Uma pequena equipa em Zurique treinou um modelo de linguagem. No próximo mês quer oferecê-lo a clientes na UE. Na sexta-feira, o advogado envia uma só linha. Onde está o vosso resumo público de treino?
Este guia explica o que é esse resumo e o que o formulário da UE pede. Depois mostra como guardar registos que fundamentam o resumo.
Quem tem de publicar um resumo de treino
O Regulamento da IA obriga cada prestador de um modelo de IA de finalidade geral a publicar um resumo do seu conteúdo de treino.
A regra está no artigo 53.º, n.º 1, alínea d), do Regulamento da IA da UE. Os prestadores de modelos de IA de finalidade geral devem «elaborar e tornar público um resumo suficientemente pormenorizado do conteúdo utilizado no treino do modelo de IA de finalidade geral, de acordo com um formulário fornecido pelo AI Office».
Os modelos de código aberto não escapam a este dever. O artigo 53.º, n.º 2, do Regulamento da IA dispensa alguns deveres para modelos de código aberto, mas só as alíneas a) e b). O resumo da alínea d) continua a aplicar-se.
O dever aplica-se desde 2 de agosto de 2025 (verificado novamente no EUR-Lex, 21 de outubro de 2026). Os modelos colocados no mercado antes dessa data têm mais tempo. O seu resumo tem de estar público até 2 de agosto de 2027, o mais tardar (verificado novamente na nota da Comissão, 21 de outubro de 2026).
As três secções do formulário
O formulário da Comissão tem três secções, e cada uma pede uma imagem geral dos dados.
O AI Office publicou a sua Nota Explicativa e Formulário em 24 de julho de 2025. Todos os resumos têm de o seguir. O formulário tem três secções.
- «1. Informação geral» identifica o prestador e o modelo. Indica os tipos de conteúdo com que o modelo aprendeu e quanto de cada um, em intervalos largos. Dá o carácter geral dos dados de treino.
- «2. Lista de fontes de dados» nomeia os principais conjuntos de dados. Descreve por palavras os dados recolhidos online. Cobre também todas as outras fontes, como dados de utilizadores ou dados sintéticos.
- «3. Aspetos relevantes do tratamento de dados» tem três partes. A parte 3.1 é «Respeito pela reserva de direitos da exceção de prospeção de textos e dados ou opt-out». A parte 3.2 é «Remoção de conteúdos ilegais». A parte 3.3 é «Outras informações (facultativo)».
A secção 2 divide-se ainda mais. Cobre conjuntos de dados públicos, conjuntos de dados privados, dados recolhidos online, dados de utilizadores e dados sintéticos. Os conjuntos de dados privados dividem-se outra vez. Uma parte são dados licenciados por titulares de direitos. A outra parte são dados de outros terceiros.
Nomes de domínio e a regra de atualização
Lista os maiores sítios web que recolheu, e atualiza o resumo quando treina mais o modelo.
A secção 2.3 do formulário cobre dados rastreados e recolhidos online. Pede uma lista de nomes de domínio. Indica os nomes «nos 10 % superiores de todos os nomes de domínio, determinados pelo tamanho do conteúdo recolhido». As pequenas e médias empresas têm uma regra mais leve. Listam «os 5 % superiores, ou os 1000 domínios principais».
O resumo é também um documento vivo. Quando treina mais o modelo, atualiza-o. A nota pede atualizações a cada seis meses, ou mais cedo se os novos dados forem significativos. Cada atualização leva a sua data.
Onde e quando o publicar
O resumo vai para o seu sítio web, bem visível, o mais tardar quando o modelo chega ao mercado da UE.
A nota diz que o resumo «deve ser tornado público o mais tardar quando o modelo é colocado no mercado da União». Diz também onde. «Deve ser publicado no sítio web oficial do prestador de forma claramente visível e acessível». O resumo acompanha também o modelo «em todos os seus canais públicos de distribuição».
Em termos simples, precisa de uma página fácil de encontrar no seu sítio. Precisa também de uma cópia em todos os lugares onde as pessoas descarregam o modelo.
O que o formulário não pede
Não tem de listar cada obra ou ficheiro com que o modelo aprendeu.
O parágrafo 16 da nota é claro quanto a isto. O formulário «não exige a divulgação dos pormenores dos dados e obras específicos usados para treinar o modelo». O considerando 107 do Regulamento da IA diz que o resumo deve ser «geralmente abrangente» mas não «tecnicamente pormenorizado».
A nota indica também a finalidade. O resumo serve para «proporcionar uma transparência pública significativa e facilitar às partes com interesses legítimos o exercício e a defesa dos seus direitos ao abrigo do direito da União». Um titular de direitos lê-o para ver se a sua obra pode estar lá dentro. Depois pode fazer-lhe perguntas. Vai querer registos para lhes responder.
Fundamente o resumo com registos selados
Sele os seus manifestos de conjuntos de dados, os ficheiros de licença e o próprio resumo como versões datadas, para poder mostrar o que tinha e quando.
O resumo é uma afirmação pública. Um dia, um titular de direitos ou o AI Office pode perguntar o que estava por trás dele. Imagine que a sua secção 2.2.1 lista dados licenciados por titulares de direitos. Vai querer esses ficheiros de licença tal como estavam no dia em que treinou. Imagine que a sua secção 3.1 diz que respeitou os opt-outs. Vai querer o manifesto do conjunto de dados e a lista de opt-outs tal como estavam nesse dia.
No Swiss Trust Layer carrega estes ficheiros para uma pasta e sela-a. A plataforma calcula uma impressão digital de cada ficheiro e do pacote selado. Só a impressão digital vai para a Swisscom Trust Services, um prestador qualificado de serviços de confiança. O ficheiro em si não vai. A Swisscom assina a impressão digital e acrescenta um carimbo temporal segundo a RFC 3161. Cada versão selada recebe um certificado de prova, um PDF assinado. Lista o nome de cada ficheiro e a sua impressão digital, mais o número da versão. Um código QR nele abre uma página pública de verificação que não exige início de sessão.
Cada vez que atualiza o resumo, acrescente uma nova versão da pasta. A pasta mantém um Histórico de Versões, e cada versão mantém o seu próprio selo. Qualquer alteração a um ficheiro dá uma impressão digital diferente. Assim, uma cadeia datada de versões mostra o que tinha em cada data.
O que um selo prova e o que não prova
Um selo prova que o registo existia numa data e não mudou desde então; não prova que os dados foram usados de forma lícita.
Seja honesto quanto ao limite. Um selo prova que este ficheiro exato existia naquele momento e não mudou desde então. Não prova quem criou o conteúdo, que o conteúdo é verdadeiro, ou que quem selou detém os direitos. Não prova que os seus dados de treino foram usados de forma lícita. Um selo não cria direito de autor. O direito de autor nasce com a criação. Um ficheiro de licença selado mostra que texto de licença tinha naquele dia. Se essa licença cobre o seu uso é uma questão jurídica a que o selo não pode responder.
Sele hoje o seu manifesto de conjunto de dados, os ficheiros de licença e o rascunho do resumo como versão um no Swiss Trust Layer.
