A investigadora Vian Bakir mostra como a IA generativa está a transformar a desinformação em campanhas de influência quase indistinguíveis da conversa humana — e porque já não basta ensinar a verificar factos.
Há uma pergunta que qualquer professor de Cidadania e Desenvolvimento já ouviu de um aluno: «como é que eu sei se isto é verdade?». Durante anos, essa pergunta bastava-se a si própria — verificar a fonte, cruzar dados, desconfiar do sensacionalismo. Mas uma formação recente da European Digital Media Observatory (EDMO), dedicada a compreender a interação entre a inteligência artificial generativa e as operações de influência, sugere que a pergunta certa já não é apenas «é verdade?». É também «quem construiu esta mensagem para mim, e porquê?».
A professora Vian Bakir, da Bangor University, especialista em desinformação, propaganda e comunicação política estratégica, apresenta um enquadramento conceptual dirigido explicitamente a quem trabalha em literacia mediática. Não é um tema abstrato ou distante da sala de aula: é, sobretudo, um mapa para entender o ecossistema informativo em que os nossos alunos já vivem todos os dias.
Da desinformação às «operações de informação»
O vocabulário militar pode parecer deslocado de um contexto escolar, mas ajuda a perceber a escala do problema. A NATO define «operações de informação» como uma função que analisa, planeia e integra atividades informativas para produzir efeitos deliberados sobre a vontade, a compreensão e a capacidade de decisão de públicos-alvo, em apoio de objetivos estratégicos (NATO, 2023). Por outras palavras: não se trata de mentiras avulsas que circulam por acaso, mas de campanhas desenhadas com um objetivo, um público definido e um plano de execução.
É esta ideia de intencionalidade e de escala que distingue a desinformação contemporânea do simples erro ou do exagero jornalístico. E é também aqui que a escola ganha um papel que ultrapassa a verificação de factos isolados: ajudar os alunos a reconhecer padrões de manipulação, não apenas mentiras individuais.
A arquitetura do ambiente informativo em que os alunos navegam
Segundo o Digital News Report 2026, do Reuters Institute for the Study of Journalism, as redes sociais e as plataformas de vídeo ultrapassaram, pela primeira vez, tanto a televisão como os sítios noticiosos como principal fonte de informação a nível global, numa altura em que a confiança geral nos meios de comunicação caiu para o valor mais baixo alguma vez registado pelo estudo (Reuters Institute for the Study of Journalism, 2026). Este dado, por si só, já justificaria atenção redobrada por parte de quem ensina literacia mediática.
Bakir & McStay (2022), no livro Optimising Emotions, Incubating Falsehood, descrevem quatro traços estruturais deste ambiente informativo que ajudam a explicar por que motivo a desinformação atual é tão eficaz. Primeiro, a fragmentação: já não existe um espaço público único, mas uma miríade de bolhas informativas praticamente incomunicáveis entre si. Segundo, a amplificação emocional algorítmica: os sistemas de recomendação privilegiam conteúdos que provocam reações fortes — indignação, medo, entusiasmo — porque isso maximiza o tempo de permanência no ecrã. Terceiro, a personalização, que faz com que dois alunos da mesma turma vejam realidades informativas radicalmente diferentes nos seus telemóveis. Quarto, e cada vez mais relevante, a crescente incapacidade de distinguir conteúdo audiovisual real de conteúdo fabricado.
Vale a pena recuar até 2018 para perceber que esta arquitetura não nasceu com a inteligência artificial generativa. No caso Cambridge Analytica, o denunciante Christopher Wylie explicou, em depoimento perante o Parlamento britânico, como a construção de perfis psicológicos detalhados permitia identificar os grupos mais suscetíveis a determinadas narrativas e expô-los, de forma repetida, a conteúdo talhado à medida das suas vulnerabilidades — pessoas que, por não verem essas narrativas nos canais generalistas, começavam a questionar por que motivo «os grandes meios de comunicação» não falavam do assunto. O mecanismo já existia; o que mudou, entretanto, foi a capacidade de o operacionalizar em grande escala e com muito menos esforço humano.
Da Cambridge Analytica a uma indústria global
Um dos contributos mais úteis da apresentação foi mostrar que aquele episódio não foi um caso isolado, mas o momento em que se tornou visível uma indústria já em expansão. O Routledge Handbook of the Influence Industry, organizado por Briant e Bakir (2024), define esta «indústria da influência» como o conjunto de práticas de definição de perfis (profiling) orientadas por dados, deliberadas, que atravessam simultaneamente sistemas privados e estatais, com o propósito de induzir mudanças de comportamento em públicos específicos. Os autores identificam três pilares recorrentes — vigilância, desinformação e motivações de lucro ou de mudança comportamental — e documentam a sua presença em contextos tão distintos como a Rússia, a Nigéria, o Médio Oriente, o Chile, a Índia e os Estados Unidos, o que sugere um fenómeno global e adaptável, e não uma anomalia regional.
Seremos assim tão facilmente influenciados?
Convém não cair em alarmismo fácil. A investigação empírica sobre os efeitos reais da desinformação nas audiências apresenta resultados mistos. Alguns estudos apontam para uma influência mínima: Garrett (2019), analisando as eleições presidenciais norte-americanas, e McCombie e colegas (2020), sobre as chamadas «fábricas de trolls» russas em 2016, encontraram efeitos limitados sobre a opinião pública. Outros, como Weeks e Garrett (2014) ou Dobber e colegas (2020), sobre deepfakes com microssegmentação, documentam efeitos mensuráveis, embora nem sempre dramáticos.
A conclusão mais honesta que se pode retirar desta literatura é que a persuasão em massa nunca foi tão simples como por vezes se apresenta em debates públicos. Mas há um dado que atravessa toda a apresentação de Bakir: o jogo está a mudar, precisamente por causa da inteligência artificial generativa — e é aqui que a escola tem menos tempo para se preparar do que gostaria.
Quando a IA generativa entra em cena
A comparação mais reveladora da sessão foi a que opõe as campanhas de influência da chamada «primeira geração» (2016–2020) às campanhas apoiadas por IA a partir de 2024. Na primeira geração, a geração de conteúdo era baseada em modelos repetitivos e facilmente identificáveis; hoje, é sensível ao contexto, persuasiva e praticamente indistinguível de produção humana. Antes, os perfis falsos eram estáticos, com histórias de fundo pouco desenvolvidas; agora, existem identidades sintéticas dinâmicas, com perfis psicológicos adaptativos. A segmentação de públicos deixou de assentar em categorias demográficas amplas para passar a basear-se em mapeamento de vulnerabilidades psicológicas e análise de sentimento em tempo real. E, sobretudo, o que antes exigia equipas humanas numerosas e ajustes manuais tornou-se automatizável à escala industrial, com supervisão humana mínima (NATO Strategic Communications Centre of Excellence, 2026).
A própria Bakir recorreu a uma imagem elucidativa para descrever este tipo de campanhas: são como uma companhia de teatro que infiltra secretamente o público com o seu próprio elenco — atores que se misturam com a audiência real e conduzem a conversa a partir de dentro, sem que ninguém perceba que estão a representar um papel.
Este não é um cenário hipotético. O relatório Master of Puppets, da equipa de investigação de ameaças da empresa de cibersegurança Sekoia, documenta desde 2024 a campanha DoppelGänger, uma operação de influência atribuída a entidades russas e ativa desde 2022, que visa reduzir o apoio à Ucrânia e fomentar divisões entre os países que a apoiam. A campanha combina sítios noticiosos que imitam órgãos de comunicação social legítimos com contas falsas em redes sociais que amplificam o conteúdo, adaptando-se continuamente à atualidade de cada país-alvo, incluindo vários Estados europeus (Sekoia Threat Detection & Research Team et al., 2024). É um exemplo concreto, ativo e europeu — não um exercício académico — de como a arquitetura descrita atrás funciona na prática.
Dois desafios centrais para a resiliência democrática europeia
A apresentação termina com uma síntese particularmente útil para quem pensa a educação para a cidadania. Identificam-se duas tendências que se reforçam mutuamente. A primeira é o que se pode chamar o «fosso de deteção»: a capacidade de gerar conteúdo sintético está a crescer mais depressa do que a capacidade de o detetar, seja por parte das plataformas, dos verificadores de factos ou dos próprios cidadãos — uma assimetria que tudo indica continuar a alargar-se. A segunda é a economia da desinformação: conteúdo sensacionalista e sintético tende a aumentar precisamente durante crises, porque o envolvimento (engagement) gera receita publicitária, criando um incentivo económico persistente para a produção deste tipo de material.
Juntas, estas duas tendências produzem confusão generalizada e alimentam aquilo a que a literatura chama o «dividendo do mentiroso» (liar’s dividend): a possibilidade de qualquer pessoa, incluindo figuras públicas, negar a autenticidade de provas genuínas alegando tratar-se de uma fabricação por IA, um efeito já documentado em estudos sobre a receção pública de deepfakes durante a guerra na Ucrânia (Twomey et al., 2023). O resultado final ameaça dois valores que sustentam qualquer democracia: a integridade da informação pública — ou seja, a possibilidade de esta ser suficientemente verdadeira e transparente para sustentar decisões informadas — e a autonomia humana, entendida como a capacidade de formar convicções e fazer escolhas a partir do próprio raciocínio, e não por manipulação alheia.
O que isto significa, concretamente, para professores e alunos
É neste ponto que a apresentação de Bakir se torna mais diretamente relevante para quem trabalha em contexto escolar. Os dois desafios identificados — o fosso de deteção e a economia da desinformação — traduzem-se em duas frentes de trabalho complementares. Uma diz respeito aos cidadãos e à sua consciência crítica: ajudar os alunos a compreender que o ambiente informativo que habitam é moldado, frequentemente de forma deliberada, lucrativa e emocional, ao serviço de interesses que não são os deles. A outra diz respeito às instituições e às políticas educativas: construir respostas que acompanhem o ritmo, a escala, a personalização e o poder persuasivo desta nova geração de conteúdo.
Para a prática letiva, isto tem implicações concretas. No âmbito de Cidadania e Desenvolvimento e da literacia mediática transversal ao currículo — em diálogo direto com as competências de pensamento crítico do Perfil dos Alunos à Saída da Escolaridade Obrigatória —, deixa de bastar ensinar a verificar factos isoladamente. Torna-se necessário trabalhar com os alunos três perguntas complementares perante qualquer conteúdo que os emocione fortemente nas redes sociais: quem beneficia com esta mensagem, que técnica de segmentação ou de amplificação pode ter estado na sua origem, e que sinais de fabricação sintética — por mais subtis — podem estar presentes. É também importante que os alunos percebam, sem alarmismo, que nem sequer os adultos e os especialistas conseguem hoje distinguir com segurança conteúdo real de conteúdo gerado por IA apenas «a olho», e que essa dificuldade é normal, não um fracasso pessoal de literacia digital.
Há ainda uma dimensão frequentemente esquecida nestes debates, mas com relevância crescente à medida que crianças e adolescentes interagem com assistentes e companheiros de IA: a da manipulação emocional por parte dos próprios sistemas. A norma IEEE 7014.1, atualmente em desenvolvimento com a participação de Bakir, propõe 29 recomendações práticas sobre engano, manipulação e dependência emocional em sistemas de inteligência artificial de uso geral concebidos como parceiros empáticos — chatbots, assistentes pessoais e companheiros digitais. Trata-se de um documento pensado, entre outros públicos, para profissionais de literacia mediática, e que pode servir de referência para escolas que discutam com os alunos os limites éticos da interação com IA conversacional, um tema cada vez mais presente fora e dentro da sala de aula.
Nenhuma destas respostas substitui a outra. A investigação mostra que os efeitos da desinformação sobre o comportamento e as convicções das pessoas continuam a ser objeto de debate científico genuíno, e é importante que os alunos saibam disso — a literacia mediática não deve gerar pânico nem uma desconfiança paralisante face a toda a informação. Mas também é verdade que a capacidade técnica de produzir conteúdo persuasivo, indistinguível e à escala industrial cresceu de forma muito mais rápida do que a nossa capacidade coletiva de a detetar e regular. É precisamente nesse espaço — entre a cautela informada e o alarmismo improdutivo — que a escola tem um papel insubstituível a desempenhar.
Referências
Bakir, V., & McStay, A. (2022). Optimising emotions, incubating falsehood: How to protect the global civic body from disinformation and misinformation. Palgrave Macmillan. https://doi.org/10.1007/978-3-031-13551-4
Briant, E. L., & Bakir, V. (Eds.). (2024). Routledge handbook of the influence industry. Routledge.
Dobber, T., Metoui, N., Trilling, D., Helberger, N., & de Vreese, C. (2020). Do (microtargeted) deepfakes have real effects on political attitudes? The International Journal of Press/Politics, 26(1), 69–91. https://doi.org/10.1177/1940161220944364
European Digital Media Observatory. (2026, 6 de julho). Training on generative AI and hybrid influence: How do we make sense of what we hear and see? [Formação online]. https://edmo.eu/training/edmo-training-on-generative-ai-and-hybrid-influence-how-do-we-make-sense-of-what-we-hear-and-see/
Garrett, R. K. (2019). Social media’s contribution to political misperceptions in U.S. presidential elections. PLoS ONE, 14(3), e0213500. https://doi.org/10.1371/journal.pone.0213500
McCombie, S., Uhlmann, A. J., & Morrison, S. (2020). The US 2016 presidential election & Russia’s troll farms. Intelligence and National Security, 35(1), 95–114. https://doi.org/10.1080/02684527.2019.1673940
NATO. (2023). Allied joint doctrine for information operations (AJP-10.1, ed. do Reino Unido). Ministério da Defesa do Reino Unido. https://www.gov.uk/government/publications/allied-joint-doctrine-for-information-operations-ajp-101
NATO Strategic Communications Centre of Excellence. (2026). Beyond spam bots: The rise of AI-powered disinformation machines and the imperative for strategic response. https://stratcomcoe.org/publications/beyond-spam-bots-the-rise-of-ai-powered-disinformation-machines-and-the-imperative-for-strategic-response/342
Reuters Institute for the Study of Journalism. (2026). Digital news report 2026. University of Oxford. https://reutersinstitute.politics.ox.ac.uk/sites/default/files/2026-06/DNR%202026%20FINAL_2.pdf
Sekoia Threat Detection & Research Team, Chavane, C., Garçon, A.-J., & Seznec, K. (2024, 21 de maio). Master of puppets: Uncovering the DoppelGänger pro-Russian influence campaign. Sekoia Blog. https://blog.sekoia.io/master-of-puppets-uncovering-the-doppelganger-pro-russian-influence-campaign
Twomey, J., Ching, D., Aylett, M. P., Quayle, M., Linehan, C., & Murphy, G. (2023). Do deepfake videos undermine our epistemic trust? A thematic analysis of tweets that discuss deepfakes in the Russian invasion of Ukraine. PLoS ONE, 18(10), e0291668. https://doi.org/10.1371/journal.pone.0291668
Weeks, B. E., & Garrett, R. K. (2014). Electoral consequences of political rumors: Motivated reasoning, candidate rumors, and vote choice during the 2008 U.S. presidential election. International Journal of Public Opinion Research, 26(4), 401–422. https://doi.org/10.1093/ijpor/edu005
