A pergunta deixou de ser hipotética. Boa parte do que circula hoje em portais, grupos de WhatsApp e redes sociais passou, em alguma etapa, por um modelo de linguagem. Às vezes, para traduzir um trecho. Às vezes, para escrever a matéria inteira. E, em casos cada vez mais frequentes, para fabricar uma notícia que nunca aconteceu.
Segundo estudos da Febraban Tech, descobriu-se que a divulgação de conteúdos falsos gerados por inteligência artificial triplicou no país entre 2024 e 2025. Não é um aumento gradual. É uma curva que muda a forma como qualquer leitor precisa se relacionar com o que lê. O uso de um IA detector tem se tornado uma das alternativas para avaliar a origem de determinados conteúdos.
O que mudou na produção de notícias falsas
Até pouco tempo atrás, fabricar uma fake news convincente exigia tempo. Alguém precisava escrever o texto, ajustar o tom para parecer jornalístico, inventar fontes plausíveis e diagramar a peça. Hoje, um único operador com acesso a um modelo como ChatGPT, GPT-5 ou Gemini consegue produzir, em uma tarde, o volume que antes saía de uma redação inteira em uma semana.
A Organização das Nações Unidas (ONU) já alertou para esse cenário de “guerras de informação”, em que grandes modelos de linguagem permitem produzir e disseminar desinformação em escala industrial. O problema não é apenas o volume. É a qualidade do texto resultante, que mistura fatos verificáveis com inferências falsas de um jeito que escapa à leitura desatenta.
O risco prático para o leitor comum aparece em três frentes:
- Notícias inteiramente fabricadas que imitam o padrão editorial de portais conhecidos.
- Reportagens reais adulteradas, em que números, citações ou contextos são substituídos por versões falsas geradas por IA.
- Posts e correntes que parafraseiam matérias legítimas com pequenos desvios factuais, difíceis de notar sem comparação direta.
Por que a verificação manual ficou mais difícil
Fake news tradicionais costumavam ter marcas claras: erros de português, fontes fantasiosas, imagens evidentemente manipuladas. Texto gerado por IA não tem esses sinais. A gramática está correta. O tom é jornalístico. As fontes citadas existem, mesmo que não tenham dito aquilo.
A Unesco chama esse cenário de crise de informações provocada por conteúdos sintéticos: a dificuldade não é mais identificar um erro, é confirmar que aquilo que parece certo é, de fato, real. O leitor, que antes contava com o próprio bom senso para descartar uma fake news óbvia, precisa agora de instrumentos auxiliares.
O Brasil entra nessa discussão em posição sensível. Pesquisa do Instituto DataSenado mostrou que 81% dos brasileiros acreditam que notícias falsas podem afetar significativamente o resultado das eleições, enquanto 72% dos usuários de redes sociais afirmaram ter visto conteúdos que suspeitavam ser falsos nos seis meses anteriores ao levantamento.
O dado ajuda a dimensionar o risco: em um ambiente no qual a desinformação já alcança grande parte da população, o avanço de vídeos, áudios e imagens manipulados por inteligência artificial tende a dificultar ainda mais a checagem pública dos fatos. Com o calendário eleitoral de 2026, essa pressão sobre o ecossistema informativo brasileiro deve aumentar.
O papel de um detector de IA na rotina de leitura
É aí que entram ferramentas como o detector de IA, que analisa padrões estatísticos de escrita para indicar se um texto foi provavelmente gerado por modelos como ChatGPT, GPT-5 ou Gemini. A análise se baseia em duas métricas técnicas: perplexidade (quão previsível é cada palavra dentro da sequência) e burstiness (a variação no comprimento e na complexidade das frases). Texto humano tende a oscilar mais. Texto de modelo tende à uniformidade.
O uso prático é simples: antes de compartilhar uma matéria que chegou por mensagem, antes de citar um trecho em um trabalho, antes de incluir uma informação em uma pauta jornalística, vale colar o conteúdo no detector e ver o que ele aponta.
Uma ressalva importante: “texto gerado por IA” não significa automaticamente “texto falso”. Muita redação séria usa IA para tarefas auxiliares sem que isso comprometa a veracidade. O que o detector entrega é um sinal de origem, não um veredito sobre o conteúdo. Esse sinal serve para calibrar o nível de checagem adicional que o leitor vai aplicar.
A análise do Jornal da USP sobre o duplo papel da IA reforça esse ponto: a mesma tecnologia que produz desinformação também alimenta as ferramentas usadas para combatê-la, e o que define o resultado é o juízo humano aplicado em cima da informação técnica.
Então, a verificação jornalística de fontes e contexto ainda é a parte mais importante no processo de informar, seja pela TV, rádio ou internet.
Hábitos que reduzem o risco
Algumas práticas ajudam a navegar o cenário atual sem cair em ceticismo paralisante:
- Conferir se a notícia aparece em mais de um veículo de credibilidade conhecida.
- Buscar a fonte primária quando o texto cita estudos, dados ou declarações.
- Submeter trechos suspeitos a um detector de IA antes de repassar.
- Desconfiar especialmente de matérias que circulam apenas por encaminhamento, sem link para um portal verificável.
A desinformação gerada por IA não vai diminuir. Vai ficar mais sofisticada. O que muda, do lado de quem lê, é a inclusão de uma etapa simples de verificação técnica na rotina, somada ao hábito antigo de cruzar fontes. Quem incorpora isso reduz substancialmente a chance de virar veículo involuntário de uma notícia que nunca deveria ter circulado.