O que aconteceu

A Comissão Europeia publicou o primeiro rascunho do Code of Practice on marking and labelling of AI-generated content, uma iniciativa voluntária para ajudar empresas a cumprir as obrigações de transparência do Artigo 50 do EU AI Act (Lei de IA da União Europeia).

O texto oficial deixa claros três pontos de cronograma:

• o rascunho foi publicado “em linha com” a meta de finalizar o código em junho de 2026;
• uma segunda versão deve ser preparada até meados de março de 2026;
• as regras de transparência para conteúdo gerado por IA devem se tornar aplicáveis em 2 de agosto de 2026.

Na prática: a Europa está desenhando, com meses de antecedência, um conjunto de compromissos e técnicas (marcação detectável + rotulagem visível) para reduzir engano, manipulação e desinformação — especialmente em torno de deepfakes e publicações de interesse público.

O que o Código cobre (provedores x deployers)

1) Provedores (quem cria/oferece sistemas generativos)

O material de referência da Comissão descreve a ideia central: outputs (texto, áudio, imagem, vídeo) precisam ser marcados de forma legível por máquina e detectável como “artificialmente gerados ou manipulados”. E, sempre que tecnicamente possível, as soluções devem ser efetivas, interoperáveis, robustas e confiáveis, levando em conta o “estado da arte” e custos.

2) Deployers (quem usa a IA para publicar/operar conteúdo)

Para quem usa ferramentas generativas no dia a dia (portais, e-commerce, marketing, atendimento, creators), o foco é rotulagem — incluindo:

• deepfakes (imagem/áudio/vídeo que “parece autêntico” para uma pessoa, mas é sintético);
• texto gerado/manipulado “informando o público” sobre assuntos de interesse público, salvo quando houver revisão humana e responsabilidade editorial (o que, na prática, cria um incentivo para processos e trilhas de auditoria).

Uma leitura útil (mais “mão na massa”) aparece na análise da Jones Day, que destaca uma abordagem multicamadas (disclosure visível + técnicas invisíveis/machine-readable, como metadados e watermarking) e o fato de que não existe “uma única técnica” que resolva tudo em todos os formatos.

Por que isso importa agora (mesmo antes de 2026)

Porque transparência está virando infraestrutura. Não é só “colocar um aviso”: é criar meios técnicos e processuais para que plataformas, usuários, jornalistas, marcas e reguladores consigam avaliar procedência e reduzir o custo de verificação.

Ao mesmo tempo, empresas estão acelerando o volume de iniciativas de IA — e isso aumenta o risco de “crescer sem governança”. Um exemplo é o 2026 AI Governance Benchmark Report (ModelOp), baseado em uma pesquisa global com 100 líderes seniores de IA, que relata um salto na quantidade de casos de uso propostos e um gargalo em produção. O release cita que 67% das empresas relatam 101–250 casos de uso propostos, enquanto 94% dizem ter menos de 25 em produção.

O recado aqui é simples: se você não consegue provar o que foi gerado por IA, onde foi publicado, quem revisou e qual política se aplica, o custo de compliance e reputação sobe — e rápido.

O que isso significa na prática

Para quem publica conteúdo (blog, e-commerce, mídia, creators)

• Defina quando rotular: deepfake sempre; “texto de interesse público” tem exceção quando há revisão humana + responsabilidade editorial (mas você precisa conseguir demonstrar isso).
• Padronize o disclosure: um selo/ícone + texto claro no começo ou junto do conteúdo, e em formatos que sobrevivam a recortes (rede social, newsletter, repost).
• Trilha de auditoria: salve prompts, versões, autores/revisores, e o modelo/ferramenta usados (não para “espionar”, mas para poder explicar e corrigir).

Para times de produto/engenharia (provedores e deployers)

• Provenance por padrão: metadados + watermarking/assinatura quando disponível. Comece com o que dá para automatizar (ex.: marcar assets gerados, manter hash, armazenar no pipeline).
• Interoperabilidade: escolha soluções que conversem com padrões e com plataformas (o “melhor” watermark do mundo não ajuda se ninguém consegue ler/validar).
• Testes contra remoção: trate marcação como “segurança” — ela precisa resistir a compressão, recorte, reupload e edições básicas.

Para compliance/jurídico e governança

• Mapeie os fluxos: onde a IA entra (texto, imagem, áudio, vídeo), quais canais de saída e quem aprova.
• Política editorial de IA: o que pode, o que não pode, e como rotular (inclusive em campanhas e “conteúdo de marca”).
• Treine o time: rotular não é “fraqueza”; é transparência — e evita retrabalho quando alguém questiona a autenticidade.

Checklist rápido (para fazer amanhã cedo)

1. Inventário: liste os pontos em que a empresa gera conteúdo com IA (incluindo agências e freelancers).
2. Rótulo mínimo: defina uma frase padrão e onde ela aparece (no topo, no rodapé, no alt text, na legenda).
3. Registro mínimo: guarde (i) ferramenta/modelo, (ii) quem gerou, (iii) quem revisou, (iv) data, (v) versão publicada.
4. Plano de incidente: se um deepfake ou conteúdo sintético “vazar” sem rótulo, quem responde e em quanto tempo?

Fique de olho amanhã

• Próximas iterações do Código: a Comissão indica um novo draft em meados de março e uma sequência de reuniões/workshops no mês (bom momento para ver se surgem compromissos mais concretos sobre técnicas aceitas).
• Efeito dominó fora da UE: quando a Europa define “como rotular”, plataformas globais tendem a copiar — e isso afeta marketing, mídia e creators no Brasil mesmo sem obrigação legal direta.
• Governança vs. volume: quanto mais casos de uso, mais importante vira a disciplina de inventário, rastreabilidade e métricas de valor (para não ficar só na “ilusão de atividade”).