Como ler um MSA de IA: sete cláusulas que mudam tudo

A variável errada

Quando uma equipe jurídica recebe o MSA de um fornecedor de IA para revisão, o primeiro instinto é quase sempre o mesmo: ir direto à tabela de preços e ao SLA de disponibilidade. É um instinto herdado de duas décadas de contratos de software convencional, nos quais essas duas variáveis efetivamente concentravam a maior parte do risco. Um SaaS de folha de pagamento que cai duas horas por mês é um incidente operacional. Um modelo fine-tuned construído sobre três anos de dados proprietários que a organização não consegue exportar é uma dependência estrutural — e essa diferença não aparece em nenhuma cláusula de uptime.

O erro não é olhar para preço e SLA. É olhar só para isso primeiro, quando são precisamente as variáveis que um fornecedor com posição de mercado vai tornar mais fáceis de negociar, porque são as que menos comprometem sua vantagem de longo prazo. Um fornecedor pode ceder dois pontos percentuais de desconto ou acrescentar 99,95% de disponibilidade sem ceder nada estrutural. O que de fato compromete sua vantagem de longo prazo — e por isso é redigido com mais cuidado, não com menos — é tudo aquilo que determina se a organização cliente pode sair.

É exatamente isso que o marco de Arquitetura Soberana chama de reversibilidade constitucional: nenhum contrato deveria tornar irreversível uma decisão que, no momento da assinatura, ainda parecia reversível. Um MSA de IA é, na prática, o documento em que uma organização decide quanto de sua camada de execução delega e sob quais condições pode recuperá-la. A pergunta a se fazer ao contrato não é "quanto custa e quão disponível está?", mas "quão presos ficamos depois que o sistema está em produção e os dados de um ano de operação vivem na infraestrutura do fornecedor?". Essa pergunta se responde lendo sete cláusulas que raramente recebem a atenção que preço e SLA recebem.

Sete cláusulas

Propriedade e portabilidade dos dados de treinamento. Toda organização que faz fine-tuning contribui com dados próprios — tickets de suporte, transcrições, documentos internos, interações de usuários. A cláusula que define quem é dono desses dados uma vez que entram no pipeline do fornecedor, e em que formato podem sair se o contrato terminar, é a base de tudo o mais. Se o contrato é ambíguo aqui, não importa quão bem redigidas estejam as outras seis: a organização já cedeu o insumo que tornou possível construir o sistema.

Propriedade do modelo fine-tuned. O resultado do fine-tuning pode ser tratado de duas maneiras completamente distintas: como um artefato exportável — pesos, adaptadores LoRA, checkpoints — que a organização possui e pode rodar em outra infraestrutura, ou como um objeto que existe unicamente como um endpoint dentro da nuvem do fornecedor. A diferença entre as duas não se percebe no dia em que o contrato é assinado. Percebe-se no dia em que a organização quer trocar de fornecedor e descobre que meses de ajuste fino não são um ativo portátil, mas uma configuração que desaparece junto com a conta.

Portabilidade de embeddings e vetores. Sistemas de IA em produção geram representações vetoriais de grandes volumes de conteúdo próprio, e essas representações costumam ser armazenadas em um banco de dados vetorial gerenciado pelo mesmo fornecedor. Se o formato desses vetores é proprietário e não exportável para um formato padrão, a organização não só perde o modelo se for embora — perde também a camada de recuperação semântica construída sobre anos de conteúdo indexado, e tem que reconstruí-la do zero com outro fornecedor.

Jurisdição e controle de logs. Cada interação com o sistema gera registros — prompts, respostas, metadados de uso — que com frequência contêm informações sensíveis da organização ou de seus clientes. A cláusula relevante especifica onde esses logs são armazenados, sob qual jurisdição legal, quem dentro do fornecedor tem acesso e por quanto tempo são retidos após o término do contrato. Um log armazenado sob uma jurisdição distinta da do negócio, com retenção indefinida e acesso não documentado, é um vazamento de soberania que não precisa de nada dar errado para se materializar: basta que o log exista onde quer que exista.

Aviso prévio de descontinuação ou mudança material de termos. Nenhum fornecedor de IA garante que seu produto atual continuará existindo em sua forma atual daqui a dois anos — o ritmo da indústria faz com que os termos mudem, os modelos sejam descontinuados e os preços sejam reestruturados com frequência. O que o contrato pode garantir é quanto tempo real de aviso a organização recebe antes de uma mudança material. Trinta dias de aviso prévio para migrar um sistema em produção com integrações dependentes não é aviso prévio: é um ultimato com timbre jurídico.

Custo e mecânica real de exportação ao término do contrato. Um contrato pode prometer, em sua letra, o direito de exportar todos os dados ao final da relação. A pergunta que essa promessa não responde é se essa exportação é tecnicamente viável na prática — em que formato, com quais ferramentas, em que prazo, a que custo adicional. Um direito de exportação que na prática exige meses de trabalho de engenharia não contratado, ou que entrega os dados em um formato que nenhum outro sistema consegue ingerir, é um direito de papel.

Direitos de auditoria independente. A organização precisa poder verificar, com um terceiro de sua escolha, como o fornecedor efetivamente usa seus dados — não apenas confiar na declaração de política de uso do fornecedor. Sem um direito de auditoria exigível, toda outra cláusula desta lista depende da boa-fé, e a boa-fé não é uma variável contratual.

Como priorizar

Numa negociação real, poucas equipes jurídicas conseguem fechar as sete cláusulas nos termos que prefeririam. Os fornecedores com posição de mercado dominante cedem em algumas e se mantêm firmes em outras, e saber quais negociar até o limite do ponto de ruptura — e quais aceitar com uma condição menos favorável — é em si um exercício de reversibilidade constitucional: identificar qual concessão, se perdida, torna irreversível uma decisão que ainda deveria ser reversível.

A hierarquia é clara quando vista sob esse ângulo. A portabilidade dos dados próprios de treinamento vem primeiro, sem negociação possível, porque sem ela não há ponto de partida para reconstruir nada com outro fornecedor — é o insumo, não o resultado. A propriedade do modelo fine-tuned vem em segundo lugar, porque determina se meses de trabalho de ajuste se convertem em um ativo próprio ou em um gasto afundado que expira com o contrato. Essas duas, juntas, são a linha que separa uma relação de fornecedor de uma dependência estrutural, e são as que merecem escalar a negociação acima da equipe jurídica se necessário.

O resto — embeddings, jurisdição de logs, aviso prévio, mecânica de exportação, auditoria — importa, mas admite condições intermediárias sem comprometer a reversibilidade de fundo: um prazo de aviso prévio mais curto que o ideal se compensa com um plano de migração documentado; uma jurisdição de logs subótima se compensa com cláusulas de retenção limitada e acesso auditado. Ceder nessas cinco dói, mas não fecha a porta de saída. Ceder nas duas primeiras fecha, sim, e o momento de perceber isso não é quando a organização já depende do sistema em produção — é antes de assinar, lendo cláusulas que preço e SLA nunca obrigaram ninguém a olhar.