O GitHub anunciou que, a partir de 24 de abril, passará a usar por padrão os dados dos utilizadores do Copilot para treinar modelos de IA

O GitHub anunciou recentemente que, a partir de 24 de abril de 2026, irá atualizar a sua política de repositórios de código, com planos de utilizar dados de interação dos utilizadores para treinar os seus modelos de IA. A recolha de dados abrangerá utilizadores do Copilot Free, Pro e Pro+, incluindo entradas e saídas do modelo, trechos de código, informações de contexto, estrutura do repositório e registos de interações de chat.

O diretor de produto do GitHub, Mario Rodriguez, afirmou que a introdução de dados de interação visa melhorar a precisão e a segurança das sugestões de código do modelo, e que testes prévios com dados internos da Microsoft já aumentaram significativamente a taxa de aceitação das sugestões. É importante notar que a política adota um mecanismo de “inscrição prévia”, pelo qual os utilizadores afetados precisam aceder manualmente às configurações de privacidade para desativar as opções relevantes, o que gerou um amplo debate na comunidade de desenvolvedores sobre a definição de repositórios privados e a propriedade dos dados.

Atualmente, utilizadores do Copilot Business, Enterprise e da versão educativa, sujeitos a contratos específicos, não serão afetados por esta mudança. O GitHub destacou na sua comunicação que esta medida está alinhada com práticas comuns de grandes empresas como Anthropic, JetBrains e Microsoft. No entanto, incluir código de repositórios privados no conjunto de treino desafia, na prática, os limites do conceito tradicional de “privacidade”, mesmo que o objetivo declarado seja otimizar o fluxo de trabalho de desenvolvimento.

Do ponto de vista da indústria, à medida que os dados de código de domínio público de alta qualidade se tornam escassos, os principais fornecedores de IA aceleram a exploração de dados de interação privada e outros “dados profundos” para obter vantagens no desempenho dos modelos. Esta mudança de política não só indica uma inclinação do GitHub de uma plataforma de hospedagem de código open source para um ecossistema de treino de IA mais fechado, mas também marca uma nova fase na disputa por conformidade de dados e evolução dos modelos no campo das ferramentas de desenvolvimento de IA.