INTERPOL alerta que a IA está presente em 55% dos cibercrimes reportados na África

A INTERPOL trouxe um número contundente ao ciclo de notícias do Google News: a inteligência artificial está ligada a 55% dos cibercrimes reportados em toda a África. As perdas financeiras comunicadas também ultrapassaram US$ 480 milhões, mais que o dobro do nível registrado em 2024.

A manchete é alarmante, mas exige interpretação cuidadosa. A IA não substituiu phishing, roubo de identidade, extorsão ou fraude de investimento. Redes criminosas a utilizam para produzir materiais convincentes mais rapidamente, contatar mais alvos e operar em diferentes idiomas com menos trabalhadores especializados.

Essa distinção define o conflito real. Grupos criminosos podem adotar ferramentas baratas quase imediatamente, enquanto polícia, bancos, operadoras de telecomunicações e promotores precisam se coordenar além de fronteiras institucionais e nacionais. Avaliações anteriores da INTERPOL já identificavam grandes lacunas em sistemas de denúncia, armazenamento de evidências, compartilhamento de inteligência, treinamento e cooperação com o setor privado.

Não se trata apenas de e-mails de phishing melhores. É uma história sobre a industrialização de métodos de fraude conhecidos, ao lado de instituições públicas que ainda trocam informações críticas lentamente demais.

O que a constatação de 55% da INTERPOL realmente muda

A IA se tornou parte das operações comuns de cibercrime, e não uma categoria separada reservada a atacantes altamente técnicos.

O percentual reportado de 55% pela INTERPOL abrange casos nos quais a IA desempenha algum papel. Esse papel pode incluir criar uma mensagem, gerar uma imagem, clonar uma voz, automatizar contatos ou construir uma identidade sintética. Isso não significa necessariamente que um sistema de IA planejou e executou todas as etapas de um delito.

Esse alcance importa. Um criminoso pode usar um modelo de linguagem para reescrever um antigo golpe de taxa antecipada sem alterar o crime subjacente. Outro grupo pode gerar centenas de mensagens personalizadas a partir de dados de clientes roubados. Um terceiro pode combinar um número de identidade real com um retrato artificial para criar uma conta que pareça legítima.

Cada exemplo envolve IA, mas a profundidade técnica varia consideravelmente. O efeito comum é a redução do custo de produção e uma escala operacional maior.

O alerta da INTERPOL também chega após anos de pressão crescente. Sua avaliação de 2025 constatou que o cibercrime representava mais de 30% dos crimes reportados na África Ocidental e Oriental. Dois terços dos países africanos membros pesquisados descreveram os delitos cibernéticos como uma parcela média a alta de todos os crimes reportados.

Golpes online foram a ameaça reportada com maior frequência. Ransomware, comprometimento de e-mail corporativo e sextorsão digital também eram disseminados. O comprometimento de e-mail corporativo, comumente abreviado como BEC, usa contas de trabalho falsificadas ou comprometidas para redirecionar pagamentos ou roubar informações sensíveis.

A avaliação de 2025 também constatou que 60% dos países participantes registraram aumento nas denúncias de sextorsão digital. Imagens artificiais podem facilitar o lançamento desses esquemas, pois os infratores não precisam mais de material íntimo autêntico antes de ameaçar um alvo.

O novo número de perdas, reportado em aproximadamente US$ 484 milhões, acrescenta peso financeiro a esse padrão. No entanto, ele não deve ser tratado como uma estimativa completa do custo econômico do cibercrime em toda a África. Muitas vítimas nunca denunciam fraudes, e os países não utilizam um sistema de denúncia uniforme.

A métrica é mais bem compreendida como um piso documentado dentro da estrutura de reportes da INTERPOL. Ela captura as perdas visíveis para as autoridades participantes, e não cada pagamento roubado, negócio interrompido, conta comprometida ou despesa de recuperação.

Leitores do Google News podem encontrar a alegação mais curta de que a IA “alimenta” 55% do cibercrime africano. A interpretação mais completa é mais útil: a IA agora aparece em grande parte do ambiente de ameaças registrado, amplificando crimes que já funcionavam.

Isso muda o planejamento de segurança. As organizações não podem mais reservar controles relacionados à IA para equipes experimentais de ameaças. Verificação de identidade, aprovação de pagamentos, treinamento de funcionários e resposta a incidentes precisam pressupor que adversários podem gerar textos, áudios, imagens e perfis críveis em escala.

A IA torna fraudes antigas mais rápidas e convincentes

A ameaça central não é uma nova classe de crime, mas uma camada de automação aplicada a formas comprovadas de manipulação.

O phishing continua eficaz porque explora a atenção humana. A IA generativa ajuda infratores a eliminar erros de ortografia, ajustar o tom, imitar expressões locais e criar variações que evitam a detecção de modelos simples.

Um grupo criminoso pode inserir detalhes roubados em um modelo e produzir mensagens adaptadas ao empregador, cargo, idioma ou atividade recente de cada vítima. As informações subjacentes podem vir de uma violação de dados, perfil social, página pública de uma empresa ou caixa de e-mail comprometida.

O mesmo processo pode fortalecer ataques de BEC. Antes, uma solicitação fraudulenta de pagamento exigia que o atacante entendesse como um executivo escrevia e como uma empresa aprovava faturas. A IA pode analisar rapidamente mensagens roubadas e imitar sua linguagem.

A clonagem de voz adiciona outra camada. Uma gravação curta de uma reunião, entrevista ou vídeo social pode fornecer material para fala artificial. Criminosos podem então se passar por um executivo, parente, funcionário público ou parceiro romântico durante uma interação de alta pressão.

Deepfakes, áudios ou vídeos sintéticos realistas que retratam eventos que nunca ocorreram, são especialmente relevantes para extorsão e abuso de identidade. Eles podem criar provas fabricadas, sustentar perfis falsos ou aumentar a credibilidade da narrativa de um golpista.

Identidades sintéticas representam um problema diferente. Essas identidades combinam informações pessoais autênticas com detalhes inventados ou mídia gerada. Elas podem parecer consistentes o bastante para passar por uma análise inicial, mas permanecem controladas pelo infrator.

Um banco pode ver um número de identificação válido associado a um rosto artificial. Uma plataforma de contratação pode receber um currículo bem elaborado e uma foto de perfil gerada. Uma vítima pode passar semanas se comunicando com uma pessoa fabricada, cujas mensagens, imagens e chamadas de voz reforçam a mesma narrativa.

A IA também ajuda grupos criminosos a testar mais abordagens. Se uma mensagem falhar, um fluxo de trabalho automatizado pode ajustar a linguagem e contatar outro alvo. Esse ciclo de feedback se assemelha à otimização legítima de marketing, mas seu objetivo é roubo ou coerção.

A avaliação global de fraudes da INTERPOL afirmou que a fraude aprimorada por IA era 4,5 vezes mais lucrativa do que os métodos tradicionais. A organização também alertou que a IA agêntica poderia apoiar várias etapas de uma campanha, do reconhecimento até uma exigência de resgate.

IA agêntica refere-se a sistemas projetados para selecionar e concluir várias tarefas conectadas com orientação humana limitada. Em uma operação criminosa, isso pode significar coletar informações sobre alvos, gerar abordagens, classificar respostas e intensificar conversas promissoras.

A versão mais capaz desse fluxo de trabalho continua diferente de um golpista comum usando um chatbot. Ainda assim, ambas pressionam os defensores porque ampliam o número e a qualidade das tentativas de ataque.

Empresas de tecnologia também enfrentam um problema de moderação. Um único operador pode criar muitas contas, identidades, anúncios ou mensagens. Remover uma conta visível faz pouco se os domínios, rotas de pagamento, dispositivos, números de telefone e administradores associados continuarem ativos.

O OCCRP documentou como organizações criminosas estão usando a IA como arma enquanto autoridades enfrentam dados fragmentados. Essa fragmentação impede investigadores de perceber que denúncias separadas compartilham infraestrutura ou conexões financeiras.

A IA, portanto, altera ambos os lados da equação de volume. Infratores produzem mais material, enquanto defensores recebem mais alertas e evidências. Sem melhor priorização, o sistema defensivo pode se tornar mais lento mesmo quando coleta mais dados.

A manchete do Google News esconde uma lacuna de denúncias

A estatística de 55% indica uma mudança séria, mas não estabelece que a IA causou 55% de todo o cibercrime na África.

A distinção começa com a palavra “reportado”. Estatísticas criminais dependem de as vítimas reconhecerem um delito, contatarem uma instituição e terem o caso classificado de forma consistente. Cada etapa pode retirar incidentes do quadro oficial.

As vítimas podem permanecer em silêncio porque se sentem constrangidas, desconfiam das autoridades, temem danos à reputação ou acreditam que a recuperação é impossível. Empresas também podem evitar a divulgação quando um incidente pode alarmar clientes ou expor controles fracos.

A infraestrutura de denúncia varia amplamente. A pesquisa da INTERPOL de 2025 constatou que apenas 30% dos países africanos respondentes tinham um sistema de reporte de incidentes. Apenas 29% informaram ter um repositório de evidências digitais, enquanto 19% tinham um banco de dados de inteligência sobre ciberameaças.

Essas limitações dificultam comparações entre países. Um país com melhor detecção pode parecer mais perigoso simplesmente porque registra mais incidentes. Uma jurisdição com canais de denúncia limitados pode parecer mais tranquila enquanto fraudes substanciais permanecem invisíveis.

Há também um desafio de classificação. Investigadores podem identificar texto gerado por IA ou imagens sintéticas, mas muitos usos são mais difíceis de provar. Uma mensagem bem escrita, por si só, não comprova que um modelo de linguagem a criou.

O problema oposto também existe. A IA pode contribuir para reconhecimento, tradução ou seleção de vítimas sem deixar um artefato evidente. Investigadores podem classificar o caso como phishing convencional mesmo que a automação tenha ampliado seu alcance.

Por esse motivo, a parcela reportada de 55% não deve ser interpretada como um censo preciso de todos os delitos. Trata-se de uma avaliação de casos visíveis e de inteligência de agências e parceiros participantes.

O número de perdas financeiras apresenta limitações semelhantes. Transferências diretas são mais fáceis de quantificar do que produtividade perdida, trabalho de recuperação, interrupção operacional ou abuso de identidade de longo prazo. Conversão de moedas e períodos de reporte inconsistentes podem acrescentar mais incerteza.

Essas ressalvas não tornam o alerta menos importante. Elas mostram por que a ameaça real pode ser mais ampla do que um número de manchete, ao mesmo tempo em que evitam uma interpretação exagerada.

Uma preocupação separada é a compressão de fontes. O Google News agrega manchetes de veículos, mas a camada de agregação não produz a pesquisa subjacente. Leitores devem seguir a cadeia de reportagens até a avaliação e os registros operacionais da INTERPOL antes de repetir uma estatística.

Essa prática importa porque uma manchete pode transformar “a IA foi ligada a casos reportados” em “a IA causou a maior parte do crime”. A segunda alegação é mais forte e não é sustentada pela formulação disponível.

Equipes de segurança também devem evitar tratar toda infração assistida por IA como tecnicamente avançada. Muitas campanhas bem-sucedidas ainda dependem de credenciais roubadas, controles fracos de pagamento, senhas reutilizadas e funcionários apressados.

Focar apenas na detecção de deepfakes pode deixar essas fraquezas básicas intactas. Uma voz artificial convincente importa menos quando uma empresa exige confirmação independente antes de alterar dados de pagamento.

A interpretação mais sólida combina as duas perspectivas. A IA melhora materialmente a escala e a persuasão dos criminosos, mas controles comuns ainda determinam se muitas tentativas terão sucesso.

Bancos, operadoras de telecomunicações e polícia enfrentam o mesmo teste de coordenação

Os atacantes se beneficiam de sistemas digitais conectados, enquanto os defensores continuam divididos por fronteiras organizacionais.

Uma campanha moderna de fraude pode atingir um serviço de e-mail, rede social, operadora de telefonia móvel, banco, exchange de criptomoedas, provedor de hospedagem e registrador de domínios. Cada instituição enxerga apenas uma parte da operação.

Uma operadora de telecomunicações pode detectar mensagens em massa enviadas de vários números. Um banco pode sinalizar transferências incomuns. Uma plataforma pode remover contas de falsificação de identidade. A polícia pode receber denúncias de vítimas em diferentes cidades.

Esses sinais se tornam muito mais valiosos quando os investigadores conseguem conectá-los rapidamente. O compartilhamento tardio dá aos criminosos tempo para transferir fundos, substituir contas, mover infraestrutura ou contatar mais vítimas.

A avaliação da INTERPOL de 2025 concluiu que 86% dos países pesquisados acreditavam que sua capacidade de cooperação internacional precisava melhorar. O relatório citou processos formais, redes operacionais limitadas e dificuldade para acessar dados hospedados no exterior.

A cooperação com o setor privado apresentou outra lacuna. Oitenta e nove por cento dos países pesquisados disseram que a colaboração com empresas precisava de alguma ou de uma melhoria significativa. Canais de contato pouco claros e baixa preparação institucional estavam entre os obstáculos relatados.

Essas fragilidades explicam por que a IA cria um efeito assimétrico. Um grupo criminoso pode usar imediatamente as mesmas ferramentas online além das fronteiras. Um pedido policial de registros de conta ainda precisa passar por verificações legais, processuais e jurisdicionais.

Bancos e provedores de pagamento enfrentam pressão particular porque a intervenção financeira tem uma janela curta. Quando o dinheiro roubado passa por várias contas ou entra em uma rede de lavagem, recuperá-lo se torna mais difícil.

Empresas de telecomunicações também influenciam o resultado. Números de telefone, registros de assinantes, contas de dinheiro móvel e sinais de dispositivos podem conectar golpes aparentemente distintos. Ainda assim, esses registros exigem tratamento legal e processos confiáveis de intercâmbio.

Plataformas online precisam detectar perfis artificiais sem bloquear usuários legítimos. Isso é difícil em mercados onde documentos de identidade, conectividade e sinais de verificação disponíveis diferem entre regiões.

Uma triagem automatizada excessivamente rigorosa pode excluir clientes reais. Uma triagem fraca pode admitir identidades sintéticas. Grupos criminosos aprendem com ambos os resultados e adaptam seus envios.

As autoridades policiais não conseguem resolver esse equilíbrio apenas com software de detecção. As agências precisam de investigadores treinados, procedimentos para evidências digitais, promotores que compreendam casos técnicos e acordos que apoiem uma cooperação ágil.

A lacuna de capacidade continua visível nos resultados operacionais da INTERPOL. Durante a Operação Red Card 2.0, agências de 16 países prenderam 651 suspeitos e recuperaram mais de US$ 4,3 milhões.

A operação investigou golpes associados a mais de US$ 45 milhões em perdas e identificou 1.247 vítimas. As autoridades também apreenderam 2.341 dispositivos e desarticularam 1.442 ativos maliciosos na internet, segundo a INTERPOL.

Esses resultados demonstram que uma intervenção coordenada pode remover infraestrutura e identificar participantes. Também ilustram a lacuna de recuperação entre as perdas relatadas e o dinheiro devolvido às vítimas.

A operação expôs vários modelos de negócio, e não uma indústria uniforme de cibercrime. Os investigadores relataram fraude de investimento, esquemas de empréstimos móveis, phishing, roubo de identidade e ataques que usavam credenciais comprometidas de funcionários.

Na Costa do Marfim, as autoridades apreenderam centenas de telefones e cartões SIM em casos envolvendo aplicativos enganosos de empréstimos móveis. No Quênia, os investigadores visaram esquemas que usavam painéis de investimento fabricados e bloqueavam saques.

A Nigéria desmantelou uma rede que, segundo relatos, combinava phishing, roubo de identidade, engenharia social e falsos investimentos em ativos digitais. Outra investigação envolveu credenciais comprometidas em uma provedora de telecomunicações.

A IA pode fortalecer cada modelo, mas a resposta ainda depende de conectar pessoas, contas, dispositivos, fluxos de pagamento e infraestrutura. Uma mensagem gerada é evidência de técnica, não da rede criminosa completa.

O Crime Organizado Está Escalando um Modelo de Negócio, Não Apenas uma Ferramenta

A inversão mais profunda é que a automação de baixo custo agora sustenta operações organizadas com recrutamento, infraestrutura, lavagem de dinheiro e alcance transfronteiriço.

As manchetes sobre cibercrime frequentemente se concentram no artefato visível, como um vídeo falso ou e-mail persuasivo. O crime organizado opera por meio de um sistema muito maior.

Uma campanha de golpe precisa de alvos, contas, comunicações, canais de pagamento e métodos para movimentar fundos roubados. Redes maiores também podem empregar recrutadores, trabalhadores técnicos, mulas financeiras, fornecedores de documentos e operadores que mantêm relacionamentos com vítimas.

Alguns centros de golpes acrescentam uma dimensão de tráfico humano. Trabalhadores podem ser recrutados por meio de ofertas de emprego enganosas, transportados através de fronteiras, confinados e forçados a cometer fraudes.

A IA pode servir aos dois lados desse sistema. A INTERPOL alertou que criminosos usam anúncios falsos de emprego convincentes para recrutar pessoas, enquanto perfis e roteiros gerados apoiam golpes contra vítimas externas.

A África Ocidental também emergiu como um possível polo na globalização das atividades de centros de golpes. O alerta da INTERPOL sobre centros de golpes descreveu um modelo que se expandiu além de sua concentração anterior no Sudeste Asiático.

Isso não significa que todo golpe online se origine em um grande complexo ou sindicato organizado. Criminosos independentes e pequenos grupos continuam fazendo parte da ameaça. A mudança importante é que ferramentas compartilhadas permitem que diferentes atores reproduzam fluxos de trabalho semelhantes.

Serviços de crimeware, mercados de dados roubados, geradores de mídia artificial, vendedores de contas e redes de lavagem reduzem a necessidade de uma organização possuir todas as capacidades. Especialistas podem vender acesso a uma etapa da operação.

Essa estrutura se assemelha a uma cadeia de suprimentos. Desarticular um domínio de phishing cria atrito, mas o grupo pode comprar outro. Prender operadores da linha de frente pode não alcançar os organizadores que controlam recrutamento, finanças e infraestrutura.

Operações anteriores mostram tanto o potencial quanto os limites da repressão. A Operação Serengeti 2.0 reuniu investigadores de 18 países africanos e do Reino Unido. A operação resultou em 1.209 prisões e quase US$ 97,4 milhões em fundos recuperados.

Os casos da operação incluíram um esquema de criptomoedas na Zâmbia que supostamente fraudou mais de 65.000 vítimas. As autoridades também investigaram possíveis vínculos com tráfico humano.

Essa escala coloca a mais recente manchete do Google News em contexto. O dano financeiro não é produzido por um único modelo, país, plataforma ou grupo criminoso. Ele surge de redes capazes de dividir o trabalho e substituir componentes desarticulados.

Isso também explica por que a IA defensiva não é uma resposta completa. Ferramentas automatizadas podem detectar mensagens, rostos, transações ou dispositivos suspeitos. Ainda precisam de dados confiáveis e processos humanos que conectem um alerta à ação.

Um modelo de detecção de fraude pode identificar uma transferência incomum. O banco precisa decidir se deve pausá-la, contatar o cliente, preservar evidências e notificar a autoridade apropriada. Atrasos em qualquer ponto dessa cadeia beneficiam o criminoso.

Falsos positivos criam outra compensação. Bloquear transações legítimas pode prejudicar clientes e reduzir a confiança, especialmente quando sistemas automatizados não conseguem explicar suas decisões. Criminosos podem testar deliberadamente os limites até descobrirem o que é aprovado.

Detectores de deepfake enfrentam uma disputa semelhante. Os geradores mudam, a compressão remove pistas e usuários comuns frequentemente encontram conteúdo por meio de chamadas de baixa qualidade ou aplicativos de mensagens. O desempenho de detecção em laboratório não garante julgamento confiável em um incidente real.

Portanto, as organizações precisam de controles em camadas. A triagem técnica deve funcionar junto da verificação de pagamentos, monitoramento de contas, inteligência de dispositivos, procedimentos para funcionários e canais de escalonamento rápido.

O resultado depende menos de os defensores possuírem um modelo de IA do que de conseguirem transformar sinais separados em decisões coordenadas. Redes criminosas já se organizam em torno desse princípio.

Três Sinais Mostrarão se os Defensores Estão se Aproximando

O próximo teste é mensurável: melhores relatórios, intervenção financeira mais rápida e operações que atinjam organizadores, e não apenas contas visíveis.

O primeiro sinal é a infraestrutura de denúncia. Futuras avaliações da INTERPOL devem mostrar mais países operando portais de incidentes, repositórios de evidências e bancos de dados de inteligência sobre ciberameaças.

Contagens mais altas de incidentes após o lançamento desses sistemas não significariam automaticamente que a segurança piorou. Uma visibilidade maior frequentemente revela crimes que já existiam. As medidas úteis incluirão velocidade de denúncia, vinculação de casos e a proporção de denúncias que produz evidências acionáveis.

O segundo sinal é a recuperação de ativos. Totais de prisões atraem atenção, mas os fundos recuperados mostram se bancos, investigadores e parceiros internacionais conseguem intervir antes que redes criminosas dispersem os recursos.

A Operação Red Card 2.0 recuperou apenas parte das perdas associadas aos esquemas investigados. Futuras operações devem informar com que rapidez as instituições congelaram transferências e quanto dinheiro retornou às vítimas.

O terceiro sinal é se a repressão alcança proprietários de infraestrutura, recrutadores, especialistas em lavagem de dinheiro e organizadores. Remover milhares de contas pode desacelerar uma campanha sem desmantelar a rede por trás dela.

Casos que conectam o cibercrime ao tráfico, empresas de fachada, facilitadores de pagamento ou centros de golpes coordenados fornecerão um teste mais robusto. Eles revelam se as autoridades conseguem investigar a organização completa, em vez de sua linha de frente descartável.

As empresas não precisam esperar por esses indicadores. Elas podem exigir confirmação secundária para pagamentos sensíveis, revisar controles de identidade após a criação da conta e treinar funcionários para verificar solicitações urgentes por outro canal.

Bancos e plataformas devem tratar uma verificação de integração bem-sucedida como o início do monitoramento, não sua conclusão. Mudanças de dispositivo, comportamento incomum, novos destinos de pagamento e atividade inconsistente na conta podem expor identidades sintéticas posteriormente.

Provedores de telecomunicações podem melhorar a detecção precoce ao correlacionar mensagens abusivas, trocas rápidas de SIM e padrões repetidos de infraestrutura. Qualquer intercâmbio desses sinais deve seguir as regras aplicáveis de privacidade e evidências.

Indivíduos devem desacelerar quando uma mensagem combina urgência, sigilo, métodos de pagamento incomuns ou pressão emocional. Uma voz, rosto ou documento realista já não oferece prova confiável de identidade.

A atenção do Google News em torno do alerta da INTERPOL deve levar os leitores de volta a essas implicações práticas. A IA está tornando a fraude mais barata de personalizar e mais fácil de repetir, mas muitos ataques ainda dependem de vítimas e instituições deixarem de lado a verificação independente.

A manchete terá importância se mudar o comportamento operacional. Observe se os países africanos melhoram a denúncia de incidentes, se as instituições financeiras recuperam uma parcela maior dos fundos roubados e se as operações internacionais identificam as pessoas que coordenam as redes.

Até que esses indicadores avancem juntos, o desequilíbrio permanece. Grupos criminosos podem automatizar além das fronteiras em minutos, enquanto os defensores ainda perdem tempo valioso conectando denúncias, contas, dispositivos e transações separados.

O que as organizações devem fazer agora? Auditar as decisões que dependem de uma mensagem, imagem, voz ou documento de identidade ser autêntico. Adicionar um segundo canal de verificação quando um único sinal falso puder liberar dinheiro ou acesso a informações sensíveis. Em seguida, testar se os funcionários sabem como relatar rapidamente contatos suspeitos. A IA aumentou o volume e a credibilidade das fraudes, mas uma verificação disciplinada ainda elimina grande parte de sua vantagem.