Tudo sobre Inteligência Artificial
Depois de anos evoluindo em silêncio, os deepfakes deram um salto de qualidade que pegou até especialistas de surpresa. Rostos, vozes e movimentos gerados por inteligência artificial atingiram um nível de realismo que já engana facilmente pessoas sem preparo técnico e, em alguns casos, até sistemas automatizados de verificação.
Continua após a publicidade
Ainda em 2026 teremos uma virada: o fim da era do “clipe pré-gravado” e o início da síntese em tempo real, quando conteúdos falsos passam a reagir e interagir com a pessoa ao vivo.
De vídeos estáticos a “atores sintéticos”
Até pouco tempo, um deepfake era, na prática, um vídeo gravado e processado — algo estático, que podia ser analisado depois com calma. Isso está mudando. A nova geração de modelos consegue manter coerência temporal: os movimentos fazem sentido de um quadro para o outro, os rostos não tremem nem se distorcem nas bordas dos olhos e da mandíbula, e a identidade da pessoa retratada permanece estável mesmo quando a “performance” muda.
Isso significa que características de movimento e de identidade podem ser combinadas livremente, permitindo aplicar o mesmo gesto a rostos diferentes ou dar múltiplas expressões à mesma identidade falsa.
O resultado prático é que o deepfake deixa de ser um arquivo e passa a se comportar como um “ator digital” capaz de responder em tempo real a uma videochamada ou a uma conversa — o que dificulta enormemente a checagem humana, já que boa parte das pistas visuais que antes denunciavam manipulação (tremulação, artefatos, iluminação inconsistente) está desaparecendo.
Voz: o elo que quebrou primeiro
Se o vídeo está alcançando esse patamar agora, a clonagem de voz já cruzou essa barreira. Bastam poucos segundos de áudio de referência para gerar uma voz convincente, com entonação, ritmo, pausas e até respiração naturais o suficiente para enganar o ouvido humano na maioria das situações cotidianas.
Esse avanço já tem consequência direta: alguns grandes varejistas relatam receber mais de 1.000 ligações fraudulentas geradas por IA por dia, um volume que seria impensável há poucos anos e que mostra como a fraude por voz sintética deixou de ser um risco teórico para se tornar operação em escala industrial.
Por que isso escala tão rápido? Três fatores explicam a aceleração:
- Realismo técnico: os modelos de vídeo mais recentes foram desenhados especificamente para manter consistência entre quadros, eliminando os erros visuais que antes serviam como evidência forense.
- Voz indistinguível: a clonagem vocal ultrapassou o que pesquisadores chamam de “limiar da indistinguibilidade”: não dá mais para confiar apenas no ouvido.
- Barreira técnica quase zero: ferramentas de geração cada vez mais acessíveis, somadas a agentes de IA que automatizam todo o processo de criação, permitiram que praticamente qualquer pessoa produza conteúdo falso coerente e em escala, sem precisar de conhecimento técnico avançado.
Para dar uma ideia do ritmo de crescimento, estimativas do setor de segurança apontam salto de cerca de 500 mil deepfakes identificados em 2023 para algo próximo de oito milhões em 2025 — um crescimento anual próximo de 900%.
Continua após a publicidade
O desafio da detecção
Diante desse cenário, a resposta tradicional (analisar pixels em busca de erros visuais) está perdendo eficácia. Pesquisadores apontam que a defesa relevante está migrando do julgamento humano para proteções de infraestrutura, como:
- Proveniência segura: assinatura criptográfica de mídia na origem, seguindo padrões como os da Coalition for Content Provenance and Authenticity (C2PA);
- Ferramentas forenses multimodais: sistemas que cruzam vídeo, áudio e metadados simultaneamente, em vez de depender só da inspeção visual;
- Modelos de detecção “open-set”: iniciativas acadêmicas — como uma desenvolvida no Brasil — que usam imagens genuinamente humanas como referência de textura de pele, luz e sombra, em vez de tentar reconhecer apenas padrões de deepfakes já catalogados, já que é impossível prever todas as formas futuras de manipulação.
Continua após a publicidade
O que isso significa na prática
Para empresas, o risco imediato é o golpe por voz ou vídeo em chamadas — do “sequestro relâmpago digital” ao falso executivo autorizando uma transferência. Para o debate público, o risco é a desinformação em tempo real: simulações de entrevistas, boletins ou pesquisas que parecem autênticas o suficiente para circular e influenciar antes de qualquer checagem.
O ponto central ainda para 2026 é que a linha entre “real” e “sintético” deixou de ser uma questão de qualidade técnica e passou a ser uma questão de confiança em infraestrutura — assinatura de origem, autenticação e letramento digital vão pesar mais do que a capacidade humana de “perceber” que algo é falso.
Alessandra Montini
Alessandra Montini é diretora do Laboratório de Análise de Dados da Fia Business School.
Ver todos os artigos →
