NotíciasA partir de 26 de outubro de 2026, novos projetos pagos que usam a Gemini API passaram a armazenar por padrão as solicitações compatíveis nos logs do Google AI Studio. Para equipes que criam uma integração agora, isso significa revisar o que é enviado nos prompts e decidir se o registro ajuda na depuração ou amplia desnecessariamente a exposição de dados. Projetos já existentes mantêm a configuração que tinham; a mudança não altera automaticamente todos os sistemas em produção.
O ponto principal é separar três coisas: armazenamento de solicitações para inspeção, uso de dados para melhorar produtos e retenção de registros por segurança ou obrigação legal. São controles e finalidades diferentes. A documentação do Google diz que prompts e respostas de serviços pagos não são usados para melhorar os produtos, embora logs limitados possam ser mantidos em determinadas situações de segurança e conformidade.
O que mudou em 26 de outubro
A nota de versão da Gemini API registra que novos projetos pagos criados a partir de 26 de outubro recebem store=true como padrão para chamadas compatíveis da Generate Content API. Isso inclui os métodos de geração de conteúdo em fluxo e em lote descritos pelo Google. O padrão afeta projetos novos; projetos anteriores continuam com a configuração que já tinham, inclusive quando o logging havia sido ativado manualmente.
Com o registro ativo, solicitações e respostas podem ficar disponíveis no AI Studio para que a equipe examine o conteúdo enviado, o resultado gerado e, em fluxos compatíveis, o contexto de turnos anteriores. Essa visibilidade é útil para encontrar uma instrução mal formulada, comparar resultados ou investigar uma falha. Também torna necessário tratar esses logs como parte do inventário de dados do projeto, e não como uma simples saída temporária do console.
O detalhe importante é que a regra depende da data de criação do projeto, não apenas da data em que o código foi atualizado. Uma empresa pode ter vários projetos, ambientes e chaves, cada um com uma configuração diferente. Por isso, verificar apenas uma integração ou uma conta de desenvolvedor não é suficiente para concluir como todos os ambientes estão se comportando.
Armazenamento não significa treinamento
A documentação de logs e conjuntos de dados descreve o recurso de registro como uma forma de consultar solicitações e respostas no AI Studio. Nos serviços pagos, os termos adicionais da Gemini API dizem que o Google não usa prompts ou respostas para melhorar os produtos. Os mesmos termos preveem tratamento limitado de logs para identificar violações de segurança e atender a divulgações legais ou regulatórias.
Isso não significa que os dados desapareçam do sistema assim que a resposta chega, nem que a empresa possa ignorar controles de acesso e retenção. Significa que “guardar para inspeção” e “usar para treinar ou melhorar modelos” não são sinônimos. Uma política interna precisa descrever a finalidade real, quem pode consultar os registros e por quanto tempo eles ficam disponíveis.
A página de logs informa retenção padrão de 55 dias e opções de 7, 14, 28 ou 55 dias. Conjuntos de dados salvos têm outro ciclo: a documentação diz que não expiram automaticamente. Se alguém salva exemplos para análise ou avaliação, deve tratá-los como material persistente e acompanhar permissões e descarte conforme os controles disponíveis. Desligar o armazenamento para chamadas futuras não deve ser interpretado como exclusão automática de registros que já foram guardados.
O que revisar antes de integrar
Comece pelo inventário: identifique projetos, ambientes de desenvolvimento e produção, data de criação, plano e serviços da Gemini API usados. Em seguida, abra as configurações de logging no AI Studio e confirme o estado de cada projeto. A mesma integração pode apontar para projetos diferentes entre homologação e produção, e uma variável de ambiente esquecida pode manter ativa uma chave antiga.
Se a equipe não precisa consultar solicitações no AI Studio, pode desativar o logging na configuração do projeto ou enviar store=false nas chamadas compatíveis. Segundo o Google, a configuração por solicitação prevalece sobre a configuração do projeto; isso permite exceções pontuais, mas também exige conferir o comportamento de cada caminho do código. Confirme se a versão do SDK utilizada reconhece os controles documentados e valide o comportamento no ambiente real antes de considerar a revisão concluída.
Depois, leia os prompts e liste os campos enviados: dados de clientes, conteúdo de conversas, identificadores, documentos e informações internas. Remova o que não for necessário para produzir a resposta. Quando uma tarefa puder funcionar com dados minimizados ou pseudonimizados, prefira esse formato. Defina também quais pessoas podem abrir os logs, como uma investigação é autorizada e quem acompanha o prazo de retenção.
Para projetos que já usam IA, essa revisão pode ser conectada a uma governança mais ampla. No artigo IA generativa nas empresas: onde ajuda e o que exige cuidado, discutimos como delimitar tarefas, dados e supervisão. E, se a aplicação depende de uma conexão entre sistemas, entenda o papel de uma API e quando uma integração é necessária. A mudança do Gemini reforça que a escolha do provedor é apenas uma parte: a forma como o produto envia, registra e protege dados também precisa estar documentada.
Uma lista prática para times de produto
Antes de lançar ou alterar uma integração, confirme quatro pontos: qual projeto recebe a chamada; se o logging está ativo; quais dados são incluídos no prompt; e se a retenção combina com a finalidade de depuração. Registre a decisão e atribua um responsável para rever a configuração quando novos ambientes ou projetos forem criados.
Se os logs forem necessários para diagnosticar problemas, limite seu acesso e use o menor período adequado. Se não forem necessários, desative o recurso e teste se a configuração por chamada está sendo respeitada. Em ambos os casos, não coloque segredos, credenciais ou dados pessoais no prompt sem uma justificativa e os controles apropriados. Uma resposta da API bem-sucedida não confirma, por si só, que o tratamento de dados atende às políticas da empresa.
A atualização, portanto, não exige desligar a Gemini API nem indica uma mudança geral no uso de dados para treinamento. Ela muda o padrão de observabilidade para novos projetos pagos. O trabalho útil é saber quais projetos foram criados depois da data, decidir conscientemente se os logs são necessários e ajustar a implementação antes que dados de clientes passem a aparecer em um lugar que a equipe não acompanha.
