A inteligência artificial generativa tornou mais fácil criar imagens falsas, alterar fotografias reais e produzir montagens em grande escala. Em uma campanha eleitoral, isso não é apenas uma questão de tecnologia: imagens ofensivas podem intimidar candidatas, desviar a discussão de propostas e circular antes que a pessoa retratada consiga responder. Por isso, entender o que os números mostram — e o que não mostram — é essencial para avaliar o impacto da IA nas eleições de 2026.

Segundo o portal Olhar Digital, um levantamento do projeto MonitorA encontrou sinais de uso de inteligência artificial em 25% das imagens classificadas como ataques ou insultos dirigidos a candidatas no X. Em outros 9% dos casos, a análise não conseguiu concluir se havia manipulação por IA. A pesquisa examinou 11.137 imagens publicadas em 9.393 comentários em perfis de 132 candidatas, em dois períodos da campanha.

O dado não significa que um quarto de todas as imagens políticas na plataforma tenha sido criado por IA. Ele se refere a um recorte específico: imagens consideradas ofensivas contra mulheres candidatas. Essa diferença de escopo importa para não transformar uma descoberta relevante em uma conclusão mais ampla do que os dados permitem.

O que o levantamento sobre IA e ataques a candidatas encontrou

O MonitorA acompanhou publicações entre 16 e 24 de agosto e entre 2 e 11 de setembro. O segundo período ocorreu após uma crise envolvendo o Supremo Tribunal Federal (STF) e o caso Master, conforme o contexto descrito na notícia. Ao todo, 660 imagens foram classificadas como ofensivas contra candidatas no X.

Entre as mulheres citadas, Marina Silva, da Rede, concentrou 125 registros ofensivos. Sâmia Bomfim, do PSOL, teve 111, e Erika Hilton, também do PSOL, 109. Segundo o levantamento, as três reuniram quase metade das imagens ofensivas identificadas. Esses números descrevem o material observado na pesquisa; não demonstram, por si só, a frequência de ataques em toda a plataforma nem permitem concluir por que cada candidata recebeu determinado volume.

  • 11.137 imagens: total analisado no recorte da pesquisa.
  • 9.393 comentários: publicações em que as imagens apareceram.
  • 132 candidatas: perfis acompanhados.
  • 660 imagens: classificadas como ofensivas contra candidatas.
  • 25%: proporção das imagens ofensivas em que foram identificados sinais de uso de IA.
  • 9%: casos em que não foi possível confirmar nem descartar a manipulação por IA.

Como interpretar os percentuais

Os 25% são um sinal de que a IA já faz parte do repertório de produção de ataques visuais, mas não informam automaticamente quem criou as imagens, qual ferramenta foi usada ou se houve coordenação entre contas. Também não provam que todo conteúdo suspeito tenha sido gerado integralmente por um sistema de IA. Uma imagem pode combinar uma fotografia legítima, edição manual e recursos automáticos, por exemplo.

A faixa de incerteza é igualmente importante. Analisar uma imagem publicada em rede social raramente permite reconstruir todo o seu histórico: ela pode ter sido comprimida, recortada, capturada de uma tela ou republicada muitas vezes. Portanto, “não foi possível determinar” não equivale a “foi comprovado que houve IA”, nem a “foi comprovado que não houve”.

Por que imagens feitas ou alteradas com IA são difíceis de identificar

Ferramentas generativas podem criar uma cena a partir de uma descrição, modificar uma fotografia existente ou preencher uma área selecionada. A edição conhecida como inpainting, por exemplo, permite substituir elementos dentro de uma imagem; sistemas de edição também podem alterar fundo, roupas, objetos ou expressões. Em alguns casos, a IA cria uma imagem inteira. Em outros, atua apenas em partes dela, enquanto o restante é fotografado ou editado de maneira convencional.

Isso dificulta a identificação visual. Erros como mãos deformadas ou texto ilegível, que já foram comuns em imagens geradas, não são provas confiáveis: modelos mais recentes podem produzir resultados mais convincentes, e uma montagem feita manualmente também pode apresentar defeitos. Da mesma forma, uma imagem real pode parecer estranha por causa de baixa resolução, iluminação, compressão ou edição legítima.

O que pode ajudar — e o que não basta como prova

  • Metadados: informações do arquivo podem indicar data, dispositivo ou software, mas costumam desaparecer quando a imagem é enviada por aplicativos ou redes sociais. A ausência de metadados não prova manipulação.
  • Busca reversa: encontrar versões anteriores pode ajudar a localizar a fotografia original e entender o contexto. Ainda assim, uma busca sem resultados não confirma que a imagem seja inédita ou falsa.
  • Inconsistências visuais: sombras, reflexos, proporções e textos podem oferecer pistas, mas precisam ser avaliados junto com outras evidências.
  • Detectores automáticos: classificadores podem apontar padrões compatíveis com geração artificial, mas podem errar, especialmente em arquivos comprimidos ou editados.
  • Proveniência digital: credenciais de origem e histórico de edição, quando disponíveis, ajudam a verificar como o conteúdo foi produzido. Porém, nem toda imagem carrega esses registros, e sua ausência não confirma fraude.

Uma conclusão confiável costuma depender de várias pistas e da comparação com fontes independentes. Um detector isolado não deve ser tratado como perito definitivo: os sistemas podem produzir falsos positivos e falsos negativos, e seus resultados mudam conforme o modelo, a qualidade do arquivo e o tipo de alteração.

Por que ataques visuais contra mulheres na política preocupam

Imagens ofensivas podem cumprir funções diferentes: ridicularizar uma candidata, associá-la falsamente a uma situação, sexualizá-la, atacar sua aparência ou espalhar uma alegação enganosa. Quando o conteúdo é fabricado ou manipulado, a imagem pode dar aparência de evidência a algo que nunca aconteceu. Mesmo depois de desmentida, uma publicação pode continuar circulando em capturas de tela e repostagens.

O efeito não se limita à reputação individual. A repetição de ataques pode aumentar o custo de participação pública, pressionar equipes de campanha a gastar tempo respondendo a montagens e afastar outras mulheres da exposição política. Isso não significa que todo insulto seja produzido por IA, nem que toda crítica a uma candidata seja violência política. O contexto, o conteúdo, a intenção aparente e a forma de circulação precisam ser considerados.

Também é importante separar crítica política legítima de ataque baseado em desumanização, ameaça, assédio ou exploração de estereótipos de gênero. A análise deve olhar para o que foi publicado e para a maneira como o material é usado, sem presumir que toda imagem crítica seja falsa ou que toda montagem tenha sido criada para influenciar votos.

Como verificar uma imagem suspeita: passos práticos

Se você encontrar uma imagem ofensiva ou aparentemente manipulada, evite compartilhá-la enquanto tenta confirmar a origem. Repostar para denunciar pode ampliar o alcance do próprio conteúdo, sobretudo quando a publicação original não traz contexto ou aviso. Um procedimento simples ajuda a preservar evidências sem transformar a checagem em divulgação involuntária.

  1. Registre a publicação original. Anote o endereço do post, o nome da conta, a data e o horário. Faça uma captura de tela em que apareçam a imagem e o contexto da publicação. A interface pode mudar, mas normalmente o endereço fica disponível no menu de compartilhamento, junto a opções como copiar link ou enviar.
  2. Guarde o arquivo com cuidado. Se for possível baixar a imagem sem interagir com links suspeitos, mantenha uma cópia original. Não a edite nem a recomprima antes da análise: alterações podem remover metadados ou modificar detalhes relevantes.
  3. Procure versões anteriores. Use uma ferramenta de busca por imagem, como Google Lens ou TinEye. Em geral, a tela mostra a imagem enviada ou selecionada e uma lista de resultados correspondentes ou visualmente semelhantes. Compare datas, legendas e fontes; uma semelhança não prova que se trata do mesmo arquivo.
  4. Compare com fontes confiáveis. Verifique os canais oficiais da pessoa retratada, de sua equipe e de veículos jornalísticos confiáveis. Procure a fotografia original e confira se o enquadramento ou o contexto foram alterados.
  5. Busque confirmação independente. Se a imagem estiver ligada a uma acusação ou evento importante, veja se organizações de checagem ou jornalistas já verificaram o caso. Não use apenas a legenda que acompanha o post como evidência.
  6. Denuncie sem ampliar o alcance. Use as opções de denúncia da plataforma e, quando houver indício de ameaça ou de irregularidade eleitoral, consulte os canais oficiais adequados. As regras e os procedimentos podem variar; confira as orientações vigentes do órgão competente antes de encaminhar dados pessoais ou provas.

Ao abrir o menu de uma publicação, o usuário geralmente encontra opções de compartilhamento, denúncia e cópia do link — os nomes e a posição dos botões podem mudar conforme a versão do aplicativo. Prefira guardar o link e uma captura contextualizada a publicar novamente a imagem com comentários. Se houver risco imediato à segurança de alguém, priorize o contato com serviços e autoridades apropriados, em vez de tentar investigar por conta própria.

Ferramentas de verificação: alternativas e limites

Google Lens

O Lens pode localizar imagens iguais ou parecidas e mostrar páginas em que elas aparecem. É útil para descobrir se uma foto circulava antes do post e se foi retirada de outro contexto. A busca pode não encontrar imagens novas, muito recortadas ou alteradas, e resultados semelhantes não demonstram manipulação por IA.

TinEye

O TinEye é uma alternativa voltada à busca reversa, útil para localizar cópias ou versões relacionadas de uma imagem. Como em qualquer serviço desse tipo, a cobertura depende do que foi indexado. Não encontrar uma correspondência não significa que a imagem seja original ou verdadeira.

Checagem manual e análise de contexto

Comparar a imagem com publicações originais, registros de eventos e fontes jornalísticas costuma ser um bom complemento às ferramentas automáticas. Esse método pode revelar uma foto antiga apresentada como recente ou um recorte que omite informação. Ele exige mais tempo e também pode falhar quando a origem não é pública ou quando o material foi criado especificamente para a publicação.

Na prática, a abordagem mais segura é combinar busca reversa, comparação contextual e fontes independentes. Detectores de IA podem acrescentar uma pista, mas não substituem esse processo. Não há uma ferramenta universal que possa certificar, com precisão absoluta, a origem de qualquer imagem publicada em uma rede social.

O que campanhas, plataformas e eleitores podem fazer

Para campanhas e equipes de comunicação, a resposta a uma montagem deve ser planejada antes de uma crise. Isso inclui definir quem verifica o conteúdo, quem preserva os registros e quem decide se uma resposta pública é necessária. Nem toda publicação merece ser republicada para ser desmentida: às vezes, a réplica dá mais visibilidade ao ataque.

  • Preservar evidências: manter links, capturas contextualizadas e registros de data e horário.
  • Verificar antes de responder: confirmar o que é falso, o que foi alterado e o que ainda não pode ser determinado.
  • Corrigir com contexto: quando houver desmentido, apontar a fonte original ou explicar qual elemento foi manipulado, sem repetir desnecessariamente conteúdo abusivo.
  • Proteger dados pessoais: não divulgar informações privadas de pessoas envolvidas na denúncia.
  • Acionar canais apropriados: usar os mecanismos da plataforma e buscar orientação jurídica ou institucional em situações graves.

Para quem usa redes sociais, uma regra simples é não compartilhar material emocionalmente provocador antes de checar sua origem. Pergunte: quem publicou primeiro? Há uma fonte independente? A data e o local podem ser confirmados? A legenda descreve o que realmente aparece? Essas perguntas não resolvem todos os casos, mas reduzem a chance de ajudar uma imagem enganosa a se espalhar.

O que os dados não permitem concluir

O levantamento descrito pelo Olhar Digital é um recorte importante, mas tem limites que devem acompanhar qualquer interpretação. Os resultados se referem aos perfis, períodos e conteúdos observados. Não representam necessariamente todas as candidatas, todas as redes sociais ou toda a comunicação eleitoral de 2026. O material disponível na notícia também não detalha, por si só, cada critério usado para classificar uma imagem como ofensiva ou identificar sinais de IA.

Além disso, classificar uma imagem como ofensiva e identificar indícios de geração artificial são tarefas diferentes. Uma imagem pode ser ofensiva sem ter sido feita com IA; pode ser manipulada sem ser classificada como ataque; ou pode apresentar sinais insuficientes para uma decisão segura. O resultado depende do protocolo de pesquisa e das evidências disponíveis.

Por isso, os percentuais devem ser lidos como um retrato do conjunto analisado, não como uma taxa universal de imagens falsas na política. Para avaliar tendências ao longo do tempo, seria necessário comparar períodos e plataformas usando critérios consistentes e divulgar informações metodológicas suficientes para que o público entenda como os casos foram classificados.

O que esperar da IA nas próximas disputas eleitorais

À medida que ferramentas de criação e edição ficam mais acessíveis, é provável que aumente a variedade de conteúdos sintéticos usados em campanhas e ataques: imagens, áudio, vídeo e combinações desses formatos. A facilidade de produção pode reduzir o tempo entre a criação de uma peça e sua circulação, enquanto a compressão e os reposts tornam a análise posterior mais difícil.

Isso não significa que a tecnologia determine o resultado de uma eleição. O impacto depende de fatores humanos e institucionais: quem distribui o material, quem o amplifica, como a plataforma responde, que capacidade de verificação existe e se o público consegue encontrar correções confiáveis. A defesa mais robusta combina transparência sobre a origem do conteúdo, alfabetização midiática, procedimentos de denúncia e investigação cuidadosa.

O principal alerta do levantamento é concreto: sinais de IA já aparecem em uma parcela relevante das imagens ofensivas monitoradas contra candidatas. A resposta não é presumir que toda imagem é falsa, nem acreditar que um detector resolve o problema. É tratar cada conteúdo como algo que precisa de contexto, preservar evidências e evitar que a indignação se transforme em distribuição gratuita do ataque.

Perguntas frequentes sobre IA e ataques a candidatas

O estudo concluiu que 25% de todas as imagens eleitorais foram feitas por IA?

Não. O percentual se refere às imagens classificadas como ataques ou insultos contra candidatas no recorte monitorado pelo projeto MonitorA. Não é uma estimativa de todas as imagens políticas publicadas na internet ou no X.

Como saber com certeza se uma imagem foi criada por inteligência artificial?

Nem sempre é possível ter certeza apenas olhando a imagem. Busca reversa, comparação com fontes originais, análise de contexto e, quando disponíveis, informações de proveniência podem ajudar. Detectores automáticos são apenas uma pista e podem errar.

Uma imagem suspeita deve ser compartilhada para alertar outras pessoas?

Em geral, é melhor não repostar o conteúdo. Guarde o link e uma captura de tela contextualizada, verifique a informação e denuncie pelos canais apropriados. Reproduzir a imagem pode aumentar o alcance do ataque, mesmo quando a intenção é criticá-lo.

Uma imagem ofensiva é necessariamente uma imagem feita por IA?

Não. Conteúdo ofensivo pode ser uma fotografia real, uma montagem manual, uma imagem gerada por IA ou uma combinação dessas técnicas. A classificação do conteúdo e a identificação de sua origem são questões distintas.

Os números permitem comparar o nível de ataques entre candidatas?

Eles mostram a distribuição dos registros encontrados no período e nos perfis analisados. Sem informações adicionais sobre alcance, atividade das contas, critérios de amostragem e contexto de cada publicação, não devem ser usados isoladamente para medir a intensidade total de ataques ou explicar suas causas.

E você, já testou essa funcionalidade? Conte sua experiência (ou dúvidas) nos comentários! Se este guia te ajudou, compartilhe com alguém que também precisa saber disso. E para receber nossos tutoriais e análises em primeira mão, assine a newsletter do Tech Advisor Brasil.