
Superinteligência e dados de pagamento: o que nunca chega ao modelo
Quais dados de cartão e pagamento nunca devem chegar a um modelo de IA, e como delegar a cobrança a um provedor sem expô-los ao agente.
Quer aplicar isso na sua empresa?
Agendar conversa com o Juan →Número completo do cartão, código de segurança, senhas e dados de autenticação nunca devem ser enviados a um modelo de IA, seja ele um assistente de atendimento, um agente no WhatsApp ou um sistema de análise. A regra prática é separar a conversa sobre a cobrança do processamento do pagamento: o agente trata do diálogo, enquanto um provedor especializado recebe e processa os dados e devolve ao sistema apenas um status ou um link. Essa separação vale para qualquer modelo, inclusive os que rodam dentro da própria empresa.
Principais pontos
- Número completo do cartão, código de segurança e validade nunca entram em prompt, log, planilha ou histórico de conversa.
- Senhas, PINs, códigos de confirmação e chaves de API do provedor ficam fora de qualquer contexto acessível ao agente.
- O agente recebe apenas o estado da cobrança, como pago, pendente, vencido ou recusado, junto com um identificador de pedido.
- A cobrança é criada e paga em um ambiente do provedor, com confirmação feita por webhook assinado e verificado.
- Reembolso, cancelamento e exceções exigem aprovação humana registrada, nunca decisão livre do modelo.
O que nunca deve chegar a um modelo
Vale separar três grupos de informação. O primeiro é o que a norma PCI DSS, usada no setor de cartões, proíbe armazenar depois da autorização, como o código de segurança e os dados de tarja. O segundo é o que a empresa não precisa para cobrar, como o número completo do cartão e qualquer combinação de dados que permita reconstituí-lo. O terceiro são credenciais de acesso, que dão poder sobre sistemas e não apenas sobre informações de um cliente.
Na prática, a lista inclui:
- Número completo do cartão, inclusive quando aparece em foto de comprovante, print de tela ou arquivo exportado.
- Código de segurança (CVV ou CVC) e data de validade associada ao número.
- Senhas, PIN, respostas a desafios de autenticação e códigos de confirmação enviados ao cliente.
- Chaves de API, segredos de webhook e tokens de acesso ao gateway de pagamento.
- Dados bancários completos de terceiros, como agência e conta, quando o caso não exige esse detalhe.
- Payloads brutos de notificações de pagamento gravados em logs ou em bases de conversa.
Por que o modelo não precisa desses dados
Um modelo de linguagem não é um processador de pagamentos. Tudo o que entra no contexto pode ser repetido na resposta, copiado para logs, guardado em ferramentas de observabilidade ou exposto por meio de instruções maliciosas escondidas em outra mensagem. O OWASP, em sua lista de riscos para aplicações com LLM, trata a divulgação de informação sensível e a injeção de prompt como problemas distintos, e os dois aparecem com frequência em fluxos de atendimento.
Por isso, a pergunta útil não é se o modelo é seguro, e sim se aquele dado precisa estar no contexto para o agente cumprir a tarefa. Quase sempre a resposta é não. O princípio da necessidade, previsto na LGPD, aponta na mesma direção: colete e use o mínimo indispensável para a finalidade. Se o tema ainda parece abstrato, vale entender a diferença entre o que um modelo faz e o que se espera dele, como em ChatGPT é superinteligência? O que ele é e o que não é.
Como delegar a cobrança sem expor os dados
O padrão mais seguro é deixar o provedor de pagamento cuidar do que é sensível, enquanto o agente cuida do que é conversa. Os passos costumam ser estes:
- O sistema pede ao gateway a criação de uma cobrança com valor, descrição e identificador do pedido, e recebe de volta um link de pagamento ou um checkout hospedado.
- O agente envia ao cliente apenas esse link, sem nenhum dado de cartão ou credencial no texto.
- O preenchimento dos dados de cartão acontece na página do provedor, fora da conversa.
- A confirmação chega por webhook, e o sistema verifica a assinatura da notificação antes de atualizar o pedido.
- O agente tem acesso somente leitura ao status do pedido, nunca ao conteúdo completo da transação.
- Chamadas de criação de cobrança usam chave de idempotência, para que uma reexecução do fluxo não gere cobranças duplicadas.
A documentação do Stripe descreve esses dois mecanismos, verificação de webhook e idempotência, como práticas de integração. O mesmo raciocínio se aplica a outros gateways usados no Brasil, desde que ofereçam recursos equivalentes. No Pix, o agente pode informar que a cobrança foi gerada e entregar o código ou o link produzido pelo provedor, sem montar manualmente a chave de recebimento em texto livre.
Checklist antes de conectar um agente à cobrança
Antes de liberar o fluxo para clientes, confirme os pontos abaixo com quem opera e com quem responde pela área financeira:
- Prompts, exemplos e base de conhecimento foram revisados e não contêm dados de cartão reais.
- Logs, transcrições e métricas estão configurados para mascarar campos sensíveis.
- A ferramenta de consulta de cobrança retorna apenas status e identificador, nunca o payload completo.
- Reembolso, desconto e cancelamento exigem aprovação humana, com registro de quem aprovou e quando.
- Existe um teste de injeção de prompt que tenta extrair dados de pagamento da conversa, e o teste falha como esperado.
- O procedimento para cliente que envia dados de cartão no chat está escrito e foi testado.
- A política interna da empresa define quem pode acessar os logs de conversa e por quanto tempo eles são mantidos.
A política de uso de ferramentas de IA na empresa costuma ser o documento que reúne esses pontos. Um guia prático está em Política de uso de ChatGPT na empresa: o que permitir e proibir.
Cenário ilustrativo: cobrança de mensalidade pelo WhatsApp
Cenário ilustrativo: uma empresa de serviços recorrentes quer que o agente avise sobre uma mensalidade vencida e reenvie o link de pagamento. O agente identifica o cliente pelo número cadastrado, consulta o status da fatura no sistema de cobrança, envia o link gerado pelo provedor e registra a conversa. Se o cliente pedir desconto ou prorrogação, o agente não decide: abre uma solicitação para a equipe financeira e informa o prazo de retorno combinado.
Se o cliente digitar o número do cartão no chat, o agente não repete os dígitos, não confirma nada com base neles e orienta o cliente a não enviar dados por ali. A conversa vai para revisão humana, e o log guarda apenas o fato de que uma mensagem sensível foi recebida, sem o conteúdo. Mensagens ativas como essa lembrança de vencimento dependem de templates aprovados e de permissão prévia do cliente, como detalhado em Mensagens ativas no WhatsApp: templates, opt-in e boas práticas.
Como aplicamos o método nesse tipo de projeto
No nosso método, o trabalho começa por mapear o processo atual e a linha de base. Em cobrança, isso significa descobrir onde os dados de pagamento entram hoje: formulários, prints enviados ao grupo de atendimento, planilhas de conciliação e exportações de sistemas. Esse levantamento mostra pontos de exposição que a equipe nem sempre lembra.
Depois, limitamos dados e ações ao mínimo necessário, pilotamos um único fluxo real com logs e uma métrica de sucesso combinada antes, e então transferimos a operação com uma decisão clara: expandir, ajustar ou parar. Quando a operação passa a ser gerida, a revisão periódica de logs, permissões e fluxos faz parte da rotina, não de um evento isolado.
Se a decisão automatizada afetar o cliente, por exemplo ao negar um desconto ou um reembolso, vale conferir também as regras sobre revisão previstas na LGPD, detalhadas em Decisões automatizadas na LGPD: art. 20 e o direito de revisão.
Perguntas frequentes
Posso deixar o agente confirmar a compra usando os dados do cartão? Não. A confirmação deve vir do provedor por webhook verificado, e o agente deve receber apenas o status final do pedido. Assim, o modelo não precisa conhecer nenhum dado do cartão para dizer ao cliente que o pagamento foi aprovado.
Mostrar só os últimos dígitos do cartão resolve o problema? Reduz a exposição, mas não é necessário que o modelo receba esses dígitos para cumprir a tarefa. Se o cliente precisa reconhecer o cartão, isso acontece na página do provedor, e o agente deve trabalhar com status e identificador do pedido.
Um modelo instalado na própria empresa elimina esse risco? Ele reduz a exposição a terceiros, mas não elimina vazamentos por logs mal configurados, injeção de prompt ou acesso indevido de funcionários. A regra de minimizar os dados no contexto continua valendo, independentemente de onde o modelo roda.
A LGPD exige algo específico para pagamentos feitos com IA? A LGPD exige finalidade, necessidade e segurança no tratamento de dados pessoais, e prevê revisão de decisões automatizadas que afetem o titular. Os detalhes de cada caso dependem da operação, então vale confirmar a leitura com o jurídico da empresa e acompanhar as orientações da ANPD.