# Estudo piloto de preparação para licenciamento de dados

Criado em: 2026-11-17
Atualizado em: 2026-11-17

## Pergunta e decisão

O que uma organização deve preparar antes da primeira conversa com um programa de licenciamento ou fornecimento de dados? O material se destina a quem é proprietário ou responsável pela gestão de um conjunto de dados organizacional e precisa descrevê-lo com precisão. Este estudo piloto avalia se as etapas de inscrição divulgadas publicamente permitem elaborar um formulário útil de preparação. Ele não mede o desempenho nem recomenda um fornecedor.

Os 10 programas em `observations.json` foram selecionados antes da atualização principal das evidências para abranger diferentes tipos visíveis de inscrição em uma revisão anterior de diretórios de caminhos para fornecedores. A seleção foi intencional, não aleatória: interesse direto de laboratórios, marketplaces, um diretório revisado por analistas, licenciamento de conteúdo, dados operacionais de empresas e arquivos industriais. O diretório anterior não é um censo do mercado. Nenhuma pontuação anterior, atividade de conta, dado privado ou classificação subjetiva integra este conjunto de dados.

## Coleta

Data da pesquisa: 17 de novembro de 2026, Asia/Bangkok. Fontes: páginas públicas oficiais dos programas em inglês, explicações públicas diretamente relevantes e rótulos de inscrição que puderam ser extraídos publicamente. A ferramenta de recuperação da web pode usar cópias indexadas; esta é uma leitura datada do material acessível, não uma auditoria em tempo real certificada pelos fornecedores. O artigo explicativo da OpenAI foi publicado originalmente em 9 de novembro de 2023 e não é tratado como um novo anúncio.

O escopo termina antes de inserir informações pessoais, criar uma conta, aceitar um acordo, enviar uma amostra ou submeter qualquer informação. Nenhuma dessas ações foi realizada. Cada registro identifica as fontes específicas examinadas e o limite da observação. Páginas explicativas públicas adicionais foram usadas quando a página de entrada não expunha a inscrição. A profundidade varia entre os fornecedores, portanto as contagens de informações divulgadas não seriam pontuações comparáveis.

O extrator não retornou conteúdo utilizável sobre o programa Turing Lazarus. A página inicial da General Data Company estava legível, mas o caminho para parcerias não estava. Esses 2 casos permanecem na amostra fixa como não observáveis para esta pergunta; nenhum deles é classificado como encerrado, inacessível às pessoas ou sem processo de inscrição. O programa público e o caminho de contato da Protege estavam legíveis, mas seus campos incorporados não estavam. O formulário incorporado da Neudata não foi extraído; sua página pública descrevia a solicitação de dados da empresa e do contato e as etapas seguintes.

## Codificação

Cada registro representa um programa. `observation_status` é `substantive` quando pelo menos uma fonte atual fornece informações relevantes sobre inscrição ou preparação; caso contrário, é `unobservable`. Um registro substantivo não significa que uma inscrição completa tenha sido observada.

`first_action` descreve a entrada anunciada: `interest_form`, `account_creation`, `provider_application`, `listing_request`, `partner_form`, `meeting_request`, `estimate_or_contact` ou `unknown`. Isso não afirma que a ação foi concluída. `preparation` contém paráfrases concisas do material explícito das fontes; `later_stage` preserva a sequência declarada por um fornecedor. `limitations` registra a falta de visibilidade. Rótulos de campos não são evidência de validação, e promessas dos fornecedores não são resultados observados de forma independente.

A síntese agrupa a preparação em contexto da empresa, características do conjunto de dados e permissão/escopo. Essas categorias de organização foram criadas pelos autores. São uma interpretação prática das observações, não uma escala validada. Informações desconhecidas não são codificadas como zero nem como ausência de um requisito.

## Reprodução

Execute `python3 analyze.py` nesta pasta. Ele lê apenas `observations.json` e produz `results.json` e `evidence-table.md`; não faz chamadas de rede e não tem dependências de terceiros. As asserções verificam a amostra fixa, as datas, as categorias de ação permitidas, as referências às fontes e a distinção entre registros substantivos e não observáveis. A contagem resultante de 8/10 descreve apenas as evidências legíveis neste estudo piloto; não cabe calcular um intervalo de confiança nem um percentual de mercado.

A reprodução da análise a partir das observações fornecidas é determinística. Para reproduzir a coleta, é necessário revisitar os URLs listados, cujo conteúdo pode mudar. O pacote para download contém intencionalmente observações factuais elaboradas pelos autores e referências às fontes, sem redistribuir páginas completas, capturas de tela, registros de contas ou o acervo privado de pesquisa. Os direitos autorais do material vinculado pertencem aos respectivos titulares. O artigo, o formulário e os arquivos de observação da própria Sapien1 podem ser usados como materiais do site publicado; este pacote não concede direitos sobre conjuntos de dados das fontes nem sobre conteúdo de terceiros.

Execute `python3 render-assets.py` para reproduzir as 2 figuras SVG originais. A representação dos pontos de entrada usa os registros de observação; o infográfico de preparação apresenta a síntese criada pelos autores. Ambos contêm texto, títulos e descrições editáveis.
