Criminosos estão utilizando geradores de voz baseados em inteligência artificial (IA) para aplicar golpes de engenharia social cada vez mais convincentes. De acordo com a ElevenLabs, algumas ferramentas conseguem criar uma cópia sintética da voz de uma pessoa a partir de apenas 10 segundos de áudio. Além disso, a tecnologia avançou consideravelmente na reprodução de sotaques e dialetos regionais, o que eleva a sensação de familiaridade e confiança durante uma chamada fraudulenta.
Pesquisas conduzidas pela Universidade de Abertay demonstram que as pessoas frequentemente confundem vozes geradas por IA com vozes humanas reais, sobretudo quando os sistemas replicam características locais de fala. O estudo analisou o inglês padrão escocês e o dialeto de Dundee (Dundonian Scots), revelando que a imitação de sotaques regionais dificulta a detecção da fraude, em parte porque as vítimas não esperam que uma máquina seja capaz de reproduzir com tanta precisão um dialeto específico.
Outro estudo, publicado em 2026 no Journal of Marketing Research, chegou a conclusões parecidas após analisar mais de 7.000 interações entre empreendedores e investidores, além de 2.091 campanhas do Kickstarter. Os dados apontam que características vocais semelhantes às do ouvinte aumentam o poder de persuasão e a confiança, mesmo na ausência de outras evidências de credibilidade.
Diante desse cenário, a Federal Trade Commission (FTC) e especialistas em segurança emitiram alertas de que a voz humana não deve mais ser tratada como um método confiável de autenticação. Os golpistas conseguem coletar pequenos trechos de áudio postados em redes sociais ou disponíveis publicamente na internet para clonar parentes ou representantes de empresas e órgãos oficiais. Portanto, receber uma ligação com uma voz familiar já não basta para atestar a identidade de quem está na linha.
Como medida de precaução, a recomendação ao receber uma chamada suspeita é desligar imediatamente e retornar o contato por meio de um canal oficial e conhecido, obtido em fontes seguras ou na agenda própria do telefone, jamais utilizando números fornecidos pelo interlocutor da chamada. Informações sensíveis, como senhas, PINs e dados de acesso, nunca devem ser repassadas em ligações não solicitadas.
A alta eficácia dessas novas fraudes baseia-se na exploração de vieses cognitivos humanos associados à familiaridade sonora. Quando o tom de voz reproduz elementos conhecidos — como ritmo, sotaque e trejeitos —, a tendência de desconfiança da vítima diminui drasticamente.
Por fim, especialistas reforçam que reconhecer a voz de alguém já não é prova suficiente de sua identidade. Em qualquer circunstância que envolva transferências de dinheiro, repasse de senhas ou compartilhamento de dados pessoais, a confirmação precisa ocorrer por vias alternativas, utilizando meios de contato seguros e previamente confiáveis.
