Blindar o acervo contra risco jurídico e de marca

Uma notificação extrajudicial ou um processo por coleta indevida custa mais que o acervo inteiro rendeu, e o risco se decide antes da primeira página publicada. A cena é sempre a mesma. O projeto está pronto, o inventário fecha, o template passa na régua de densidade, e alguém pergunta se pode publicar. A resposta que sai automática é "o dado é público". Essa frase descreve como você conseguiu o dado, e nenhuma das três coisas que decidem o risco: se houve credencial no caminho, se você aceitou algum termo, e se algum campo aponta para uma pessoa.

Comece pelos Estados Unidos, porque é de lá que vem quase toda a citação errada do mercado brasileiro.

Em Meta v. Bright Data (Northern District of California, 23/01/2024, juiz Edward Chen), a sentença sumária foi favorável ao coletor, com dois pontos de efeito prático. Primeiro: os termos de uso da Meta só alcançariam a Bright Data se houvesse prova de coleta feita logada, e essa prova não veio. Segundo: a cláusula de sobrevivência, que pretendia proibir a extração em perpetuidade depois do encerramento da conta, foi considerada inexequível. A Meta desistiu do processo em fevereiro de 2024.

O que isso desenha para o seu projeto: conteúdo servido a qualquer visitante, sem conta e sem termo aceito, está numa posição jurídica muito diferente de conteúdo atrás de autenticação. A diferença não está no dado, está no caminho até ele.

Dois casos que o mercado conta errado, e que você vai ouvir de cliente ou de colega.

Ryanair v. Booking.com. Em 18/07/2024 um júri em Delaware decidiu a favor da Ryanair por violação do CFAA no acesso à área myRyanair, com dano fixado em US$ 5.000. A Ryanair divulgou como vitória histórica. Entre janeiro e março de 2025 o juízo derrubou o veredicto ao conceder *judgment as a matter of law*: a Ryanair não provou os US$ 5.000 mínimos de prejuízo que o CFAA exige, porque custos de atendimento ao cliente não contam como *loss* e apenas US$ 2.457,72 gastos com antibot foram aceitos. O caso subiu para o Terceiro Circuito, com *amicus briefs* de EFF e Reporters Committee. Em julho de 2026 o ponto seguia sem pacificação.

hiQ Labs v. LinkedIn. Quem cita como prova de que "scraping é legal" está citando a decisão interlocutória. O desfecho foi acordo desfavorável ao hiQ: injunção permanente proibindo a coleta no LinkedIn, obrigação de deletar dados e algoritmos derivados, US$ 500 mil ao LinkedIn e estipulação de responsabilidade sob CFAA pelo acesso a páginas protegidas por senha com contas falsas.

O ponto contraintuitivo da União Europeia é o que mais interessa a quem monta agregador, e ele inverte a intuição de todo mundo.

No caso Ryanair julgado pela CJEU, os dados de voo não receberam proteção por direito autoral nem pelo direito sui generis de banco de dados. Como as exceções da Diretiva 96/9/CE, que garantem certos usos legítimos, existem dentro desses regimes, elas também deixaram de se aplicar. Sobrou o contrato, sozinho, sem os limites que a lei de propriedade intelectual imporia. Uma base desprotegida acabou mais blindada que uma protegida.

A consequência operacional é curta: "esse dado não tem direito autoral" não é defesa. É apenas a informação de que você perdeu as exceções que poderiam te socorrer.

No Brasil, o caso mais citado é Curriculum contra Catho, decisão de primeira instância da 33ª Vara Cível de São Paulo, juiz Luiz Mario Galbetti, com condenação de R$ 21.828.250,00. O cálculo é o que vale como aula: valor mensal cobrado pela Catho por currículo (R$ 50,00) multiplicado por 436.595 currículos obtidos ilegalmente. Os fundamentos foram concorrência desleal, violação de sistemas, enriquecimento ilícito e abuso de direito.

Guarde o raciocínio de dano, que é preço unitário multiplicado por volume raspado. Ele é o que aparece quando alguém precisa transformar uma coleta em cifra, e ele independe do resultado daquele processo específico.

A ANPD, a autoridade nacional de proteção de dados, tratou de raspagem de dados (coleta automática de páginas por robô) no Radar Tecnológico nº 3, publicado em novembro de 2024, cujo tema central é IA generativa. Cite o PDF original, listado nas fontes ao fim deste módulo, porque as análises secundárias que circulam parafraseiam sem reproduzir o texto original, e você vai acabar defendendo uma frase que a autoridade não escreveu.

A regra prática para o seu projeto cabe em uma linha: se a página programática exibe dado que identifica pessoa natural (nome de profissional, avaliação com autoria, currículo, telefone), a lei brasileira de proteção de dados pessoais entra independentemente de o dado ser público. "Estava público" descreve a origem e não é base legal.

Exemplo resolvido: o parecer do Radar de Preço de Combustível.

O Radar publica uma página por município e por tipo de combustível, com o preço médio praticado naquela semana e a série histórica. A fonte é a série da ANP, cruzada com a base de localidades do IBGE. Nenhum campo publicado aponta para uma pessoa. A coleta é de arquivo aberto, sem conta e sem termo aceito, então o projeto está do lado esquerdo da primeira figura.

A decisão de projeto aparece quando alguém propõe descer ao registro por posto, com razão social e endereço. Isso muda a natureza do dado, porque revenda constituída como firma individual ou MEI carrega o nome do titular na razão social. O parecer abaixo é o artefato que registra essa decisão, e ele roda como verificação antes do build.

Repare no que o script faz e no que ele não faz.

Ele não decide se você pode publicar. Ele reprova o build quando alguém, daqui a seis meses, virar publicadoNaPagina para true num campo marcado como pessoa natural sem escrever a base legal ao lado. É a diferença entre um parecer que envelhece numa pasta e um parecer que participa do deploy. A decisão continua sendo humana, o que muda é que ela passa a ser explícita e datada.

A atribuição da ANP no rodapé, que você definiu no módulo de fontes brasileiras, é o outro lado desse mesmo artefato: ela declara para o leitor a mesma origem que o script exige do desenvolvedor.

Peça ao responsável pelo projeto o parecer de risco do Radar, no formato do script acima mais um parágrafo em prosa. Ele está pronto quando cumpre cinco condições:

• Cada campo do registro tem origem e licença declaradas, com o link da fonte.
• Cada campo tem o veredito de pessoa natural, com a nota que justifica o veredito quando ele for sim.
• A atribuição da ANP está no rodapé das páginas geradas, e o parecer aponta para onde ela está no código.
• A decisão sobre publicar ou não nome e endereço de posto individual está escrita, datada e assinada por você, com a razão. Decidir não publicar também é decisão, e precisa estar registrada igual.
• O script sai com código 1 quando você inverte, de propósito, um publicadoNaPagina para testar o gate.

O guia abaixo é para o executivo que assina a liberação do acervo e precisa de um parecer que sobreviva à troca de equipe. Ele destrava uma decisão só: publicar, ajustar ou vetar cada campo do registro antes que ele vire página.

Encomende o parecer ao jurídico nesta semana, com prazo de 15 dias e o script de verificação ligado ao build. Considere a tarefa concluída quando o build falhar no teste proposital com um campo sensível e o documento trouxer, para cada fonte, a cláusula de termos lida e a data da leitura.