Fraude com imagens em seguros. Tendências globais 2026.
A foto do sinistro é a prova que mais pesa em uma reclamação. Hoje ela é editada em segundos no celular. Neste relatório, revisamos os números globais da fraude em seguros e mostramos o que funciona para detectá-la.
Equipe Vouch21 de outubro de 2026Leitura de 10 minutos
Os números
dos consumidores dos Estados Unidos considerariam alterar uma imagem ou um documento para reforçar uma reclamação. Entre a Geração Z, 55%.1
Pesquisa com 1.000 consumidores e 300 profissionais de sinistros, dez 2025–jan 2026.dos profissionais de sinistros se sentem muito seguros para identificar um deepfake. 98% acreditam que a edição com IA impulsiona a fraude.1
Pesquisa com 1.000 consumidores e 300 profissionais de sinistros, dez 2025–jan 2026.em reclamações fraudulentas foram detectados pelas seguradoras do Reino Unido em 2025. Mais da metade dos casos foi de automóveis.2
Dados da Association of British Insurers: 93.900 casos.em fraude comprovada no Brasil em 2024, de R$ 5,4 bilhões em sinistros suspeitos.3
Sistema de Quantificação de Fraudes da CNseg.Para dimensionar: nos Estados Unidos, a Coalition Against Insurance Fraud estima que a fraude em seguros custa USD 308,6 bilhões por ano.4
1. O que mudou: a foto deixou de provar o dano
Durante anos, a foto do sinistro foi a prova mais confiável de uma reclamação. Com a vistoria digital, muitas vezes ela passou a ser a única: o segurado tira a foto, envia e o processo avança sem que ninguém veja o carro ou a casa.
Hoje essa foto pode ser retocada em segundos no celular. O setor chama essas imagens de shallowfakes: fotos reais com um amassado, uma rachadura ou uma mancha adicionados. Os casos documentados mostram que isso já não é algo isolado.
- Mai 2024Reino UnidoA Allianz UK informa que os casos com imagens, vídeos e documentos alterados com apps cresceram 300% entre 2021-22 e 2022-23, e alerta sobre os shallowfakes.5
- Abr 2025BrasilA FenSeg alerta que já há fraudes com imagens geradas com IA e até com miniaturas de carros fotografadas para parecer veículos reais.6
- 2025ArgentinaEm seu concurso anual contra a fraude, a CESVI aponta como tendência em alta a adulteração de imagens com IA, junto com orçamentos editados e atestados médicos falsos.7
- Fev 2026ArgentinaPeritos e advogados já recebem imagens de sinistros criadas com IA que passam pelos controles básicos.8
- Mar 2026Estados UnidosA Verisk publica seu estudo sobre edição com IA em reclamações: consumidores e seguradoras concordam que o fenômeno cresce.1
- Abr 2026Reino UnidoA Admiral detecta £86,8 milhões em fraude em 2025, 71% a mais que em 2024. Entre os casos, fotos de carros danificados editadas com outra placa para receber duas vezes.9
- Jun 2026Reino UnidoA Aviva descobre 18.400 reclamações suspeitas no valor de £233 milhões em 2025 e vê cada vez mais reclamações com imagens geradas com IA e documentos manipulados, sobretudo em automóveis.10
- Jun 2026Reino UnidoA Allianz UK alerta que fotos de carros publicadas na internet com a placa visível são usadas para reclamar danos criados com IA.11
- Jul 2026BrasilA fraude comprovada passa de 1,8% para 3,3% dos prêmios ganhos entre 2021 e 2025, e a alteração digital de fotos de acidentes aparece como um padrão recorrente.12
2. Como a fraude funciona
A foto alterada aparece em quase todas as táticas, do sinistro inventado ao exagerado.
Dano adicionado
Um carro ou objeto intacto aparece com um amassado, uma rachadura ou uma mancha de umidade que não existe. A Allianz encontrou uma van com uma rachadura adicionada com IA, acompanhada de uma nota fiscal de reparo.11
Dano exagerado
O sinistro é real, mas a foto o mostra pior. Na Espanha, a AXA informou que 60% dos seus casos de fraude em 2024 foram segurados com um sinistro real que tentaram somar danos que não correspondiam.13
Foto reciclada
A imagem é tirada de redes sociais, de sites de venda ou de desmanches, ou reutilizada em outro sinistro. Fotos de carros publicadas com a placa visível já são usadas assim.11
Placa trocada
A mesma foto de um carro danificado é editada com outra placa para receber duas vezes. A Admiral detectou e recusou casos assim antes de pagar.9
Objeto fabricado
Em reclamações por dano ou roubo de objetos, a prova pode ser uma imagem alterada com IA, como o relógio de grife “danificado” com um filtro que a Admiral detectou.9
Cena montada
O acidente simplesmente não existiu. No Brasil, foram relatadas fraudes com miniaturas de carros fotografadas para parecer veículos reais.6
3. Quem paga
A fraude não é paga só pela seguradora. Ela é repassada aos prêmios de todos os segurados e alonga os prazos das reclamações honestas, porque cada controle extra se aplica a todos.
Além disso, o problema cresce mais em valor do que em quantidade. No Reino Unido, os casos detectados caíram em 2025, mas a reclamação falsa média chegou a £14.300, a segunda maior da série.14 Cada foto aprovada sem análise pesa mais.
Uma conta rápida
Perda por fraude = sinistros com foto × percentual com imagens alteradas × pagamento médio. Troque os valores pelos da sua carteira.
Perda estimadaUSD por mês · USD por ano
Valores de exemplo, não são dados de mercado. Não inclui o custo das perícias nem o tempo de gestão.
4. Por que os controles atuais não bastam
O olho do perito
Só 32% dos profissionais de sinistros se sentem muito seguros para identificar um deepfake.1 As imagens geradas com IA não deixam os rastros de edição que as ferramentas tradicionais deixavam.8
A vistoria digital sem análise
A foto que o segurado envia substitui a vistoria presencial. Se ninguém a analisa, aprovar a foto é aprovar a reclamação.
Os metadados como única prova
Os dados do arquivo ajudam, mas se perdem ao reenviar a foto por chat ou fazer uma captura de tela, e uma imagem gerada com IA pode não tê-los.
Controles que olham outra coisa
Os modelos tradicionais de fraude cruzam históricos, valores e padrões de reclamações. São úteis, mas não analisam se a imagem foi editada, que é justamente o que hoje se falsifica.
Falsificações mais sofisticadas
76% das seguradoras dizem que as reclamações com imagens alteradas ficaram mais sofisticadas no último ano.1
5. O que funciona: uma abordagem em camadas
Nenhum sinal sozinho basta. O que dá resultado é analisar cada foto com várias camadas ao mesmo tempo e reservar os peritos para os casos duvidosos.
Análise da imagem
Buscar sinais de geração ou edição no dano e na placa: bordas, reflexos, iluminação e texturas que não correspondem a uma foto real. Os metadados do arquivo ajudam, mas não podem ser o único controle.
Histórico da imagem
Saber se essa foto já apareceu antes: em redes sociais, em sites de venda ou de desmanches, ou em outro sinistro, mesmo que esteja cortada ou girada.
Contexto do sinistro
Cruzar a foto com o histórico do segurado e da apólice, a frequência de reclamações e o que está sendo declarado.
Revisão humana
Um especialista revisa só os casos cinzentos, com as provas já organizadas, e registra o critério para auditorias, disputas e o regulador.
6. América Latina: a fraude cresce e a foto já faz parte dela
Os dados e os casos da região mostram a mesma tendência do Reino Unido e dos Estados Unidos.
Brasil: mais fraude comprovada
Em 2024, de R$ 41 bilhões em sinistros, R$ 5,4 bilhões foram suspeitos e R$ 1,1 bilhão foi confirmado como fraude.3 A fraude comprovada passou de 1,8% para 3,3% dos prêmios ganhos entre 2021 e 2025.12
Argentina: a IA já aparece nos casos
A CESVI aponta como tendência em alta a adulteração de imagens com IA nos sinistros.7 Peritos e advogados já recebem fotos fabricadas que passam pelos controles básicos.8
A foto chega pelo WhatsApp
Muitas vistorias e reclamações são resolvidas por chat, que comprime as imagens e apaga boa parte dos metadados. A análise precisa olhar a imagem em si.
7. O que vem por aí
A falsificação fica mais barata
Cada nova geração de ferramentas de imagem torna a edição mais rápida e mais realista. Uma análise da AI Incident Database concluiu que a fraude com deepfakes já opera em escala industrial, com ferramentas baratas e fáceis de usar.15
Mais investimento em detecção
O mercado de detecção de imagens falsas é estimado em USD 1,87 bilhão em 2026 e pode chegar a USD 7,43 bilhões em 2031, com crescimento anual próximo de 32%.16
Mais marcação, mas não em todo lugar
O AI Act europeu obriga a informar o conteúdo gerado com IA desde agosto de 2026, e a marca d’água passa a ser exigível para as ferramentas que já estavam no mercado a partir de dezembro.1718 Ajuda, mas não alcança quem usa ferramentas que não cumprem a regra, e uma marca pode se perder ao editar ou reenviar a imagem.
8. O que perguntar a um fornecedor
Se você vai avaliar uma ferramenta para revisar fotos de sinistros, estas perguntas separam uma solução completa de uma parcial.
Analisa a imagem, seu histórico e o contexto do sinistro?
Cada sinal isolado deixa lacunas: uma foto nova e editada não aparece em nenhuma busca, e uma foto reciclada pode não ter rastros de edição.
Explica o motivo de cada resultado?
Para recusar um sinistro ou encaminhá-lo para investigação, você precisa saber por que ele é suspeito. Um número sem explicação não serve diante do segurado nem do regulador.
Há uma pessoa para os casos duvidosos?
A revisão humana nos casos cinzentos evita recusar segurados honestos e deixa o critério registrado.
Dá para usar sem integrar nada?
Se a única opção é integrá-la ao sistema de sinistros, o teste leva meses. Com uma ferramenta web, você começa em dias.
Funciona com fotos de vistoria, capturas de tela e WhatsApp?
É assim que os sinistros reais chegam: comprimidos, cortados e sem boa parte dos metadados.
Detecta a mesma foto em outros sinistros, mesmo cortada ou girada?
É a forma mais simples de encontrar fotos recicladas e reclamações duplicadas.
Posso testar com meus próprios casos?
Um piloto com seus sinistros reais mostra o resultado antes de contratar.
9. Checklist para equipes de sinistros e fraude
- Meça qual porcentagem dos seus sinistros é aprovada só com fotos do segurado.
- Analise todas as fotos de sinistros, não só as que parecem suspeitas.
- Peça as fotos de vistoria pela câmera do app, na hora, e não da galeria.
- Busque cada foto na internet e nos seus sinistros anteriores antes de pagar.
- Revise o histórico do segurado e da apólice antes de aprovar.
- Defina que prova você precisa para recusar ou encaminhar um sinistro e deixe isso registrado.
- Separe os casos claros dos duvidosos, e que só os duvidosos cheguem a um perito.
- Treine sua equipe com exemplos reais de fotos editadas.
- Revise suas regras à luz da regulação do seu mercado.
Como a Vouch resolve
A Vouch analisa cada foto de sinistro em menos de 30 segundos com três camadas: detecção de imagens geradas ou editadas com IA, busca da imagem na internet e em reclamações anteriores, e o contexto do segurado. Entrega um score de risco de 0 a 100 com o motivo, e os casos cinzentos vão para um especialista. Funciona pela Vouch Web, sem integrar nada, ou via API.
Perguntas frequentes
O que é um shallowfake em seguros?
É uma foto real retocada com apps de edição ou IA para adicionar ou exagerar um dano, trocar uma placa ou reutilizar a imagem de outro sinistro. Ao contrário de um deepfake, não é fabricada do zero: por isso é mais fácil de fazer e mais difícil de notar.
Como detectar uma foto de sinistro editada com IA?
A olho nu é cada vez mais difícil. O que funciona é combinar a análise técnica da imagem, a busca dessa mesma foto na internet e em sinistros anteriores, e o contexto do segurado, com revisão humana para os casos duvidosos.
Que ferramentas detectam fotos editadas com IA em sinistros?
Há detectores gerais de imagens feitas com IA, mas para sinistros convém uma ferramenta que combine a análise da imagem, a busca de fotos repetidas e o contexto do segurado. A Vouch, por exemplo, analisa cada foto em menos de 30 segundos, entrega um score de risco de 0 a 100 com o motivo e encaminha os casos duvidosos a um especialista.
Quanta fraude existe em seguros?
Depende do mercado. No Reino Unido, as seguradoras detectaram £1,34 bilhão em reclamações fraudulentas em 2025; no Brasil, foram confirmados R$ 1,1 bilhão em 2024; e nos Estados Unidos estima-se USD 308,6 bilhões por ano.
Fontes
Este relatório se baseia apenas em fontes públicas; todos os dados são verificáveis.
- Verisk. AI Editing Tools Are Fueling a New Era of Insurance Fraud, According to New Research from Verisk (mar 2026)
- Bodyshop Magazine (datos de la ABI). Fraudulent insurance claims worth £1.34bn detected in 2025 (2026)
- Sindicato das Seguradoras. Fraudes em seguros somam R$ 1,1bi: como se proteger? (ago 2025)
- Coalition Against Insurance Fraud. The Impact of Insurance Fraud on the U.S. Economy (2022)
- PropertyCasualty360. Fraudsters using AI to manipulate images for false claims (mai 2024)
- Revista Apólice. Setor de seguros reage a fraudes com inteligência artificial (abr 2025)
- El Seguro en Acción. Concurso Nacional de Lucha contra el Fraude 2025 (2025)
- Forbes Argentina. El fraude perfecto llegó a los seguros: así están usando IA para inventar daños “creíbles” (fev 2026)
- Admiral Group. The White Lie Effect: 1 in 8 people admit to exaggerating insurance claims (2026)
- Aviva plc. Aviva stops record levels of claims fraud as scams become more sophisticated (jun 2026)
- Allianz UK. Posting car pics fuels fraud (jun 2026)
- Revista Apólice. Fraudes no seguro atingem maior nível da série histórica (jul 2026)
- Bolsamanía (Europa Press). Axa evita 87 millones en fraude al seguro en 2024, un 3,6% más (2025)
- Insurance Business. Fewer fraud cases, fatter claims as average scam hits £14,300 (2026)
- The Guardian. Deepfake fraud taking place on an industrial scale, study finds (fev 2026)
- Mordor Intelligence. Fake Image Detection Market Size and Share Research Report, 2031 (2026)
- Jones Walker LLP. The EU approved a high-risk AI delay, but most transparency obligations remain (2026)
- William Fry. EU AI Act Omnibus Deal Reached: Postponed Deadlines, Watermarking Compromise, and the Nudification Prohibition (mai 2026)
- Google Security Blog. Pixel and Android: trusted images with C2PA Content Credentials (set 2025)