes, porque a gente vai estruturar todos os riscos daquela iniciativa, todas as medidas de Governança que são tomadas para atenuar aqueles riscos e ver se no final das contas aquele risco ali residual ele é eh tolerável, né? Senão a iniciativa não poderia seguir, o que é muito menos ruim do que a iniciativa seguir e gerar um dano reputacional gigante pra empresa, né? Isso é muito

importante. Eh, governança e conformidade. Então, ter políticas, ter regras, regras claras para pro uso desses sistemas, auditorias, eh, guardar Todas as medidas de governança, visando ali prestação de contas, responsabilização, a a alocação também em bases legais adequadas, igual a gente tava falando, eh, consentimento, eh, interesse legítimo, tudo isso tem fragilidades que têm que ser consideradas, né? Porque como quando a lei prevê que a gente tem que eh amparar todos os tratamentos de dados em uma base legal, ela não quer dizer que a gente vai ter que ir lá no data Mapal. Ela quer dizer que

a base legal que tiver escrita ali, ela tem que se justificar, ela tem que se amparar, né? E a gente viu aqui que muitas vezes isso não se ampara. Então, a gente tem que escolher uma que se ampare e possibilitar as medidas de governança conexas para que ela realmente se ampare. E por último, treinamento e conscientização, acho que é um dos passos mais importantes, porque no fim do dia, a gente que trabalha com, né, Eh, segmento jurídico, a gente tem muita clareza do, né, dessas nuances mais técnicas, mas na prática aquilo ali vai ser feito

por pessoas que não t o conhecimento básico para evitar que aquilo ali tome um rumo inadequado. Então, por exemplo, a importância de você treinar os gestores para evitar desvio de finalidade naquelas ferramentas, né, no tratamento daquelas informações, treinar os colaboradores para que eles saibam também quais dados São tratados, como eles podem não ser submetidos a monitoramentos em horários de almoço, em férias, né? Então isso também é relevante, tem que ser avaliado caso a caso. Então assim, eh eu acho que o principal objetivo aqui foi a gente dar uma pincelada geral, é um tema assim muito

complexo, não dá para esgotar. Mas espero que ter passado para vocês eh pelo menos os pontos mais eh atuais aqui que tem dado mais repercussão e deixo as referências e o meu e-mail tá aqui, ó. Se vocês quiserem me mandar um e-mail também, pedir a apresentação, eu mando, que o objetivo realmente é para vocês conseguirem consultar e em uma horinha aqui não dá para esgotar tudo. Uhum. Muito obrigada, Jéssica. Parabéns aí pela apresentação. Eh, detalhes muito ricos, realmente. A Karen perguntou pra gente aqui se você pode compartilhar o número da decisão sobre a coleta excessiva.

Não sei se consegue expor aqui no chat pra gente. Hum. decisão. Eu Acho que eu não coloquei ela na apresentação, mas Karen, se você jogar no LinkedIn só se fala disso. Pode jogar assim, dando moral coletivo. Eh, as perguntas que estão aqui no na apresentação pode jogar também que as pessoas estão comentando bastante sobre a natureza das perguntas e assim é o que mais você tem falado, mas caso você não ache, eu tento procurar ela aqui e te mando também, tá? Eh, e o Renato teve que dar uma saidinha aqui, mas deixou Uma pergunta pra

gente, ele disse que vai ouvir depois. Eh, a ISO 37001 sobre corrupção e suborno requer o processo de dual diligence, não sei assim que fala que pode ser para fornecedores, parceiros, colaboradores, por exemplo, em cargos diretivos. Posso fazer uma análise para um candidato a diretor financeiro, por exemplo, uma análise de antecedentes criminais para evitar incidentes de corrupção ou suporto. Hum, entendi. Ah, bom, aqui a gente tá falando de uma ISO, né? Eh, a ISO, ela é um um padrão que realmente é seguido por diversas empresas, é importante nas suas eh nos seus negócios, mas muitas

vezes as empresas elas não estão vinculadas àquilo legalmente. Então eu acho que vai ter que ser verificado ali se de uma perspectiva regulatória a gente conseguiria amparar isso de uma maneira mais sólida. Mas assim, eh, a gente tem Que lembrar aqui também que se forem dados relativos a antecedentes criminais, a princípio, a gente não parece tá falando de dados sensíveis, então a gente tem hipóteses mais abertas, né, pelo artigo 11, que a gente consegue amparar. E se a gente tá cogitando eh inclusive contratar aquela eh aquele aquele colaborador tem, eu acho que nesse caso também

a o grau de fidúcia que se espera para uma pessoa que tem um papel desse porte na Organização também tem que ser considerado, né? Então eu acho que norteando ali por todas essas nuances é possível que a gente consiga sim e ainda por essas por essas normas que às vezes não são vinculantes, mas que são importantíssimas para as empresas se, né, eh, se conectarem, fazer negócio ali no seu mercado. Eu acho que é possível da gente, da gente amparar, sim, mas aí teria que analisar caso a caso, regulamentações aplicáveis, fazer uma Análise mais dedicada mesmo,

mas eu entendo que tem fatores aí favoráveis. Uhum. E a Karen também deixou uma pergunta aqui, eh, Jéssica, em sua visão, quais os problemas de nossa legislação para que os sindicatos possam colaborar na proteção de dados em uma visão coletiva de proteção? Eu acho que o problema, assim, não sei dizer se o problema, mas assim, a gente tem que considerar o seguinte, o sindicato ele atua como um representante do Trabalhador. Isso vem ali constitucionalmente pra gente. Só que o titular daquelas informações e muitas vezes a titularidade da das informações, ela tem a ver com direitos

de personalidade e são intransferíveis. Muitas vezes é complicado você amparar que o que o titular que o sindicato vai tratar aquelas informações representando o titular, né? Então, no final das contas, o que a gente vê ali, pelo menos Praticado de uma maneira eh mais recorrente no mercado, é o que os que não sair compartilhando, por exemplo, com sindicatos, listas completas com nome de colaborador, com número de matrícula, com salário e etc. e eh esse contato ser feito entre o sindicato e o próprio colaborador. E se o colaborador optar dessa forma, os seus dados serem compartilhados,

porque o sindicato realmente ele é um representante do Titular de dados, né? ele tem esse papel constitucional, mas os dados pessoais que são relativos ao titular, a pessoa física, né, e nunca uma pessoa jurídica, uma entidade como um sindicato, ele realmente eh tem que seguir o princípio da autodeterminaç a a ideia, né, da autodeterminação informativa, que é a pessoa ter eh controle, ter ciência sobre o que é feito com com aquilo ali. e, infelizmente, eh, ocorre às vezes também de os sindicatos quererem ter Acesso a essas informações para fins diferentes dos delegados, né? E isso

também é é um ponto que gera risco aqui pra gente. Então eu acho que nesse sentido e a representação do constitucional associada a um direito de titularidade de dados pessoais que muitas vezes não se transfere, isso gera ali pra gente uma zona de confluência que é tensa mesmo, mas que enfim, eu acho que pelo menos a primeira perspectiva assim, eu acho que esses são Os pontos que geram os maiores entraves nesse sentido. Muito bem, pessoal. Vou compartilhar aqui com vocês o nosso site, o nosso LinkedIn. Sigam a Jéssica também nas redes sociais. A gente vai

enviar depois a gravação e a apresentação para todos. eh o certificado também para vocês. E quem não conseguiu acompanhar ou quiser rever depois com mais atenção, mais tempo, a gente vai deixar salvo também no nosso canal do YouTube. E muito Obrigada, Jésica, por eh eu que agradeço presente aqui com eh compartilhar todo esse conhecimento, né, com a gente. Eu tenho uma pergunta para ti também. Eh, e a empresa que for começar agora a se preocupar com isso, né? eh, digamos, vai começar agora a ter uma política eh interna em relação aos dados. Eh, quais seriam

assim os os passos práticos por onde deve começar? Olha, eu acho que um procedimento que pode ser assim eh central e muito Relevante é uma política de gestão algorítmica. E aí a gente vai considerar, por exemplo, todas as medidas, a política de, perdão, a política de governança algorítmica, porque aí a gente vai relacionar todas as medidas a ao uso de relacionad às novas tecnologias que devem ser observadas quando as empresas quiserem eh desenvolver iniciativas nesse sentido. E eu acho que algumas coisas que tem que ter aí nessa nessa política. Primeiro, análise de fornecedores. Eh, isso

é muito importante a gente envolver também com fornecedores que não estão em conformidade, que não tem medidas de segurança suficiente, muitas vezes traz riscos para as empresas que no final do dia muitas vezes são as controladoras desses dados, riscos muito relevantes. Então, o a análise desses fornecedores é crucial. as medidas de mitigação dos principais riscos que a gente viu aqui, Mitigação eh de discriminação algorítmica, vieses, falta de transparência sobre aquelas informações, né? eh responsáveis internos que tenham um pouco mais de familiaridade com aquele assunto para conduzir aqueles processos internamente, porque é um um tema novo,

é um tema que tem, né, eh tem diversos desafios associados, então também tem que ter pessoas ali que tomem à frente daquilo, que tenham eh alguma autonomia e conhecimento técnico para Conduzir essas medidas. Então eu acho que formalizar algo nesse sentido é um dos principais passos e é pelo menos o que a gente já tem visto acontecer. Muito bem. Bom, pessoal, se alguém eh quiser também agendar uma demonstração com a gente, fica à vontade aí para entrar em contato pelas nossas redes sociais. Eh, a Ana tá aqui presente também, ela que faz as demonstrações para

os nossos clientes, Maurício do Vendas. E a gente fica aí aberto também A sugestões, temas que vocês quiserem ver aqui nos próximos webinar. Entrem em contato também e mandem aí o feedback pra gente que é o mais importante. Muito obrigado pela participação de todos. Muito obrigada pessoal. Obrigada Carol pelo convite. Foi super bacana. Um bom feriado aí e um bom restinho de semana para vocês. Tchau tchau. Para vocês também. Tia. Ciao. [Música]