Regras de Transparência do AI Act da UE Entram em Vigor, mas Rótulos Têm Limites

A Comissão Europeia ativou novas obrigações de transparência em IA em 2 de agosto de 2026, submetendo serviços como o Google News a uma análise mais rigorosa. As regras exigem divulgações para interações com chatbots, deepfakes, textos sintéticos de interesse público e determinados materiais gerados por IA. Ainda assim, o conflito central permanece sem solução. Um rótulo pode revelar que a IA participou da criação de um conteúdo sem comprovar que suas afirmações são precisas.

Essa lacuna importa para todas as plataformas que organizam informações públicas. O Google News já usa sistemas automatizados para selecionar, agrupar e classificar reportagens de veículos de imprensa. A IA generativa acrescenta outra camada por meio de resumos, respostas reescritas, imagens sintéticas e interfaces conversacionais. Os reguladores europeus agora querem que as pessoas reconheçam essa camada, em vez de encontrá-la como uma infraestrutura invisível.

A mudança, portanto, é maior do que um novo rótulo ao lado de um artigo. Ela testa se a divulgação técnica consegue criar responsabilização significativa em uma cadeia de informação fragmentada. Desenvolvedores de modelos, provedores de aplicações, editoras, anunciantes e operadores de plataformas podem influenciar o que chega ao leitor. Cada participante dispõe de informações e responsabilidades diferentes.

A Comissão Europeia forneceu orientações detalhadas e um código de conduta voluntário. A fiscalização, a compreensão dos usuários e a interoperabilidade determinarão se esses materiais melhoram a transparência na prática. O Google News e outros grandes serviços de distribuição agora enfrentam pressão para tornar visível a participação da IA sem sobrecarregar os leitores com avisos.

O que Mudou com as Regras da Comissão Europeia

O Artigo 50 transforma várias formas de divulgação sobre IA, de uma opção de design de produto, em uma questão de conformidade legal.

As obrigações decorrem do AI Act da União Europeia, uma lei baseada em riscos que abrange o desenvolvimento, a distribuição e o uso de inteligência artificial. O Artigo 50 concentra-se em casos nos quais as pessoas podem não compreender quem ou o que produziu uma interação ou conteúdo.

As regras se aplicam a partir de 2 de agosto de 2026. A Comissão publicou as orientações finais de implementação em 20 de julho, menos de duas semanas antes dessa data. Suas diretrizes de transparência explicam quais sistemas e organizações estão abrangidos.

Os provedores de sistemas de IA interativos devem projetá-los de modo que as pessoas saibam quando estão se comunicando com uma IA. Essa exigência abrange experiências como assistentes conversacionais automatizados, a menos que a natureza artificial já seja evidente para um usuário razoavelmente informado.

Os provedores de sistemas que geram ou manipulam áudio, imagens, vídeos ou texto também devem permitir a detecção confiável de resultados artificiais. A lei exige marcação legível por máquina, ou seja, metadados ou outro sinal técnico que softwares possam processar automaticamente.

Os operadores têm deveres de divulgação distintos. Eles devem informar as pessoas sobre a exposição a sistemas de reconhecimento de emoções ou categorização biométrica. Também devem rotular deepfakes e determinados textos sintéticos que tratem de assuntos de interesse público.

A regra sobre textos de interesse público contém uma qualificação importante. A divulgação geralmente se aplica quando material gerado ou manipulado por IA é publicado para informar o público sem revisão humana ou responsabilidade editorial. O trabalho jornalístico editado não se torna automaticamente uma publicação sintética sem rótulo apenas porque um jornalista utilizou um assistente de IA.

Essa distinção protege fluxos de trabalho editoriais comuns, mas também cria uma fronteira difícil. Uma editora precisa determinar quando a participação humana constitui uma revisão significativa, e não apenas uma etapa rápida de aprovação. As plataformas, então, precisam interpretar os sinais recebidos de editoras cujos padrões variam.

As regras não transformam todo algoritmo de recomendação em uma publicação gerada por IA. Classificação, personalização e agrupamento tradicionais podem continuar sujeitos a outros regimes legais sem acionar automaticamente todos os rótulos do Artigo 50. A questão relevante é o que o sistema gerou, alterou ou apresentou a uma pessoa.

Para o Google News, isso significa que a questão de conformidade depende do recurso. Classificar links para artigos escritos por humanos é diferente de gerar um resumo que combina suas afirmações. Uma resposta conversacional montada a partir dessas fontes cria outro caso distinto.

A estrutura da Comissão reconhece essas distinções, mas os leitores comuns raramente as percebem. Um usuário encontra uma única interface, mesmo quando vários provedores e etapas de processamento estão por trás dela. Isso torna a responsabilidade mais difícil de comunicar do que a simples expressão “gerado por IA” sugere.

Por que o Google News Enfrenta um Teste de Transparência Mais Difícil

O Google News fica entre editoras e leitores, podendo influenciar o contexto sem assumir cada afirmação subjacente.

A agregação de notícias depende de classificação automatizada, ordenação, detecção de duplicidades, personalização e agrupamento por temas. Esses sistemas determinam quais reportagens aparecem juntas e qual manchete recebe atenção. Seus resultados podem moldar a percepção mesmo quando não geram novas frases.

Recursos generativos intensificam essa influência. Um resumo pode condensar várias reportagens, remover ressalvas ou combinar cronologias incompatíveis. Uma resposta fluente também pode fazer informações incertas parecerem consolidadas. O risco vem da transformação, não apenas da fabricação.

O Google não está sozinho diante desse problema. Mecanismos de busca, redes sociais, aplicativos de notícias, assistentes de navegador e mecanismos autônomos de respostas colocam cada vez mais texto gerado entre uma fonte e seu público. As regras europeias pressionam todos eles a esclarecer quando essa voz intermediária pertence a uma máquina.

Ainda assim, o Google News oferece um teste útil porque os usuários costumam chegar com altas expectativas de procedência. Eles pressupõem que uma manchete aponta para uma editora e que uma afirmação citada veio de uma reportagem identificável. Resumos gerados tornam essa relação familiar menos nítida.

Um rótulo visível de IA pode restaurar parte do contexto ausente. Ele pode informar ao leitor que a redação exibida não é idêntica ao artigo de uma editora. Informações legíveis por máquina também podem ajudar serviços posteriores a detectar e preservar um sinal de conteúdo sintético.

No entanto, um rótulo não consegue explicar toda transformação. Ele não mostra quais fontes sustentaram uma afirmação, qual fonte recebeu maior peso ou se o modelo omitiu uma contradição. Também não revela por que uma matéria ficou acima de outra.

Isso cria pressão em duas direções. Os reguladores europeus querem divulgações que permaneçam claras e perceptíveis. As equipes de produto querem interfaces que não soterrem os leitores sob avisos repetitivos. As editoras querem atribuição e tráfego, enquanto os usuários querem respostas rápidas.

A visão geral do Artigo 50 da Comissão identifica quatro situações principais envolvendo interação, conteúdo sintético, análise biométrica e texto de interesse público. Produtos reais podem atravessar várias dessas categorias durante uma única sessão.

Considere um leitor perguntando a um assistente dentro de um serviço de notícias sobre uma eleição. A interface deve comunicar que o leitor está interagindo com IA. O material gerado pode precisar de uma marca legível por máquina. Se texto sintético de interesse público aparecer sem revisão editorial, uma divulgação visível também pode ser aplicável.

Uma plataforma pode, portanto, precisar de transparência em camadas. Um aviso descreve o sistema conversacional, outro identifica o resultado gerado, e links de fontes documentam a procedência. Combinar esses elementos sem confundir o leitor é um problema de design tanto quanto jurídico.

A mesma pressão alcança as editoras. Redações que automatizam resumos, traduções, narração ou produção visual precisam manter registros que mostrem onde a IA entrou no fluxo de trabalho. Também precisam de um padrão defensável para a revisão humana.

Equipes que gerenciam pesquisa podem preservar essas decisões em uma base de conhecimento de IA pesquisável. Esse registro não estabelece conformidade legal por si só. Ainda assim, pode ajudar editores a rastrear fontes, revisões, aprovações e escolhas de divulgação.

Rótulos do Google News Não Podem Comprovar que a Notícia É Verdadeira

A abordagem europeia melhora os sinais de procedência, mas não transforma divulgação em verificação.

Esse é o principal equilíbrio em jogo. Os reguladores podem exigir que organizações revelem a participação de máquinas, mas a verdade não pode ser reduzida a um marcador binário de IA. Reportagens humanas podem ser falsas, e trabalhos assistidos por IA podem ser precisos, baseados em fontes e cuidadosamente revisados.

Os leitores ainda podem tratar rótulos como indicadores de qualidade. Um aviso de “gerado por IA” pode sugerir falta de confiabilidade, enquanto a ausência dele pode sugerir autenticidade humana. Nenhuma das inferências é segura.

A marcação legível por máquina enfrenta limites semelhantes. Um sinal durável pode sobreviver à distribuição comum, mas plataformas podem remover metadados por meio de capturas de tela, cópia, recompressão ou conversão. Agentes maliciosos também podem ignorar exigências de marcação ou rotular falsamente material autêntico.

O código de transparência voluntário da Comissão oferece medidas práticas para provedores e operadores. Publicado em 10 de junho de 2026, ele busca ajudar organizações a demonstrar conformidade com os deveres de marcação e rotulagem de conteúdo.

A participação voluntária não elimina a responsabilidade legal. Uma organização que não seguir o código ainda precisa cumprir as regras e estar preparada para explicar suas medidas alternativas. As autoridades podem examinar se essas medidas satisfazem o AI Act.

Isso cria uma vantagem prática para a implementação padronizada. Convenções compartilhadas podem tornar rótulos e sinais legíveis por máquina mais fáceis de reconhecer pelas plataformas. Elas também podem reduzir a chance de que cada serviço invente terminologia incompatível.

A padronização tem limites, porém. Um ícone comum não pode mostrar quanto de um artigo foi gerado, se um editor verificou cada afirmação ou se um modelo apenas corrigiu a gramática. Uma única categoria pode achatar diferenças relevantes.

A exceção de revisão editorial acrescenta outro desafio. O revisor humano final pode ter tido pouco tempo, acesso incompleto às fontes ou especialização insuficiente no assunto. Uma aprovação meramente nominal pode satisfazer um fluxo de trabalho interno sem oferecer o escrutínio que os leitores esperam.

O problema inverso também existe. Uma redação pode usar IA para transcrição ou formatação enquanto jornalistas verificam independentemente cada afirmação substantiva. Um rótulo amplo poderia superestimar o papel editorial da máquina e reduzir a confiança em uma reportagem sólida.

O Google News precisa preservar essas distinções ao exibir conteúdo de terceiros. Se uma editora fornecer uma divulgação, a plataforma deve evitar descartá-la durante a agregação. Se o Google criar seu próprio resumo, essa transformação exige tratamento separado do artigo-fonte.

A atribuição é, portanto, essencial. Uma divulgação útil deve responder a pelo menos três perguntas: Quem produziu a redação exibida, quais fontes a sustentam e que tipo de revisão ocorreu? O Artigo 50 estabelece uma base, mas as plataformas podem fornecer mais contexto.

A verificação independente continua necessária porque os sinais de conformidade vêm de agentes dentro da cadeia de produção. Um fornecedor em conformidade pode cometer um erro. Um agente mal-intencionado pode escapar da divulgação, e um item autêntico pode ser rotulado incorretamente por outro serviço.

Os leitores também devem distinguir a proveniência da lógica de recomendação. Um marcador pode identificar material sintético sem revelar nada sobre o motivo pelo qual um algoritmo o promoveu. Questões sobre justiça no ranqueamento, tratamento dado aos editores e personalização exigem análise separada.

A Comissão Europeia escolheu um ponto de partida pragmático. Ela busca combater a enganação tornando interações e conteúdos artificiais mais reconhecíveis. Não afirma que a rotulagem, por si só, resolverá a desinformação.

Essa cautela é importante. Tratar o framework como um sistema de autenticidade criaria uma confiança falsa. Seu objetivo mais defensável é fornecer contexto antes que o leitor decida em que confiar.

A Fiscalização Decidirá se a Transparência se Mantém

As regras só se tornam significativas quando as divulgações sobrevivem ao percurso entre a saída do modelo e a tela do leitor.

O conteúdo generativo pode passar por muitos serviços. Um modelo produz texto, um aplicativo o edita, um editor o publica, um agregador o resume e um usuário compartilha uma captura de tela. Cada transferência pode preservar, modificar ou apagar informações sobre a origem.

O Artigo 50 trata de fornecedores e implementadores porque nenhuma empresa controla sozinha todo esse percurso. Um fornecedor desenvolve ou disponibiliza o sistema de IA relevante. Um implementador usa o sistema sob sua autoridade, muitas vezes dentro de um serviço voltado ao público.

Essa divisão pode distribuir responsabilidades, mas também pode gerar disputas. Uma empresa de modelos pode afirmar que forneceu um marcador técnico. Um desenvolvedor de aplicativos pode dizer que uma plataforma o removeu. A plataforma pode depender de metadados incompletos fornecidos pelo editor.

As autoridades nacionais de fiscalização de mercado conduzirão grande parte da fiscalização. O European AI Office tem um papel mais restrito, envolvendo sistemas conectados a modelos de uso geral sob condições específicas. O European Data Protection Supervisor abrange as instituições e os órgãos da UE.

A Comissão afirma que violações qualificadas podem resultar em multas de até €15 milhões ou 3% do faturamento anual mundial das empresas. O valor aplicável depende da infração e dos requisitos de proporcionalidade da lei.

Esses valores criam um incentivo para documentar decisões, mas as penalidades, por si só, não garantem práticas uniformes. As prioridades de fiscalização podem variar entre os Estados-membros. As interpretações técnicas também podem evoluir à medida que surgem novos formatos e métodos de geração.

Uma transição limitada complica ainda mais os primeiros meses. A orientação atual da Comissão descreve um período de carência até 2 de dezembro de 2026 para as obrigações relevantes de marcação que envolvam sistemas generativos qualificáveis colocados no mercado antes de 2 de agosto.

Conteúdo gerado e já publicado antes de 2 de agosto não exige rotulagem retroativa. Isso evita um enorme projeto de revisão de acervo, mas deixa material sintético antigo circulando ao lado de conteúdo recém-rotulado.

Os leitores, portanto, encontrarão um ambiente desigual. Duas imagens semelhantes podem exibir sinais diferentes porque uma antecede a data de aplicação. A ausência de um marcador não pode estabelecer com confiabilidade que nenhuma IA esteve envolvida.

A interoperabilidade será outro teste. Uma marca técnica que funciona dentro do sistema de um fornecedor tem pouco valor se outros serviços não conseguem reconhecê-la. Padrões abertos e duradouros são importantes porque o conteúdo jornalístico atravessa fronteiras organizacionais.

O texto da Lei de IA da UE exige que as marcas sejam eficazes, interoperáveis, tecnicamente confiáveis e robustas sempre que tecnicamente viável. Esses objetivos apontam na direção certa, mas o desempenho precisa ser avaliado em condições reais de distribuição.

Capturas de tela são um teste de estresse direto. Elas podem descartar metadados enquanto preservam o conteúdo visível. Copiar texto gerado para um novo documento pode produzir o mesmo efeito. Marcas-d’água também podem enfraquecer após edição ou compressão.

As plataformas precisarão de mais de um método de detecção. Metadados, sinais incorporados, rótulos visíveis, registros de proveniência e avisos contextuais podem se reforçar mutuamente. Nenhum oferece proteção completa sozinho.

Os falsos positivos merecem atenção igual. Classificar incorretamente uma reportagem autêntica como sintética pode prejudicar a reputação de um editor. Um processo de contestação deve permitir que criadores questionem um rótulo e forneçam evidências de apoio.

Pequenos editores enfrentam um fardo diferente. Grandes empresas de tecnologia podem designar equipes jurídicas, de engenharia e de políticas para a implementação. Veículos independentes podem depender de padrões dos fornecedores e de softwares de publicação cujo suporte chega tarde.

A Comissão afirma que a proporcionalidade se aplica a empresas menores. Ainda assim, os leitores precisam de sinais consistentes independentemente do tamanho do editor. As plataformas podem se tornar canais de conformidade de facto ao validar metadados e apresentar avisos padronizados.

Esse papel dá a serviços como Google News influência considerável. Suas decisões de interface podem determinar se uma divulgação tecnicamente compatível se torna uma informação compreensível ou um ícone ignorado.

O Que uma IA Mais Segura e Transparente Significa para Editores

Os editores agora precisam de um processo de conteúdo auditável, não de uma promessa genérica de que humanos continuam envolvidos.

A primeira tarefa operacional é o inventário. Uma redação deve identificar todos os sistemas que geram, transformam, traduzem, resumem, narram, etiquetam ou ilustram conteúdo público. Ferramentas ocultas usadas por membros individuais da equipe devem fazer parte dessa revisão.

A segunda tarefa é o mapeamento de funções. As equipes precisam distinguir o fornecedor de IA do implementador e determinar quem publica cada resultado. Os contratos devem explicar qual parte fornece marcas técnicas e qual as preserva.

A terceira tarefa é definir uma revisão editorial significativa. Uma política deve declarar o que os revisores inspecionam, quais fontes consultam e quem pode aprovar a publicação. “Humano no circuito” é vago demais para sustentar decisões consistentes.

As organizações de notícias também precisam separar assistência de baixo risco de geração substancial. Correção ortográfica não equivale a sintetizar alegações a partir de várias reportagens. Transcrição automatizada é diferente de publicar um resumo não verificado dessa transcrição.

A documentação deve acompanhar o conteúdo, em vez de ficar em uma pasta isolada de conformidade. Os editores precisam acessar o material-fonte, a saída do modelo, as alterações e o histórico de aprovação. Um fluxo de trabalho pesquisável pode ajudar as equipes a reconstruir decisões quando surgirem dúvidas.

Google News e distribuidores semelhantes precisam de controles paralelos. Eles devem preservar as divulgações dos editores, rotular suas próprias camadas geradas e distinguir o texto-fonte dos resumos da plataforma. Também devem fornecer caminhos acessíveis para a reportagem original.

Uma redação clara importa. “Criado com IA” comunica algo diferente de “resumido por IA e revisado por um editor”. As plataformas devem evitar avisos genéricos quando dispõem de informações mais precisas.

A interface deve manter as divulgações essenciais perto do conteúdo afetado. Um aviso escondido em configurações ou documentação jurídica pouco faz para evitar mal-entendidos imediatos. Os requisitos de acessibilidade devem contemplar leitores de tela e outras tecnologias assistivas.

As organizações devem testar a compreensão, não apenas a visibilidade. Um rótulo pode atender a uma lista de verificação de design enquanto os usuários interpretam mal seu significado. Os testes devem perguntar se as pessoas entendem o que a IA fez e o que a divulgação não garante.

Os editores também devem planejar correções. Se um resumo gerado distorce uma reportagem, atualizar o artigo-fonte pode não corrigir automaticamente versões em cache ou distribuídas por sindicância. Os fluxos de correção devem alcançar todas as superfícies controladas pela organização.

O framework europeu recompensa evidências de implementação deliberada. Seguir o código voluntário pode fornecer um caminho reconhecível, enquanto métodos alternativos exigem sua própria justificativa. Qualquer abordagem requer registros que os reguladores possam inspecionar.

A lição maior é que a transparência começa antes. Uma plataforma não pode criar proveniência precisa na fase final de exibição quando participantes anteriores deixaram de registrar a origem e o tratamento do conteúdo.

O Que Observar Após o Prazo de Transparência do Google News

O próximo teste não é se os rótulos aparecerão, mas se permanecerão confiáveis, compreensíveis e aplicáveis.

O primeiro sinal é a implementação nas principais plataformas até 2 de dezembro de 2026. Observe se Google News e serviços comparáveis distinguem resumos gerados de manchetes dos editores. Avisos consistentes e específicos fortaleceriam a abordagem da Comissão. Alertas genéricos ou ocultos a enfraqueceriam.

A data de transição também revela se sistemas mais antigos recebem atualizações técnicas significativas. Fornecedores com produtos qualificáveis anteriores a agosto têm tempo adicional para determinadas obrigações de marcação. Suas implementações em dezembro mostrarão se a interoperabilidade é prática em sistemas já estabelecidos.

O segundo sinal é a fiscalização pelas autoridades nacionais. As primeiras investigações definirão como os reguladores interpretam divulgação significativa, controle editorial e viabilidade técnica. Casos envolvendo metadados removidos ou interfaces enganosas esclareceriam a responsabilidade ao longo da cadeia de distribuição.

Os reguladores devem publicar fundamentação suficiente para que organizações menores possam aplicar essas lições. Acordos sem explicação ou decisões nacionais inconsistentes deixariam os editores inseguros. Orientações coordenadas tornariam a conformidade mais previsível.

O terceiro sinal são as evidências sobre a compreensão dos usuários. Plataformas e pesquisadores independentes devem examinar se as pessoas percebem os rótulos e os interpretam corretamente. Um framework bem-sucedido deve reduzir a enganação sem ensinar os usuários a acreditar que todo item sem rótulo é autêntico.

As taxas de erro também importam. Falsos negativos deixam conteúdo sintético sem identificação, enquanto falsos positivos podem prejudicar trabalho legítimo. Relatos públicos sobre disputas, correções e desempenho de detecção revelariam se o sistema merece confiança.

Google News continuará sendo um ponto importante de observação porque combina material de editores com distribuição automatizada. Se a proveniência sobreviver ali, terá uma chance maior de sobreviver em outros lugares. Se desaparecer na agregação, a conformidade anterior perderá grande parte de seu valor.

A Comissão Europeia estabeleceu uma base jurídica, não um sistema completo de confiança. Suas regras tornam mais difíceis de ocultar certas formas de envolvimento de máquinas. Elas não verificam alegações, não expõem todas as decisões de ranqueamento nem resolvem a economia entre plataformas e editores.

Os leitores devem reagir tratando um rótulo de IA como contexto. Verifique a fonte original, compare reportagens independentes e procure responsabilidade editorial identificada. A ausência de um rótulo nunca deve substituir a verificação.

Editores e equipes de produto devem agora auditar onde o material gerado entra em seus serviços e o que acontece após a distribuição. A questão decisiva para Google News já não é se a IA molda a experiência. É se os usuários conseguem enxergar essa influência com clareza suficiente para avaliar a informação por si mesmos.