A IA generativa não criou um problema de prova. Criou dois, e o segundo é mais sorrateiro que o primeiro.
O primeiro é óbvio: conteúdo sintético bom o bastante para passar. Vídeos fabricados, vozes clonadas, conversas inventadas — oferecidos como se reais.
O segundo é a imagem no espelho, e já está nos tribunais: a defesa do deepfake. Quando qualquer gravação pode ser sintética, negar sai de graça. "Esse vídeo é deepfake" não custa nada dizer — e foi dito, notavelmente, pelos advogados da Tesla em 2023 sobre uma gravação amplamente vista de declarações de Elon Musk sobre o Autopilot. Em 2025, um juiz da Califórnia extinguiu uma ação ao constatar que os autores haviam submetido depoimento em vídeo gerado por IA. As duas direções do problema estão vivas.
As regras estão se movendo
Os formuladores das regras federais americanas passaram anos em emendas miradas exatamente nisso. A proposta de Rule 707 submeteria prova gerada por máquina, oferecida sem perito de apoio, ao mesmo padrão de confiabilidade da prova pericial. Uma proposta de Rule 901(c) trata diretamente das alegações de deepfake, com estrutura de inversão de ônus: quem contesta precisa primeiro produzir evidência suficiente de fabricação; quem oferece precisa então demonstrar a genuinidade. As propostas concluíram a consulta pública no início de 2026; se aprovadas, a vigência mais cedo possível é o fim de 2027. Os estados também se movem — a Louisiana promulgou o primeiro marco para prova gerada por IA em 2025.
Os detalhes vão evoluir. A direção, não: o ônus de demonstrar autenticidade está migrando para quem oferece o conteúdo.
Por que a detecção a posteriori perde
A resposta instintiva — analisar o arquivo, achar o fake — é uma corrida perdida. Ferramentas de detecção perseguem geradores que melhoram todo mês, e um escore de "provavelmente autêntico" é exatamente o tipo de opinião contestável que mantém a disputa viva.
A resposta durável inverte o tempo: em vez de inspecionar o conteúdo depois, atrás de sinais de fabricação, construa a evidência de origem no momento da captura. Um registro feito em ambiente controlado, com contexto documentado, impressões de integridade desde o primeiro segundo, cadeia de custódia encadeada por hash e âncoras temporais independentes dá à objeção "é deepfake" algo concreto contra o que se quebrar: eis de onde veio, quando, e a prova de que não mudou desde então.
O limite honesto — e a conclusão prática
Proveniência-na-captura protege o que passa por ela, a partir do momento em que passa. Nenhuma ferramenta consegue certificar retroativamente um arquivo avulso de origem desconhecida — e alegações em contrário merecem desconfiança.
E essa é exatamente a conclusão prática: num mundo em que a autenticidade é contestada por padrão, o movimento barato que funciona é capturar por meio de infraestrutura que documenta a origem por rotina. Quando a contestação vier — e a tendência diz que virá —, a resposta já está no registro, e não montada às pressas depois.