Boa prática probatória pode identificar ‘prova’ gerada por IA

Em janeiro de 2026, uma fotografia de frango cru com manchas esverdeadas viralizou no Reddit. O post acumulou 40 mil upvotes em menos de 12 horas, a plataforma de delivery processou o reembolso automaticamente, e o restaurante pagou a conta por um produto que nunca esteve estragado. A imagem, como confirmou o TechCrunch dias depois, havia sido gerada integralmente por inteligência artificial generativa. Não houve frango. Não houve contaminação. Houve pixels e um sistema incapaz de distingui-los da realidade.

Freepik

Agora imagine: se uma IA generativa consegue enganar os algoritmos antifraude de uma empresa de tecnologia com décadas de experiência em machine learning, o que nos autoriza a presumir que não conseguirá enganar um juiz togado que instrui um processo cível às 16h de uma sexta-feira?

O que a IA generativa já consegue falsificar?

Durante décadas, falsificar uma fotografia exigia habilidade, tempo e ferramentas caras. O custo de entrada era alto o suficiente para funcionar como filtro natural.

As ferramentas de inteligência artificial generativa disponíveis hoje, gratuitas, acessíveis por smartphone, operáveis sem nenhum conhecimento técnico, permitem a qualquer pessoa produzir ou modificar imagens, documentos e conversas com fidelidade visual a maioria de nós não consegue detectar.

No domínio dos produtos alimentícios, os vetores de falsificação mais relevantes para o contencioso jurídico são quatro.

Fotografias de alimentos contaminados ou deteriorados. Moscas inseridas sobre pratos, hambúrgueres com interior rosado sugerindo carne malpassada, embalagens amassadas com coloração alterada, tudo isso já é produzido por ferramentas  em questão de minutos.

Capturas de tela de conversas (WhatsApp, e-mail, SAC). Ferramentas especializadas permitem replicar a interface visual de qualquer aplicativo de mensagens com precisão tipográfica, incluindo horários, nomes de contato e marcadores de status.

Documentos. Contratos com cláusulas trocadas, laudos laboratoriais com valores adulterados, notificações extrajudiciais com datas falsas.

Laudos e relatórios de análise laboratorial. O mais sofisticado e, por enquanto, menos comum — mas o mais perigoso em ações contra fabricantes de alimentos.

A baixa barreira de entrada é o fator mais relevante para o operador do Direito compreender. Não estamos falando de deepfakes cinematográficos produzidos por estúdios. Estamos falando de um aplicativo de geração de imagem por inteligência artificial de uso gratuito.

Do delivery ao fórum 

Spacca

A fraude com imagens de IA em plataformas de delivery está documentada em múltiplas fontes jornalísticas brasileiras e internacionais. Portais especializados cobriram casos em que consumidores usaram IA para simular problemas em pedidos – comida estragada, embalagens violadas, itens faltando – com o objetivo de obter reembolsos indevidos.

O incentivo econômico nesse ambiente é modesto: um reembolso de R$ 80, R$ 150, R$ 300.

Agora compare com o incentivo de uma ação judicial por dano moral contra um fabricante de alimentos. Em primeiro grau, condenações por produto alimentício contaminado variam tipicamente entre R$ 3.000 e R$ 10 mil. Em casos com repercussão sistêmica, chegam a valores superiores. A relação custo-benefício para o fraudador é incomparavelmente mais favorável no ambiente judicial do que no delivery – e a probabilidade de que a prova seja submetida a perícia técnica rigorosa é, paradoxalmente, muito menor, até porque, muitos casos são submetidos ao procedimento da Lei 9.099/95, que não se coaduna com a produção de prova técnica pericial mais complexa.

Isso é o que os economistas chamam de assimetria de incentivos. E ela cria uma janela de oportunidade para a fraude que o ordenamento jurídico brasileiro ainda não fechou.

A progressão é previsível porque já foi observada em outros contextos. Toda inovação tecnológica que reduz o custo de uma fraude migra, cedo ou tarde, para os ambientes onde os ganhos são maiores.

Peculiaridade das relações de consumo envolvendo alimentos

Nas relações de consumo, o problema assume contornos ainda mais sensíveis. A natureza perecível dos alimentos frequentemente impede a preservação do produto para perícia posterior, fazendo com que fotografias e vídeos produzidos unilateralmente pelo consumidor assumam protagonismo probatório. Em muitos casos, quando a demanda judicial é proposta, o alimento já foi consumido, descartado ou deteriorado naturalmente, restando apenas registros digitais do suposto defeito.

Nesse contexto, a discussão sobre evidências geradas ou manipuladas por inteligência artificial ultrapassa a mera autenticidade documental. Em um ambiente no qual a inversão do ônus da prova pode ser determinada pelo julgador e em que a reconstrução técnica do evento frequentemente se mostra inviável, a confiabilidade da prova digital passa a desempenhar papel central na adequada distribuição dos riscos processuais entre consumidor e fornecedor. A autenticação da evidência torna-se, assim, etapa indispensável para a correta formação do convencimento judicial.

Como identificar sem ferramentas técnicas?

A boa notícia é que imagens geradas por IA ainda deixam rastros. A má notícia é que esses rastros exigem um olhar treinado, ou ferramentas que a maioria dos advogados e juízes ainda não utiliza. Na ausência de ferramenta, temos:

O paradoxo da perfeição. Imagens reais de comida deteriorada têm imperfeições caóticas — manchas irregulares, texturas inconsistentes, padrões de deterioração que obedecem à lógica orgânica. Imagens geradas por IA tendem a uma “podridão esteticamente coerente” que não existe na realidade.

Bordas e transições inconsistentes. Quando um elemento é inserido artificialmente em uma fotografia pré-existente, a luz que incide sobre o elemento inserido raramente coincide com a fonte de luz da fotografia original.

Ausência de corroboração lateral. A prova que existe em apenas uma mídia, sem nenhuma ancoragem contextual, como mensagens, boletim de ocorrência, laudos e outras fotos em diferentes ângulos, deve acionar imediatamente o estado de alerta do operador jurídico.

Sinais identificáveis com ferramentas técnicas

Metadados Exif (ExifTool). Fotografias reais tiradas por smartphones contêm informações sobre o dispositivo, a data, a hora e às vezes a localização. Imagens geradas por IA não têm metadados EXIF de câmera, ou têm metadados genéricos inconsistentes com a narrativa apresentada.

Error level analysis. Revela inconsistências na taxa de compressão de diferentes regiões de uma imagem JPEG. Regiões editadas ou inseridas apresentam nível de erro diferente das regiões originais, denunciando a manipulação mesmo após recompressão.

Hash SHA-256. Um documento que foi aberto, editado e ressalvado apresenta hash diferente do original. Combinado com a exigência de apresentação da prova originária, é instrumento poderoso de detecção.

Detectores de IA generativa. Já existem algumas ferramentas que atuam na identificação de imagens geradas por IA, elas não são infalíveis, mas têm acurácia superior à percepção humana não assistida.

 O vácuo legal da autenticidade documental

A falsidade documental e a processual estão tipificadas no Código Penal. O Código de Processo Civil disciplina a impugnação de autenticidade documental. E Lei 14.155/2021 e o artigo 158-A do Código de Processo Penal introduziram a cadeia de custódia para provas digitais no processo penal.

Não há previsão legal expressa sobre o tema envolvendo IA generativa, , o que não significa a impossibilidade de combate com os instrumentos legais atualmente disponíveis e com boas práticas de atuação, tanto dos advogados, quanto do tribunal

 O que os tribunais deveriam fazer

Há uma ironia cruel na arquitetura dos sistemas processuais eletrônicos brasileiros: ao exigir que toda prova seja convertida em PDF para juntada nos autos, o PJe, o Esaj e o e-proc fazem exatamente o que um fraudador faria deliberadamente, eliminam os metadados.

Um PDF é, na essência, uma imagem achatada. Quando uma fotografia real é convertida em PDF e juntada no sistema, os metadados Exif desaparecem. Quando uma imagem gerada por IA é convertida em PDF e juntada, os artefatos que poderiam denunciá-la como sintética tornam-se invisíveis às ferramentas de análise automatizada.

Os sistemas dos tribunais não são validadores de autenticidade, são repositórios. E repositórios não fazem perguntas.

Três medidas concretas deveriam estar na agenda dos Conselhos de Tecnologia do CNJ:

Exigência de hash na juntada de mídia digital. Quando uma parte junta fotografia, vídeo ou áudio nos autos, o sistema deveria registrar automaticamente o hash SHA-256 do arquivo original e vinculá-lo aos autos. Se o arquivo for posteriormente alterado, o hash denunciará a manipulação.

Campo obrigatório de declaração de origem. A petição que acompanha a juntada de mídia deveria exigir, sob pena de inépcia, declaração sobre a origem do material: data de criação, dispositivo utilizado, e afirmação de que o material não foi produzido, editado ou manipulado por ferramentas de IA generativa. A declaração falsa constituiria, por si só, elemento objetivo do tipo penal de fraude processual.

Credenciamento de peritos em forense digital. O gargalo mais grave não é normativo — é de infraestrutura. O Brasil tem pouquíssimos peritos judicialmente credenciados em forense digital de imagens. Sem peritos, as impugnações de autenticidade ficam no ar, resolvidas mais pela persuasão retórica das peças do que pela análise técnica do objeto.

A experiência comparada aponta o caminho. A International Bar Association publicou em 2025 diretrizes específicas para autenticação de evidências na era da IA. A Califórnia, por meio do SB 970, foi pioneira em exigir que o Judicial Council estabeleça regras processuais específicas para material gerado ou manipulado por IA. O Federal Rules of Evidence americano está em processo de atualização para endereçar a questão. O Brasil pode aprender com esses precedentes.

O protocolo do advogado hoje 

Como menciona Solano de Camargo, “compreender essa mudança não é um exercício ético em abstrato, mas uma exigência de sobrevivência profissional em um ambiente jurídico cada vez mais mediado por sistemas inteligentes”

O que se pretende afirmar é que a lei chegará. Mas chegará tarde, como sempre chegou diante de novas tecnologias. O advogado que esperar o marco regulatório para estruturar sua resposta a uma prova suspeita estará dois ou três anos atrasado.

A boa notícia é que o Código de Processo Civil já oferece os instrumentos necessários para uma atuação tecnicamente consistente. O protocolo tem quatro movimentos, e a ordem importa.

1º: impugnar a autenticidade, não acusar a falsidade. O artigo 429, inciso II, do CPC autoriza a parte a impugnar a autenticidade de documento, afirmar que não reconhece o documento como genuíno, sem que isso configure imputação de crime.

2º : requerer a prova originária. Com fundamento no artigo 422 do CPC, requerer que a parte apresente o documento original — o arquivo de imagem nativo, com seus metadados, ou o dispositivo em que a fotografia foi tirada. Se a parte não tiver o original — se tiver apenas o PDF convertido —, isso é, por si só, informação processualmente relevante que fragiliza o valor probatório do material.

3º : requerer perícia com fundamento técnico específico. O requerimento de perícia não deve ser genérico. Deve especificar o objeto da análise — verificação de metadados Exif, Error Level Analysis, análise de artefatos de geração sintética por IA — e deve ancorá-lo em fato notório: a existência e a disseminação de ferramentas de IA generativa capazes de produzir imagens de alimentos indistinguíveis de fotografias reais.

4º: representação criminal apenas após laudo. Somente após a obtenção de laudo pericial que confirme a adulteração ou geração sintética da prova deve o advogado considerar representação criminal por falsidade documental (artigo 297 do CP) ou fraude processual (artigo 347 do CP).

Diante do exposto, a fraude em plataformas de delivery com fotos de IA já é realidade. A migração desse vetor para o contencioso judicial é uma projeção de incentivos que qualquer analista econômico confirmaria. O arcabouço legal tem lacunas concretas que o legislador ainda não percebeu. Os sistemas dos tribunais eliminam os metadados que poderiam detectar a fraude. E o advogado médio ainda não tem protocolo para reagir.

A boa prática probatória já existe e já protege. Não é necessário esperar o legislador para adotar essas medidas. O que é necessário é cultura forense digital: a compreensão, incorporada à prática cotidiana do advogado e do magistrado, de que uma fotografia juntada nos autos não é, por si só, prova de nada, é uma hipótese que precisa ser verificada.

A confiança epistemológica que o sistema jurídico depositou na imagem fotográfica foi construída ao longo de um século. A IA generativa a destruiu em dois anos. Cabe ao Direito reconstruí-la, não pela negação da tecnologia, mas pela adaptação inteligente dos instrumentos que já possui.