LLM local ou proxy de privacidade: precisa de IA privada?
· Escrito e mantido por Nonimo
Hospedar um LLM local faz sentido quando o texto não pode sair da sua infraestrutura nem sem identificação, ou quando o volume é tão alto e constante que manter máquina e equipe compensa. Para a maioria dos escritórios e clínicas, o problema não é o modelo estar fora: é o nome e o CPF do cliente irem junto.
O Nonimo Gateway roda nos seus próprios servidores. Ver planos e falar com a gente.
Nesse caso, manter a API e pseudonimizar a requisição costuma bastar. Este guia compara as duas saídas, a IA privada no seu servidor e a API com um proxy de privacidade no meio, e mostra o que cada uma exige de verdade.
O que é um LLM local, ou IA privada
Um LLM local é um modelo de linguagem de pesos abertos que você baixa e roda em servidores seus. Pode ser uma máquina no escritório, um servidor num data center de São Paulo ou uma instância com GPU contratada numa nuvem. O texto não vai para a OpenAI nem para outro provedor: entra e sai dentro do seu ambiente.
No mercado, IA privada virou um termo amplo. Às vezes quer dizer exatamente isso; às vezes quer dizer um plano corporativo de um provedor, em que o texto continua indo para fora, mas com compromissos de contrato. Antes de comparar preços, vale perguntar ao fornecedor onde o modelo roda e quem tem acesso ao que é enviado.
Quando vale a pena rodar o próprio modelo
Há situações em que o LLM local é a resposta certa:
- O conteúdo identifica mesmo sem nomes. Um laudo de doença rara numa cidade pequena, uma investigação interna com cargos e datas, um processo que saiu no jornal. Tirar nome e CPF não basta, porque o contexto denuncia a pessoa.
- Contrato ou norma proíbe a saída. Alguns clientes corporativos e órgãos públicos exigem que nada saia da infraestrutura contratada, com ou sem pseudonimização.
- Ambiente sem internet. Sistemas isolados, por segurança ou por operação, não podem chamar uma API externa.
- Volume alto e previsível. Se o mesmo tipo de tarefa roda o dia inteiro, a conta de uma máquina dedicada pode fechar melhor que pagar por token.
- Ajuste fino com dados próprios. Treinar o modelo com o seu acervo exige ter o modelo nas mãos.
O que um LLM local custa de verdade
O preço da máquina é a parte visível. O resto aparece depois.
Hardware. Modelos de porte útil para redigir, resumir e analisar documentos longos pedem GPU com bastante memória. Quanto maior o modelo e mais gente usando ao mesmo tempo, maior a máquina. Em nuvem, isso vira instância com GPU ligada; no escritório, vira compra, energia, refrigeração e espaço.
Gente. Alguém precisa escolher o modelo, instalar, atualizar quando sair uma versão nova, medir se as respostas continuam boas, cuidar da segurança do servidor e responder quando cair. Em empresas de 10 a 100 pessoas, essa função raramente existe e acaba no colo de um desenvolvedor que já tem outras tarefas.
Qualidade. Modelos abertos evoluíram muito, mas o modelo que cabe na sua máquina nem sempre acompanha os maiores modelos comerciais em textos longos, raciocínio jurídico ou tabelas complexas. Vale testar com os seus documentos antes de decidir.
LGPD continua valendo. Rodar local evita a transferência a um provedor, mas não dispensa base legal, finalidade, segurança (art. 46) e registro das operações (art. 37). Um servidor exposto no escritório pode ser um incidente maior que uma API bem configurada.
LLM local, API direta ou API com proxy de privacidade
| LLM local | API direta | API com proxy de privacidade | |
|---|---|---|---|
| Onde o modelo roda | No seu servidor | No provedor | No provedor |
| O que chega ao provedor | Nada | O texto inteiro, com nomes e CPF | O texto com marcadores no lugar dos dados pessoais |
| Hardware | GPU dimensionada para o modelo | Nenhum | Nos seus próprios servidores |
| Equipe | Operar, atualizar e avaliar o modelo | Integração | Integração e operação de um serviço |
| Qualidade do modelo | A do modelo que cabe na máquina | A dos modelos comerciais | A dos modelos comerciais |
| Transferência internacional | Não há | Há, com dados identificáveis | Há, com dados pseudonimizados |
A última linha importa no Brasil. A OpenAI publica uma lista de regiões de residência de dados, e o Brasil não está nela. Mandar dados pessoais à API é, portanto, transferência internacional, regida pelo art. 33 da LGPD e pela Resolução CD/ANPD nº 19/2024, que trouxe as cláusulas-padrão contratuais. Pseudonimizar antes da chamada não elimina a transferência, mas reduz muito o que atravessa a fronteira.
Quando pseudonimizar e manter a API basta
Na maior parte do trabalho de um escritório de advocacia, de uma contabilidade ou de uma clínica, o que identifica a pessoa está em pontos previsíveis: nome, CPF, CNPJ, RG, e-mail, telefone, endereço, número do processo. O restante do texto, a dúvida, a cláusula, o sintoma, não aponta para ninguém sozinho.
Nesses casos, trocar os identificadores por marcadores antes da chamada resolve o essencial. O provedor recebe o caso, devolve a resposta com os marcadores, e você coloca os valores reais de volta na sua tela ou no seu sistema. É a pseudonimização do art. 13, § 4º: a informação adicional que liga o marcador à pessoa fica com você, em ambiente controlado. Na nossa leitura, para quem guarda essa tabela o dado continua pessoal, e é por isso que a tabela não sai do seu servidor. A diferença para a anonimização está em pseudonimização e anonimização na LGPD.
Exemplo: a clínica que resume anamneses
Uma clínica de dermatologia em Belo Horizonte quer que o sistema de prontuário gere um resumo da anamnese para a consulta de retorno. O texto original, com dados fictícios:
Paciente Renata Moura Teixeira, 41 anos, CPF 000.000.001-00, relata piora das lesões após troca de protetor solar. Uso de isotretinoína suspenso em março. Contato: renata@example.com.
O que chega à API passando por um proxy de privacidade:
Paciente [PESSOA_1], 41 anos, CPF [CPF_1], relata piora das lesões após troca de protetor solar. Uso de isotretinoína suspenso em março. Contato: [E-MAIL_1].
O modelo resume o quadro clínico sem saber de quem é. Dado de saúde é dado sensível (art. 11), e o cuidado é maior; veja dados sensíveis na LGPD e IA na saúde e prontuário eletrônico. Se a mesma clínica atendesse um caso tão raro que a cidade inteira soubesse quem é, aí o LLM local passaria a ser a resposta para aquele caso.
Onde entra o Nonimo Gateway
O Nonimo Gateway é o proxy de privacidade da terceira coluna da tabela. Roda nos seus próprios servidores. É compatível com a API da OpenAI: você muda o base_url e mantém o código. Troca os dados pessoais por marcadores na ida e devolve os valores reais na resposta, e você usa a sua própria chave da OpenAI.
Ele reconhece documentos e números de cada país atendido, o CPF entre eles. Há um plugin para o LiteLLM, se você já roda um AI gateway; o que muda num LLM gateway privado está explicado no guia próprio. Os planos e preços estão na página do Nonimo Gateway.
Antes de comprar uma GPU
Separe os seus casos de uso em dois grupos: os que continuam identificando a pessoa mesmo sem nome e documento, e os que não. O primeiro grupo pode justificar um LLM local. O segundo, quase sempre, se resolve com a API e um proxy no meio. Para ver o mapa das ferramentas de detecção, leia o comparativo de ferramentas para mascarar PII, em inglês, e a alternativa ao Microsoft Presidio; para os caminhos por onde os dados escapam, vazamento de dados com IA. Veja os planos do Nonimo Gateway e fale com a gente.
Fontes
Consultadas em 20 de outubro de 2026.
- Lei nº 13.709, de 14 de agosto de 2018 (LGPD), texto atualizado na base de legislação da Câmara dos Deputados: www2.camara.leg.br/legin. Arts. 11; 13, § 4º; 33; 37; 46.
- ANPD, página Transferência internacional de dados. Resolução CD/ANPD nº 19/2024 e cláusulas-padrão contratuais.
- OpenAI, Data controls in the OpenAI platform. Regiões de residência de dados disponíveis.
O Nonimo é o software que faz isso no seu próprio computador: oculta nomes e dados de clientes antes que o texto chegue ao ChatGPT. Sem conta, e com o app os dados dos seus clientes não saem do seu computador.
Perguntas frequentes
O que é um LLM local?
É um modelo de linguagem que roda em servidores seus, no escritório ou numa nuvem contratada por você, em vez de ser chamado pela API de um provedor como a OpenAI. Os textos não saem para terceiros, mas a máquina, a atualização do modelo e a segurança passam a ser responsabilidade sua.
IA privada e LLM local são a mesma coisa?
Quase sempre que alguém diz IA privada está falando de um LLM local ou de um modelo numa nuvem dedicada. O termo também é usado para planos corporativos de provedores com compromissos contratuais de não treinar com os seus dados, o que é outra coisa: o texto continua saindo para o provedor.
Um LLM local resolve a LGPD?
Não sozinho. Ele evita mandar dados a um provedor externo, mas o tratamento continua existindo e precisa de base legal, finalidade, segurança e registro. Um servidor mal protegido no escritório pode expor mais do que uma API bem configurada.
Preciso de GPU para rodar um LLM local?
Para modelos de porte útil em trabalho de escritório, em geral sim. Modelos pequenos rodam em processador comum, mas costumam render menos em textos longos e tarefas de raciocínio. O tamanho da máquina depende do modelo escolhido e de quantas pessoas usam ao mesmo tempo.
Quando pseudonimizar o texto e usar a API é suficiente?
Quando o que identifica a pessoa são nomes, documentos e contatos, e o restante do texto não a denuncia sozinho. Trocando esses dados por marcadores antes da chamada, o provedor recebe o caso sem saber de quem é, e você mantém a qualidade dos modelos comerciais.
Dá para combinar LLM local e proxy de privacidade?
Sim. Muitas equipes deixam no modelo local o que não pode sair de jeito nenhum e mandam o resto à API, pseudonimizado. O proxy fica entre a aplicação e a API, e o modelo local atende só as rotas que precisam dele.