Depois de definir critérios para deepfakes, a Justiça Eleitoral enfrenta outra questão: como demonstrar favorecimento em sistemas que produzem respostas variáveis e podem tratar eleitores de maneira distinta?
Em 1º de setembro, o Tribunal Superior Eleitoral julgou o vídeo produzido por inteligência artificial e exibido na convenção que oficializou a candidatura de Flávio Bolsonaro à Presidência. Ao fixar uma tese sobre deepfakes, definiu as características necessárias para qualificar esse tipo de conteúdo e estabeleceu que a incidência da proibição eleitoral depende de sua caracterização como propaganda.
A decisão delimita uma modalidade de uso da inteligência artificial. Há, porém, uma dificuldade diferente quando o sistema interage diretamente com o eleitor. Nesse caso, o objeto da análise é uma resposta produzida em determinadas condições, que pode mudar na consulta seguinte.
Se um chatbot responde que não pode dizer em quem votar e, logo depois, escolhe quais candidatos mostrar, em que ordem apresentá-los e quais critérios usar para compará-los, ele permaneceu neutro?
Na quarta rodada do projeto Boca de IA, conduzido pelo Instituto de Tecnologia e Sociedade do Rio de Janeiro, sete ferramentas foram testadas, em julho de 2026, com perguntas sobre a eleição presidencial e as disputas pelos governos das 27 unidades da Federação. Segundo os critérios do estudo, 90% das respostas analisadas apresentaram alguma forma de ordenação ou hierarquização de candidaturas.
Isso não significa que, em nove de cada dez casos, a inteligência artificial tenha dito expressamente ao eleitor em quem votar. A classificação também abrange respostas que apresentam candidatos como favoritos, destacam algumas candidaturas ou selecionam nomes sem esclarecer o critério utilizado.
Outros levantamentos chegaram ao problema por caminhos diferentes. O Observatório IA nas Eleições, iniciativa da Data Privacy Brasil e do Aláfia Lab, submeteu 14 perguntas idênticas a cinco chatbots, em testes realizados em abril. Quatro das cinco ferramentas recomendaram candidatos a partir de informações como idade, região, gênero e posição ideológica. O próprio estudo ressalva que não apresenta esses achados como infrações já consumadas naquele momento.
A Eko, organização internacional da sociedade civil voltada à responsabilização corporativa, adotou outro desenho. No levantamento divulgado em agosto, quatro chatbots responderam às mesmas 25 perguntas a partir de três perfis fictícios de eleitores: um alinhado a Bolsonaro, outro a Lula e um sem preferência política declarada. Foram identificadas recomendações e diferenças nas respostas conforme o perfil apresentado.
Esses resultados descrevem o comportamento das ferramentas nas condições e nas datas dos testes. Não demonstram que os chatbots estejam determinando votos no Brasil, nem permitem presumir que as mesmas respostas continuem sendo produzidas. Mostram, contudo, por que a fiscalização precisa examinar tanto o conteúdo de uma interação quanto as condições em que ele foi gerado.
O TSE já definiu a conduta proibida. O artigo 28, parágrafo 1º-C, da Resolução nº 23.610, de 2019, veda aos provedores que ofertem sistemas de inteligência artificial ranquear, recomendar, sugerir ou priorizar candidaturas, campanhas, partidos, federações ou coligações, ainda que o usuário solicite. Também proíbe opiniões, preferência eleitoral, recomendação de voto e favorecimento ou desfavorecimento político-eleitoral, inclusive por respostas automatizadas.
A Portaria TSE nº 463, de 2026, detalhou a fiscalização por meio dos planos de conformidade. Para os sistemas abrangidos, prevê informações sobre salvaguardas técnicas e testes de resistência às tentativas de contorná-las. A análise alcança, portanto, os mecanismos empregados para prevenir as condutas vedadas e verificar seu funcionamento.
A questão já chegou à apuração institucional. Em 4 de setembro, a Folha de S.Paulo noticiou que a Procuradoria-Geral Eleitoral instaurou procedimento para investigar possível descumprimento das regras por plataformas de inteligência artificial. Segundo a reportagem, foram solicitadas informações ao TSE e manifestações das empresas sobre estudos produzidos por organizações da sociedade civil. A abertura da apuração não comprova irregularidades, mas torna imediata a discussão sobre quais evidências permitem avaliá-las.
Uma publicação em rede social é um objeto relativamente estável: seu conteúdo pode ser preservado e examinado. Uma resposta de chatbot nasce de uma interação específica. Perguntas semelhantes podem gerar formulações e ordens distintas. O histórico da conversa, as informações fornecidas pelo usuário, a interface utilizada e a versão do modelo podem interferir no resultado.
Uma captura de tela pode documentar uma resposta relevante, embora sua força probatória dependa da autenticidade e da preservação do contexto. Ela não demonstra, necessariamente, que o conteúdo represente um padrão de funcionamento do sistema.
Essa distinção não deve criar uma exigência que a norma não contém. A recorrência não é requisito previsto para caracterizar a conduta proibida. Uma resposta individual pode ser suficiente para revelar uma recomendação de voto ou outra manifestação vedada, conforme seu conteúdo e as circunstâncias da interação. A repetição dos testes responde a uma pergunta diferente: aquela ocorrência revela um padrão ou uma falha persistente das salvaguardas?
Se, em uma consulta, um chatbot coloca determinado candidato em primeiro lugar, é preciso examinar o sentido daquela resposta. A posição pode decorrer, por exemplo, de uma ordem alfabética, de um resultado de pesquisa explicitamente identificado ou de uma avaliação sobre quem seria o melhor candidato. A ordem, sozinha, não explica o critério nem encerra a análise jurídica.
Para investigar o comportamento do sistema, também importa saber com que frequência e em quais condições a resposta aparece. Encontrar uma determinada manifestação em uma de cem interações equivalentes é diferente de encontrá-la em oitenta. Essa diferença não torna irrelevante a ocorrência isolada, mas altera o que se pode concluir sobre a extensão do problema.
A fiscalização de padrões exige um protocolo de testes. É necessário definir previamente o que será considerado ranqueamento, recomendação ou favorecimento, repetir consultas e preservar as conversas completas. O registro deve identificar a data, a interface utilizada (aplicativo, navegador ou API) e a versão do modelo, quando disponível. Também precisa indicar se havia histórico de conversa ou informações de perfil capazes de influenciar a resposta.
Quando houver suspeita de personalização, o desenho pode comparar interações em que se mantém a pergunta e se altera uma variável por vez, como orientação política ou região. Se determinada candidatura passa reiteradamente a ganhar ou perder destaque quando essa variável muda, há um resultado a investigar. Para atribuí-lo à personalização, porém, é preciso controlar, tanto quanto possível, outras diferenças entre as interações.
Esse cuidado evita tratar qualquer variação como irregularidade e impede que uma resposta escolhida pelo próprio provedor seja aceita como demonstração suficiente de conformidade. Uma recusa de recomendação em determinado teste não comprova, por si só, que a salvaguarda funciona em outras condições.
Há, assim, duas perguntas probatórias. A primeira é se uma resposta ocorreu e violou a regra eleitoral. A segunda é se existe um padrão de comportamento ou uma falha recorrente dos mecanismos de prevenção. Misturá-las pode produzir conclusões frágeis tanto contra quanto a favor das plataformas.
A Portaria 463 prevê que os resultados específicos dos testes de resistência permaneçam em camada de acesso restrito. Por isso, discutir controle independente exige considerar quem pode examinar esses elementos, em quais condições e com quais garantias. A proposta não pressupõe divulgação irrestrita de informações protegidas, mas condições de verificação compatíveis com as regras de acesso.
A experiência com pesquisas de opinião oferece uma analogia útil, embora os objetos sejam diferentes. Uma observação individual não descreve, por si só, um universo. Para identificar padrões, é preciso conhecer a seleção dos casos, as condições de observação e os limites da inferência. O mesmo cuidado deve acompanhar a análise de sistemas que produzem respostas variáveis.
Isso vale inclusive quando os chatbots recorrem a pesquisas eleitorais. Liderar um levantamento significa ocupar determinada posição entre os entrevistados, sob condições metodológicas específicas. Não significa ser o melhor candidato. Se o sistema usa essa liderança para recomendar uma escolha ao eleitor, a análise deve examinar a passagem da informação sobre intenção de voto para o aconselhamento político.
A discussão sobre prova precisa preservar essas diferenças. Uma resposta individual pode demonstrar uma ocorrência juridicamente relevante. Um conjunto estruturado de interações permite investigar frequência, condições de produção e funcionamento das salvaguardas.
Observar apenas a frase que apareceu em uma tela pode deixar de fora o comportamento do sistema. Exigir um padrão reiterado para reconhecer qualquer violação, por sua vez, acrescentaria à norma uma condição que ela não prevê. O método de prova precisa permitir as duas análises: apurar a resposta concreta e investigar o funcionamento que a produziu.
O texto acima expressa a visão de quem o assina, não necessariamente do Congresso em Foco. Se você quer publicar algo sobre o mesmo tema, mas com um diferente ponto de vista, envie sua sugestão de texto para redacao@congressoemfoco.com.br.