Pesquisa da Experian aponta phishing gerado por IA como maior preocupação de fraude nas empresas
Uma pesquisa da Experian mostra que 60% das empresas relatam perdas por fraude maiores que em anos anteriores, com phishing gerado por IA citado por 53% dos respondentes como principal preocupação, à frente de fraude de primeira parte assistida por IA (51%), documentos falsificados por IA (45%) e deepfakes de voz/imagem (37%/35%). O estudo também mede a consciência do consumidor sobre esses golpes, que ainda fica abaixo da prevalência real das técnicas.
O dado central da pesquisa não é a lista de tecnologias de IA usadas por fraudadores, mas a constatação de que a IA generativa corroeu justamente os sinais heurísticos que pessoas comuns usam havia décadas para decidir em quem confiar: erros de português em um e-mail, voz "estranha" ao telefone, foto de perfil malfeita, documento com formatação torta. Quando phishing, clonagem de voz e falsificação de documento passam a ser gerados por modelos que eliminam esses erros, o julgamento humano — que já era a última linha de defesa em muitos processos — perde eficácia justamente no momento em que mais era necessário.
O ranking de preocupações reportado (phishing de IA em primeiro lugar, seguido por fraude de primeira parte assistida por IA e falsificação documental) é coerente com o que operações antifraude vêm observando na prática: o ponto de entrada mais barato para o fraudador continua sendo enganar um humano para agir, não quebrar um sistema tecnicamente. IA generativa reduz o custo marginal de produzir iscas de phishing plausíveis e personalizadas em escala, e de gerar documentos ou vozes sintéticas convincentes o suficiente para passar em verificações que ainda dependem de revisão humana ou de OCR simples.
A lacuna de conscientização apontada pela pesquisa — a maioria dos consumidores ainda não reconhece bem deepfakes de voz ou imitação de conhecidos — é o outro lado da mesma moeda: campanhas de educação do usuário continuam relevantes, mas não podem ser a única barreira, porque a curva de sofisticação do ataque sobe mais rápido que a curva de aprendizado do público em geral.
Para times de risco e antifraude, a conclusão prática do estudo é que controles baseados em "parece humano/parece real" perdem peso relativo, e ganham importância sinais que IA generativa ainda não consegue forjar com a mesma facilidade: biometria comportamental, análise de dispositivo e rede, consistência de metadados entre canais, e desafios de liveness ativo para vídeo/voz — em vez de depender só da checagem visual ou auditiva de um analista humano.