Segurança de dados no Google AI: NotebookLM Enterprise e Antigravity

“Podemos enviar a documentação técnica do produto principal para aquela ferramenta de IA analisar?”

Na sala de reunião, o CTO se virou para o responsável pela segurança. Ele ajustou os óculos, ficou em silêncio por três segundos e respondeu: “Preciso verificar o contrato de processamento de dados deles.”

Já vi essa cena inúmeras vezes em consultorias de IA para empresas. O CTO enxerga a oportunidade de ganhar eficiência com IA; o CISO, o risco de vazamento de dados. Os dois têm razão e ambos esperam uma resposta.

Não existe uma resposta padrão para essa pergunta. Mas entender os mecanismos de segurança do Google no NotebookLM Enterprise e no Antigravity ao menos ajuda a tomar uma decisão mais bem fundamentada.

Este texto é para quem precisa adotar IA sem abrir mão dos limites de segurança da empresa. Vamos examinar como o NotebookLM trata seus dados, como funciona a arquitetura local e em nuvem do Antigravity e como ferramentas como o VPC-SC protegem chamadas de API.

Sem publicidade: apenas fatos técnicos e considerações de conformidade.

NotebookLM Enterprise: o compromisso de manter os dados dentro do domínio

Comecemos pelo NotebookLM, a ferramenta de IA do Google voltada à gestão do conhecimento empresarial.

A questão central é: os documentos enviados serão usados pelo Google para treinar modelos? Serão analisados por pessoas? Poderão vazar para outros usuários?

Compromissos oficiais da versão Workspace Enterprise

Segundo a documentação do Google Workspace Admin Help, para usuários da versão empresarial:

• Não usa os dados para treinar modelos: conteúdo enviado, consultas e respostas do modelo não são usados para treinar modelos de IA generativa
• Sem revisão humana: o conteúdo não é visto por revisores humanos
• Proteção de dados empresarial: em fevereiro de 2025, o NotebookLM tornou-se um serviço principal do Google Workspace e passou a ser coberto pelos termos empresariais de proteção de dados do Workspace

Essa é uma diferença fundamental em relação à versão pessoal. Os termos da versão pessoal dizem que, se você enviar feedback, “revisores humanos poderão analisar suas consultas, o conteúdo enviado e as respostas do modelo”. Para uma empresa, esse é um risco inaceitável.

Local de armazenamento dos dados

De acordo com uma análise da Bay Tech Consulting, os dados do NotebookLM Enterprise são armazenados na infraestrutura do Google Workspace e seguem os termos contratuais firmados com o cliente. Isso significa que a residência dos dados e a conformidade ficam cobertas pelo contrato empresarial do Workspace.

KiloClaw - OpenClaw gerenciado para empresas: orquestração de agentes IA e roteamento inteligente

Começar →Anúncio

Retenção de dados

• As consultas não são salvas
• Materiais enviados, notas salvas e resumos em áudio ficam armazenados até que você os exclua
• Depois da exclusão, aplica-se o processo padrão de remoção de dados do Google Workspace

O que isso significa na prática

Para setores sensíveis, como finanças, saúde e direito, isso permite entregar documentos internos ao NotebookLM com um grau razoável de confiança — desde que você use o Workspace Enterprise, e não a versão pessoal.

Ainda assim, “razoavelmente seguro” não significa “absolutamente seguro”. O Google ainda pode acessar os dados por exigências legais, necessidades de segurança ou melhorias na qualidade do serviço, mas esse acesso é submetido a controles e auditorias rigorosos.

Governança de dados da Gemini API

O NotebookLM usa os modelos Gemini nos bastidores. Entender como a Gemini API trata os dados é importante para avaliar o risco.

Três níveis de uso dos dados

1. Versão Consumer:

• Os dados podem ser registrados e armazenados para segurança, monitoramento, QA e prevenção de abuso
• Pode haver revisão humana
• Os dados podem ser usados para melhorar o serviço

2. Versão Workspace:

• Segue o contrato de processamento de dados do Workspace
• Não usa os dados para treinar modelos
• A revisão humana ocorre apenas em situações específicas, como investigações de abuso

3. Versão Enterprise (Gemini Enterprise/Cloud):

• Oferece o isolamento de dados mais rigoroso
• Suporta compromissos de residência de dados (Data Residency)
• Suporta chaves de criptografia gerenciadas pelo cliente (CMEK)
• Suporta VPC Service Controls

Conformidade com o GDPR

Para usuários europeus, o Gemini oferece garantias regionais de residência de dados. Quando armazenados, os dados permanecem na região definida e atendem aos requisitos do GDPR. Vale observar, porém, que a inferência do modelo pode exigir chamadas entre regiões — uma limitação técnica atual.

Recomendação principal

Se a sua empresa tem requisitos rigorosos de conformidade, não use a versão Consumer gratuita para fins comerciais. Use no mínimo o Workspace Enterprise e, de preferência, o Gemini Enterprise Cloud.

A arquitetura local e em nuvem do Antigravity

O Antigravity é o IDE Agent-First do Google, e sua arquitetura de segurança difere um pouco da adotada pelo NotebookLM.

Modelo de execução

Segundo a descrição do Google Codelabs, o Antigravity usa uma arquitetura híbrida:

• Execução local: edição de código, operações de arquivo e scripts locais são executados na máquina do usuário
• Inferência na nuvem: chamadas ao modelo de IA (Gemini 3) são enviadas para processamento nos servidores do Google
• Auto-hospedagem opcional: a versão Enterprise permite executar parte dos componentes dentro de uma VPC

O que isso significa

Por padrão, seu código-fonte não é enviado para a nuvem — a menos que você peça explicitamente ao Agent que execute uma tarefa que dependa do modelo na nuvem. Por exemplo:

• Preenchimento de código local? Processado localmente
• Usar o Gemini 3 para gerar código? Enviado para a nuvem
• Pedir ao Agent que analise o repositório inteiro? Talvez seja necessário enviar parte dos metadados

Estratégia de segurança para o código

Para usar o Antigravity em uma empresa, recomenda-se adotar estas medidas:

1. Isole repositórios sensíveis: não coloque algoritmos centrais nem código de gerenciamento de chaves em projetos gerenciados pelo Antigravity
2. Isole a rede: use VPC-SC, explicado mais adiante, para restringir os serviços externos que o Agent pode acessar
3. Ative logs de auditoria: registre as operações executadas pelo Agent e as APIs chamadas

Arquitetura de implantação empresarial

Segundo uma análise da Augment Code, a versão Enterprise do Antigravity oferece uma arquitetura baseada em Cloud Run, combinada com:

• Cloud Storage para o conteúdo dos repositórios
• BigQuery para metadados de código e pesquisa
• Integração com VPC Service Controls e IAM para a segurança empresarial

Essa arquitetura permite que a empresa execute parte dos componentes do Antigravity em um ambiente de nuvem privada, preservando os recursos de IA na nuvem.

VPC Service Controls: como criar um perímetro de segurança

O VPC Service Controls (VPC-SC) é um recurso de segurança do Google Cloud para criar perímetros de proteção de dados.

Vultr - Servidor cloud NVMe de alto desempenho, 32 locais globais, deploy Docker com um clique

Ver preços →Anúncio

Conceito central

O VPC-SC permite definir um “perímetro de serviço” (Service Perimeter), dentro do qual:

• Os dados podem circular livremente
• O acesso externo é bloqueado ou auditado de forma rigorosa
• Até os serviços internos do Google precisam seguir as regras do perímetro

Uso em cargas de trabalho de IA

Para empresas que usam Gemini, NotebookLM e Antigravity, o VPC-SC pode:

1. Evitar vazamento de dados: impedir que código e documentos sejam sincronizados por engano com contas pessoais do Google
2. Restringir chamadas de API: permitir que somente VPCs específicas chamem a Gemini API
3. Auditar todos os acessos: registrar quem acessou os serviços de IA, quando e de que forma

Exemplo de configuração

# Conceito simplificado de configuração do VPC-SC
title: "AI Services Perimeter"
resources:
  - projects/my-enterprise-project
restrictedServices:
  - gemini.googleapis.com
  - notebooklm.googleapis.com
  - storage.googleapis.com
ingressRules:
  - from:
      identities:
        - serviceAccount:[email protected]
    to:
      operations:
        - "*"

Recomendações práticas de implantação

Segundo um relato de experiência da InfoQ, implantar o VPC-SC em escala empresarial exige:

1. Implantação em etapas: valide primeiro em um ambiente de teste e só então avance para produção
2. Mapeamento de serviços: identifique todos os serviços do Google dos quais o sistema depende para evitar bloqueios inesperados
3. Estratégia de acesso emergencial (break-glass): prepare um mecanismo de exceção para emergências
4. Monitoramento contínuo: integre os logs do VPC-SC ao SIEM para receber alertas de anomalias em tempo real

Checklist de conformidade para a adoção empresarial de IA

Depois de todos esses detalhes, como avaliar na prática se uma ferramenta de IA é adequada para a sua empresa?

Classificação dos dados

Primeiro, classifique os dados que serão enviados à IA:

• Dados públicos: conteúdo do site do produto e documentação já publicada — baixo risco
• Dados internos: documentação técnica e planos de projeto — risco médio; é preciso confirmar os termos do serviço
• Dados sensíveis: informações de clientes, dados financeiros e algoritmos centrais — alto risco; exigem proteção adicional

Checklist de avaliação do fornecedor

Para cada ferramenta de IA, confirme os seguintes pontos:

Política de treinamento com dados:

• Existe um compromisso explícito de não usar os dados para treinar modelos?
• A garantia faz parte do contrato ou apenas dos termos de uso?
• Em quais condições ocorre a revisão humana?

Residência dos dados:

• É possível definir a região de armazenamento?
• Os dados são criptografados em trânsito?
• Como funciona a criptografia em repouso?

Certificações de conformidade:

• SOC 2?
• ISO 27001?
• Declaração de conformidade com o GDPR?
• Certificações específicas do setor, como HIPAA e PCI-DSS?

Recursos empresariais:

• Suporte a SSO/SAML?
• Logs de auditoria?
• Controle de acesso granular?
• Exportação e exclusão de dados?

Estratégia de implantação

Etapa 1: piloto

• Teste com um projeto não sensível
• Crie políticas de uso e materiais de treinamento
• Monitore o uso e o feedback

Etapa 2: expansão controlada

• Amplie o uso para mais equipes
• Implemente medidas de segurança, como o VPC-SC
• Estabeleça um processo de resposta a incidentes

Etapa 3: adoção completa

• Integre a ferramenta aos fluxos de trabalho padrão
• Mantenha auditorias contínuas de conformidade
• Otimize o equilíbrio entre custo e segurança

Conclusão

Voltemos à cena da sala de reunião.

Railway - Plataforma de deploy moderna, sem ops complexas, no ar em minutos

Começar agora →Anúncio

O CTO pergunta: “Podemos enviar a documentação técnica do produto principal para aquela ferramenta de IA analisar?”

Agora, o responsável pela segurança pode dar uma resposta com mais nuances:

“Se for a versão NotebookLM Enterprise, os dados permanecem dentro do domínio, não são usados para treinamento e o risco de conformidade é controlável. Para a documentação dos algoritmos centrais, porém, ainda recomendo começar com uma versão anonimizada. Também precisamos configurar o VPC-SC para evitar que os dados saiam por engano.

“Podemos usar o Antigravity, mas é preciso isolar os repositórios sensíveis. Os desenvolvedores devem manter o processamento do código central local e usar a IA como apoio para funções periféricas.”

Não é uma resposta binária entre “pode usar” e “não pode usar”. É uma decisão que combina classificação de riscos, medidas técnicas e processos de conformidade.

A pressão pela transformação com IA não vai desaparecer. Concorrentes já usam essas ferramentas, clientes esperam ciclos de produto mais rápidos e as equipes internas precisam ganhar eficiência. Mas os limites de segurança e conformidade também não podem ser ignorados — o custo de um único vazamento de dados pode superar todos os benefícios trazidos pela IA.

O ponto central é encontrar o equilíbrio nessa tensão: entender os mecanismos de segurança das ferramentas, criar políticas de uso adequadas e implantar os controles técnicos necessários.

O ecossistema de IA do Google — NotebookLM, Antigravity e Gemini Enterprise — apresenta mecanismos relativamente maduros de segurança empresarial. Há contratos claros de processamento de dados, controles técnicos como o VPC-SC e certificações de conformidade.

Ainda assim, a responsabilidade pela segurança é da empresa. O fornecedor entrega recursos; as decisões sobre como usá-los e protegê-los são suas.

Espero que este texto ajude você a dar uma resposta mais bem fundamentada naquela sala de reunião.