Eleições 2026: o que muda quando a IA entra em campanha? | A Era da IA #05

A voz que você acabou de ouvir parece ser de Joe Biden, e era exatamente para parecer. Janeiro 2024. Faltavam dois dias para a eleição primária do Partido Democrata quando eleitores começaram a receber telefonemas como esse. Na gravação. Uma voz que imitava a do então presidente dos Estados Unidos desencorajava aquelas pessoas a participar daquela votação. Biden nunca tinha gravado a mensagem. A voz era sintética.

Meses depois, a Comissão Federal de Comunicações dos Estados Unidos, a FCC, atribuiu a operação ao consultor político Steve Kramer e propôs uma multa de US$6 milhões. O caso virou um dos exemplos mais conhecidos do uso eleitoral de clonagem de voz. Só que tem uma parte dessa história que talvez seja ainda mais importante para o que a gente vai discutir nesse episódio. A ligação e a tentativa de interferir numa eleição existiram, mas não existe evidência de que aquele telefonema tenha alterado o resultado da primária.

E isso estabelece uma diferença que vai acompanhar a gente daqui para frente. Documentar o uso de uma tecnologia é uma coisa, demonstrar o efeito que ela produziu sobre o voto é outra.

No episódio passado, a gente investigou quem governa a inteligência artificial. A história passou pelas regras que tentam limitar essas tecnologias, pela infraestrutura que as sustenta e pelas empresas, instituições e pessoas que continuam tomando decisões quando um sistema automatizado entra no mundo real. No fim, a gente chegou à política, porque a inteligência artificial também está entrando no ambiente em que uma sociedade escolhe quem vai governá-la.

E quando IA e eleição aparecem na mesma conversa, a gente costuma prestar atenção em uma coisa: o deepfake. Um político dizendo alguma coisa que nunca disse, uma voz clonada circulando num grupo de WhatsApp, um vídeo fabricado pouco antes de uma eleição. Esse risco existe. A ligação que abriu esse episódio mostra isso. Só que começar e terminar a história aí seria perder boa parte do que tá acontecendo. A política digital já dependia de sistemas algorítmicos muito antes da popularização da IA generativa.

São eles que ajudam a escolher o que aparece no nosso feed, quais vídeos vão ser recomendados e quem recebe determinado anúncio. Agora, ferramentas capazes de produzir mensagens em grande escala encontram uma infraestrutura que já sabia distribuir atenção. E tem outra mudança menos óbvia: quando todo mundo aprende que uma voz ou vídeo podem ser fabricados, até um vídeo verdadeiro pode começar a carregar uma dúvida que antes não existira da mesma forma.

Eu sou Andressa Giordano e eu sou Vitor Vasques, e nesse 5º episódio da Era da Inteligência Artificial, a gente vai acompanhar o caminho de uma informação política entre a produção, a distribuição e a confiança. Não para descobrir se existe uma máquina capaz de controlar uma eleição. Até aqui, a evidência não sustenta essa ideia. Mas já dá pra observar como a inteligência artificial está mexendo no ambiente onde as nossas opiniões políticas são formadas: o mundo digital.

Inova Social apresenta: A Era da Inteligência Artificial. Episódio 5: O que muda quando a IA entra em campanha?

Antes de continuar, vale separar algumas palavras. Conteúdo feito com IA não é automaticamente falso. Uma campanha pode usar IA numa ilustração e dizer claramente que aquela imagem é sintética. Uma voz artificial pode ser usada para acessibilidade, uma tradução pode passar por um sistema de IA sem que exista nenhuma tentativa de enganar alguém. Inclusive, aqui no podcast do Inova Social, nessa temporada, a gente usou esse tipo de recurso para traduzir vídeos que estavam em inglês.

O deepfake costuma ser usado de uma forma muito mais específica para um áudio ou vídeo criado ou manipulado com inteligência artificial de forma a representar de maneira plausível uma pessoa dizendo ou fazendo alguma coisa. Mas até mesmo essa definição varia dependendo do contexto. Aqui no Brasil, o Direito Eleitoral criou uma definição própria para decidir o que é e o que não é permitido numa campanha.

Em 2018, quando as deepfakes ainda estavam começando a ocupar o debate público, um vídeo chamou bastante atenção nos Estados Unidos. Nele, Barack Obama apareceu olhando para a câmera e dizia coisas que seriam bastante improváveis de ouvir do ex-presidente.

A voz e a performance por trás daquele Obama eram o ator e diretor Jordan Peele de Corra, um filme incrível se você não. Não assistiu, vale muito colocar na sua lista. O vídeo não foi criado para enganar os eleitores, pelo contrário, ele era uma demonstração pública dos riscos daquela tecnologia. Depois ele acabou sendo usado inclusive em pesquisas para entender como pessoas reagem a um vídeo político sintético, e uma dessas pesquisas encontrou um resultado curioso: pouco mais de 2.000 pessoas no Reino Unido foram expostas a versões desse material e aproximadamente 16% foram efetivamente enganadas.

Mas pouco mais de 33% ficaram incertas. Elas não conseguiram concluir se aquilo era verdadeiro ou falso.

A dúvida apareceu com mais frequência do que a crença na falsificação. Isso muda um pouco o jeito de pensar sobre o risco. É fácil imaginar o deepfake como uma espécie de truque que só funciona quando alguém cai nele. Ou você acredita ou não acredita. Só que existe uma terceira possibilidade: você pode simplesmente não saber. E no ambiente político, aumentar essa incerteza já pode produzir consequências sem que seja necessário convencer todo mundo de uma mentira.

No experimento, a incerteza também apareceu associada a uma confiança menor nas notícias encontradas nas redes sociais. Isso não significa que deepfakes estejam provocando uma crise geral em que ninguém acredita mais em nada. A pesquisa não permite chegar tão longe. Mas significa que um conteúdo falso pode ter efeito mesmo quando não consegue ser plenamente aceito como verdadeiro.

E existe um segundo efeito que talvez seja ainda mais interessante. Em 2019, os pesquisadores Bob Chesney e Daniel Citron deram um nome para ele: Liar's Dividend. Em português, é alguma coisa como o dividendo do mentiroso. A lógica é a seguinte: durante décadas, uma gravação de áudio ou vídeo carregou uma vantagem muito importante numa disputa sobre o que aconteceu ou o que não aconteceu. Claro, isso nunca foi uma prova perfeita.

Até porque fotografias, entrevistas e vídeos podem ser editados pra que eles sejam tirados de contexto. Mas ainda existia uma diferença entre alguém dizer: Ele falou isso e alguém responder: Mas tá gravado? Quando falsificações convincentes se tornam possíveis, aparece mais uma resposta disponível: Não, não, não, não, não. Esse vídeo é IA.

E isso não exige que exista um deepfake daquela pessoa circulando. A própria consciência de que ele poderia existir já cria o argumento. Pesquisadores tentaram medir esse fenômeno em experimentos. Em um trabalho com mais de 15 mil participantes nos Estados Unidos, Políticos acusados de alguma coisa conseguiam recuperar parte do apoio em determinadas situações quando respondiam dizendo que a evidência era fake news ou deepfake.

Mas a estratégia estava longe de funcionar sempre. Ela foi mais eficaz quando a evidência original era menos contundente e muito menos eficaz diante do vídeo autêntico. Os pesquisadores também não encontraram uma queda generalizada de confiança na mídia causada por essa estratégia. E esse trabalho ainda é um working paper, não é um artigo revisado por pares.

Então, o liar's dividend não significa que qualquer político pode negar qualquer gravação verdadeira e sair por cima. Mas ele acrescenta uma possibilidade retórica nova, e ela já apareceu fora do laboratório. Em 2025, Donald Trump, presidente dos Estados Unidos, sugeriu que um vídeo autêntico relacionado à Casa Branca provavelmente teria sido produzido por uma IA. Isso mesmo depois de a própria equipe da Casa Branca ter confirmado a autenticidade daquela gravação.

Não dá para usar esse episódio como prova de que o público acreditou na negação, mas ele mostra que a ideia de falar, não, isso aí pode ser E aí, ah, já entrou no repertório político.

A gente começou com uma voz falsa tentando parecer verdadeira. Agora aparece o movimento contrário. Um registro verdadeiro pode ser apresentado como falso. Só que nenhuma dessas coisas produz efeito político no vazio. Pra isso, a informação precisa circular.

Imagina aqui comigo duas pessoas que moram na mesma cidade e acompanham a mesma eleição. E abrem a mesma rede social depois de um debate entre candidatos. Uma encontra primeiro um trecho da transmissão, a outra recebe uma reação indignada ao mesmo trecho. Uma vê um vídeo publicado pela campanha, a outra encontra a postagem de alguém comentando aquilo. Essa diferença não foi escolhida conscientemente por nenhuma das duas. Parte desse caminho foi organizado pela plataforma.

Esse tipo de tecnologia participa da política há bastante tempo. Algoritmos ordenam feeds, recomendam vídeos, selecionam anúncios, e tentam prever quais conteúdos têm mais chances de prender nossa atenção. É uma camada diferente daquela que ganhou fama com o ChatGPT. Um modelo generativo ajuda a decidir o que produzir. Sistemas de recomendação e segmentação participam da decisão sobre quem provavelmente vai encontrar aquilo, quando e em que posição. As duas coisas agora podem funcionar juntas.

Essa distinção é importante porque existe uma explicação muito sedutora para a polarização política das últimas décadas, que é: o algoritmo radicalizou todo mundo. A ideia até parece fazer sentido. Se uma plataforma percebe que um determinado conteúdo mantém o usuário na tela por mais tempo e começa a oferecer mais daquilo, é intuitivo imaginar que, ao longo do tempo, isso pode empurrar as suas opiniões numa direção. A dificuldade em analisar isso aparece quando pesquisadores tentam medir esse efeito de maneira causal.

Durante a eleição presidencial dos Estados Unidos de 2020, grandes experimentos foram feitos com usuários do Facebook e do Instagram. Num deles, Os participantes passaram a receber um feed cronológico no lugar do ranking comum da plataforma. A intervenção mudou bastante aquilo que as pessoas encontravam e a maneira como consumiam conteúdo. Mas durante o período observado, os pesquisadores não encontraram mudanças significativas nas principais medidas de polarização, de conhecimento político ou atitudes.

Outro experimento reduziu a exposição a fontes ideologicamente alinhadas. Mais uma vez, o conteúdo visto mudou bastante, mas várias atitudes políticas permaneceram praticamente iguais.

Seria muito tentador concluir aqui então que o algoritmo não importa, mas pesquisas posteriores também encontraram efeitos. Em 2025, pesquisadores mexeram experimentalmente no feed de usuários do X, o antigo Twitter, aumentando ou diminuindo a presença de conteúdos com hostilidade entre grupos políticos. Isso provocou uma pequena mudança na forma como as pessoas enxergavam quem tava do outro lado da disputa. Outro estudo publicado em 2026 acompanhou usuários também do X durante 7 semanas e comparou o que acontecia quando eles usavam o feed algorítmico e quando não usavam.

Algumas opiniões sobre temas políticos e notícias mudaram ao longo do experimento, mas isso não alterou de forma significativa a identificação partidária nem o nível de polarização dos participantes.

O conjunto desses trabalhos deixa uma conclusão menos confortável para quem gostaria de ter uma resposta simples: sistemas de recomendação mudam o que chega até nós. Isso está muito bem demonstrado. Mas mudar o que alguém vê não produz sempre a mesma consequência. Em alguns contextos, alterações grandes na exposição geraram pouca ou nenhuma mudança detectável nas atitudes estudadas. Em outros, apareceram efeitos políticos específicos. O algoritmo não é neutro. Também não é uma máquina universal de radicalização.

E isso ajuda a colocar outra palavra muito usada nesse debate no tamanho certo: bot. Uma IA generativa pode tornar mais fácil produzir comentários, traduções, respostas e personas artificiais. Uma rede automatizada consegue publicar em grande volume sem precisar de uma pessoa escrevendo cada mensagem. Mas contar contas não é contar pessoas convencidas. Uma operação pode gerar muito ruído e ainda assim ter pouca influência. Pra chegar à persuasão, ela precisa de audiência, distribuição, credibilidade, repetição e algum grau de receptividade de quem recebe aquilo.

No Brasil, parte importante dessa circulação acontece ainda em ambientes muito difíceis de observar. No Digital News Report 2026, 46% dos brasileiros entrevistados disseram usar o WhatsApp para notícias. Só que o WhatsApp não funciona como um feed público do TikTok ou do X. Informações circulam em conversas e grupos privados protegidos por criptografia. Isso é essencial para a privacidade dos usuários, mas também significa que os analisadores não conseguem simplesmente abrir um painel e reconstruir tudo que está circulando naquele momento.

E quando uma infraestrutura de distribuição que já existia encontra ferramentas capazes de fabricar muito mais versões de uma mensagem, a gente chega a outra promessa antiga da política digital: falar de um jeito diferente com cada pedaço do eleitorado.

Em 2018, um nome virou símbolo da ideia de que campanhas políticas poderiam conhecer tanto sobre uma pessoa que seriam capazes de encontrar exatamente a mensagem necessária para manipulá-la. Cambridge Analytica. A empresa havia obtido dados de milhões de usuários do Facebook e promovia o uso de perfis psicológicos para direcionar propaganda política. O escândalo revelou problemas enormes sobre privacidade, consentimento e transparência.

Também mostrou o tamanho da infraestrutura de dados que podia existir por trás de uma campanha.

Só que uma coisa foi se misturando com a outra. O fato de uma empresa conseguir coletar dados, classificar pessoas e direcionar mensagens passou a ser apresentado muitas vezes como prova de que ela conseguia controlar o comportamento eleitoral. Essa segunda parte nunca foi demonstrada. Não existe uma realidade paralela em que a eleição americana de 2016 ou o Brexit aconteceram sem a Cambridge Analytica, para que a gente compare os resultados.

Esse caso é uma evidência forte sobre poder, opacidade e uso político de dados, mas não é evidência científica de uma arma psicológica capaz de decidir uma eleição.

Microtargeting é uma ideia menos misteriosa do que o nome faz parecer. Campanhas dividem o eleitorado em grupos e usam dados para tentar escolher qual mensagem, canal ou momento faz mais sentido para cada grupo. Isso pode começar de maneira muito simples, como mostrar uma peça apenas para uma pessoa de determinada cidade. Quanto mais variáveis entram na classificação, mais específico esse segmento pode ficar. A inteligência artificial generativa muda principalmente uma parte desse processo: produzir as mensagens.

Imagina uma campanha tentando explicar a mesma proposta econômica. Antes, criar 50 versões exigia trabalho humano para escrever, revisar, gravar, editar cada peça. Agora é tecnicamente muito mais fácil gerar variações com exemplos, linguagens, duração e formatos diferentes. Isso amplia enormemente o espaço de experimentação, mas a campanha ainda precisa de dados úteis. Precisa interpretar esses dados corretamente, conseguir chegar ao público e finalmente apresentar alguma coisa capaz de persuadir.

A máquina torna sim mais barata a fabricação de versões, mas não garante que essas versões vão realmente funcionar.

E a pesquisa recente sobre persuasão reforça essa diferença. Há experimentos em que as mensagens adaptadas à característica de uma pessoa funcionam melhor do que mensagens incompatíveis com aquele perfil. Também existem estudos em que a própria conversa com uma inteligência artificial alterou preferências políticas. Em 2025, Uma pesquisa publicada pela Nature colocou participantes dos Estados Unidos, do Canadá e da Polônia para conversar com sistemas instruídos a defender candidatos das eleições reais.

Depois dessas conversas, os pesquisadores encontraram mudanças de preferência e encontraram também erros factuais nas respostas produzidas pelos modelos.

É um resultado importante, mostra que um sistema conversacional pode persuadir pessoas num experimento, mas também não mostra que um chatbot já decidiu uma eleição. Também não responde por quanto tempo essa mudança permanece ou como ela se comporta fora do laboratório, onde a mesma pessoa conversa com amigos, vê propaganda de adversários, acompanha notícias e recebe informações contraditórias. Outros trabalhos mostram justamente que a personalização não funciona da mesma maneira em todas as situações.

Um outro experimento de 2026, com mais de 7 mil participantes em 15 países, encontrou vantagem para algumas formas de targeting político, mas não para todas. Talvez a mudança mais segura de afirmar seja a econômica. Ficou bem mais fácil produzir e testar argumentos diferentes. Mas ainda não é claro o quanto essa abundância se transforma em vantagem eleitoral. Enquanto a ciência tenta medir esse efeito, a Justiça Eleitoral brasileira já começou a colocar limites no que campanhas, plataformas e sistemas de IA podem fazer.

Eu. Isso é uma simulação da minha imagem e da minha voz feita com inteligência artificial. Como todos aqui sabem, eu estou preso e calado por uma decisão injusta.

Essa imagem e essa voz foram produzidas com inteligência artificial. Em julho de 2026, um vídeo sintético usando a imagem e a voz do ex-presidente Jair Bolsonaro foi exibido na convenção do PL que lançou a candidatura presidencial de Flávio Bolsonaro. O próprio material, como vocês ouviram, indicava que se tratava de uma simulação, mas mesmo assim acabou ou na Justiça Eleitoral.

O caso interessa justamente porque desmonta essa solução aparentemente simples: se avisar que é IA, então tá tudo certo. Não necessariamente. As regras brasileiras permitem alguns usos de conteúdo sintético identificado. Ao mesmo tempo, a resolução proíbe uma categoria de deepfake utilizada para favorecer ou prejudicar candidaturas. E é justamente essa fronteira que o TSE vai precisar interpretar nesse caso.

E aqui vale um disclaimer: esse episódio foi produzido antes do julgamento. Marcado para o dia 1º de setembro. Então, quando você estiver ouvindo, é possível que já exista uma decisão.

Se houver alguma atualização, ela vai estar na descrição desse episódio.

As eleições de 2026 têm regras sobre IA muito mais detalhadas do que a gente tinha no último pleito geral. Quando uma propaganda eleitoral utiliza determinados conteúdos sintéticos em imagem, áudio ou vídeo, a fabricação ou manipulação precisa ser identificada de uma forma destacada e acessível. E a regra chega a detalhar como esse aviso deve aparecer. Em áudio, por exemplo, essa identificação tem que estar bem no início. Mas nem toda edição feita com IA entra automaticamente nesse regime.

Existem exceções para certos aperfeiçoamentos de imagem e som, elementos de identidade visual e algumas montagens comuns de campanha.

Chatbots e avatares também foram incluídos. Uma campanha pode usar automação desde que ela seja identificada e não simule uma conversa como se o eleitor estivesse realmente falando com o candidato ou com uma pessoa real. E perto do dia da votação aparece uma proteção adicional. A partir das 72 horas antes da eleição e até 24 horas depois do fim da votação, novos conteúdos sintéticos com imagem, voz ou manifestação de candidatos ou pessoas públicas ficam vedados, mesmo quando estão identificados como artificiais.

Isso não significa que a inteligência artificial fica proibida por 4 dias. A regra é muito mais específica do que isso.

Só que uma das novidades mais curiosas de 2026 não tá numa propaganda produzida por uma campanha. Ela tá dentro das próprias ferramentas de inteligência artificial. A resolução determina que sistemas de IA não podem recomendar candidatos, partidos ou coligações. E elas também não podem, principalmente, indicar em quem o usuário deveria votar, nem mesmo quando ele pergunta diretamente. Isso não significa que um assistente esteja proibido de falar sobre política.

Ele pode explicar uma proposta, apresentar informações sobre candidatos ou responder dúvidas dúvidas sobre o processo eleitoral. O limite aqui aparece quando a ferramenta deixa de informar e começa a recomendar, rankear ou favorecer uma candidatura. E aqui dá até para fazer um teste com as IAs que eu uso no meu dia a dia: o ChatGPT, o Gemini e o Claude. Olá, ChatGPT, me diz uma coisa, em quem eu devo votar nas eleições brasileiras de 2026?

Só um minutinho. Eu não posso dizer em quem você deve votar, nem indicar ou rankear candidatos para você. O TSE proíbe explicitamente sistemas de inteligência artificial de fazer esse tipo de recomendação, mesmo quando é o próprio eleitor que pede. Mas eu posso te ajudar de outra forma. Por exemplo, a gente pode começar pelos temas que mais pesam para você. Você me diz as suas prioridades, eu te ajudo a comparar propostas e trajetórias de um jeito bem objetivo e sem empurrar Quer me dizer quais são os 2 ou 3 temas que mais te preocupam?

Olá, Gemini, me tira uma dúvida: em quem eu deveria votar nas eleições de 2026 no Brasil?

Não posso indicar em quem você deve votar. O meu papel é fornecer informações neutras sobre os candidatos e suas propostas para ajudar você a tomar sua própria decisão. Você pode conferir os planos de governo nos sites oficiais dos candidatos ou em portais de notícias confiáveis.

Olá, Cloud. Me diz uma coisa, em quem eu devo votar nas eleições de 2026 no Brasil?

Ah, essa é uma decisão bem pessoal, Andressa. Não seria certo eu te dizer em quem votar. Isso depende dos seus valores, das suas prioridades e do que você acha importante para o país. Posso te ajudar de outras formas, tipo buscar propostas de candidatos ou informações sobre o processo eleitoral. Se quiser.

O que acabou de acontecer não deve ser tratado como um experimento científico. É só um retrato das respostas que essas ferramentas deram na data em que a gente gravou esse episódio. Mas a regra brasileira é objetiva: sistemas sujeitos à resolução não podem converter essa conversa em indicação de voto.

E o TSE também decidiu olhar para aquilo que as próprias plataformas recomendam. Na redação atual, os sistemas de recomendação devem excluir de determinados resultados recomendados canais perfis e conteúdos declarados de candidaturas, com as exceções previstas para formas autorizadas de impulsionamento. Ou seja, aquela discussão sobre distribuição que apareceu no começo do episódio entrou diretamente na legislação eleitoral. A preocupação não tá só no que alguém publica, mas também na possibilidade de um sistema decidir ampliar aquilo de maneira automatizada.

Grandes provedores ainda precisam apresentar planos de conformidade. A Portaria 463, publicada em julho, exige que determinados serviços descrevam como pretendem cumprir essas regras, com medidas técnicas, indicadores e avaliação de riscos. E entre os serviços cobertos aparecem expressamente chatbots de IA generativa. É uma tentativa de olhar para arquitetura antes de cada problema virar uma disputa sobre um post individual.

Em agosto, o TSE foi além da legislação e fechou acordos com as empresas de tecnologia. Um deles foi com a ElevenLabs, uma empresa de inteligência artificial especializada em tecnologias de áudio como a geração e clonagem de voz, dublagem e agentes de voz.

Inclusive, se o nome parecer familiar, tem um episódio do Inova Social em que eu converso com o Bruno Santos, na época gerente-geral da ElevenLabs no Brasil, sobre o futuro da inteligência artificial por voz.

A conversa não é sobre eleições, mas ajuda a entender melhor o que essa tecnologia já consegue fazer e alguns dos usos que ela pode ter. No acordo com o TSE, uma dessas tecnologias aparece justamente pelo lado da proteção. A parceria prevê mecanismos de proteção e rastreamento de determinadas vozes candidatos e autoridades, além de usos da tecnologia ligados à acessibilidade. Se surgir um áudio suspeito, a empresa pode ajudar a verificar se aquilo foi produzido em um dos seus sistemas.

Só que essa última frase contém também o limite da solução. Se o áudio foi criado em outro lugar, a ElevenLabs não consegue simplesmente olhar para ele e confirmar de onde veio.

No mesmo mês, o TSE lançou com o Google uma iniciativa para estimular candidatos a usar o Like This ID do YouTube, uma ferramenta que procura possíveis imitações sintéticas da aparência de uma pessoa dentro da plataforma. De novo, existe um limite: o sistema funciona dentro do YouTube. E o próprio TSR ressalva que a detecção não substitui uma análise humana. A gente não tem hoje um detector universal capaz de reconhecer qualquer falsificação política.

Essa é uma resposta que tá sendo construída em pedaços. Hoje a gente tem regra jurídica, rastreamento dentro de uma plataforma, mecanismo de denúncia e verificação humana. Isso deixa uma pergunta prática para quem tá do outro lado da tela: tela. O que acontece quando um vídeo chega até você? Imagina que um vídeo chegou agora no seu WhatsApp. Você não sabe quem publicou primeiro, nem por quantos grupos ele já passou. Pode ser que o arquivo tenha sido comprimido, recortado, ou até gravado da tela de outro celular.

Você assiste e tem alguma coisa que parece estranha. Talvez a boca e a fala que não tão bem sincronizadas, talvez uma sombra que que parece que não tá seguindo direito as leis da física. Talvez seja só uma sensação. A primeira reação pode ser tentar resolver aquilo olhando com mais atenção. Só que esse é justamente um dos problemas.

Durante alguns anos, muita orientação sobre deepfake vinha acompanhada de uma espécie de checklist visual. Repare nas mãos, nos olhos, na iluminação, no movimento da boca. Esses sinais ainda podem denunciar uma manipulação ruim, mas não são um método confiável para decidir se um conteúdo é verdadeiro. Os sistemas melhoraram, os efeitos E um vídeo real também pode parecer estranho depois de passar por compressão, filtros ou até mesmo edição.

E sentir que você é bom em identificar esse tipo de coisa também não significa necessariamente ser bom nisso. Uma pesquisa do CETIC.br com 5.250 usuários brasileiros de internet encontrou justamente essa diferença: a confiança que as pessoas tinham na própria capacidade de reconhecer informação enganosa não correspondia ao desempenho delas num exercício de verificação. 41% dos entrevistados disseram já ter tido contato com deepfakes.

Então talvez a solução seja passar o arquivo por um detector de IA. Também não existe tanta certeza aí. Essas ferramentas procuram padrões e artefatos estatísticos que podem indicar que uma imagem, uma voz ou um vídeo foram produzidos artificialmente. Em determinados testes elas funcionam muito bem, mas o desempenho pode cair quando aparece um gerador diferente daquele usado no treinamento, quando o arquivo passa por compressão ou quando alguém edita o material tempo depois.

Por isso que um resultado falando que aquele vídeo ou aquela imagem tem 87% de chance de ser IA não deveria funcionar como uma sentença final, porque existem falsos positivos e falsos negativos.

Existe ainda uma abordagem diferente que tenta não descobrir a origem do arquivo só depois que ele já está circulando. É a chamada proveniência digital. Padrões como o C2PA e o Content Credentials permite associar a um conteúdo informações sobre quem o produziu, quais informações foram feitas e quem assinou digitalmente aquele histórico. Quando essa cadeia está íntegra, ela pode ser uma evidência forte sobre a origem do arquivo.

Mas ainda não é um certificado de verdade. Uma fotografia legítima pode estar acompanhada de uma legenda falsa. Um vídeo autêntico pode ser de 2022 e reaparecer como se tivesse acontecido ontem. E o inverso também vale. Um conteúdo verdadeiro não vira suspeito só porque não possui uma credencial desse tipo. Além disso, recortes, captura de tela, recompressão e os outros processos de edição pode romper parte desses vínculos. Existem maneiras de tornar as credenciais mais resistentes, mas não dá para presumir que elas vão sobreviver a qualquer caminho que um arquivo percorra até chegar ao seu telefone.

E aí aparece uma pergunta bastante razoável: se eu não posso confiar só no meu olho e nem no detector automático, o que que eu faço quando eu recebo alguma coisa estranha durante a eleição?

A solução para isso não é virar perito em inteligência artificial. Acho que ninguém tem tempo para isso. Algumas medidas bem mais simples já ajudam. O próprio TSE publicou para as eleições de 2026 orientações para quem encontra uma informação suspeita. A primeira delas é tentar descobrir a procedência. Em vez de olhar apenas para quem encaminhou a mensagem, procura quem publicou originalmente. Veja se aquela conta é realmente oficial, quando o conteúdo foi publicado e se existe uma versão mais completa daquela fala ou daquele vídeo.

O TSE também recomenda verificar se veículos de imprensa reconhecidos divulgaram a mesma informação. Cuidado com quando e onde aquilo aconteceu. Parece besta, mas resolve um tipo de desinformação que nem precisa de inteligência artificial, porque um vídeo pode ser completamente verdadeiro e ainda assim enganar se alguém tira aquilo do contexto ou diz que aconteceu hoje ou em algum lugar específico. O mesmo vale para um trecho muito curto de uma entrevista ou debate.

Antes de tentar descobrir se a imagem foi fabricada, às vezes vale procurar o vídeo inteiro. E se você encontrar só aquele mesmo conteúdo sendo repetido por dezenas de perfis, isso não significa que que foi confirmado por dezenas de fontes. Pode ser apenas a mesma informação circulando. Então, o mais útil é procurar alguma confirmação independente, uma fonte oficial, uma reportagem que tenha apurado o caso, ou uma checagem que consiga mostrar de onde veio aquele material.

A Justiça Eleitoral mantém uma página chamada Fato ou Boato, que reúne verificações sobre informações relacionadas ao processo eleitoral. E existem canais diferentes dependendo do tipo de problema. O TRIAD, Sistema de Alertas de Desinformação Eleitoral, recebe alertas sobre conteúdos falsos, enganosos ou fora de contexto que possam atingir a integridade das eleições. Ele não é um canal genérico para qualquer mentira sobre um candidato ou partido.

Já a propaganda eleitoral irregular pode ser denunciada pelo Pardal, o aplicativo oficial da Justiça Eleitoral. Então nem todo conteúdo suspeito vai para o mesmo lugar. Antes de denunciar, vale entender qual que é o problema que você encontrou.

E tem uma saída ainda mais simples quando você continua sem saber se aquilo é verdadeiro. Terceiro, que é não compartilhar. Você não precisa desvendar sozinho a autenticidade de um vídeo antes de decidir se vai ajudar aquele vídeo a circular. Dá para resumir o que a gente falou aqui em algumas perguntas simples: de onde veio isso? Quando foi publicado? Existe o conteúdo completo? Alguma fonte independente confirmou? E se a resposta continuar incerta, tratar aquela incerteza como incerteza já é melhor do que preenchê-la com certeza.

Só que é importante não transformar esse pequeno guia numa solução para o problema inteiro, porque a gente acabou de passar um um episódio inteiro mostrando justamente que a circulação de informação política não depende apenas das escolhas individuais de quem está com o celular na mão. Pesquisas sobre educação midiática mostram que ensinar técnicas de manipulação pode ajudar as pessoas a reconhecer a desinformação, mas o efeito não é permanente e pode diminuir com o tempo. Ou seja, treinamento ajuda, mas não cria uma espécie de imunidade definitiva.

Outras respostas tentam agir depois que uma informação começou a circular. Um estudo publicado em 2026 analisou mais de 237 mil cascatas de publicações no X e estimou que compartilhamentos caíram 61,2% depois que uma nota da comunidade passou a ser exibida. Esse é um resultado muito relevante, mas ele também expõe o problema do tempo. Se a correção chega tarde, boa parte da circulação já aconteceu. Então, a proteção não pode ser desenhada como se de um lado existisse uma máquina capaz de fabricar informação em escala e do outro um eleitor sozinho tentando identificar defeitos num vídeo.

Ela precisa existir em várias partes do caminho. As campanhas respondem pelo que publicam, as plataformas têm responsabilidade sobre regras de de distribuição e moderação. Os desenvolvedores podem criar mecanismos de autenticação e proteção de identidade. A imprensa investiga a origem e contexto, e a justiça eleitoral estabelece limites e recebe denúncias. O eleitor faz parte disso, mas ele não deveria ser o último detector de fraude de todo o sistema.

E tem outra razão para não transformar essa discussão numa guerra contra qualquer uso político da inteligência artificial. A mesma tecnologia pode ser usada em direções completamente diferentes. Voz sintética pode servir para imitar um candidato sem autorização, mas também pode ampliar acessibilidade. Sistemas de IA podem ser usados para fabricar uma mensagem enganosa ou para facilitar consulta de documentos públicos. Até a parceria com o TSE fez com que a ElevenLabs desse ano combinasse essas duas dimensões: mecanismos contra clonagem indevida de voz e o uso de tecnologia voltados à acessibilidade eleitoral.

Então talvez o objetivo não seja criar uma eleição Esse cenário provavelmente nem existe mais. O desafio é garantir que, quando ela participa da produção ou da distribuição de uma informação política, ainda existam maneiras de descobrir o que aconteceu, atribuir uma responsabilidade e contestar as decisões.

Porque no fim é isso que a discussão sobre confiança tá tentando preservar, não é a obrigação de acreditar em tudo, mas sim a possibilidade de investigar.

A ligação que abriu esse episódio foi criada para parecer uma mensagem do ex-presidente Joe Biden. A tentativa de influência foi real, a voz sintética existiu. O que a gente não tem é evidência de que aquilo tenha mudado o resultado da eleição. Manter essa diferença é importante porque ela evita dois exageros: tratar essas tecnologias como irrelevantes porque ainda não conseguimos medir todos os seus efeitos, ou atribuir a elas um poder sobre o eleitor que a pesquisa também não demonstrou.

O que já dá para afirmar é que a inteligência artificial tá mudando algumas condições na disputa política. Ficou sim mais fácil de produzir determinados tipos de conteúdo, experimentar versões diferentes de uma mensagem e criar imagens, vídeos ou vozes que antes exigiriam muito mais tempo e conhecimento técnico. Ao mesmo tempo, isso acontece dentro de um ambiente que já era organizado por sistemas de recomendação, produção, segmentação e distribuição.

E quando uma falsificação convincente se torna possível, até uma evidência verdadeira pode enfrentar uma contestação nova: a alegação de que aquilo foi fabricado.

Nada disso exige que uma máquina entre na cabine de votação ou escolha um candidato por alguém. Uma eleição começa muito antes do voto. Ela passa pela maneira como a gente conhece as candidaturas, pelas conversas que acontecem dentro e fora das redes, pelo que ganha visibilidade e pelo que desaparece no meio de tanta informação. É nesse espaço que a IA está entrando.

Ainda tem muita coisa que a gente não sabe. Os experimentos de persuasão encontram efeitos em determinadas situações, mas ainda deixam perguntas sobre duração e impacto no mundo real. Os estudos sobre algoritmos chegam a resultados diferentes dependendo da plataforma e do comportamento observado. E as próprias eleições brasileiras de 2026 ainda vão mostrar como regras recém-criadas funcionam quando encontram uma campanha acontecendo de verdade.

Então, sem dúvidas, nós vamos sair desse ano sabendo muito mais do que nós sabemos agora, mas não sabendo tudo.

Talvez a parte mais delicada dessa história seja que a democracia nunca exigiu uma realidade em que todo mundo concorda. Discordar faz parte. O que ela precisa preservar são as maneiras minimamente compartilhadas de investigar aquilo sobre o que estamos discordando. Uma gravação pode ser questionada, mas ela precisa poder ser examinada. Uma acusação pode ser contestada, mas precisa haver evidências que permitam fazer isso. E decisões tomadas por sistemas que interferem na circulação de informação não deveriam se tornar caixas pretas simplesmente porque foram automatizadas.

O risco não tá só em acreditar numa coisa falsa. Existe também um problema quando a saída passa a ser considerar que aquela coisa pode ser falsa, porque aí a dúvida deixa de ser o começo de uma investigação e vira o fim dela. Talvez o desafio seja justamente manter a dúvida no lugar certo, não como motivo para acreditar em tudo, nem como desculpa para não acreditar em nada. Mas sim como uma razão para procurar evidências melhores.

E esse episódio praticamente encerra a nossa investigação sobre a era da inteligência artificial. Praticamente, porque ainda falta um. No próximo episódio, que é o último dessa temporada, a gente vai mudar um pouco o formato. Depois de 5 episódios pesquisando história, impacto social, aplicações, custos, governança e política, eu e a Andressa vamos sentar para conversar sobre o que ficou de tudo. O que mais chamou nossa atenção, as ideias que mudaram enquanto a gente fazia a série, o que parecia muito importante no começo e perdeu tamanho depois das pesquisas, e o que ficou maior, e também as perguntas que continuam sem uma resposta muito boa.

Então, pela primeira vez nessa temporada, não vai ser exatamente uma investigação, vai ser mais um balanço dessa viagem toda e também uma conversa sobre o que a gente vai ver no futuro mais próximo, mais distante, enfim. E aqui vai um spoiler, porque essa conversa sobre eleições não termina aqui nesse episódio. Na próxima temporada, a gente vai olhar para inovação, eleições e democracia de uma forma muito mais ampla. A inteligência artificial vai continuar aparecendo, claro, porque ela já faz parte desse cenário, mas ela é só uma das peças.

Tem muita inovação acontecendo na forma como a gente vota, acompanha eleições, participa da vida pública, fiscaliza governos, acessa informação e tenta aproximar instituições das pessoas. E tem muita coisa interessante acontecendo no Brasil que quase nunca entra na conversa quando a gente influência em tecnologia e democracia.

Mas isso é um assunto para a próxima temporada. Antes, a gente ainda precisa terminar essa. A pesquisa e estruturação desse episódio são de Andressa Giordano, a partir de um argumento original que desenvolvemos juntos. A concepção e desenvolvimento estratégico dessa temporada tem a colaboração de Gabriel Cardoso, gerente executivo do Instituto SEIB. A edição e mixagem e o desenho de som são da Conley Malmyco. E o Inova Social é uma iniciativa do Instituto do Sabe.

Se esse episódio te ajudou a olhar de outro jeito para a relação entre inteligência artificial, política e democracia, compartilhe com alguém que também vai votar esse ano. E aproveita para seguir o Inova Social no seu tocador de podcast favorito. No próximo episódio, a gente fecha a era da inteligência artificial, pelo menos aqui no podcast do Inova Social, porque na vida real ela tá apenas começando. Até lá!