A memória do ChatGPT permite personalizar respostas, mas levanta também questões sobre a privacidade. Um estudo científico analisou mais de duas mil memórias e identificou informações pessoais e psicológicas armazenadas pelo chatbot da OpenAI.
A Inteligência Artificial (IA) está cada vez mais presente no quotidiano, sendo utilizada para esclarecer dúvidas, apoiar decisões e discutir assuntos pessoais. Se é utilizador frequente de chatbots de IA, saiba que as conversas podem fornecer-lhes informações que vão além das perguntas colocadas, permitindo construir perfis detalhados sobre os seus utilizadores.
De facto, um estudo publicado na ACM Web Conference 2026, intitulado “The Algorithmic Self-Portrait: Deconstructing Memory in ChatGPT”, analisou este fenómeno e descreveu a criação daquilo a que os investigadores chamam um “autorretrato algorítmico”, construído a partir das informações partilhadas nas conversas.
ChatGPT pode guardar informações sem um pedido explícito
Realizada por especialistas de várias instituições, o estudo analisou históricos de conversas de 80 utilizadores do ChatGPT, obtidos através do exercício dos direitos de acesso previstos no Regulamento Geral sobre a Proteção de Dados (RGPD).
No total, foram identificadas 2050 entradas de memória associadas a 65 participantes. Em 96% dos casos, os investigadores não identificaram uma instrução explícita do utilizador para criar ou atualizar a memória, tendo estas operações sido desencadeadas pelo próprio sistema.
Para chegar a esta conclusão, a equipa procurou nas mensagens expressões associadas a pedidos de memorização, pelo que o resultado não significa necessariamente que os utilizadores desconhecessem a existência da funcionalidade.
Embora a memória permita manter a continuidade entre conversas e adaptar as respostas às preferências individuais, os resultados mostram que a seleção das informações a conservar pode depender especialmente dos mecanismos do próprio chatbot.
Dados pessoais e informações sobre estados mentais memorizados
Um dos resultados mais relevantes prende-se com a natureza das informações armazenadas. Segundo os investigadores, 28% das memórias analisadas continham dados pessoais abrangidos pelo RGPD, enquanto 7% incluíam informações enquadráveis nas categorias especiais de dados pessoais previstas na legislação europeia.
Além disso, 52% das entradas de memória continham informações relacionadas com estados mentais, como desejos, intenções, emoções e crenças. Entre as memórias classificadas nesta dimensão, os desejos foram a categoria mais frequente, surgindo em 73% dos casos.
Esta classificação foi realizada com recurso a um modelo de IA e validada numa amostra por investigadores humanos, não correspondendo a uma avaliação psicológica clínica dos participantes.
Os resultados sugerem que a personalização dos chatbots pode ir além de recordar preferências ou informações factuais, incorporando também aspetos relacionados com os objetivos e intenções expressos pelos utilizadores.
O problema das conclusões que o ChatGPT tira sobre nós
A investigação identificou situações em que o ChatGPT transformou informações contextuais em conclusões sobre os utilizadores, mesmo quando estas não tinham sido expressamente confirmadas.
Num dos exemplos apresentados, um utilizador pediu recomendações de bandas semelhantes aos Nirvana e o chatbot criou uma memória indicando que essa pessoa gostava da banda. Embora fosse plausível, a conclusão não resultava de uma afirmação explícita.
Ainda assim, a maioria das memórias analisadas apresentava uma relação sólida com as conversas originais. Numa avaliação automatizada que considerou o histórico disponível, 77% foram classificadas como informações diretamente declaradas ou resumidas, enquanto 14% correspondiam a inferências consideradas lógicas.
Outras 5% foram classificadas como tendo suporte fraco e 4% como não tendo suporte ou sendo contraditórias. Contudo, os investigadores reconhecem que algumas destas classificações podem resultar da ausência de conteúdos de ficheiros partilhados pelos utilizadores, que não estavam disponíveis para a avaliação.
O problema está na possibilidade de interpretações incorretas serem conservadas e utilizadas em interações futuras, influenciando a personalização com base numa representação que pode não corresponder inteiramente à realidade.
Proposta de mecanismo para reduzir a exposição de dados
Perante estes resultados, a equipa desenvolveu um mecanismo denominado Attribution Shield, concebido para reformular perguntas e reduzir a associação direta de informações pessoais aos utilizadores.
Por exemplo, em vez de escrever “Preciso de deixar de consumir canábis”, o sistema poderia sugerir uma pergunta mais genérica, como “Que estratégias existem para deixar de consumir canábis?”, preservando o objetivo sem atribuir explicitamente a situação à pessoa.
Numa avaliação experimental com cerca de 36 perguntas, os investigadores verificaram que 94,4% das reformulações produzidas por modelos ajustados e 100% das geradas através de aprendizagem contextual foram consideradas mais protetoras da privacidade por um avaliador automático. Uma avaliação humana confirmou esta tendência, embora com resultados ligeiramente diferentes.
Os testes também indicaram que a utilidade das respostas foi geralmente preservada. Contudo, a dimensão reduzida da experiência não permite concluir que esta abordagem impeça a criação de memórias ou elimine os riscos de identificação em conversas prolongadas.
Personalização da IA exige maior transparência
O estudo evidencia o desafio crescente de encontrar um equilíbrio entre as vantagens da personalização e o controlo que os utilizadores têm sobre as informações armazenadas.
De salientar que a investigação analisou uma implementação específica da memória do ChatGPT, pelo que os resultados não podem ser automaticamente generalizados às versões atuais do serviço ou a outros chatbots.
Ainda assim, os autores defendem mecanismos que permitam aos utilizadores compreender e controlar melhor a construção destes perfis, especialmente quando envolvem informações sensíveis ou interpretações que podem não corresponder à realidade.
A questão não está apenas na quantidade de dados que um chatbot conserva, mas também na exatidão das conclusões que retira e na capacidade de cada utilizador controlar a representação digital que o sistema constrói a seu respeito.