Como imagens geradas por IA estão sendo usadas em campanhas de desinformação

A fotografia viral de um político em um protesto que ele nunca frequentou. A imagem com marca-d'água de agência de notícias de um evento catastrófico que nunca aconteceu. A foto de “testemunha ocular” de uma celebridade cometendo um crime, compartilhada dezenas de milhares de vezes antes de ser identificada como sintética. Imagens geradas por IA viraram ferramenta padrão em operações de desinformação, usadas por atores estatais, grupos políticos e agentes mal-intencionados individuais para fabricar “evidência” de alegações inteiramente falsas. Entender como essas operações funcionam — e como identificar imagens fabricadas — é, cada vez mais, uma habilidade central de alfabetização midiática.

Como campanhas de imagens de desinformação são construídas

Uma campanha de imagens de desinformação madura tem vários componentes trabalhando juntos. Geração: ferramentas de imagem por IA produzem as fotografias sintéticas. Midjourney, DALL-E, Stable Diffusion e ferramentas de desinformação feitas sob medida (algumas não disponíveis publicamente) conseguem gerar imagens fotorrealistas de pessoas específicas em situações específicas, sob demanda. Engenharia de prompt virou uma habilidade em comunidades de desinformação — criar prompts que driblam filtros de segurança e produzem imagens de estilo documental convincente é um ofício que se aprende.

Envelhecimento e degradação: imagens brutas de IA costumam parecer polidas demais. Operadores de desinformação frequentemente aplicam pós-processamento para fazer as imagens parecerem mais com fotografias autênticas — adicionando granulação, artefatos de compressão, metadados EXIF de câmeras reais e correção de cor que imita dispositivos ou plataformas específicos. Isso dificulta a detecção tanto para ferramentas automatizadas quanto para observadores humanos.

Distribuição em rede: as imagens são publicadas primeiro em plataformas com moderação frouxa, depois compartilhadas pela rede para acumular visualizações. Muitas vezes, uma postagem “semente” em uma plataforma marginal é capturada em screenshot e recompartilhada em plataformas mainstream, então a disseminação principal mostra um screenshot, não o original — o que dificulta a detecção baseada em hash de imagem. Contas coordenadas amplificam o conteúdo, levando-o a status de trending antes que a moderação consiga responder.

Lavagem de contexto: as imagens de desinformação mais eficazes vêm acompanhadas de contexto falso, em vez de serem totalmente fabricadas. Imagens reais usadas fora de contexto, ou imagens reais com legendas fabricadas, costumam ser mais eficazes do que imagens totalmente sintéticas porque são mais difíceis de desmentir de forma definitiva. A imagem sintética é mais poderosa quando “confirma” uma alegação que já foi plantada por outros meios.

Casos documentados notáveis

A explosão no Pentágono em 2023: uma imagem sintética retratando uma grande explosão perto do Pentágono viralizou em maio de 2023, causando breve volatilidade no mercado de ações antes de ser desmentida. A imagem foi gerada por uma ferramenta de IA e não tinha nenhum dos detalhes contextuais que a situariam no local real — um detalhe pequeno que passou despercebido por muitos que a compartilharam.

Deepfakes políticos em várias eleições de 2024: em eleições de vários países em 2024, imagens geradas por IA de candidatos em contextos comprometedores ou criminosos circularam amplamente nas redes sociais. Análises pós-eleitorais identificaram campanhas coordenadas de imagens sintéticas em pelo menos oito eleições nacionais.

Imagens humanitárias sintéticas: imagens geradas por IA de zonas de conflito e desastre têm sido usadas tanto para inflar quanto para suprimir a atenção a eventos reais — gerando imagens sintéticas de sofrimento para motivar doações a instituições de caridade fraudulentas, e criando imagens sintéticas que alegam mostrar conflitos menos graves do que os relatados.

Como identificar imagens de desinformação geradas por IA

A detecção começa com escrutínio antes de compartilhar. O hábito mais importante é pausar antes de espalhar qualquer imagem que provoque uma reação emocional forte ou confirme uma crença pré-existente — essas são exatamente as imagens que campanhas de desinformação são projetadas para produzir.

Busca reversa de imagem (Google Images, TinEye, Yandex) é a ferramenta de primeira linha. Se a imagem não tem existência prévia na web, ou é notícia de última hora genuína, ou foi recém-criada. Se aparece em contextos inconsistentes com o contexto alegado, está sendo usada de forma enganosa.

Examine os detalhes. A geração de imagens por IA em 2026 é excelente em coerência global — fazer uma cena parecer certa à primeira vista —, mas ainda tem dificuldade com detalhes específicos sob exame de perto. Mãos e dedos continuam sendo um ponto fraco na maioria dos modelos. Texto de fundo costuma ser sem sentido ou sutilmente errado. Inconsistências de iluminação aparecem no exame de perto de sombras e reflexos. Logotipos institucionais, crachás e placas costumam estar levemente errados. Pessoas ao fundo podem estar borradas ou com problemas anatômicos.

Verifique os metadados. Fotografias documentais reais costumam carregar dados EXIF: modelo da câmera, coordenadas de GPS, registro de data e hora, informações da lente. Imagens geradas por IA costumam não ter dados EXIF, ou têm metadados que não batem com o contexto alegado. Ferramentas como o Jeffrey's Exif Viewer ou o ExifTool tornam essa checagem fácil. Note que metadados podem ser fabricados e removidos — a ausência de metadados suspeitos não é prova de autenticidade, mas a presença de metadados inconsistentes é um sinal de alerta.

Use ferramentas de detecção de IA. A SUS IT e ferramentas semelhantes analisam as propriedades espectrais e estatísticas das imagens para identificar assinaturas de geração por IA. Essas ferramentas examinam características como padrões no domínio de frequência (imagens de IA têm padrões característicos em suas transformadas de Fourier), artefatos de síntese de textura e fingerprints específicos de modelos generativos. Para imagens comprimidas, cortadas ou processadas depois da geração, a detecção é mais difícil — mas um sinal de detecção forte é evidência relevante.

Verifique a cadeia de origem. Onde essa imagem foi publicada pela primeira vez? Screenshots de screenshots obscurecem a origem. Quanto mais distante você está da fonte original, menos consegue verificar. Para imagens de notícia, verifique se alguma agência de notícias legítima (AP, Reuters, AFP) publicou a imagem com verificação editorial. Se uma imagem só está disponível como screenshot de uma postagem de rede social não verificável, trate-a como não verificada.

A perspectiva forense

Ferramentas de forense digital vão além da inspeção visível. Error Level Analysis (ELA) destaca áreas de uma imagem que foram comprimidas em níveis diferentes, o que pode indicar manipulação — embora essa técnica tenha limitações com a geração moderna de IA, que produz compressão consistente em toda a imagem. Análise no domínio de frequência examina a transformada de Fourier de uma imagem em busca de padrões associados à geração por IA — um método mais difícil de driblar com pós-processamento do que análise em nível de pixel. Análise de padrão de ruído identifica o perfil de ruído específico de diferentes sensores de câmera, o que pode confirmar ou contradizer alegações sobre a origem de uma imagem. Organizações de notícias profissionais usam uma combinação dessas técnicas com analistas treinados.

A resposta no nível das plataformas

As grandes plataformas investiram significativamente em detecção de imagens por IA, mas as abordagens diferem. A Meta implementou rotulagem automática “Feito com IA” usando metadados C2PA (um padrão técnico que permite registrar criptograficamente a geração por IA no arquivo de imagem no momento da criação) e seus próprios modelos de detecção. O YouTube aplica detecção parecida a conteúdo com imagens. O TikTok combina detecção automática com divulgação obrigatória pelo criador. O padrão C2PA, apoiado por Adobe, Microsoft e outras, representa a solução mais promissora no longo prazo — embute no próprio arquivo um registro à prova de adulteração da origem e do histórico de edição da imagem. A adoção está acelerando, mas ainda não é universal.

O que leitores e espectadores podem fazer

A orientação prática é simples, mas exige aplicação consistente. Pause antes de compartilhar. A reação emocional que faz você querer compartilhar algo imediatamente é exatamente o que campanhas de desinformação exploram. Verifique a fonte. Duas fontes confiáveis e independentes são o mínimo para qualquer alegação extraordinária. Procure o que está faltando. Imagens de desinformação costumam não ter o contexto de confirmação que a fotografia documental genuína oferece — sem fonte original, sem repercussão em agência de notícias, sem cobertura da mídia local no local retratado. Use as ferramentas disponíveis. Busca reversa de imagem, inspeção de metadados e ferramentas de detecção de IA são gratuitas e levam menos de um minuto para aplicar. Denuncie suspeita de desinformação à plataforma e, quando relevante, a organizações de checagem de fatos. Quanto mais rápido o conteúdo sintético é sinalizado, menor o dano causado.