Resumos de Formação do AI Act Não Listam Domínios Raspados, Revela Análise

ActuIA analisou vinte e quatro resumos públicos de conteúdo de formação que estavam disponíveis ao público a 25 de setembro de 2026, cada um elaborado em cumprimento das obrigações de reporte previstas no Artigo 53.º, n.º 1, alínea d) do AI Act, que exige transparência detalhada sobre as fontes de dados utilizadas pelos modelos de IA.

O modelo de reporte proposto pela Comissão Europeia obriga os fornecedores a enumerar, de forma explícita, os domínios de primeiro e segundo nível que correspondem aos dez por cento maiores de sites raspados por volume, estabelecendo ainda um limiar inferior para pequenas e médias empresas (PMEs) a fim de evitar encargos desproporcionais.

Maioria dos Resumos Omitem Listas de Domínios

Vinte e um dos documentos analisados incluíram a secção prevista no modelo para indicar os principais domínios raspados, mas deixaram esse campo totalmente vazio, sem mencionar nenhum nome de site, o que levanta questões sobre a exatidão e a completude da informação fornecida.

Três dos resumos submetidos pela DeepSeek não só deixaram a secção vazia, como a omitiram completamente, o que significa que a informação exigida pelo regulamento não aparece em absoluto no documento apresentado.

Como os Fornecedores Descrevem as Suas Fontes de Dados

Em vez de listar domínios concretos, a maioria dos resumos recorre a categorias genéricas, como "recursos académicos", "plataformas de alojamento de código", "enciclopédias online", "portais regionais" ou ainda extensões de domínio genéricas como ".com", ".org" ou ".net".

Esta abordagem de classificação ampla dificulta a verificação independente, porque não permite identificar quais sítios específicos foram efetivamente incluídos nos conjuntos de treino, nem avaliar a representatividade dos mesmos em relação ao critério dos dez por cento maiores.

O conjunto de fornecedores abrangidos pela amostra inclui nomes de destaque como OpenAI, Mistral AI, Z.AI, ByteDance, MiniMax, DeepSeek e ainda onze novos documentos submetidos pelo Ant Group, que recentemente começou a publicar os seus relatórios de transparência.

Documentação do Ant Group no Hugging Face

Os resumos do Ant Group foram publicados no repositório inclusionAI/AI‑Transparency, alojado na plataforma Hugging Face, e são claramente marcados como contendo apenas documentação textual, sem pesos de modelo nem conjuntos de dados de treino associados.

O repositório inclui um aviso explícito de que a publicação desses documentos não constitui certificação regulatória, mas sim um esforço voluntário de transparência que ainda está sujeito à validação da Comissão Europeia.

Embora os documentos do Ant Group sigam a estrutura exigida pelo Artigo 53.º, n.º 1, alínea d), eles também deixam o campo de listagem de domínios vazio, reforçando o padrão observado nos demais fornecedores analisados.

Contexto Regulatóro e Prazo de Cumprimento

A obrigação introduzida pelo AI Act de divulgar informação sobre domínios raspados aplica‑se a todos os modelos de uso geral que sejam lançados a partir de 2 de agosto de 2025, independentemente do seu tamanho ou da sua arquitectura subjacente.

Para os modelos já existentes antes dessa data, o prazo final para adequar a documentação ao modelo previsto pelo regulamento é 2 de agosto de 2027, o que oferece um período de transição de dois anos para que os fornecedores actualizem os seus relatórios.

A decisão final sobre se as descrições atualmente apresentadas satisfazem os requisitos legais do Artigo 53.º cabe à Comissão Europeia, que poderá emitir orientações complementares ou solicitar informações adicionais caso considere que as divulgações são insuficientes.

A análise realizada por ActuIA não pretende determinar a ilegalidade de qualquer prática, mas simplesmente evidenciar um padrão recorrente de omissão que pode ser interpretado como falta de conformidade plena com o modelo regulatório.

• 21 resumos incluem o modelo mas não listam domínios
• 3 resumos da DeepSeek omitem a secção completamente
• Fornecedores utilizam categorias genéricas em vez de URLs específicas
• Repositório Hugging Face do Ant Group esclarece que os documentos não são certificação

Para as organizações sediadas em Portugal, o impacto prático é imediato: a ausência de listas explícitas de domínios pode levar auditorias de conformidade a considerar as divulgações como incompletas, o que poderá resultar em pedidos de informação adicional ou mesmo em ações corretivas por parte das autoridades reguladoras da UE.

As empresas devem estar preparadas para complementar os seus resumos existentes com dados concretos de domínios raspados, caso a Comissão determine que a abordagem atual não cumpre integralmente os requisitos do Artigo 53.º, de modo a evitar sanções e a garantir a confiança dos utilizadores finais nos seus produtos de IA.