OpenAI interrompe think tank russo falso e jornalistas iranianos criados com IA

A OpenAI (abre em nova aba) baniu, em 8 de outubro de 2026, duas operações de influência que usavam seus modelos combinados a técnicas tradicionais para sustentar entidades de fachada, uma atribuída à Rússia e outra ao Irã. A finalidade era a mesma nos dois casos: lavar mensagens geopolíticas e ligadas a conflitos para dentro de audiências reais, com aparência de jornalismo e pesquisa independente.

Operação de influência, ou IO (do inglês influence operation), designa ação coordenada que manipula a percepção pública sem revelar quem financia. A variante descrita agora é a false front, a frente falsa: uma entidade que se apresenta como independente e um autor que se apresenta como real. Nenhuma das duas coisas é verdade. É exatamente esse o mecanismo.

Dark Clark: o think tank dirigido por uma diretora que não existe

A operação atribuída à Rússia recebeu o codinome Dark Clark, derivado de Mia Clark, persona fictícia apresentada como líder do Social Research Center (SRC), um centro de estudos que se apresentava como think tank latino-americano. Na avaliação da OpenAI, é a tentativa mais complexa de sustentar uma identidade de fachada já interrompida pela empresa em dois anos e meio de relatórios.

A pauta era geopolítica e regional: deteriorar a reputação da Ucrânia perante públicos da América Latina, com incursões em debates políticos quentes da Argentina e da Bolívia.

O detalhe operacional vem dos próprios operadores. De acordo com relatórios internos que eles redigiram usando o ChatGPT (abre em nova aba), o think tank funcionava no terreno com pessoas recrutadas na América Latina sem ciência de para quem trabalhavam; esses pesquisadores entrevistavam especialistas e redigiam os relatórios do centro. Nome real, esquema alheio. É o papel que o noticiário policial brasileiro chama de laranja, e a OpenAI avalia que a cooptação se deu sem que as pessoas soubessem do propósito.

Bogus Bylines: sete assinaturas, quase 100 textos

A operação iraniana, batizada Bogus Bylines, mantinha um elenco de sete personas de jornalista que ofereciam artigos longos a veículos online pequenos e médios em vários países, com a guerra entre Estados Unidos e Irã como tema central. A OpenAI identificou quase 100 textos publicados ou reproduzidos sob essas assinaturas em cerca de uma dúzia de veículos.

Os autores documentados incluem Ervin B. Hoskins, Noah Lamington, Sophia Gonzalez, Michael Harrison, Ericka Feusier, Jenny Williams e Alice Johnson. Sete assinaturas com tom profissional e portfólio aparente. Nenhuma corresponde a uma pessoa. Em relatórios internos, os operadores alegaram ter colocado narrativas falsas em veículos de notícia e, em um caso, provocado a resposta de um membro do Parlamento Europeu. É alegação dos próprios operadores, sem verificação independente.

O que os modelos fizeram, e o que não fizeram

A precisão importa aqui. Nem todo o conteúdo publicado pelas duas operações saiu dos modelos da OpenAI; a empresa afirma isso explicitamente. O papel da IA generativa foi ocupar as etapas em que o gargalo histórico dessas operações era trabalho humano: montar personas com biografia coerente, redigir memórias internas, gerar versões de artigos para oferta a editoras, sustentar volume sem contratar equipe.

A essência não é nova. Assinaturas falsas e institutos de fachata são técnicas antigas de propaganda. O que mudou foi o custo. Manter sete autores simultâneos ou um think tank inteiro caiu para a ordem de preço de tokens, e o material atravessou barreiras editoriais que costumam filtrar produção amadora.

Para quem trabalha com detecção, há um dado de arquitetura relevante. Parte da visibilidade da OpenAI sobre o esquema russo veio do próprio uso dos modelos: os operadores registraram no chatbot como o centro funcionava. A ferramenta serviu de infraestrutura e deixou o diário de bordo.

O IO Breakout Scale e o peso da categoria 5

O IO Breakout Scale é a métrica com que a OpenAI classifica operações de influência em uma escala de 1 (mais baixa) a 6 (mais alta), conforme o alcance de propagação do conteúdo. Os critérios de cada faixa não são detalhados no texto. A Dark Clark foi avaliada na categoria 5, a primeira nessa faixa desde o início da série de relatórios, e a Bogus Bylines alcançou a 4.

As duas colocaram material em veículos de imprensa mainstream. A OpenAI descreve o resultado como consistente com o padrão observado nas 30 operações encobertas expostas nos últimos dois anos e meio, período em que o acompanhamento público de IO virou rotina de segurança, com séries equivalentes mantidas por empresas como Meta e Google.

O que o anúncio não responde

A interrupção das contas é o centro da medida, mas o relatório deixa lacunas concretas:

• Não nomeia os veículos que publicaram ou reproduziram o material, nem informa retratações.
• Não detalha como os pesquisadores latino-americanos foram recrutados nem o que sabiam.
• Não descreve o pipeline técnico de detecção nem eventuais parceiros externos.
• Não converte as categorias em métricas de alcance, como impressões ou engajamento.
• Não anuncia ferramenta nova nem mudança de política além da interrupção e da publicidade do caso.

O que muda para quem desenvolve e modera

A lição prática é negativa e útil. Classificadores do tipo "este texto foi gerado por IA?" resolvem pouco aqui: o material publicado não era integralmente sintético, e a lavagem passava por legitimidade editorial, não por marca de modelo. Os sinais que importam são relacionais e comportamentais, como quem oferece pauta, com qual histórico, para quantos veículos e com que redundância de assinaturas.

O caso de 8 de outubro entra na série como o primeiro de categoria 5, e o seu núcleo é antigo: um instituto com pesquisadores reais e produção contínua, dirigido por alguém que nunca existiu. A lavagem anunciada na primeira frase funcionou até a última etapa, porque o texto chegava limpo à redação. A pergunta sobre geração por IA responde menos do que a pergunta sobre autoria: quem assina, e quem responde pelo veículo que publica.

Perguntas frequentes