Quando ver não é mais crer: o crescimento de até 1.600% nos golpes por deepfake e o que isso exige das empresas brasileiras
Uma ligação telefônica, um rosto reconhecível numa tela de videoconferência. Durante décadas, esses dois elementos bastaram para encerrar qualquer dúvida sobre a autenticidade de uma ordem de pagamento. Se a voz era a do diretor financeiro e o rosto era o do executivo esperado, a transação seguia. Essa lógica de verificação, construída sobre o instinto humano de confiar no que se vê e no que se ouve, é exatamente o que o deepfake corporativo quebrou. O problema não é mais hipotético nem restrito a grandes corporações internacionais. Segundo levantamento da Sumsub, plataforma global de verificação de identidade, os golpes envolvendo deepfake e identidade sintética cresceram 126% no Brasil em 2025, consolidando o país como o principal concentrador desse tipo de fraude na América Latina, com cerca de 39% de todos os casos identificados na região. Em paralelo, dados divulgados pela Polícia Federal e publicados pela Exame apontam crescimento de 830% no uso de deepfakes entre 2024 e 2025, com ferramentas de inteligência artificial já presentes em 42,5% das fraudes financeiras registradas no país. Os números que comprovam a virada de escala O ponto central não é apenas o volume de ataques, mas a mudança de alvo. Golpes que antes miravam o consumidor final, com vozes clonadas de familiares para aplicar fraudes emocionais, agora miram diretamente a cadeia de aprovação financeira das empresas: o CFO, o diretor de tesouraria, o colaborador com poder de autorizar uma transferência. Fora do Brasil, essa tendência já aparece com intensidade ainda maior: segundo análise da CybelAngel, ataques de vishing habilitados por deepfake cresceram mais de 1.600% no primeiro trimestre de 2025 em comparação ao quarto trimestre de 2024 nos Estados Unidos, um indicador da velocidade com que essa técnica se espalha quando aplicada a alvos corporativos de alto valor. Essa escala tem uma explicação técnica simples. Segundo reportagem do Migalhas sobre fraudes corporativas com deepfake de voz, a clonagem de um padrão vocal com fidelidade suficiente para enganar colegas próximos não exige mais equipamentos sofisticados nem grandes volumes de amostra: poucos segundos de áudio público, extraídos de palestras, entrevistas ou vídeos institucionais que qualquer executivo já gravou ao longo da carreira, são suficientes para treinar o modelo. Como aponta o Migalhas, o resultado não são mais imitações amadoras ou gravações distorcidas, mas recriações sintéticas capazes de se adaptar em tempo real ao fluxo da conversa, respondendo perguntas e sustentando a ilusão de que a pessoa do outro lado é, de fato, quem parece ser. Por que o canal de voz e vídeo escapa do perímetro tradicional Aqui está o que separa esse tipo de ataque de um phishing convencional: ele não passa por gateway de e-mail, não atravessa antivírus, não é inspecionado por firewall. Chega por uma ligação telefônica ou por uma videochamada, canais que a arquitetura de segurança corporativa tradicionalmente não foi desenhada para escrutinar, porque presumia que a verificação humana, ao vivo, já era prova suficiente de autenticidade. No contexto brasileiro, dois fatores tornam essa lacuna ainda mais perigosa. O primeiro é a velocidade do Pix, que reduz drasticamente o intervalo entre o momento do engano e a perda irreversível do dinheiro, eliminando a janela de tempo que antes permitia cancelar ou reverter uma transferência suspeita. O segundo é a cultura corporativa de aprovações urgentes por WhatsApp e ligação direta, que cria exatamente o ambiente de pressão e informalidade que o golpe precisa para funcionar: uma ordem que soa familiar, chega por um canal já habitual e exige decisão imediata. O caso que se tornou referência global O exemplo mais citado no mercado de cibersegurança ilustra bem o novo patamar de sofisticação. Segundo relato publicado pela Solo Iron, um profissional financeiro de uma multinacional participou de uma videoconferência inteira em que múltiplos executivos da própria empresa, incluindo o diretor financeiro, foram simulados por deepfake simultâneo de voz e imagem. Convencido pela presença de rostos e vozes que reconhecia, o funcionário autorizou quinze transferências que somaram US$ 25 milhões antes que a fraude fosse identificada. O que torna esse caso relevante não é a excepcionalidade, mas a reprodutibilidade. Não houve exploração de vulnerabilidade técnica, nenhum sistema foi invadido e nenhum e-mail malicioso precisou passar por filtro algum. O ataque explorou exclusivamente a confiança depositada no reconhecimento visual e auditivo, o mesmo mecanismo de verificação usado, até hoje, em boa parte das aprovações financeiras de empresas brasileiras de médio e grande porte. A resposta não é tecnológica em primeira instância, é processua Diante de um ataque que engana justamente a camada humana de verificação, a primeira linha de defesa eficaz não é um novo software, é um protocolo. O Migalhas descreve um princípio simples e replicável: diante de qualquer solicitação urgente de transferência recebida por telefone, a resposta correta é encerrar a ligação e retornar diretamente para o número corporativo já conhecido daquela pessoa, antes de qualquer confirmação. Se a solicitação era legítima, nada se perde. Se era uma fraude, o ataque é neutralizado no momento em que o canal original deixa de ser controlado pelo criminoso. O mesmo raciocínio se aplica a videoconferências que envolvam decisões financeiras ou estratégicas: a verificação por canal secundário, como uma mensagem de texto para o celular pessoal do aprovador pedindo confirmação com uma pergunta específica que apenas ele saberia responder, cria uma redundância que a tecnologia de deepfake, isoladamente, ainda não consegue contornar. Palavras-código combinadas previamente entre executivos e equipes financeiras, aliadas a políticas de dupla aprovação para qualquer transação fora do padrão de valor ou frequência, completam esse conjunto de controles que dependem menos de ferramenta e mais de disciplina operacional. Essa é, no fim, a mesma tese que a Asper reforça há anos: ferramenta sem processo não protege ninguém. A inteligência artificial generativa mais avançada só encontra resposta real quando confrontada por um protocolo humano bem treinado e por controles técnicos que não dependam exclusivamente do reconhecimento de voz ou imagem. Onde a tecnologia entra: fechando a lacuna que o processo não cobre Protocolo bem desenhado reduz risco, mas não substitui validação técnica contínua. É
