Um em 100: os deepfakes quebram a verificação de identidade

No dia 14 de julho de 2026, a LexisNexis Risk Solutions divulgou um achado que deveria reordenar o debate setorial sobre fraude com deepfakes: uma em cada 100 verificações de identidade com falha já envolve um documento, uma imagem ou um vídeo de detecção de vivacidade produzido por inteligência artificial.

Isolada, a estatística já assusta. Volta-se catastrófica assim que o denominador entra na conta.

Segundo o Juniper Research, 2026 deve registrar 100,4 bilhões de verificações de identidade no mundo, 16 por cento acima de 2025. Caso a taxa geral de rejeição chegue a apenas 2 por cento, o setor absorve cerca de 2 bilhões de verificações com falha ao ano. Um por cento desse conjunto envolve deepfakes. Nessa magnitude, dezenas de milhões de tentativas de fraude assistidas por deepfake aparecem todos os anos só na camada de detecção. E o volume sobe a 180 por cento ao ano.

Isto deixou de ser um problema de KYC. Trata-se de um problema de infraestrutura.

O significado real de "1 em 100" nessa escala

Números rendem manchetes melhores do que contas úteis para a diretoria. Façamos o cálculo do jeito certo.

100,4 bilhões de verificações anuais correspondem a cerca de 275 milhões de controles por dia, ou 3.200 controles por segundo no planeta. A maior parte é aprovada. Qualquer sistema que aplique de fato controles antifraude, porém, recusa uma fração das tentativas. O conjunto total de verificações com falha é vasto.

Se 1 por cento dos 100 bilhões de controles anuais falhar, isso equivale a 1 bilhão de verificações recusadas. Um por cento delas envolve deepfakes: 10 milhões de tentativas de fraude deepfake retidas só pela camada de detecção, sem incluir as que passam despercebidas.

O avanço de 180 por cento ao ano nos ataques deepfake apurado pela LexisNexis não descreve um crescimento linear de uma ameaça já conhecida. Descreve a comercialização das ferramentas de fraude de identidade por IA, com kits de ataque a 60 dólares por mês, aplicáveis contra várias plataformas sem qualquer conhecimento técnico.

Três forças que tornam o problema estrutural

O setor já atravessou acelerações de fraude. O que diferencia estruturalmente o problema deepfake de 2026 das ondas anteriores é a convergência, ao mesmo tempo, de três forças.

Acessibilidade. Até 2024, montar um deepfake convincente pedia competências técnicas relevantes, poder computacional e tempo. A democratização das ferramentas de IA generativa inverteu esse quadro por completo. Um deepfake de documento convincente pode ser produzido em minutos por um operador sem formação técnica. O Identity Fraud Index da Shufti projeta um crescimento de 3.892 por cento nos deepfakes documentais em 2026, um salto 40 vezes superior ao de 2025, movido inteiramente pela acessibilidade, e não por tecnologia nova.

Distribuição. A estrutura de mercado da fraude de identidade assistida por IA saiu de ataques sob medida feitos por atores especializados e passou a operações de fraude como serviço empacotadas. Conforme documentado na nossa análise das operações de bypass KYC como serviço, esses serviços recebem manutenção ativa, vêm pré-configurados para plataformas de verificação específicas e têm preço pensado para implantação em alto volume. Os dados da Shufti de setembro de 2026 ampliam este quadro: as redes de fraude organizada reciclam esses ativos entre instituições, implantando os mesmos documentos falsificados e infraestrutura de dispositivos em múltiplas plataformas antes que qualquer instituição consiga detetar o padrão.

Diversificação de vetores. A superfície de ataque já não se restringe à detecção de vivacidade facial. Os ataques de injeção sobre a detecção de vivacidade são agora o vetor dominante: saltam por completo a detecção no nível do sensor ao injetar vídeo sintético direto nos pipelines de aplicação. Os deepfakes documentais avançam mais depressa que os deepfakes biométricos. E dados biométricos genuínos roubados viabilizam ataques de personificação que nenhum algoritmo de vivacidade consegue detectar.

A convergência entre ferramentas acessíveis, distribuição comercial e diversificação de vetores implica que atacar uma única camada do problema não resolve o sistema.

A previsão da Gartner materializou-se

Em fevereiro de 2024, a Gartner publicou uma previsão: até 2026, 30 por cento das empresas deixariam de considerar confiáveis, de forma isolada, as soluções de verificação e autenticação de identidade, por causa dos deepfakes gerados por IA.

Estamos em agosto de 2026. Os dados da LexisNexis confirmam que a previsão deixou o terreno teórico — está operacional. Uma verificação com falha em 100 envolve um deepfake. Os deepfakes originam 1 em cada 5 tentativas de fraude biométrica no mundo. Mais da metade das organizações não consegue confirmar de modo pleno se os dados biométricos foram capturados ao vivo.

O que a Gartner assinalava em 2024 não era o abandono da verificação biométrica. Era que ela não podia permanecer como sinal único. Uma verificação biométrica isolada no onboarding, por sofisticada que seja, não sustenta a garantia de identidade ao longo de um relacionamento cujo perfil de risco pode se alterar e cujas credenciais podem ser comprometidas.

Essa é a lacuna arquitetural que o KYC perpétuo e o monitoramento contínuo cobrem — a mesma lacuna que a Gartner identificou dois anos antes de os dados chegarem para confirmá-la.

Por que melhorar a biometria não resolve

Quando a fraude acelera, o reflexo é reforçar o controle: detecção de vivacidade mais forte, reconhecimento facial mais sofisticado, biometria comportamental acrescentada.

Essas melhorias importam. A abordagem de verificação biométrica multicamada para a qual a Regula e a AU10TIX migraram em julho de 2026 é uma evolução necessária. Ainda assim, a biometria multicamada na porta de entrada do onboarding continua sendo uma verificação pontual no tempo. O controle fica mais defensável, mas a pergunta é a mesma: "Quem é essa pessoa neste momento?"

Com 100 bilhões de controles anuais e 180 por cento de crescimento anual nos ataques deepfake, o problema não está só na qualidade do controle pontual. Está no que ocorre no intervalo entre esse controle e tudo o que vem depois.

Um cliente que atravessa uma verificação biométrica de cinco camadas no onboarding em janeiro pode ter as credenciais comprometidas em abril. A impressão digital do dispositivo muda. A velocidade de transações sobe. A geolocalização de acesso varia. Nenhum desses sinais dispara uma re-verificação num modelo pontual. Num modelo de inteligência contínua, cada anomalia é um sinal, e a resposta é calibrada.

O Grupo Wolfsberg, cujas diretrizes de banco correspondente definem como as principais instituições financeiras avaliam o risco de contraparte, passou a atualizar suas orientações para tratar as falhas na garantia de identidade como fonte de pressão sistêmica de desrrisco. A inquietação não é que instituições isoladas estejam falhando nos controles KYC — é que a taxa de falha agregada em todo o ecossistema de verificação gera um déficit de confiança que atinge as relações de banco correspondente no nível macro.

A arquitetura capaz de escalar

A revisão manual não escala contra essa ameaça. Um revisor humano eficiente consegue avaliar cerca de 40 casos de verificação de identidade por hora. Diante de apenas 100 milhões de tentativas deepfake por ano, enfrentar a ameaça por revisão manual exigiria cerca de 68.000 revisores em tempo integral ocupados o ano inteiro só com casos deepfake, sem incluir outros vetores de fraude.

Isto não é um problema de pessoal com solução em contratação. É um problema de arquitetura com solução em arquitetura.

Os agentes de IA da Joinble atuam de forma contínua ao longo do ciclo de vida do cliente, avaliando sinais comportamentais que surgem depois de um onboarding limpo: mudanças na impressão digital de dispositivo, variações na velocidade de transações, anomalias geográficas, divergências no comportamento de sessão e correlação de sinais de risco entre sistemas. O agente não aguarda um ciclo de revisão periódica — monitora em tempo real e age em tempo real.

Na escala de 100 bilhões de controles anuais e 180 por cento de crescimento anual nos ataques deepfake, o modelo operacional que quebra é o construído em torno de revisores humanos e re-verificações periódicas. O modelo que escala é aquele em que agentes autônomos conduzem o monitoramento contínuo e os humanos tratam as exceções.

O que as equipes de conformidade precisam fazer já

Os dados da LexisNexis não anunciam um problema futuro. Medem um problema presente. Equipes de conformidade que ainda se apoiam num único controle biométrico no onboarding, sem camada de monitoramento contínuo, já ficaram atrás da curva de ameaças.

As ações prioritárias:

Auditar a arquitetura de controles. Quantos sinais independentes o processo de verificação avalia no onboarding? Se a resposta for um (selfie contra documento) ou dois (selfie mais vivacidade), a superfície de ataque é estreita demais.

Implementar monitoramento comportamental contínuo. O onboarding abre um relacionamento; não encerra a avaliação de risco. A arquitetura de verificação precisa incluir sinais comportamentais que persistam ao longo de todo o ciclo de vida do cliente.

Quantificar a exposição a deepfakes. Quantas falhas de verificação a plataforma registrou nos últimos 12 meses? Qual porcentagem envolveu anomalias documentais, rejeição biométrica ou falha de vivacidade?

Avaliar as capacidades de detecção de ataques de injeção. Perguntar de forma específica sobre detecção de ataques de injeção, e não só sobre detecção de vivacidade. Os ataques de injeção de câmera contornam os algoritmos de vivacidade ao injetar dados sintéticos no nível do pipeline.

O dado de 1 em 100 da LexisNexis é uma medição de referência de meados de 2026. Com taxa de crescimento anual de 180 por cento, o número de meados de 2027 será materialmente maior. Para as equipes de conformidade, a pergunta não é se o problema vai piorar — vai piorar. A pergunta é se a arquitetura de verificação atual foi desenhada para esse volume.

O enquadramento regulatório desta ameaça evoluiu ainda mais a 2 de agosto de 2026, quando as obrigações de divulgação de deepfakes do Artigo 50 da Lei IA da UE entraram em vigor. Os sistemas de deteção que registam e documentam ataques deepfake cumprem agora uma função dupla: prevenção de fraude e o registo de auditoria que o Artigo 50 exige das organizações abrangidas.

---

Perguntas frequentes

O que o relatório da LexisNexis de julho de 2026 revelou? A LexisNexis Risk Solutions informou que uma em cada 100 verificações de identidade com falha já envolve um documento deepfake, uma imagem ou um vídeo de vivacidade. A empresa também apurou um aumento de 180 por cento ao ano nos ataques deepfake. O relatório saiu em 14 de julho de 2026.

Por que "1 em 100" é um problema sistêmico e não uma taxa de fraude gerenciável? Porque o denominador é 100 bilhões. Nessa magnitude, até uma taxa reduzida de falhas com deepfakes se converte em dezenas de milhões de tentativas de fraude por ano. É o volume absoluto, e não o percentual, que pressiona a infraestrutura de verificação e torna a revisão humana economicamente inviável.

Qual é a diferença entre a fraude por deepfake e a fraude documental tradicional? A fraude documental tradicional usa materiais fisicamente alterados ou falsificados. Os ataques deepfake recorrem a IA generativa para gerar imagens, vídeos ou documentos sintéticos capazes de enganar sistemas de verificação automatizados. Em 2026, a superfície de ataque cresceu com os ataques de injeção, nos quais vídeo sintético é injetado direto nas APIs de verificação, sem passar pelos sensores de câmera.

Por que a verificação biométrica isolada não é mais confiável? Porque responde a uma pergunta pontual: "Esta pessoa é quem ela afirma ser neste momento?" Não cobre o comprometimento de credenciais depois do onboarding, anomalias comportamentais que surgem com o tempo nem ataques de injeção que saltam a camada biométrica. A previsão da Gartner de 2024 agora está confirmada pelos dados operacionais de fraude.

Qual é o papel dos agentes de IA diante da fraude deepfake nessa escala? Os agentes de IA oferecem monitoramento contínuo ao longo de todo o ciclo de vida do cliente, detectando anomalias comportamentais que surgem após o onboarding e atuando em tempo real antes da intervenção dos revisores humanos. Na escala de dezenas de milhões de tentativas deepfake por ano, a revisão exclusivamente humana não acompanha o ritmo.

O que as equipes de conformidade devem fazer primeiro? Auditar quantos sinais independentes o processo de verificação atual avalia. Incluir monitoramento comportamental que persista após o onboarding, avaliar de forma específica as capacidades de detecção de ataques de injeção do fornecedor e fixar uma métrica de referência sobre qual proporção das falhas de verificação atuais envolve conteúdo sintético.

Quando se aplicam as novas normas técnicas de due diligence da AMLA? A AMLA submeteu os Projetos de Normas Técnicas Regulatórias sobre Due Diligence do Cliente à Comissão Europeia em julho de 2026. Essas normas passam a aplicar-se de forma direta nos 27 estados membros da UE a partir de 10 de julho de 2027.