Foto de sinistro gerada por IA: o antifraude que a sua operação ainda não tem

A foto chega pelo aplicativo, dentro do prazo, com a placa legível e o dano bem enquadrado. Tudo parece correto. O problema é que aquele para-choque amassado talvez nunca tenha existido: foi gerado por um modelo de imagem, ou ampliado a partir de uma avaria real e pequena. O sinistro de auto entrou na era em que a evidência visual, sozinha, deixou de ser prova.

O dado que resume a virada é incômodo: 98% das seguradoras no mundo já relatam aumento em manipulação de mídia. O uso de vídeos falsos subiu de 33% em 2024 para 46% em 2025, e os áudios manipulados passaram de 25% para 52% no mesmo período. Não é uma curva de tecnologia emergente, é uma curva de adoção criminosa consolidada.

O que mudou na prática

Por mais de uma década, a fraude documental em auto foi um jogo de reaproveitamento. O fraudador guardava fotos de um acidente antigo, real, e as reapresentava em um novo aviso. A defesa era razoável: comparar metadados, cruzar histórico do veículo, procurar a mesma imagem em bases anteriores.

A IA generativa quebrou esse padrão em três frentes:

1. Criação de dano inexistente. O modelo insere uma avaria coerente com a geometria do veículo, com sombra e reflexo plausíveis, em uma foto legítima do carro.
2. Remoção de dano preexistente. O caminho inverso, usado para esconder avaria anterior à vigência e transformá-la em sinistro coberto.
3. Amplificação. A avaria existe, mas é pequena. O modelo a expande até o limiar de perda parcial relevante, ou de perda total.

O terceiro caso é o mais difícil, e o mais comum. Ele não é uma mentira inteira, é uma mentira parcial ancorada em um fato verdadeiro. Regras que buscam "imagem falsa" não pegam, porque a imagem é majoritariamente verdadeira.

Por que a análise humana perdeu a vantagem

O regulador experiente ainda é o melhor detector de incoerência de dinâmica: ele olha o conjunto e percebe que aquele padrão de amassado não combina com a colisão narrada. Essa habilidade continua valendo, e vale muito.

O que mudou é a escala e a textura. Uma edição feita em 2019 deixava borda serrilhada, ruído inconsistente, clone visível. Hoje, a saída do modelo é fotorrealista no nível do pixel e mantém coerência de iluminação. O olho humano não é mais o instrumento adequado para essa camada específica, do mesmo jeito que ninguém confere assinatura digital a olho nu.

A resposta não é substituir o analista. É liberar o analista da tarefa que a máquina faz melhor, e devolver a ele a tarefa que só ele faz bem: julgar a coerência entre dano, dinâmica, histórico e comportamento.

As quatro camadas que funcionam

Operações que estão segurando a curva combinam camadas, em vez de apostar em uma única barreira.

Captura controlada. A fraude fica muito mais cara quando a foto não pode vir da galeria. Captura em tempo real, com orientação do analista e marcação de sessão, elimina de saída o reaproveitamento e a maior parte da edição offline.

Análise forense de pixel. Detecção de inconsistência em nível de compressão, ruído de sensor e assinatura de geração. É a camada que identifica se o arquivo passou por um modelo generativo, mesmo quando o resultado é visualmente perfeito.

Coerência técnica do dano. O cruzamento entre a avaria apresentada, a dinâmica declarada e o comportamento esperado daquela estrutura no impacto. É onde a inteligência de dados veiculares entra: peça, montagem, histórico do chassi, sinistros anteriores.

Identidade e sessão. Confirmação de quem está do outro lado, no momento da captura. Reduz o uso de terceiros e o compartilhamento de acesso.

Nenhuma camada isolada resolve. Juntas, elevam o custo do ataque acima do valor esperado da indenização, que é o objetivo real de qualquer política antifraude.

O segurado honesto no meio do caminho

Existe um efeito colateral que merece atenção do time de sinistro: cerca de 36% dos segurados admitem considerar alterar imagens de sinistro, e aproximadamente 40% conhecem alguém que já fez isso para obter vantagem financeira. Isso significa que a fronteira entre fraudador profissional e segurado comum ficou porosa.

Muita gente não entende que retocar uma foto para "ajudar" a análise é fraude, com consequência de negativa de cobertura e responsabilização. Comunicar isso na abertura do aviso, de forma clara, reduz tentativa mais do que qualquer detector.

E há o inverso, que é o caso mais delicado: o segurado honesto cuja imagem é manipulada por um intermediário sem o conhecimento dele. Aqui a tecnologia protege o cliente, porque a auditoria identifica a irregularidade antes que ele seja envolvido indevidamente em um problema legal.

O que medir a partir de agora

Se o seu painel de sinistro ainda mede apenas volume de avisos, tempo médio de regulação e índice de negativa, ele não enxerga essa curva. Três indicadores dão visibilidade rápida:

• Taxa de mídia reprovada na captura, separando falha técnica de tentativa de burla.
• Percentual de avisos com evidência exclusivamente offline, ou seja, sem captura assistida.
• Diferencial de severidade entre sinistros com captura controlada e sinistros com foto enviada livremente. Uma diferença persistente é o sinal mais barato de manipulação sistemática.

A conclusão prática é direta: em auto, a foto deixou de ser prova e passou a ser um dado, com grau de confiança variável. Tratar imagem como dado auditável, e não como verdade, é o ajuste de mentalidade que separa as operações que vão segurar a fraude das que vão pagá-la.