IA e eleições de 2026: o Brasil entra no maior teste contra deepfakes e desinformação sintética

A inteligência artificial generativa passou os últimos anos demonstrando que consegue criar.

Textos.

Imagens.

Vozes.

Vídeos.

Avatares.

Personagens.

Agora, o Brasil começa a enfrentar uma pergunta muito mais difícil:

O que acontece quando essas tecnologias entram definitivamente no processo político?

Em 1º de setembro de 2026, faltando pouco mais de um mês para o primeiro turno das eleições brasileiras, marcado para 4 de outubro, o debate sobre inteligência artificial ganhou uma nova dimensão.

Autoridades eleitorais brasileiras estão diante de um dos maiores testes regulatórios desde a popularização da IA generativa.

O problema não está apenas nos chamados deepfakes.

O desafio é maior.

Estamos entrando em uma realidade na qual praticamente qualquer pessoa consegue produzir conteúdo político sintético em escala, criar personagens que nunca existiram, simular vozes, gerar vídeos e utilizar sistemas de inteligência artificial para influenciar a maneira como informações são produzidas e distribuídas.

A questão central deixou de ser:

"É possível criar um vídeo falso convincente?"

Isso já sabemos que é possível.

A pergunta agora é:

"Como uma democracia funciona quando produzir realidade sintética se torna barato, rápido e acessível?"

2026 não é apenas mais uma eleição com redes sociais

Tecnologia e eleições não são uma combinação nova.

Campanhas políticas utilizam internet há décadas.

Depois vieram:

redes sociais;
anúncios segmentados;
análise de dados;
influenciadores;
automação;
mensageria instantânea;
algoritmos de recomendação.

A inteligência artificial generativa adiciona algo diferente.

Ela reduz drasticamente o custo de produzir conteúdo.

Antes, criar uma campanha audiovisual sofisticada exigia:

roteirista;
designer;
editor;
locutor;
equipe de vídeo;
equipamentos;
tempo.

Agora, parte desse processo pode ser realizada através de software.

IDEIA
  ↓
IA escreve roteiro
  ↓
IA gera imagem
  ↓
IA sintetiza voz
  ↓
IA gera vídeo
  ↓
IA cria variações
  ↓
Conteúdo distribuído

Isso altera profundamente a economia da comunicação digital.

O deepfake é apenas uma parte do problema

Quando falamos sobre IA e política, o termo mais conhecido é deepfake.

De forma simplificada, trata-se de conteúdo sintético ou manipulado capaz de representar pessoas, situações ou eventos de maneira artificialmente realista.

Um exemplo seria um vídeo fazendo parecer que determinada pessoa disse algo que nunca disse.

Mas focar exclusivamente em deepfakes pode fazer com que ignoremos uma transformação muito maior.

A IA permite produzir:

personagens completamente artificiais;
fotografias sintéticas;
áudios falsos;
vídeos;
comentários;
artigos;
memes;
respostas automáticas;
perfis;
variações de propaganda;
conteúdo hiperpersonalizado.

Ou seja:

A manipulação não precisa necessariamente falsificar uma pessoa real. Ela pode fabricar uma realidade inteira.

O caso dos avatares políticos

Uma das dificuldades regulatórias está justamente nos personagens gerados por inteligência artificial.

Imagine um perfil político chamado:

Dona Maria

A personagem não existe.

Seu rosto foi criado artificialmente.

Sua voz é sintética.

Os vídeos são produzidos com inteligência artificial.

Ela comenta política diariamente.

Defende determinadas ideias.

Critica outras.

Conquista seguidores.

Produz memes.

Participa de debates digitais.

Agora surge uma pergunta interessante:

Isso é um deepfake?

Talvez não no sentido tradicional.

A personagem não está necessariamente fingindo ser uma pessoa real.

Mas ainda pode possuir influência política.

Esse tipo de situação demonstra por que regulamentar inteligência artificial é tão difícil.

A tecnologia frequentemente cria comportamentos que não se encaixam perfeitamente nas categorias jurídicas anteriores.

O Brasil já possui regras eleitorais para inteligência artificial

O Brasil não chegou completamente despreparado a esse cenário.

Desde as eleições municipais de 2024, a Justiça Eleitoral possui regras específicas relacionadas ao uso de inteligência artificial.

Entre as preocupações estão:

identificação de conteúdo sintético;
uso de deepfakes;
manipulação de imagem e voz;
utilização de sistemas automatizados;
integridade da informação eleitoral.

Mas 2026 apresenta um desafio diferente.

A tecnologia evoluiu.

O acesso aumentou.

A qualidade melhorou.

E a quantidade de conteúdo produzido por usuários comuns cresceu.

A regulação deixa de lidar apenas com campanhas profissionais.

Ela precisa lidar com um ecossistema inteiro.

A escala é o verdadeiro problema

Imagine uma campanha tradicional produzindo:

10 vídeos por semana

Agora imagine um sistema de IA produzindo:

10 vídeos por hora

Depois imagine:

1.000 usuários
×
10 conteúdos
=
10.000 conteúdos

A questão deixa de ser apenas identificar se determinado conteúdo é falso.

Passa a ser lidar com volume.

Esse é um dos grandes efeitos da IA generativa.

Ela não apenas melhora a capacidade de criação.

Ela multiplica a capacidade de produção.

O custo marginal do conteúdo está se aproximando de zero

Existe um conceito econômico importante aqui.

Produzir a primeira peça de uma campanha pode exigir trabalho.

Mas gerar variações adicionais com inteligência artificial pode custar muito pouco.

Imagine um anúncio político.

Antes, uma campanha produziria uma versão.

Com IA, pode produzir centenas:

Mensagem original
       ↓
       IA
       ↓
┌──────────────┬──────────────┬──────────────┐
│              │              │              │
Versão jovem   Versão formal  Versão popular
│              │              │              │
Região A       Região B       Região C
│              │              │              │
Tema X         Tema Y         Tema Z

Isso cria uma capacidade de personalização sem precedentes.

Da propaganda de massa para propaganda individualizada

A comunicação política tradicional funciona aproximadamente assim:

Candidato
    ↓
Mensagem
    ↓
Milhões de pessoas

Com dados, algoritmos e IA, podemos caminhar para:

Candidato
    ↓
Sistema
    ↓
Perfil do eleitor
    ↓
Mensagem personalizada
    ↓
Eleitor específico

Duas pessoas podem receber versões completamente diferentes da mesma campanha.

Uma mensagem enfatiza economia.

Outra segurança.

Outra religião.

Outra educação.

Outra tecnologia.

A personalização não é necessariamente ilegal ou ruim.

Marketing utiliza segmentação há muito tempo.

O problema aparece quando personalização extrema reduz a capacidade pública de fiscalizar o discurso político.

Como fiscalizar uma promessa que somente você recebeu?

Esse é um problema interessante.

Em um debate televisionado, todos escutam a mesma declaração.

Ela pode ser:

analisada;
contestada;
comparada;
arquivada.

Agora imagine propaganda hiperpersonalizada.

Eleitor A → recebe promessa A

Eleitor B → recebe promessa B

Eleitor C → recebe promessa C

Eleitor D → recebe promessa D

Nenhum deles necessariamente sabe o que os outros receberam.

A comunicação política deixa de ser totalmente pública.

Isso cria novos desafios para:

transparência;
fiscalização;
jornalismo;
Justiça Eleitoral;
sociedade civil.

Chatbots entram na discussão

Existe ainda outra fronteira.

Durante muito tempo, buscávamos informações políticas em mecanismos de pesquisa.

Agora milhões de pessoas perguntam diretamente para inteligências artificiais.

Por exemplo:

"Quem é o melhor candidato para presidente?"

Ou:

"Em quem devo votar?"

Ou:

"Qual candidato é melhor para a economia?"

Isso cria um problema diferente.

Um chatbot não é apenas uma biblioteca.

Ele formula uma resposta.

A escolha das informações apresentadas, a maneira como são organizadas e até a linguagem utilizada podem influenciar a percepção do usuário.

Quando uma IA recomenda, ela está informando ou influenciando?

Essa pergunta será cada vez mais importante.

Considere duas respostas.

Resposta A

Aqui estão as propostas econômicas dos candidatos.

Resposta B

Com base nas informações disponíveis,
o candidato X parece ser a melhor opção.

Existe uma diferença significativa.

Na primeira situação, a IA auxilia o usuário a acessar informações.

Na segunda, começa a participar da decisão.

Por isso sistemas de inteligência artificial utilizados durante eleições precisam lidar cuidadosamente com perguntas envolvendo recomendação política.

O problema da autoridade algorítmica

Existe um fenômeno psicológico importante.

Pessoas podem atribuir autoridade a sistemas tecnológicos.

Se um chatbot responde com segurança:

"A resposta correta é esta."

muitos usuários podem interpretar aquela afirmação como resultado de uma análise neutra e objetiva.

Mas modelos de inteligência artificial não são árbitros absolutos da realidade.

Eles podem:

errar;
interpretar incorretamente;
utilizar informações desatualizadas;
reproduzir vieses;
apresentar respostas incompletas.

Em política, isso se torna especialmente sensível.

A aparência de neutralidade pode ser mais poderosa do que propaganda explícita

Quando vemos um anúncio dizendo:

Vote em candidato X

sabemos que estamos diante de propaganda.

Mas quando perguntamos para uma ferramenta tecnológica:

Qual candidato possui a melhor proposta econômica?

e recebemos uma resposta direta, a percepção pode ser diferente.

O usuário pode acreditar estar recebendo apenas uma análise técnica.

É justamente por isso que transparência algorítmica e governança tornam-se importantes.

Deepfakes também podem atingir empresas

Pode parecer que essa discussão interessa apenas a políticos.

Não interessa.

As mesmas tecnologias utilizadas para fabricar conteúdo político podem ser utilizadas contra empresas.

Imagine um vídeo aparentemente mostrando o CEO de uma organização anunciando:

"Nossa empresa entrou em recuperação judicial."

O vídeo é falso.

Mas circula durante 40 minutos antes de ser desmentido.

Nesse intervalo:

clientes entram em contato;
funcionários ficam preocupados;
fornecedores suspendem operações;
investidores reagem;
jornalistas começam a perguntar.

A verdade eventualmente aparece.

Mas o dano já começou.

O tempo entre mentira e correção importa

Existe uma característica importante da desinformação digital.

A informação falsa pode circular mais rapidamente do que sua correção.

Podemos representar assim:

CONTEÚDO FALSO
      ↓
Publicação
      ↓
Compartilhamentos
      ↓
Milhares de visualizações
      ↓
Reação
      ↓
────────────────────
      ↓
Checagem
      ↓
Desmentido

Quando o desmentido chega, parte do impacto já aconteceu.

Com IA generativa, produzir conteúdo falso fica mais rápido.

Portanto, organizações também precisarão melhorar a velocidade de resposta.

Empresas precisarão de protocolos para deepfakes

Imagine que amanhã apareça um áudio do diretor financeiro da sua empresa solicitando uma transferência.

O funcionário reconhece a voz.

O vocabulário parece correto.

O contexto parece plausível.

A pergunta não deveria ser:

"Parece realmente com ele?"

A pergunta deveria ser:

"O processo de autorização foi cumprido?"

Essa mudança é fundamental.

Conteúdo não pode mais funcionar como autenticação

Uma regra empresarial importante para a era da IA é:

Conteúdo não comprova identidade.

Isso significa que:

Voz ≠ identidade

Vídeo ≠ identidade

Foto ≠ identidade

Mensagem ≠ identidade

Todos esses elementos podem ser sintetizados.

Operações críticas precisam utilizar mecanismos adicionais de verificação.

Um exemplo de protocolo corporativo

Considere uma solicitação de pagamento.

Em vez de:

Diretor envia áudio
        ↓
Funcionário reconhece voz
        ↓
Pagamento

utilize:

Solicitação recebida
        ↓
Sistema corporativo
        ↓
Identidade autenticada
        ↓
Segunda aprovação
        ↓
Verificação de dados
        ↓
Pagamento

O processo não depende da capacidade humana de reconhecer uma voz.

A crise da prova audiovisual

Durante grande parte do século XX, fotografia, áudio e vídeo possuíam uma força probatória enorme.

"Existe uma gravação."

Essa frase carregava peso.

Inteligência artificial muda essa relação.

Não significa que fotografias e vídeos deixaram de possuir valor.

Significa que sua autenticidade precisará ser analisada com mais cuidado.

Estamos entrando em uma era em que perguntar:

"Isso parece real?"

será insuficiente.

Precisaremos perguntar:

"Conseguimos verificar a origem?"

Proveniência digital ganha importância

Uma das respostas tecnológicas para esse problema é a criação de mecanismos capazes de registrar a origem e o histórico de conteúdos digitais.

Podemos imaginar:

Câmera
  ↓
Imagem criada
  ↓
Assinatura digital
  ↓
Edição registrada
  ↓
Publicação
  ↓
Verificação

O objetivo é permitir que plataformas ou usuários verifiquem informações como:

quem criou;
quando foi criado;
qual equipamento produziu;
se houve edição;
quais alterações ocorreram.

Isso é chamado de proveniência de conteúdo.

Watermarks não resolvem tudo

Outra solução frequentemente discutida é utilizar marcas d'água em conteúdo produzido por inteligência artificial.

Podem ser:

visíveis;
invisíveis;
incorporadas aos metadados;
detectáveis por software.

Mas existem limitações.

Uma marca pode ser:

removida;
recortada;
alterada;
perdida durante conversões;
eliminada por captura de tela.

Portanto:

Não existe uma solução tecnológica única para o problema da desinformação sintética.

Será necessária uma combinação de:

tecnologia;
regulamentação;
educação;
processos;
responsabilização.

O paradoxo da detecção de IA

Existe ainda um problema técnico.

Conforme modelos geradores melhoram, detectores precisam melhorar também.

Forma-se uma corrida:

GERADOR
   ↓
Conteúdo mais realista
   ↓
DETECTOR
   ↓
Detecção melhora
   ↓
GERADOR
   ↓
Nova técnica

É semelhante à relação histórica entre:

spam e filtros;
malware e antivírus;
fraude e sistemas antifraude.

Nenhuma defesa permanece perfeita indefinidamente.

A regulação brasileira está sendo testada em tempo real

O Brasil possui um cenário particularmente interessante.

De um lado, existem regras eleitorais específicas.

De outro, o país ainda discute uma legislação mais ampla para inteligência artificial.

O principal projeto nacional de regulamentação continua sendo o PL 2.338/2023, aprovado pelo Senado em 2024 e encaminhado posteriormente para análise da Câmara dos Deputados.

Isso significa que diferentes camadas regulatórias coexistem:

Constituição
      ↓
Legislação eleitoral
      ↓
LGPD
      ↓
Marco Civil
      ↓
Resoluções do TSE
      ↓
Futura legislação de IA

IA não existe em um vácuo jurídico.

Mesmo quando uma lei específica ainda está em discussão, outras normas continuam aplicáveis.

O debate internacional também está dividido

Enquanto o Brasil enfrenta sua própria discussão, diferentes países estão adotando abordagens distintas.

A União Europeia avançou com uma estratégia regulatória mais abrangente.

Os Estados Unidos têm defendido, em diferentes momentos, uma abordagem mais orientada à inovação e menos dependente de novos órgãos reguladores.

Em 1º de setembro de 2026, representantes americanos se preparavam para defender no âmbito do G20 uma visão mais favorável a uma regulação de IA com menor intervenção, em meio à disputa tecnológica internacional e ao crescimento dos modelos chineses.

Temos, portanto, diferentes filosofias.

Abordagem 1

Mais regras
↓
Reduzir riscos
↓
Criar confiança

Abordagem 2

Menos barreiras
↓
Acelerar inovação
↓
Aumentar competitividade

O desafio é encontrar equilíbrio.

Regular demais também possui custo

Regulamentação não é automaticamente positiva apenas porque busca segurança.

Regras excessivamente complexas podem beneficiar justamente as maiores empresas.

Por quê?

Porque grandes organizações conseguem manter:

advogados;
equipes de compliance;
departamentos regulatórios;
especialistas.

Uma startup pequena talvez não consiga.

Portanto, uma regulamentação mal calibrada pode criar uma barreira de entrada.

Regular de menos também possui custo

O extremo contrário também possui problemas.

Sem regras adequadas, podem surgir:

fraudes;
discriminação;
abuso de dados;
manipulação;
sistemas inseguros;
perda de confiança.

E confiança possui valor econômico.

Se pessoas começarem a acreditar que:

"Nada online pode ser confiável."

a própria economia digital sofre.

O problema da confiança digital

Pense em quantas atividades dependem de confiança:

contratos;
pagamentos;
identidade;
documentos;
comunicação;
comércio;
notícias;
reputação.

A internet funciona porque existem mecanismos que permitem estabelecer algum nível de confiança.

Inteligência artificial sintética pressiona esses mecanismos.

O desafio da próxima década talvez não seja simplesmente criar conteúdos cada vez mais realistas.

Será criar maneiras cada vez melhores de responder:

"De onde isso veio?"

Zero Trust pode chegar ao conteúdo

Em cibersegurança existe um princípio chamado Zero Trust:

Nunca confie automaticamente. Sempre verifique.

Tradicionalmente, isso se aplica a:

usuários;
dispositivos;
redes;
sistemas.

Mas podemos começar a aplicar uma lógica semelhante ao conteúdo.

Conteúdo recebido
       ↓
Não confiar automaticamente
       ↓
Verificar origem
       ↓
Verificar contexto
       ↓
Verificar autenticidade
       ↓
Tomar decisão

Isso será particularmente importante para informações de alto impacto.

Alfabetização digital precisará mudar

Durante anos ensinamos:

"Não acredite em tudo que você lê na internet."

Agora precisaremos ensinar:

"Não acredite automaticamente em tudo que você vê ou ouve."

Porque:

imagens podem ser sintéticas;
vídeos podem ser sintéticos;
vozes podem ser sintéticas;
documentos podem ser sintéticos.

O senso crítico deixa de ser apenas habilidade acadêmica.

Torna-se uma competência de segurança digital.

Como identificar possíveis conteúdos manipulados?

Nenhum sinal isolado é suficiente.

Mas alguns comportamentos ajudam.

1. Verifique a origem

Quem publicou?

Existe uma fonte primária?

2. Procure confirmação independente

Outros veículos ou fontes confiáveis registraram o mesmo evento?

3. Desconfie de urgência emocional

Conteúdos manipulativos frequentemente tentam provocar:

medo;
raiva;
indignação;
urgência.

4. Não confie apenas na aparência

Um vídeo visualmente perfeito também pode ser sintético.

5. Observe o contexto

A informação faz sentido considerando acontecimentos conhecidos?

Empresas também precisam educar funcionários

Treinamentos corporativos de segurança precisarão incluir inteligência artificial.

Funcionários precisam saber que:

um áudio pode ser falso;
uma reunião em vídeo pode ser manipulada;
um documento pode ter sido gerado;
uma mensagem pode ter sido personalizada automaticamente.

Especialmente funcionários que trabalham com:

financeiro;
RH;
diretoria;
dados;
atendimento;
infraestrutura.

A eleição de 2026 será um laboratório

O Brasil possui mais de 150 milhões de eleitores.

Possui enorme utilização de redes sociais.

Possui forte cultura de mensageria instantânea.

E entra em uma eleição nacional durante a popularização massiva da inteligência artificial generativa.

Isso transforma 2026 em um teste importante.

Não apenas para o Brasil.

Outros países observarão:

quais regras funcionaram;
quais falharam;
como plataformas reagiram;
como eleitores responderam;
quais formas de manipulação surgiram.

A tecnologia evolui mais rápido do que as categorias jurídicas

Talvez essa seja a principal dificuldade regulatória.

A lei trabalha com definições.

Tecnologia trabalha com possibilidades.

Quando uma lei define:

deepfake

a tecnologia pode criar algo que não se encaixa perfeitamente nessa definição.

Quando regula:

chatbot

surge um agente.

Quando regula:

conteúdo gerado

surge conteúdo híbrido, parcialmente humano e parcialmente sintético.

É uma corrida constante.

Talvez precisemos regular efeitos, não tecnologias

Uma possível abordagem é concentrar regras menos na ferramenta específica e mais no impacto.

Em vez de perguntar apenas:

"Foi utilizada inteligência artificial?"

perguntar:

"Qual foi o efeito produzido?"

Por exemplo:

houve fraude?
houve manipulação enganosa?
houve violação de privacidade?
houve discriminação?
houve dano?
houve tentativa de se passar por outra pessoa?

Essa abordagem pode tornar determinadas regras mais resistentes à evolução tecnológica.

Para empresas, existe uma lição maior

Mesmo organizações completamente afastadas da política deveriam acompanhar essa discussão.

Por quê?

Porque as soluções criadas para enfrentar conteúdo sintético nas eleições provavelmente influenciarão o restante da economia digital.

Tecnologias de:

identidade;
autenticação;
proveniência;
assinatura;
detecção;
verificação;

poderão posteriormente ser utilizadas em:

bancos;
contratos;
e-commerce;
comunicação empresarial;
documentos corporativos.

Eleições podem funcionar como um laboratório para tecnologias de confiança digital.

O futuro da internet pode depender menos de detectar falsidade e mais de provar autenticidade

Existe uma diferença importante entre:

"Conseguimos provar que isto é falso?"

"Conseguimos provar que isto é autêntico?"

A primeira abordagem tenta detectar manipulação.

A segunda cria uma cadeia de confiança.

Talvez o futuro esteja mais próximo da segunda.

Em um mundo onde qualquer conteúdo pode ser sintetizado, conteúdos verificáveis podem ganhar valor.

A confiança pode se tornar uma infraestrutura

Hoje pensamos em infraestrutura digital como:

servidores;
cloud;
redes;
bancos de dados;
APIs.

No futuro, talvez precisemos adicionar:

infraestrutura de confiança.

Sistemas capazes de responder:

Quem criou?
     ↓
Quando?
     ↓
Com qual identidade?
     ↓
Foi alterado?
     ↓
Por quem?
     ↓
É possível verificar?

Isso pode se tornar tão importante quanto criptografia e autenticação são hoje.

Conclusão

As eleições brasileiras de 2026 estão colocando inteligência artificial diante de um teste que vai muito além da política.

Estamos testando nossa capacidade de continuar distinguindo:

informação de manipulação,

identidade de representação,

conteúdo de evidência,

realidade de simulação.

Deepfakes são apenas a manifestação mais visível dessa transformação.

O problema maior é que estamos entrando em uma economia digital onde produzir conteúdo convincente custa cada vez menos.

Isso muda propaganda.

Muda fraude.

Muda comunicação.

Muda segurança.

Muda política.

E muda a própria definição de confiança.

Durante a primeira fase da internet, a grande pergunta era:

"Como colocar informação online?"

Depois passou a ser:

"Como encontrar a informação correta?"

Na era da inteligência artificial, uma nova pergunta começa a dominar:

"Como sabemos que aquilo que estamos vendo realmente veio de quem afirma ter produzido?"

Responder a essa pergunta exigirá muito mais do que detectores de deepfake.

Exigirá tecnologia, educação, regulamentação, identidade digital e novos processos de verificação.

A inteligência artificial tornou extremamente barato fabricar conteúdo.

Agora precisaremos tornar extremamente confiável provar autenticidade.

Essa talvez seja uma das infraestruturas mais importantes da próxima fase da transformação digital.

Referências

Reuters. Brazil races to rein in AI weeks before election. Publicado em 1º de setembro de 2026.
Tribunal Superior Eleitoral (TSE). Normas e resoluções sobre propaganda eleitoral, inteligência artificial, conteúdo sintético e deepfakes.
Projeto de Lei nº 2.338/2023. Proposta de marco regulatório brasileiro para inteligência artificial.
Tech Policy Press. Análises sobre as eleições brasileiras de 2026 como teste para a regulamentação de inteligência artificial.
Reuters. US to urge hands-off AI regulation at G-20, official says. Publicado em 1º de setembro de 2026.

Aviso editorial: este artigo possui caráter informativo e analítico. Não representa apoio, oposição ou recomendação eleitoral a qualquer candidato, partido ou posição política.

Conteúdo produzido para o Blog da Vórtice — tecnologia, inteligência artificial, segurança, regulamentação, automação e transformação digital.