IA Generativa impulsiona fraudes sofisticadas com deepfakes e identidades sintéticas, exigindo novas abordagens de prevenção e construção de confiança digital
Por Yolanda Gonçalves
Em uma realidade digital onde lutamos por 47 segundos de atenção de um cliente legítimo, uma inteligência artificial é capaz de clonar uma voz de forma convincente ou gerar dezenas deepfakes realistas.
Esse dinamismo ajuda a explicar por que 87% das empresas apontam a IA como o risco de segurança que mais cresceu no último ano.
Diante desse cenário, o paradigma de que a confiança no ambiente digital esteva ancorada naquilo que era possível ver, ouvir ou validar de forma direta deixou de existir. A evolução tecnológica tornou obsoletos os critérios tradicionais de verificação e elevou o nível de sofisticação das fraudes a um patamar em que a percepção humana já não é suficiente para distinguir o real do manipulado.
O Brasil se tornou um dos principais campos de teste desse fenômeno. Com dimensões continentais, diversidade de documentos, diferentes níveis de digitalização e ampla base de usuários conectados, o País reúne as condições ideais para a experimentação de novas técnicas de fraude. O que funciona aqui tende a escalar globalmente. Nesse contexto, prevenir fraudes deixou de ser apenas uma questão de evitar prejuízo direto e passou a ser um fator determinante para proteger margem, sustentar crescimento e preservar ativos e reputação.
A transformação mais significativa está na qualidade das falsificações. Saímos de erros grosseiros para clones praticamente perfeitos. Deepfakes, identidades sintéticas e manipulação avançada de documentos digitais fazem parte do novo arsenal que desafia inclusive sistemas automatizados. A inteligência artificial superou a capacidade de detecção do olho humano, o que exige uma mudança estrutural no modo como organizações lidam com risco. Não é mais possível confiar apenas no que se vê ou se escuta.
Ao mesmo tempo, existe um paradoxo: as mesmas tecnologias que impulsionam a sofisticação das fraudes também são fundamentais para combatê-las. Sistemas baseados em dados conseguem prever cenários, identificar padrões e aprender com erros. No entanto, há um limite crítico que precisa ser compreendido. A fraude não ocorre na média, ela está concentrada na exceção, muitas vezes naquele 0,1% que escapa das métricas de alta precisão. Modelos que operam com 99,9% de acurácia trazem uma falsa sensação de segurança e, quando considerados como única camada, ainda deixam espaço suficiente para ataques relevantes.
Isso ocorre porque o fraudador não ataca onde o sistema é forte, mas onde ele é cego e, a cada nova camada de proteção, surgem contra padrões desenhados especificamente para contorná-la. O conceito tradicional de criar barreiras cada vez mais rígidas se mostra insuficiente. É o equivalente a construir muros mais altos enquanto o adversário aprende a voar. O problema não é substituído ao longo do tempo, ele se acumula e se combina com novas técnicas, ampliando o nível de complexidade.
Tal cenário é reforçado pela profissionalização do ecossistema de fraude. Modelos como Fraud as a Service (FaaS), vazamentos de dados em larga escala, ataques de phishing mais sofisticados, uso de máscaras 2D e 3D, além de ataques por coerção e injeção de dados, mostram que não se trata mais de iniciativas isoladas. Existe uma indústria estruturada, com compartilhamento de metodologias e em evolução contínua.
O impacto financeiro é mais amplo do que aparenta. Para cada valor perdido diretamente em fraude, o custo real pode ser quase quatro vezes maior quando se consideram investigação, chargebacks, esforços de marketing e tempo operacional. A discussão deixa de ser apenas sobre perdas diretas e passa a envolver eficiência, experiência do usuário e sustentabilidade do negócio. O dilema entre fricção e segurança se torna central. Em um contexto com atenção cada vez mais escassa, exigir validações excessivas pode afastar clientes legítimos, enquanto flexibilizar demais abre espaço para ataques.
Insistir em modelos baseados em verificações pontuais ou em respostas isoladas não é mais suficiente. A construção de confiança precisa ser tratada como um processo contínuo e orientado por dados. Não se trata apenas de saber se uma imagem é real, mas de analisar contexto, comportamento, padrões de interação, velocidade de digitação, histórico e múltiplas variáveis simultaneamente. É na combinação dessas camadas que se reduz a probabilidade de pequenas falhas se transformarem em grandes prejuízos.
A nova lógica exige flexibilidade e orquestração. Em vez de soluções fragmentadas, é necessário integrar diferentes sinais e tecnologias em um sistema capaz de se adaptar em tempo real. A confiança deixa de ser subjetiva e passa a ser construída de forma mensurável, com base em evidências e aprendizado contínuo.
O avanço da inteligência artificial generativa vai além do desafio tecnológico, constituindo uma mudança de paradigma. Ele obriga empresas e instituições a abandonarem certezas antigas e a reconhecerem que segurança não é um estado fixo, mas um processo dinâmico.
Em um ambiente onde não se pode mais confiar plenamente no que se vê ou se ouve, a única resposta viável é evoluir na mesma velocidade, usando dados, contexto e inteligência para reconstruir a confiança em novas bases.
Febraban Tech 2026 começa em 24 de agosto em novo local
Insper e Opice Blum Advogado lançam laboratório de experimentação em IA
Copa do Mundo 2026 acelera a era dos estádios inteligentes e transforma a jornada dos torcedores
WhatsApp muda identificação de usuários e força empresas a rever CRM, atendimento e automações
Acompanhe o melhor conteúdo sobre Inteligência Artificial publicado no Brasil.
Cadastre-se para receber o IDNews e acompanhe o melhor conteúdo do Brasil sobre Identificação Digital! Aqui!
