Fraude com IA em entrevistas é um rótulo só esticado sobre três problemas distintos, e o controle que resolve um não faz nada pelos outros dois. Substituição de identidade: alguém que não é a pessoa candidata faz a entrevista, seja um proxy humano, seja um face-swap em tempo real conduzido pelo operador. Procedência das respostas: quem aparece é mesmo quem diz ser, e um modelo fora da tela escreve as respostas. Fabricação de persona: o nome, o histórico profissional e as referências foram manufaturados para encaixar na vaga. A resposta curta para como se contém é que não se detecta dentro da entrevista. Você ancora a identidade num portão que você controla, publica a regra de uso de IA antes do processo para que a procedência das respostas vire questão de política e não adivinhação, e faz perguntas cujas respostas um modelo não consegue fornecer.
O que não é. Não é a pessoa usar IA para escrever o currículo ou para treinar: isso é preparação, e hoje é o piso. Não é proctoring, e não é detecção de emoção, estresse ou honestidade: o artigo 5(1)(f) do EU AI Act proíbe inferir emoções a partir de dados biométricos no ambiente de trabalho, e o guia da Comissão de fevereiro de 2025 sobre práticas proibidas lê “ambiente de trabalho” incluindo pessoas candidatas durante a seleção. Não é o mesmo problema que viés na triagem com IA, que trata de quem seus modelos rejeitam, não de quem está na chamada. E não é um problema de perícia forense de mídia que se resolve comprando um detector.
As três classes, e o que cada uma exige
| Classe | O que está realmente acontecendo | O controle que segura | O controle que não segura |
|---|---|---|---|
| Substituição de identidade | Um proxy ou uma camada de face-swap faz o processo; a pessoa contratada não é a entrevistada | Documento oficial mais prova de vivacidade, amarrada a um portão nomeado; um checkpoint síncrono presencial ou supervisionado | O julgamento do recrutador sobre o vídeo; um score de detecção de deepfake |
| Procedência das respostas | Candidato real, modelo oculto fornecendo respostas em tempo real | Uma regra de uso de IA publicada, mais perguntas ancoradas nos artefatos do próprio candidato e follow-ups que interrompem | Compartilhar tela; pedir que prometam não usar IA |
| Fabricação de persona | Identidade sintética ou roubada, histórico inventado, referências controladas | Verificação de emprego e identidade na oferta, ligações para referências com números que você mesmo levantou | Qualquer coisa dentro da entrevista: o processo não é onde um histórico fabricado quebra |
Essa taxonomia importa porque a maioria dos programas compra um controle e acredita ter coberto os três. Uma checagem de identidade na oferta não faz nada contra um candidato real lendo do Cluely. Um modelo de detecção de cola não faz nada contra um notebook enviado para o endereço de um reenviador.
O que a evidência realmente sustenta
Fabricar um candidato sintético é trabalho de um horário de almoço. A Unit 42 publicou em 21 de abril de 2025 uma pesquisa em que um pesquisador sem experiência em manipulação de imagem construiu uma identidade sintética capaz de passar numa entrevista em vídeo em 70 minutos, num computador de cinco anos com uma GTX 3070, usando ferramentas gratuitas e rostos gerados por IA. A mesma pesquisa nomeia os modos de falha do face-swap em tempo real: a consistência temporal quebra em movimentos rápidos de cabeça, o tratamento de oclusão quebra quando uma mão cruza o rosto, a adaptação de iluminação quebra em mudanças bruscas de brilho, e a sincronização audiovisual desanda.
Compradores institucionais já tratam isso como vetor de fraude de primeira linha. A previsão de fraude da Experian, publicada em 13 de janeiro de 2026, nomeou candidatos gerados por IA entre as ameaças do ano, alertando que empregadores farão onboarding de pessoas que não são quem dizem ser e lhes darão acesso a sistemas sensíveis.
O ferramental de procedência de respostas está financiado e é mainstream. A Cluely levantou uma Série A de US$ 15 milhões liderada pela Andreessen Horowitz em 20 de junho de 2025, a um valuation post-money de cerca de US$ 120 milhões, depois de um seed de US$ 5,3 milhões em abril. Seus fundadores foram suspensos da Columbia por causa do Interview Coder, o antecessor construído especificamente para passar em entrevistas técnicas sem ser detectado. Isso não é uma capacidade marginal que uma política consiga desejar para fora.
Os números de prevalência são direcionais, não medidos. O número mais citado de 2026 — 38,5% de 19.368 entrevistas sinalizadas por comportamento de cola com IA entre julho de 2025 e janeiro de 2026, com cargos técnicos em 48% contra 12% em vendas — vem da Fabric, fornecedora que vende software de entrevista com detecção de cola embutida. Ali um flag é a saída de um modelo acima de um limiar de probabilidade de 40%, não um achado adjudicado, e nenhuma taxa de falsos positivos é publicada junto. Leia como evidência de que a direção é de alta e o volume não é trivial. Não coloque num board deck como taxa medida.
Revisão humana não é um controle. A iProov testou 2.000 consumidores do Reino Unido e dos Estados Unidos em fevereiro de 2025; 0,1% identificou corretamente cada item real e sintético da bateria, e os participantes foram 36% piores em vídeo sintético do que em imagens sintéticas. A leitura honesta é mais estreita que a manchete: 0,1% é uma taxa de acerto total sobre um conjunto completo, não a chance de um recrutador qualquer flagrar um falso qualquer. Ainda assim descarta “treine os recrutadores para perceber” como defesa principal.
Por que começar pela detecção falha
Três razões, e elas se somam.
Taxas-base. Uma triagem que pega 80% dos candidatos fraudulentos a uma taxa de falsos positivos de 5%, contra um prior de 2%, produz um flag que é real em cerca de um quarto das vezes. Três em cada quatro flags são pessoas inocentes. A aritmética está desenvolvida na Skill de detecção de fraude em entrevistas, e é a razão pela qual um flag vai para verificação e nunca para rejeição.
Generalização dos detectores. Detectores de deepfake desabam fora da distribuição de treino, e o adversário escolhe o gerador. Um score que você não consegue comparar contra o modelo realmente em uso é um número, não um controle.
A exposição jurídica corre no sentido contrário. Analisar o vídeo em busca de geometria facial ou de impressão vocal te puxa para a BIPA de Illinois e para a AI Video Interview Act, com deveres de aviso, consentimento e exclusão anexados. Comprar um score de terceiros sobre uma pessoa candidata levanta questões de decisão automatizada sob a NYC Local Law 144. Quanto mais pesado o stack de detecção, mais superfície de compliance você passa a ter, por um sinal que não sobrevive à própria taxa-base.
Os controles que seguram
- Ancore a identidade num portão nomeado, não no processo. Documento oficial mais prova de vivacidade na oferta ou no onboarding, conferido contra o nome do registro de folha. Compare o endereço do documento de identidade com o endereço de envio do equipamento da empresa; uma divergência ali é o sinal mais barato disponível e quase ninguém olha.
- Mantenha um checkpoint síncrono que um proxy não consiga ocupar. Google, Cisco e McKinsey reinstauraram rodadas presenciais ao longo de 2025 exatamente por isso: Scott McGuckin, VP de aquisição global de talentos da Cisco, ligou a mudança diretamente a candidatos falsos se infiltrando na contratação remota. Uma rodada basta; um onsite completo não é o pedido.
- Publique a regra de uso de IA antes da primeira entrevista. Decida se a assistência é proibida, permitida com declaração ou permitida sem mais, e diga isso no convite. Se nada foi publicado, o default honesto é permitida, e triar contra uma regra não enunciada é indefensável.
- Faça perguntas que um modelo não consiga responder por eles. Os commits deles, as decisões deles, o tradeoff de que se arrependem. Interrompa. Faça follow-up fora do roteiro. Um assistente escondido resolve a pergunta que recebeu, não o terceiro follow-up sobre uma escolha que a pessoa fez em 2023.
- Use desafios ao vivo contra os modos de falha conhecidos, e não dê peso demais a eles. Um giro de perfil, uma mão cruzando o rosto, uma mudança de iluminação: a recomendação da própria Unit 42, mirando oclusão e consistência temporal. Falhar num é motivo para verificar. Passar nos três não prova nada.
- Encaminhe todo flag para uma conversa de verificação. Um follow-up estruturado de 45 minutos resolve a maioria dos flags. O resultado dessa conversa, não o score, é o que chega à decisão de contratação.
- Verifique emprego e identidade na oferta, independentemente do processo. Históricos fabricados quebram contra registros de folha e referências que você mesmo levantou, nunca contra uma boa performance de entrevista.
Armadilhas comuns
Comprar um detector de deepfake e chamar isso de programa. O fornecedor mede sobre a própria distribuição; seu adversário escolhe outro gerador. Guarda: trate qualquer score de detector como sinal de roteamento para o passo 6, e ponha o orçamento no portão de identidade do passo 1.
Rejeitar com base num flag. Com taxas-base realistas, a maioria dos flags aponta para pessoas inocentes, e um arquivo de acusações não adjudicadas contra pessoas nomeadas é descobrível em qualquer reclamação posterior. Guarda: torne a rejeição estruturalmente impossível: o campo de flag roteia para verificação e não tem caminho de rejeição.
Triar contra uma regra que você nunca publicou. Guarda: a política de uso de IA vai no convite da entrevista e na página de carreiras antes de o primeiro flag ser levantado.
Ler o número da iProov como “0,1% das pessoas conseguem identificar um deepfake”. É uma taxa de acerto total sobre uma bateria de imagens e vídeo. Guarda: cite o estudo pela conclusão que ele sustenta — revisão humana não é um controle — e não como taxa de detecção por item.
Tratar a rodada presencial como a resposta inteira. Ela fecha a substituição de identidade e não faz nada contra um funcionário real que entrega credenciais a outra pessoa depois do primeiro dia, nem contra um histórico profissional fabricado. Guarda: combine com verificação na oferta e com controles de acesso que assumam o caso do insider.
Desafios de resposta que penalizam candidatos com deficiência. Desafios de movimento, sinais baseados em olhar e limiares de latência de resposta prejudicam pessoas com diferenças motoras, visuais ou de processamento. Guarda: publique um caminho de acomodação junto com a política de uso de IA, exclua por completo sinais de olhar e de afeto, e nunca deixe um limiar de latência agir sozinho.
Deixar a resposta à fraude degradar o processo para todo mundo. Somar quatro passos de verificação a um processo de cinco etapas custa candidatos reais. Guarda: limite os controles pesados a vagas com acesso a produção ou onboarding totalmente remoto, e meça a evasão em cada passo novo.
Relacionado
- Revisar registros de entrevista em busca de fraude de identidade e de procedência de respostas — a Claude Skill, e a aritmética de taxas-base por trás da regra de rotear para verificação
- Entrevista estruturada — o desenho de perguntas que torna a procedência das respostas visível
- Desenho do processo de entrevistas — onde o checkpoint síncrono se encaixa no processo
- Illinois AI Video Interview Act — os deveres de aviso, consentimento e exclusão que aparecem se você analisar o vídeo
- NYC Local Law 144 — a linha de decisão automatizada que um score de fraude comprado pode cruzar
- Política de IA para times de recruiting — onde mora a regra publicada de uso de IA