Estudo de caso: barreira de privacidade antes do LLM

O desafio

Empresas no Brasil querem usar modelos de linguagem com o texto dos clientes. Esse texto traz CPF, CNPJ, e-mail, telefone e nomes.

Muitas delas não podem mandar esses valores a um provedor de modelo. Elas precisam de uma barreira antes de cada chamada.

Arquitetura

• A barreira troca CPF, CNPJ, e-mail, telefone e nomes por marcadores, como [CPF_1], antes do modelo.
• O mapa entre valor e marcador fica só na memória do pedido. O registro de uso guarda categorias e contagens, nunca os valores.
• Cada organização escolhe a política: marcador, remoção, bloqueio ou só registro. O pedido pode deixar a política mais rígida, nunca mais fraca.
• Se a barreira falha, o pedido falha. O texto bruto nunca segue ao provedor como alternativa.
• A API segue os formatos da OpenAI e da Anthropic. A resposta em fluxo passa sem espera.

O que está em produção

• Site e documentação em português e inglês, com teste de 30 dias sem cartão.
• Crédito em reais por Pix e cobrança por uso de cada recurso pago.
• Chamada sem crédito pode pagar com x402 (USDC na Base) ou recebe HTTP 402 com o preço.
• A cópia de auditoria do pedido e da resposta existe só cifrada (AES-256-GCM).

• Rota Nacional
• Documentação da API

Números e fontes

• R$ 0,002 por mensagem moderada (tabela pública de preços da documentação, consultada em 14/10/2026).
• Pacotes de crédito de R$ 10, R$ 25, R$ 50 e R$ 100 por Pix (mesma tabela).
• 4 políticas por organização: marcador, remoção, bloqueio e só registro (página de privacidade da Rota Nacional).
• 30 dias de teste com cota inicial, sem cartão e sem chave de API (documentação).

• Página de privacidade da Rota Nacional

Limites

• A barreira lê texto. Ela não vê imagem nem áudio: o chat recusa mídia, e o documento passa antes pela extração.
• A política de só registro não tira o dado pessoal. É a opção de maior risco, e a tela diz isso.
• O teste comparativo da barreira ainda não é público. Esta página vai levar a ele quando ele sair.

Contrate para isso

• Uma barreira de privacidade antes das chamadas de LLM da sua empresa, com política por organização e auditoria.
• Um gateway compatível com a OpenAI, com cotas, uso medido e cobrança por chamada.
• Um levantamento dos dados pessoais que chegam hoje aos seus provedores.