GEO Universal Framework · Capítulo 14 de 29 · 26 min
Riscos que a diretoria assina: injeção de prompt, LGPD e log
Você sai sabendo quem assina cada risco de publicar para ser lido por máquina: injeção de prompt nas duas direções, conteúdo de usuário, base legal de cada tratamento, efeito do consentimento na medição e prazo de log.
Este capítulo faz parte do curso gratuito GEO Universal Framework. Para marcar como concluído e salvar o progresso, abra este capítulo na página do curso.
Publicar para máquina ler cria três riscos sem dono. O primeiro é instrução escondida no site que um assistente obedece; o segundo, dado pessoal sem base legal; o terceiro, log de servidor (o livro de visitas do site) sem prazo. Serve a quem responde pela empresa quando o assistente cita a marca errado ou a ANPD pergunta. Você sai com o dono de cada risco, a regra para conteúdo de terceiros e o prazo de log que a lei sustenta.
Para quem decide: a decisão é nomear quem responde por cada um dos três riscos e escrever a base legal de cada tratamento antes que alguém pergunte. Errar custa a multa da LGPD, de até 2% do faturamento e R$ 50 milhões por infração, ou a citação errada da marca num assistente por semanas. Pergunta para a equipe: quem aprova hoje o texto de terceiros que aparece sob o nosso domínio?
Ao final você consegue quatro coisas. (1) Identificar para qual das duas direções um risco de injeção de prompt aponta e nomear o dono da correção. (2) Escrever a regra de higiene para conteúdo de usuário em página que serve de fonte. (3) Classificar cada tratamento de dado pessoal do funil na base legal da LGPD e apontar o que não se sustenta hoje. (4) Decidir o prazo de guarda do log e o efeito do consentimento na medição antes de mudar a configuração.
Glossário rápido
Prompt injection (injeção de prompt)
Instrução hostil colocada dentro de um conteúdo que o modelo vai ler, com a intenção de que ele a trate como comando do operador em vez de tratar como dado a ser resumido. Aparece como LLM01 no OWASP Top 10 para aplicações de LLM.
Injeção indireta
A variante que importa para quem publica na web. O atacante não fala com o modelo: ele planta o texto numa página, num PDF, num comentário ou num perfil, e espera que o agente de alguém busque aquilo e leia.
Fronteira de confiança
A linha que separa o que o sistema trata como instrução do que ele trata como conteúdo. Injeção é sempre um problema de fronteira mal desenhada.
UGC (conteúdo gerado por usuário)
Comentário, avaliação, pergunta de fórum, perfil público. Texto que aparece no seu domínio, sob o seu nome, escrito por alguém que você não controla.
Dado pessoal (LGPD, art. 5º, I)
Informação relacionada a pessoa natural identificada ou identificável. Endereço IP e identificador de cookie caem aqui quando permitem, sozinhos ou combinados, chegar a uma pessoa.
Base legal
A hipótese do art. 7º da LGPD que autoriza um tratamento específico. Todo tratamento tem exatamente uma base legal declarada, e consentimento é apenas uma das dez.
Verificação rápida
Um agente de pesquisa lê uma página do seu site que contém, dentro de um comentário de leitor, uma instrução escondida em texto branco sobre fundo branco. O agente segue a instrução. Onde está a falha primária?
Se a figura ultrapassar a área visível, deslize para os lados. Pelo teclado, foque a figura e use as setas.
O curso passou seis etapas ensinando a tornar o site legível por máquina: HTML limpo, dados estruturados, respostas diretas, acesso liberado aos robôs de citação. Cada decisão dessas aumenta a chance de um agente ler a página inteira e agir com base nela. É essa a propriedade que abre o vetor da caixa A para a caixa C na figura: legibilidade por agente e superfície de injeção crescem juntas.
Injeção de prompt (prompt injection) é a instrução hostil escondida num texto que o modelo vai ler, escrita para que ele a trate como ordem do operador em vez de dado a resumir.
A direção 1 do diagrama é a que envergonha: alguém insere instruções no seu domínio, o robô de citação leva, e o agente de um terceiro obedece. Ele fala em nome de uma fonte com o seu logotipo. O dano é de procedência, o ativo que o GEO constrói. E a página fica no índice de citação por semanas depois da remoção, porque ninguém publica o ciclo de recoleta.
A direção 2 é a que causa prejuízo mensurável. Quem opera agente para monitorar concorrente, resumir pauta ou classificar lead manda um programa ler texto escrito por qualquer pessoa da internet. Se esse programa tem ferramenta com efeito colateral (e-mail, CRM, chamado, base interna), uma instrução plantada numa página vira ação.
A combinação perigosa tem três ingredientes simultâneos: acesso a conteúdo não confiável, acesso a dado sensível e capacidade de comunicação externa. Retire qualquer um dos três e o pior caso deixa de existir.
Sobre a incidência real, o que existe de medido até 07/09/2026 é pouco e é recente. O Common Crawl analisou em 31/08/2026 os 584.107 arquivos llms.txt (o arquivo de texto "para IA" que plugins de SEO geram sozinhos) do rastreamento de julho e encontrou dez casos de injeção de prompt. Achou também sites que negam robôs no llms.txt sem bloqueá-los no robots.txt, o arquivo que os robôs consultam de verdade.
Para páginas comuns não há levantamento público com método publicado. Trate o risco pelo mecanismo, que é claro e reproduzível; taxa de ocorrência ninguém publicou.
Dois fatos mudam a higiene. O Perplexity-User, robô que busca uma página quando um usuário do Perplexity pede, "geralmente ignora" o robots.txt, segundo a documentação da empresa. O comentário hostil chega ao agente mesmo com o site "bloqueado", e o único controle real é regra de servidor ou WAF (o filtro de tráfego na borda do site). Bloquear na borda tem custo: o OAI-AdsBot, que valida a página de destino dos anúncios no ChatGPT, também é barrado, e o anúncio reprova.
O segundo fato é o alerta da Anthropic, de 30/08/2026, sobre roubo de sessões do Claude por infostealer, o programa que rouba senhas e cookies do computador. A conta que opera o seu agente é alvo, e a direção 2 começa antes da página: começa na máquina de quem opera.
Onde a carga se esconde numa página que você publica?
| Superfície | Por que passa despercebida | Controle proporcional |
|---|---|---|
| Comentário e avaliação de usuário | Moderação é treinada para ofensa e spam comercial, não para texto que imita instrução de sistema | Regra de moderação que sinaliza padrão imperativo dirigido a assistente |
| Texto oculto por CSS ou atributo | Invisível na revisão humana, presente no HTML que o robô recebe | Varredura periódica do HTML renderizado contra o texto visível |
| Metadado e atributo alt de imagem | Raramente revisado depois da publicação inicial | Limite de tamanho e validação de conteúdo no CMS |
| PDF e anexo indexável | Fica fora do fluxo editorial e do CMS, e é lido inteiro pelo agente | Inventário de arquivos públicos com dono declarado |
| Arquivo llms.txt e outros arquivos "para IA" | Gerado por plugin e nunca revisado; dez casos de injeção em 584.107 arquivos (Common Crawl, 31/08/2026) | Não publicar o que ninguém consome; se publicar, revisar como se fosse página |
| Perfil, assinatura e campo livre de usuário | Tratado como dado de cadastro, não como conteúdo publicado | Escapar na renderização e restringir tamanho e formatação |
| Página de erro e resultado de busca interna | Reflete a entrada do usuário na URL e pode ser indexada | noindex nessas rotas e escape estrito do parâmetro refletido |
As três primeiras linhas cobrem a maioria dos casos que aparecem em auditoria de conteúdo. Nenhuma delas é problema de código, e todas são problema de processo editorial.
Pare aqui e escreva, sem voltar à figura. (a) Na sua operação, cite uma superfície concreta em que texto de terceiro aparece publicado sob o seu domínio e diga quem hoje aprova esse texto. (b) Se você opera algum agente que lê a web, liste quais ferramentas com efeito colateral ele tem em mãos. (c) Para cada um dos dois casos, nomeie a pessoa que assinaria a correção. Se em (c) você escreveu o mesmo nome duas vezes, ou nenhum, o problema já está diagnosticado.
Exemplo trabalhado. O cenário: um portal de conteúdo B2B com comentários abertos, cujas páginas são fonte frequente de citação em assistentes. A decisão foi manter os comentários, porque eles alimentam profundidade de página e sinal de comunidade, e cercá-los. Cada regra abaixo traz o motivo, porque política de moderação copiada sem motivo é abandonada no primeiro pico de volume.
POLÍTICA DE HIGIENE DE UGC EM PÁGINA QUE SERVE DE FONTE
[1] RENDERIZAÇÃO: escapar tudo, permitir quase nada.
Escolhi lista de permissão (negrito, itálico, link, parágrafo) em vez de
lista de bloqueio, porque lista de bloqueio precisa prever o ataque e
lista de permissão precisa prever o uso legítimo. Prever uso legítimo
é um problema que eu consigo fechar.
[2] ISOLAMENTO SEMÂNTICO: envolver o bloco de UGC em marcação que declara
a origem.
<section data-origem="ugc" data-moderado="true"> ... </section>
Escolhi declarar mesmo sem garantia de que algum agente respeite,
porque o custo é uma linha de template e o benefício, se algum dia
houver convenção, já está pago. NÃO conte com isso como controle:
é sinal cooperativo, sem força técnica. Mesma natureza do robots.txt.
[3] data-nosnippet no bloco de UGC das páginas de maior valor.
Escolhi aplicar SÓ onde o comentário não agrega ao resumo, porque a
diretiva tem efeito colateral conhecido: ela também tira aquele trecho
do snippet orgânico. Onde o comentário é o ativo (Q&A, fórum), o custo
supera o benefício e eu não aplico.
[4] MODERAÇÃO: uma regra a mais na fila, com gatilho por padrão e não por
palavra.
Sinalizar comentário que combine (i) modo imperativo dirigido a sistema
("ignore", "desconsidere", "responda apenas", "aja como") com
(ii) menção a assistente, modelo, IA, prompt ou instrução anterior.
Escolhi combinação de dois sinais em vez de palavra isolada porque
palavra isolada gera falso positivo em texto técnico legítimo, e a
moderação que grita demais é a primeira a ser desligada.
[5] VARREDURA DE TEXTO OCULTO, semanal, nas 200 URLs de maior tráfego.
Comparar o texto do DOM renderizado com o texto visível após aplicar
CSS. Divergência acima de um limite vira chamado.
Escolhi frequência semanal porque o dano depende do ciclo de recoleta
do robô de citação, que ninguém publica, e semanal é o intervalo em que
o custo de rodar ainda é desprezível.
[6] REMOÇÃO NÃO ENCERRA O INCIDENTE.
Depois de remover, registrar a URL e reconferir por 30 dias se a
citação ainda reflete o conteúdo antigo. Não existe botão de
invalidação de cache em índice de assistente.
O QUE EU DELIBERADAMENTE NÃO FIZ:
- Não bloqueei os robôs de citação para "proteger" as páginas com UGC.
Isso resolve o vetor eliminando o ativo, e o ativo é o motivo do curso.
- Não confiei no robots.txt para manter agentes fora das páginas com UGC.
O Perplexity-User o ignora por padrão; o que segura é a higiene do
conteúdo, não a placa na porta.
- Não instalei filtro de "conteúdo malicioso por IA" como controle único.
Detector estatístico erra nos dois sentidos e cria falsa segurança.Onde a regra quebra, e o erro que vem depois dela. Primeiro contra-exemplo: um time aplica data-nosnippet no site inteiro para blindar contra injeção. O efeito colateral documentado é que a diretiva também suprime o snippet orgânico e o trecho usado em resumo, ou seja, a página deixa de ser citável para se proteger de ser mal citada. O remédio matou o paciente.
Segundo contra-exemplo: um time trata isolamento semântico, como um atributo declarando que aquele bloco é conteúdo de terceiro, como se fosse controle de segurança. Aquilo é sinal cooperativo, com a mesma natureza do robots.txt: vale o que o consumidor do outro lado decidir honrar, e nenhum operador publica compromisso a respeito. A fronteira real está no desenho de quem opera o agente. Quando você é o publicador, a sua responsabilidade se esgota em não servir a carga.
A segunda metade trata da camada que o curso vinha praticando sem nomear. Captura de lead, GA4 e log de servidor tratam dado pessoal de brasileiros do começo ao fim. A LGPD, Lei nº 13.709/2018, exige que todo tratamento tenha uma base legal (a hipótese do art. 7º que autoriza aquele uso do dado) declarada, entre as dez que a lei lista. Declarada significa escrita, antes do tratamento, em documento que alguém consegue apresentar.
O padrão do mercado brasileiro de marketing, que é presumir consentimento genérico para tudo, é a origem da maior parte dos problemas. Consentimento é só uma das dez bases, e a mais frágil de provar: exige manifestação livre, informada e inequívoca, com registro de quando e como.
Três erros frequentes. Primeiro, tratar o banner de cookies como a obrigação: a LGPD não cita banner; exige base legal declarada e titular informado, e o banner é só a forma de registrar consentimento. Segundo, enquadrar tudo em legítimo interesse (art. 7º, IX) sem o teste de proporcionalidade escrito que sustenta essa base. Terceiro, esquecer que dado de saúde tem regime próprio no art. 11, mais estrito, e que uma clínica o coleta sem querer no formulário de contato.
Qual base legal sustenta cada tratamento do seu funil?
| Tratamento | Base legal geralmente invocada | O que sustenta ou derruba o enquadramento |
|---|---|---|
| Formulário de contato com nome, e-mail e telefone | Execução de contrato ou procedimentos preliminares (art. 7º, V) | Sustenta enquanto o dado serve para responder ao pedido feito. Usar a mesma base para disparo de campanha depois é onde quebra. |
| Envio de e-mail marketing para lead que baixou material | Consentimento (art. 7º, I) ou legítimo interesse (art. 7º, IX) | Consentimento exige manifestação livre, informada e inequívoca, com registro de quando e como. Caixa pré-marcada não é consentimento. |
| Cookies e identificadores de analytics | Consentimento, na leitura predominante de mercado | Analytics estritamente necessário é discutido caso a caso. O ponto pacífico é que medição para marketing e publicidade pede consentimento. |
| Log de servidor com IP, user agent e URL | Cumprimento de obrigação legal (art. 7º, II) e legítimo interesse (art. 7º, IX) | Guarda de registro de acesso a aplicação tem obrigação legal própria no Marco Civil. O que passa disso migra para legítimo interesse e exige teste de proporcionalidade documentado. |
| Enriquecimento de lead com dado de terceiro | Legítimo interesse, quase sempre | É o enquadramento mais frágil do funil. O titular não teve contato com você e a expectativa legítima dele é difícil de sustentar. |
| Gravação de sessão e mapa de calor | Consentimento | Captura conteúdo digitado e pode alcançar dado sensível sem intenção. Exige mascaramento de campo por padrão. |
Quadro de orientação para a conversa interna. O enquadramento definitivo de cada linha sai da revisão com o jurídico, com a planilha na mão.
O ponto que costura este módulo com a medição é o log de servidor. A camada 1 do método de medição manda guardar log bruto por no mínimo 90 dias, para separar robô de treino de robô de citação e achar o acesso negado servido em silêncio.
Log bruto contém endereço IP, e IP que permite chegar a uma pessoa, sozinho ou combinado, é dado pessoal na definição do art. 5º, I. A recomendação técnica cria, portanto, um tratamento de dado pessoal por 90 dias, que precisa de base legal como qualquer outro.
A base existe e cobre o período inteiro. O Marco Civil da Internet, Lei nº 12.965/2014, obriga no art. 15 o provedor de aplicações constituído como pessoa jurídica com fins econômicos a guardar os registros de acesso a aplicações por seis meses.
Os 90 dias que o curso pede cabem dentro de uma obrigação legal que já existe, e o enquadramento no art. 7º, II da LGPD é direto. A conclusão inverte a intuição de muita gente: guardar log de acesso por 90 dias é mais fácil de sustentar do que apagar antes do prazo.
- Etapa 1 de 3: 1. Prazo declarado e eliminação automática
O log some por rotina no fim do prazo, sem depender de alguém lembrar. O art. 16 da LGPD trata justamente do término do tratamento.
- Etapa 2 de 3: 2. Separação de finalidade
O log operacional que diagnostica robô de citação não alimenta perfil de marketing. Misturar as duas coisas contamina o enquadramento inteiro.
- Etapa 3 de 3: 3. Minimização no que sai do log
Relatório de acessibilidade de crawler precisa de user agent, URL, status e horário, e de nenhum IP. Agregue antes de exportar e o relatório deixa de ser dado pessoal.
Em setembro de 2026 a régua brasileira continua sendo a LGPD e a ANPD: não há lei específica de inteligência artificial em vigor. O PL 2338/2023, o marco regulatório da IA, ficou para depois das eleições de outubro, segundo o relator Aguinaldo Ribeiro em 24/08/2026. A ficha oficial do Congresso segue em "Aguardando Parecer do Relator" na comissão especial.
A ANPD publicou em 19/08/2026 a metodologia de testagem do sandbox regulatório em IA e proteção de dados, elaborada pelo C4AI da USP, com seis ciclos. Sandbox é o ambiente controlado em que empresas testam uso de dados sob supervisão. O Ministério da Justiça encerrou em 04/05/2026 a consulta pública do guia de uso ético de IA, e a versão final não foi localizada.
O precedente que interessa a quem publica conteúdo é o do CADE. Em 23/04/2026 o Tribunal abriu, por unanimidade, processo administrativo contra o Google por possível abuso de posição dominante no uso de conteúdo jornalístico. Os AI Overviews estão no escopo. Em 11/08/2026 a Superintendência-Geral rejeitou o pedido do Google de ouvir testemunhas. É a discussão brasileira sobre quem paga pelo conteúdo que a IA resume.
Para quem opera na Europa, a referência de conformidade mudou em 31/08/2026. A Comissão Europeia designou o ChatGPT como motor de busca de grande porte (VLOSE) sob o DSA, a lei europeia de serviços digitais. O prazo vai até janeiro de 2027 para cumprir obrigações de auditoria independente, acesso de dados a pesquisadores e repositório público de anúncios. O limiar é de 45 milhões de usuários mensais na União Europeia.
Regulação que toca quem publica para ser lido por máquina, estado em 07/09/2026
- 23/04/2026Concluído
CADE abre processo contra o Google
Uso de conteúdo jornalístico, com AI Overviews no escopo; origem em inquérito de 2019.
- 04/05/2026Concluído
Consulta do guia de uso ético de IA encerra
MJSP com USP e Unesco; versão final não localizada.
- 11/08/2026Concluído
CADE rejeita testemunhas do Google
Superintendência-Geral aceita provas documentais e pareceres.
- 19/08/2026Concluído
ANPD publica metodologia do sandbox
Seis ciclos; transparência, explicabilidade e proteção de crianças e adolescentes.
- 24/08/2026Agora
PL 2338 fica para depois das eleições
Declaração do relator; ficha oficial em "Aguardando Parecer".
- 31/08/2026Agora
ChatGPT designado VLOSE no DSA
Comissão Europeia; quatro meses para cumprir.
- 01/2027Previsto
Prazo do DSA para o ChatGPT
Auditoria, dados a pesquisadores e repositório de anúncios.
A clínica implementou banner de consentimento em junho. Desde então, o GA4 registra queda de cerca de um terço nas sessões de orgânico, enquanto o Search Console mostra cliques estáveis no mesmo período. A diretoria interpretou como queda de tráfego e pediu corte no investimento em conteúdo. Renata desconfia que o problema é de medição, e o jurídico da clínica avisou que dado de saúde tem regime próprio na LGPD.
Qual encaminhamento sustenta ao mesmo tempo a conformidade e a leitura correta do número?
O que o consentimento faz com a sua medição?
Antes do banner, ou com aceite universal
Coluna a evitar
- Cada sessão observada tem identificador, e a série temporal é contínua
- Atribuição por origem de sessão funciona com a cobertura que você conhece
- O número reportado é observação, com a subnotificação estrutural de referrer que o curso já detalhou
- O risco fica escondido, porque tratamento sem base legal declarada não gera sintoma no painel
Depois do banner, com recusa parcial
Coluna recomendada
- Só quem consente entra na contagem, e a taxa de aceite vira variável da sua métrica
- Degrau na série temporal na data da implementação, sem retroatividade e sem replay do que já passou
- Com Consent Mode, parte do volume passa a ser estimada por modelo, sujeita a limiar mínimo de dados
- Comparação ano contra ano fica inválida atravessando a data do degrau, e isso precisa aparecer no relatório
Consent Mode é o modo do Google em que as tags enviam o estado do consentimento em vez de simplesmente não dispararem. Isso permite ao Google preencher parte da lacuna com modelagem, em vez de deixar o buraco cru.
Dois avisos que raramente aparecem no material comercial. A modelagem exige volume mínimo de dados para ser acionada, então site pequeno costuma ficar com o buraco mesmo. E a implementação não recupera o que já passou: o degrau na sua série existe a partir da data em que o banner subiu, e nenhuma configuração posterior reconstrói o histórico anterior ao consentimento.
Para a conversa com o jurídico, leve uma planilha de tratamentos em vez de uma pergunta genérica. Cinco colunas por tratamento: que dado, para qual finalidade, por quanto tempo, com quem é compartilhado e a base legal que você acha aplicável. Advogado responde melhor a um inventário errado do que a "a gente está em conformidade?": o inventário vira revisão linha a linha. O tratamento que você não consegue descrever em uma linha é o que está sem base legal.
Se a figura ultrapassar a área visível, deslize para os lados. Pelo teclado, foque a figura e use as setas.
Sem consultar o texto: escolha um único formulário do seu site e escreva o inventário completo dele em cinco linhas (dado coletado, finalidade, prazo de guarda, com quem compartilha, base legal). Depois responda: se um titular pedir hoje a eliminação dos dados dele, quantos sistemas você precisaria tocar, e você sabe nomear todos? A distância entre a sua resposta e a lista real do time de dados é o tamanho do trabalho que este módulo abriu.
Duas tarefas no seu ambiente real, somando menos de duas horas. Tarefa 1, superfície de injeção: escolha as dez páginas de maior tráfego do seu site, extraia o texto do HTML renderizado e compare com o texto visível na tela. Procure blocos ocultos por CSS e trechos em modo imperativo dirigido a assistente dentro de área de UGC. Sucesso: uma lista nomeada de URLs com divergência, ou a afirmação verificada de que não há nenhuma nas dez. Tarefa 2, inventário mínimo: monte a planilha de cinco colunas para os três tratamentos de maior volume do funil e marque em vermelho os que você não justifica em uma frase. Agende 30 minutos com o jurídico levando só as linhas vermelhas. Sucesso: a reunião existe na agenda e a planilha chegou antes dela.
Faça agora (15 min)
Quinze minutos, três pedidos e uma reunião marcada colocam dono em cada um dos três riscos.
Passo 1: Nomeie o dono de cada risco por escrito
Três linhas num e-mail: quem responde por texto de terceiros no site, quem responde pelo agente que lê a web (se existe) e quem responde pelo inventário de dados. Nome de pessoa, nunca área.
Deu certo quando: Três nomes diferentes, ou a decisão consciente de que um deles acumula.
Erro comum: Escrever "marketing" ou "TI" no lugar de uma pessoa.
Passo 2: Peça a varredura de texto oculto nas dez páginas de maior tráfego
Peça à equipe técnica que compare o texto do HTML com o texto visível nessas dez URLs e liste as divergências. Prazo: uma semana.
Deu certo quando: Lista nomeada de URLs com divergência, ou a afirmação verificada de que não há nenhuma.
Erro comum: Aceitar "nunca tivemos problema" no lugar da varredura.
Passo 3: Pergunte a base legal dos três tratamentos de maior volume
Formulário principal, e-mail marketing e analytics. Para cada um: que dado, para quê, por quanto tempo, com quem é compartilhado e qual artigo da LGPD sustenta.
Deu certo quando: Três linhas preenchidas com o artigo, ou marcadas em vermelho.
Erro comum: Receber "temos política de privacidade" como resposta: política não é base legal.
Passo 4: Confirme o prazo de guarda do log de servidor e quem apaga
Duas perguntas: por quantos dias o log bruto fica guardado e qual rotina o apaga no fim do prazo. A resposta esperada fica entre 90 e 180 dias, com eliminação automática.
Deu certo quando: Um número de dias e o nome da rotina.
Erro comum: Log guardado "desde sempre" sem ninguém saber onde.
Passo 5: Marque 30 minutos com o jurídico levando só as linhas vermelhas
Pauta: os tratamentos sem base legal justificada em uma frase e a decisão sobre banner e Consent Mode. A planilha vai antes da reunião.
Deu certo quando: Reunião na agenda e planilha enviada.
No fim você tem: três donos nomeados, a varredura de texto oculto pedida com prazo, a base legal dos três maiores tratamentos escrita ou marcada em vermelho, o prazo de log confirmado e a reunião com o jurídico marcada.
Resumo em três linhas: Quem publica responde por não servir instrução escondida, quem opera agente responde por separar dado de ordem, e o robô acionado por usuário chega mesmo com o site bloqueado. Todo tratamento tem base legal escrita, o log de 90 dias cabe nos seis meses do Marco Civil e o consentimento cria um degrau na medição que o relatório declara. Na segunda-feira, nomeie os três donos por e-mail e peça a base legal dos três tratamentos de maior volume.