Anonimize um CSV antes de o carregar na IA

Para anonimizar dados de um ficheiro CSV antes de o enviar para uma IA, peça ao programa de origem que exporte só as colunas de que a pergunta precisa, guarde-o como CSV UTF-8 e abra-o num editor de texto para o ler como ele é. Nos ficheiros .txt a regra é ler até ao fim. Num documento .odt do LibreOffice ou num RTF, aceite as alterações e elimine comentários, notas e texto oculto antes de o carregar.

Estes formatos parecem mais simples do que um Word, e são-no na maioria das vezes. Um CSV não tem folhas escondidas e um .txt não tem comentários. Mas um .odt e um RTF guardam tanto como qualquer processador de texto, e fizemos a prova: um documento com oito nomes inventados, espalhados por sete sítios do ficheiro, dos quais só um estava no corpo do texto.

8nomes inventados guardados num só .odt

7sítios diferentes do ficheiro onde estavam

1desses nomes no corpo do texto

Este guia trata do CSV e do TSV, dos ficheiros .txt e .md, dos documentos do LibreOffice Writer e do RTF. Para uma folha de cálculo há o guia do Excel, e uma folha do LibreOffice Calc guarda-se como .xlsx e segue esse caminho. O Word, o PDF e as propriedades do ficheiro têm guias próprios: o do Word, o do PDF e o dos metadados.

Falamos de anonimizar porque é o verbo que se escreve na pesquisa. Pôr códigos no lugar dos nomes, de maneira que se possa voltar atrás, é, em rigor, pseudonimizar, e a diferença conta no dia em que alguém pergunta se o que se enviou ainda era informação pessoal.

Anonimizar dados de um ficheiro CSV, da exportação ao chat

Um CSV nasce quase sempre de uma exportação: do programa de faturação, do CRM, de um formulário, de uma folha guardada noutro formato. A ordem abaixo começa aí, porque cada coluna que não sai do programa é uma coluna que ninguém tem de limpar.

1. Exporte só o que a pergunta usa. Datas, valores e estados chegam para quase todas as análises; nomes, NIF e moradas raramente.
2. Escolha CSV UTF-8. No Excel, em Guardar Como, é esse o tipo de ficheiro que guarda os acentos sem os estragar.
3. Abra o ficheiro num editor de texto. Num editor simples, como o TextEdit no Mac, vê-se o que lá está, sem conversões.
4. Leia as colunas de texto livre. Observações, descrição e notas são onde os nomes aparecem sem ninguém os ter posto de propósito.
5. Apague ou troque o que identifica. Uma coluna que a IA não usa apaga-se inteira; um nome que ela precisa de distinguir troca-se por um código.
6. Procure uma última vez. Pelo apelido de um cliente, por um NIF, pelo sinal @ de um endereço de correio eletrónico.
7. Dê ao ficheiro um nome neutro. Um CSV chamado com o nome do cliente leva o nome para o chat antes de o abrirem.

Os passos 3 e 6 são os que dão a certeza. Os outros diminuem o trabalho, mas só a leitura do texto cru diz o que vai de facto para a IA.

Exportar menos é melhor do que apagar depois

Muitos programas de gestão deixam escolher as colunas antes de exportar, ou guardar uma exportação com um conjunto fixo de campos. Vale a pena criar uma só para os pedidos à IA: sem nome, sem NIF, sem contactos, com um número de cliente que só tem sentido dentro do escritório. Num gabinete de contabilidade, onde a mesma extração serve para dezenas de perguntas por mês, esse modelo poupa horas de limpeza.

Exportação de sempre

Nome, NIF, morada, telemóvel, email, datas, valores, estado e observações, tudo o que o programa tem.

Exportação para a IA

Número interno de cliente, datas, valores e estado. O resto fica no programa, onde já estava.

Quando o programa não deixa escolher, a limpeza faz-se numa cópia. O ficheiro exportado fica guardado tal como saiu, para o caso de ser preciso voltar a ele, e é a cópia que perde colunas. A escolha de quais sair é a de sempre, a dos dados pessoais a retirar, com uma pergunta à frente: a análise que se vai pedir precisa mesmo desta coluna?

O que um CSV leva e o que ficou pelo caminho

Um CSV é texto. Cada linha é um registo e os valores estão separados por um carácter combinado, e não há mais nada. Quando o Excel guarda uma folha neste formato, a Microsoft avisa que guarda apenas a folha ativa e que toda a formatação é removida. As outras folhas do livro ficam para trás, e as notas e os comentários não têm onde ir.

É aqui que um CSV ganha a um .xlsx. Não há folhas ocultas, não há tabelas dinâmicas com uma cópia dos dados, não há nome de quem comentou. O que está no ficheiro é o que se lê, de uma ponta à outra, e por isso ele se revê em minutos e não em meia hora.

Todas as colunas, mesmo as que ninguém vai ler

O preço dessa simplicidade é que tudo o que está no quadro vai junto. Uma coluna que no Excel estava estreita, ou à direita de tudo, ou fora da área que se costuma ver, entra no CSV como as outras. E quem recebe o ficheiro, pessoa ou programa, lê todas as colunas com o mesmo cuidado.

Os ficheiros que o Excel grava como Texto Unicode, com tabulações em vez de ponto e vírgula, e os .tsv de outros programas, funcionam da mesma maneira. Mudam o separador, não o princípio: o que está no ficheiro é o que segue.

Abrir no editor de texto, e não no Excel

Parece mais cómodo abrir o CSV no Excel para o rever, e é aí que se perde a noção do que o ficheiro tem. Na sua página sobre zeros à esquerda, a Microsoft escreve que o Excel remove automaticamente os zeros à esquerda e converte números grandes em notação científica. Um número de cliente que começa por zero, ou um número de conta comprido, aparecem diferentes do que estão guardados.

Pior do que isso, se o ficheiro for guardado outra vez a partir do Excel, as conversões ficam gravadas, e o que se envia já não é o que se exportou. Um editor de texto não converte nada. No Windows, o menu de contexto do ficheiro tem a opção Abrir com, e aí escolhe-se o Bloco de Notas; no Mac, o TextEdit faz o mesmo papel. Para as colunas, conte os pontos e vírgulas.

Comece pela primeira linha, a dos títulos das colunas. É ela que diz o que cada valor é, e às vezes diz mais do que devia: um título como «Contacto da D. Helena» ou «Valores do processo Fontes» leva um nome para dentro do ficheiro sem que nenhuma célula o tenha.

Depois, percorra as linhas com os olhos à procura de colunas que não esperava. As exportações de formulários de inscrição, por exemplo, trazem muitas vezes o código postal e a data de nascimento, que juntos com a profissão apontam para uma pessoa sem precisar do nome. Os quase-identificadores têm a sua explicação noutro guia.

CSV UTF-8 ou CSV delimitado por vírgulas: a escolha no Guardar Como

Na lista de tipos de ficheiro do Excel há mais de um CSV, e os nomes não ajudam. O que interessa a quem vai usar o ficheiro noutro programa é o CSV UTF-8 (Delimitado por vírgulas). A própria Microsoft, na página sobre importar contactos para o Outlook, recomenda a codificação UTF-8 porque funciona para todos os idiomas e alfabetos, e explica que sem ela o texto pode não ser reconhecido.

Tipo de ficheiro no Guardar Como	Como grava as letras	Quando usar
CSV UTF-8 (Delimitado por vírgulas)	UTF-8, que serve para qualquer idioma	Para enviar a outro programa, incluindo uma IA
CSV (delimitado por vírgulas)	Uma codificação mais antiga, no Excel para Windows	Só para programas antigos que a exijam
Texto Unicode	Unicode, com tabulações entre colunas	Quando o destino pede tabulações

Tabela nossa; os nomes dos tipos de ficheiro e a recomendação do UTF-8 vêm da ajuda da Microsoft para Portugal.

A diferença vê-se nas letras que o português usa todos os dias. Num apelido como Serrão, o «ã» é gravado de maneira diferente numa codificação e na outra, e um programa que espera uma e recebe a outra mostra um símbolo trocado ou recusa o ficheiro.

Se o CSV já foi gravado no formato simples, não é preciso refazer a exportação. A Microsoft descreve o caminho na mesma página do Outlook: num livro em branco, Dados, A Partir de Texto/CSV, escolher em Origem do Ficheiro a codificação que mostra as letras bem, carregar, e guardar como CSV UTF-8.

Porque é que o CSV português vem com ponto e vírgula

Quem abre num editor um CSV feito num Excel português repara logo: as colunas vêm separadas por ponto e vírgula, e não por vírgulas. Não é um erro. A Microsoft explica que o separador vem das definições de região e que, quando o separador decimal é a vírgula, o Excel passa a usar o ponto e vírgula como separador de lista. Em Portugal, a vírgula é das casas decimais.

Para a limpeza, isto só pede atenção num ponto. Uma observação com uma vírgula lá dentro não parte a linha num CSV português, mas num CSV com vírgulas a mesma frase precisa de ir entre aspas. Se o ficheiro vai ser mexido à mão, o ponto e vírgula é o mais seguro dos dois. As exportações dos programas de contabilidade chegam quase sempre assim, e o guia para contabilistas certificados explica o que pesa quando os dados são de clientes.

A coluna de observações, onde os dados andam soltos

As colunas com nome dizem ao que vêm: Nome, NIF, Telemóvel. A de observações não diz. É ali que um colega escreveu, há dois anos, que a cliente pediu para ser contactada pela filha, com o nome da filha e o número dela. Numa exportação, essa coluna sai tal como está, e quase sempre é a mais comprida.

Processo;Cliente;Estado;Observações
P14;Carolina Meireles Fontes;aberto;Ligar antes à filha, a Marta, depois das 18h
P15;Tiago Barroso Neves;fechado;Pagamento feito pelo sócio, Dr. Aníbal Ferrão Calado

Nas duas linhas de exemplo, inventadas, a coluna Cliente leva um nome por linha e a de observações leva mais um, de alguém que nem é cliente. Apagar a coluna Cliente e deixar a de observações é tirar metade dos nomes. Numa imobiliária, onde as notas guardam o nome do fiador ou do vizinho que tem a chave, a proporção é muitas vezes a inversa.

Se a pergunta à IA não depende das observações, a coluna sai inteira, que é o mais rápido e o mais seguro. Se depende, lê-se linha a linha e reescreve-se cada nota sem nomes, sem números de telefone e sem pormenores que apontem para alguém. Não há atalho que substitua essa leitura.

O NIF merece uma procura à parte. Nove algarismos no meio de uma frase podem ser um NIF, um telefone ou um número de processo, e quem procura só pelos nomes passa por eles. Com a caixa de pesquisa do editor, procure os números que se conhecem dos clientes do ficheiro, e leia com atenção cada sequência longa de algarismos.

Ficheiros .txt e .md: o texto que se vê é o ficheiro inteiro

Um ficheiro de texto é a forma mais honesta de documento que existe. Não tem comentários, nem propriedades de autor dentro, nem texto oculto: guarda os caracteres e mais nada, e o que o editor mostra é, letra por letra, o que chega à IA. Um .md, o formato em que muitas notas e documentações são escritas, é igual, com os asteriscos e os cardinais da formatação à vista.

Isso não quer dizer que um .txt esteja limpo. Quer dizer que o trabalho é todo de leitura. As transcrições de reuniões, os registos de chamadas, os emails colados uns atrás dos outros e as notas de um processo acabam em .txt, e são textos longos, escritos à pressa, com nomes a meio das frases. O cuidado que pedem é ler até à última linha, e não parar quando os primeiros ecrãs parecem inofensivos.

A pesquisa do editor ajuda a fechar. Procure os apelidos que conhece, o sinal @, os prefixos de telemóvel e as palavras que costumam vir antes de um nome, como «cliente», «senhora» ou «doente». Numa clínica, a transcrição de uma consulta pode ter o nome do doente numa linha e o da mãe três linhas abaixo, e a pesquisa encontra o primeiro e deixa o segundo para quem lê.

Guardar um ficheiro de texto em UTF-8

Tal como o CSV, um .txt pode estar gravado em UTF-8 ou numa codificação mais antiga, e a diferença só se nota quando outro programa o abre. No LibreOffice Writer, ao guardar com o tipo Texto codificado, abre-se uma caixa de opções. A ajuda do LibreOffice explica que, na exportação, é aí que se escolhe o conjunto de caracteres e a quebra de parágrafo. Escolha Unicode (UTF-8).

No TextEdit do Mac e no Bloco de Notas do Windows, a codificação escolhe-se na caixa de guardar. Se um ficheiro de texto mostra letras trocadas ao abrir, é sinal de que foi gravado numa codificação diferente da que o programa esperava, e vale a pena voltar a guardá-lo em UTF-8 antes de o usar.

Documentos do LibreOffice Writer: o que o .odt guarda fora da página

Um .odt é um ficheiro ZIP com vários ficheiros de texto estruturado lá dentro, tal como um .docx. Para ver o que pode guardar sem aparecer na página, montámos um documento de prova com um nome inventado em cada sítio onde um nome costuma parar: o corpo, um comentário, uma alteração registada, uma frase oculta, uma nota de rodapé, o cabeçalho e as propriedades. Depois abrimo-lo como ZIP e procurámos cada nome.

Onde estava, dentro do ficheiro	Nome inventado	Como se trata no Writer
Corpo do texto	Joana Serrão Lemos	Localizar e substituir, ou reescrever
Comentário, com o texto e o autor	Ilda Arriaga Pedrosa, e Duarte Figueira Paiva como autor	Eliminar o comentário
Texto eliminado com alterações registadas	Luís Carvalhal Pinto	Aceitar ou rejeitar a alteração
Frase com formatação oculta	Sofia Marinho Couto	Mostrar o texto oculto e apagá-lo
Nota de rodapé	Nuno Albergaria Faria	Editar ou apagar a nota
Cabeçalho da página	Beatriz Lacerda Horta	Editar o cabeçalho
Propriedades do documento	Filipa Arruda Sequeira	Ficheiro, Propriedades

Documento de prova .odt, lido parte a parte a 29-set-2026. Os caminhos do Writer vêm da ajuda do LibreOffice em português.

O nome de Duarte aparecia duas vezes: como autor do comentário e como autor da eliminação, com a data e a hora de cada uma. É o tipo de pormenor que quem envia o documento não vê e quem o recebe pode ler. Num .docx passa-se o mesmo, e os passos para limpar alterações e comentários no Word estão num guia à parte.

Aceitar ou rejeitar as alterações registadas

Enquanto o registo de alterações estiver ativo, apagar uma palavra não a apaga: marca-a como eliminada, e ela fica no ficheiro até alguém decidir. A ajuda do LibreOffice indica o caminho: Editar, Registar alterações, Gerir. A caixa Gerir alterações lista cada alteração e deixa aceitá-las ou rejeitá-las uma a uma ou em conjunto. Aceitar uma eliminação é o que faz o texto sair de facto.

O mesmo vale ao contrário. Se alguém acrescentou um parágrafo com dados que não deviam estar lá, rejeitar essa inserção é o que o tira. Antes de enviar, o documento não deve ter nenhuma alteração pendente, e a lista vazia na caixa Gerir alterações é a prova disso.

Remover informações pessoais ao guardar, e o que fica

O LibreOffice tem uma opção com um nome que promete muito: Remover informações pessoais ao guardar, nas opções de segurança. A ajuda explica o que faz. Retira os dados do utilizador das propriedades do ficheiro, dos comentários e das alterações registadas, e troca os nomes dos autores por valores genéricos, do tipo Autor1 e Autor2. As horas também são repostas.

A opção troca

O nome de quem escreveu cada comentário e cada alteração, e os dados do utilizador nas propriedades.

A opção deixa

O texto dos comentários, o texto das alterações pendentes, as notas de rodapé e o texto oculto.

No nosso documento, a opção teria trocado Duarte por um autor genérico, mas a frase do comentário, com o nome de Ilda, ficava onde estava. É uma boa opção para deixar ligada, e não substitui nenhum dos outros passos. Para as propriedades em geral, incluindo as de um Word ou de um PDF, o guia dos metadados vai mais longe.

Comentários, texto oculto, notas de rodapé e cabeçalho

Os comentários eliminam-se pelo menu de contexto de cada um. A ajuda do LibreOffice descreve duas opções nesse menu, eliminar o comentário ou todos os comentários do mesmo autor, e lembra que o Navegador lista todos os comentários do documento, o que ajuda a não esquecer nenhum.

O texto oculto é mais traiçoeiro, porque por definição não se vê. Em Ferramentas, Opções, LibreOffice Writer, Ver, escolhe-se o que o Writer mostra no ecrã, e é aí que se ligam os parágrafos ocultos e o texto oculto por campos. Mostre tudo, leia e apague o que não deve seguir. Uma frase formatada como oculta continua a ser uma frase guardada.

As notas de rodapé e o cabeçalho estão à vista, mas longe do corpo, e a revisão salta-os com facilidade. Num escritório de advogados, o cabeçalho com o nome do cliente e o número do processo repete-se em todas as páginas e é precisamente o que ninguém relê.

O RTF, o formato que atravessa programas com tudo dentro

O RTF é um formato de texto com formatação que quase todos os processadores de texto abrem e guardam, e por isso é muito usado para passar documentos entre programas. Quem recebe um Word guardado como RTF tende a achá-lo mais leve e mais limpo. Não é necessariamente.

Fizemos um RTF com a mesma lista de sítios do .odt, e cada um dos 8 nomes estava lá dentro, no seu grupo próprio: o do comentário e do seu autor, o do texto eliminado numa revisão, o do texto oculto, o da nota de rodapé, o do cabeçalho e o das informações do documento.

8

Um conversor comum põe o texto oculto à vista

Para ver o que um programa qualquer tira de um RTF, convertemo-lo em texto simples com o conversor que vem com o macOS, o textutil. Não é um programa de análise nem uma IA; é a ferramenta de conversão do próprio sistema. Este foi o resultado, tal como saiu:

Proposta de avença para 2027
Cliente: Joana Serrão Lemos
Anterior responsável: Luís Carvalhal Pintoa definir
Observações internas: pedido feito por Sofia Marinho Couto.
Valor mensal a acordar.

A frase oculta apareceu como qualquer outra, e o nome eliminado na revisão apareceu colado à palavra seguinte. O conversor deixou de fora o comentário, a nota de rodapé e o cabeçalho, mas outro programa pode fazer escolhas diferentes, e é isso que conta: o que está dentro do ficheiro pode aparecer do outro lado.

A forma segura de limpar um RTF é abri-lo no programa em que se trabalha. No Word, os passos são os do guia do Word: aceitar as alterações, eliminar os comentários, mostrar o texto oculto. No LibreOffice, os deste guia para o .odt. Depois de limpo, guarde-o outra vez e, se quiser confirmar, converta-o em texto e leia o resultado.

A CNPD e os anexos com dados a mais

A CNPD escreveu sobre isto a propósito de outro canal. Na Diretriz/2023/1, sobre medidas organizativas e de segurança, aprovada na reunião de 10 de janeiro de 2023. Nela, a Comissão pede às organizações procedimentos internos para o envio de correio eletrónico com dados pessoais, e um deles é assegurar que os ficheiros enviados em anexo contêm apenas os dados pessoais que se pretendem comunicar, como uma cópia da carta de condução tapada.

A diretriz fala de email, e não de inteligência artificial. Mas a pergunta que ela manda fazer a um anexo é a mesma que se faz a um CSV antes de o carregar num chat: cada coluna e cada nota que vão no ficheiro são as que se quer comunicar? Uma exportação completa, enviada porque dava menos trabalho, falha nessa pergunta de uma maneira ou de outra, como uma carta de condução enviada sem tapar.

O RGPD dá o enquadramento. O artigo 32.º, entre as medidas de segurança adequadas ao risco, põe logo na primeira alínea do n.º 1 a pseudonimização e a cifragem dos dados pessoais. Tirar colunas e trocar nomes por códigos antes de um ficheiro sair do escritório é uma forma prática de lá chegar.

Se, apesar de tudo, um ficheiro com dados a mais já seguiu, o guia da notificação à CNPD ajuda a decidir se é preciso avisar e em que prazo.

O Nonimo com um CSV: linhas tapadas, prontas para o chat

Trocar nomes, NIF e contactos por marcadores é o trabalho do Nonimo. No Finder ou no Explorador de Ficheiros, com o CSV selecionado, carrega-se na tecla do Nonimo, e o conteúdo do ficheiro é copiado, linha a linha, com esses dados já tapados. É texto para colar no chat, e não um CSV novo. Ao colar a resposta de volta, os marcadores dão outra vez lugar aos nomes.

O CSV de exemplo, tal como o grava o Excel em Portugal, passou pelo Nonimo assim:

No ficheiro	Na área de transferência
Nome;NIF;Telemóvel;Correio eletrónico;Serviço	Nome;NIF;Telemóvel;Correio eletrónico;Serviço
Carolina Meireles Fontes;012 345 675;;;Contabilidade mensal	[PESSOA_1];[CAMPO_FICHA_1];;;Contabilidade mensal
Tiago Barroso Neves;;000 000 000;;Declaração de IRS	[PESSOA_2];;[CAMPO_FICHA_2];;Declaração de IRS
Helena Pestana Vidal;;;helena.vidal@example.com;Contrato de arrendamento	[PESSOA_3];;;[E-MAIL_1];Contrato de arrendamento

Saída literal do Nonimo, linha a linha, para um CSV em UTF-8 com ponto e vírgula e dados inventados.

O Nonimo lê também TSV, .txt e .md e, nos documentos .odt e .rtf, o corpo e as tabelas, e ainda cabeçalho e rodapé. Os ficheiros de texto têm de estar em UTF-8, ou em UTF-16 com BOM: no Excel para Windows, escolha CSV UTF-8 ao guardar.

Tudo isto acontece no seu computador; o detalhe está em Segurança.

Fontes

Todas lidas no dia 29-set-2026.

• Microsoft Support, Importar ou exportar contactos no Outlook com um ficheiro de .csv. A recomendação da codificação UTF-8, que funciona para todos os idiomas e alfabetos; o tipo de ficheiro CSV UTF-8 (Delimitado por vírgulas); a conversão por Dados, A Partir de Texto/CSV e Origem do Ficheiro.
• Microsoft Support, Guardar um livro no formato de texto (.txt ou .csv). Os formatos CSV e Texto Unicode; cada um guarda apenas a folha ativa; a formatação é removida.
• Microsoft Support, Importar ou exportar ficheiros de texto (.txt ou .csv). O separador de lista vem das definições de região; com a vírgula como separador decimal, o Excel usa o ponto e vírgula.
• Microsoft Support, Abrir ficheiros CSV UTF-8 corretamente no Excel. Um CSV em UTF-8 abre normalmente quando foi guardado com BOM.
• Microsoft Support, Manter os zeros à esquerda e números grandes. O Excel remove os zeros à esquerda e converte números grandes em notação científica.
• Ajuda do LibreOffice, Aceitar ou rejeitar alterações. Editar, Registar alterações, Gerir; aceitar ou rejeitar individualmente ou em conjunto.
• Ajuda do LibreOffice, Ver e Comentários. Eliminar um comentário ou todos os do mesmo autor pelo menu de contexto; o Navegador com a lista dos comentários; as opções que mostram o texto e os parágrafos ocultos.
• Ajuda do LibreOffice, Ocultar texto e Mostrar texto oculto. Texto e parágrafos ocultos e o caminho Ferramentas, Opções, LibreOffice Writer, Ver.
• Ajuda do LibreOffice, Opções e avisos de segurança. Remover informações pessoais ao guardar: os dados do utilizador saem das propriedades, dos comentários e das alterações, e os autores passam a nomes genéricos.
• Ajuda do LibreOffice, Opções de filtro ASCII. O tipo Texto codificado; na exportação, a escolha do conjunto de caracteres e da quebra de parágrafo.
• CNPD, Diretriz/2023/1 sobre medidas organizativas e de segurança aplicáveis aos tratamentos de dados pessoais. Aprovada a 10 de janeiro de 2023; no ponto sobre o correio eletrónico, os anexos devem conter apenas os dados pessoais que se pretendem comunicar.
• Regulamento (UE) 2016/679, RGPD. Artigo 32.º, n.º 1, a): a pseudonimização e a cifragem entre as medidas de segurança do tratamento.
• Ficheiros de prova próprios. CSV, .odt e RTF com dados inventados, gerados a 29 de setembro de 2026 por programas em Python com a estrutura dos ficheiros reais, e não guardados no Excel, no LibreOffice nem no Word; o RTF convertido com o textutil do macOS; a saída tirada da aplicação do Nonimo.