ChatGPT
Perplexity
Claude
Gemini
O lado da demanda desse argumento nem chega perto. A pesquisa de 2026 da Fractl com mais de mil consumidores found that 84 percent want written AI content labeled, 91 percent want it on video, 90 percent on images, 87 percent on audio, with strongly-agree responses alone clearing half in every category. The supply side isn't close either, just in the other direction: only 20 percent of organizations say they always disclose AI use to their audience, and 33 percent say they never do. Framed that way, this looks like a straightforward compliance gap. Get more companies labeling their content, close the gap, problem solved.
Só que um par de estudos de 2026 publicados na revista Digital Journalism sugere que essa lacuna não é onde o problema de confiança realmente mora. Um deles, um experimento conjoint com consumidores de mídia chilenos, pediu que as pessoas comparassem lado a lado as políticas de IA dos veículos e descobriu que a supervisão humana, e não só a divulgação, era o fator mais influente na hora de decidir qual veículo era mais confiável e qual escolhiam ler. Se um veículo usava IA para tarefas simples ou para personalizar formatos quase não fazia diferença. O que fez diferença foi se uma pessoa tinha revisado o que a IA produziu. Um rótulo responde a uma pergunta: houve IA envolvida. Acontece que essa raramente é a pergunta que o público realmente está fazendo.
O segundo estudo, baseado em entrevistas em vez de experimentos, encontrou algo mais contundente: os rótulos podem ter o efeito contrário. One participant described their reaction to seeing an AI label as "I probably need to fact-check this and try and find another article," which is the opposite of what a disclosure label is supposed to accomplish. Others saw AI use itself as a kind of professional shortcut, with one interviewee putting it bluntly about a fully AI-written article: "You can do that as an 11-year-old. You don't need the training for that if you're going to use AI to generate your entire article." A vague, generic label doesn't resolve that instinct. It just confirms the suspicion without giving anyone a reason to set it aside.
What the same research found does help: specificity about degree, not just presence. Interview subjects drew a real line between an article labeled as fully AI-generated and one labeled as AI-assisted, treating those as different claims requiring different levels of scrutiny, and they wanted that distinction visible at the top of a piece rather than buried in a footer where it could look like it was trying not to be noticed. None of that is about whether to disclose. It's about whether the disclosure actually tells someone what happened and whether a person was accountable for it.
Essa é a distinção que a lógica de conformidade ignora por completo. Uma lei pode obrigar a existência de um rótulo. Mas não pode obrigar que o rótulo cumpra o verdadeiro papel de reconstruir a confiança, porque confiança depende de o público acreditar que uma pessoa competente ainda estava no comando, e não da presença do rótulo na página. Fazer com que os 33 por cento que nunca revelam comecem a fazê-lo já importa por si só. Mas a pergunta mais difícil e mais útil por trás disso é se o que é revelado realmente diz algo a alguém, ou apenas marca uma caixinha que não toca no que as pessoas de fato estavam preocupadas desde o início.