As eleições de 2026 chegam com a inteligência artificial no centro da disputa pública. Resoluções do TSE sobre propaganda, vídeos falsos de candidatos circulando em grupos de WhatsApp, chatbots respondendo perguntas políticas, agências de checagem tentando acompanhar o volume… A imprensa cobre tudo isso todos os dias, em dezenas de veículos, e a própria quantidade de material publicado nos dificulta enxergar o tamanho da cobertura. O Monitor de Notícias – IA e Eleições, projeto do <labiia_lab> no Eixo Política e Sociedade, foi construído para dar forma a esse acervo enquanto ele se acumula.
O que o monitor faz?
O sistema consulta os feeds RSS do Google Notícias duas vezes ao dia, realizando uma busca para cada palavra-chave. Cada matéria coletada passa por uma triagem que descarta publicações anteriores a 2026, fontes fora do escopo nacional e links repetidos. O que sobrevive à triagem é classificado por regras léxicas, gravado num CSV versionado no repositório e lido por um painel que monta gráficos e filtros direto no navegador para o usuário. Esse cuidado foi tomado porque a qualidade do painel depende da qualidade do que entra. Se o acervo se enchesse de notícia velha ou de repetição, qualquer leitura dos números ficaria distorcida.
Toda a operação roda na infraestrutura gratuita do GitHub, sem servidor próprio. O GitHub Actions dispara o coletor a cada doze horas e o GitHub Pages publica a versão nova do painel a cada alteração no acervo. A cada execução o coletor também revisa o corpus antigo, reclassificando matérias que ainda não tenham as colunas atuais e reaplicando os filtros de triagem, de forma que o histórico acompanhe a versão vigente do classificador.
De onde vêm as notícias?
O ponto de partida é o Google Notícias. Em vez de visitar site por site de jornal, o que esbarraria em paywalls e bloqueios e complicaria nosso trabalho (além de barrar citações), o monitor usa os feeds do serviço, que reúnem matérias de centenas de veículos ao mesmo tempo. A busca não é uma só, ela se divide em sete recortes temáticos, cada um com seu próprio conjunto de palavras-chave.
Recortes temáticos e seus componentes:
| Recorte | O que procura? |
| Regulação e TSE | resoluções, propaganda eleitoral, justiça eleitoral |
| Deepfakes e conteúdo sintético | vídeos e áudios falsos, conteúdo sintético |
| Desinformação e checagem | fake news, desinformação eleitoral, agências de checagem |
| Plataformas e chatbots | ChatGPT, Gemini, Grok, redes sociais, IA generativa em campanha |
| Campanhas e candidatos | marketing eleitoral, segmentação de eleitores |
| Integridade e democracia | urnas, manipulação eleitoral, confiança no voto |
| Violência política de gênero | deepfakes sexuais, imagens falsas, ataques a candidatas |
Como cada notícia é classificada?
Depois da triagem vem a parte que dá sentido ao acervo: a classificação, a partir da qual o monitor lê o título de cada matéria e marca cinco dimensões de análise:
Dimensões de análise para a classificação:
| Dimensão | O que registra | Exemplos de categorias |
| Mecanismo de IA | o tipo de tecnologia que aparece na notícia | deepfake, chatbot, microtargeting, bots, copywriting, recomendação, auditoria |
| Modelo de linguagem | a ferramenta citada pelo nome | ChatGPT, Gemini, Claude, Grok, Perplexity, DeepSeek, Llama, Mistral, Copilot |
| Plataforma | onde a história acontece | WhatsApp, Telegram, TikTok, X, Meta, YouTube, Kwai, IA nativa |
| Agente principal | quem protagoniza a matéria | Estado, plataforma, campanha, sociedade civil, cidadão, agente estrangeiro |
| Valência narrativa | o enquadramento dominante do texto | regulação, caso concreto, alerta, análise, ceticismo, otimismo |
Além dessas cinco marcações, cada matéria recebe um “grau de vínculo com IA”, que pode ser forte ou fraco. Esse rótulo mede o quanto o título deixa claro que a notícia trata mesmo de inteligência artificial. Uma matéria que cita “deepfake” ou nomeia um modelo tem vínculo forte. Outra que apareceu na busca por tangência, mas cujo título não evidencia a relação, fica marcada como fraca. O painel mostra apenas as de vínculo forte, o que mantém a visualização limpa e fiel ao objeto da pesquisa. O recorte de violência política de gênero tem uma regra extra, mais exigente: a matéria só é aceita quando o título reúne ao mesmo tempo um termo ligado a IA e um termo ligado a gênero, para garantir que o episódio realmente cruze os dois temas.
Porém, vale ressaltar que, como o feed entrega só o título, e não o corpo da matéria, o sistema marca apenas o que está escrito de forma explícita. Ele prefere deixar de marcar uma coisa duvidosa a inventar uma associação que o título não sustenta. Essa escolha favorece a precisão do nosso monitor e o número que aparece no painel tende a ser confiável justamente porque o classificador não força interpretações sobre um texto curto.
O painel
A visualização segue a identidade do laboratório, com IBM Plex Sans, JetBrains Mono e o índigo da marca. Os filtros por recorte, dimensão, fonte e busca textual se combinam entre si. O volume semanal aparece em barras clicáveis que também filtram o período. Um mapa de calor permite cruzar quaisquer duas dimensões, e a lista de matérias traz link para a fonte original com etiquetas de recorte, modelo e mecanismo. No celular os filtros ficam recolhidos num painel retrátil.
Por que isso importa agora?
O debate brasileiro sobre IA e eleições anda em grande parte por anedotas. Cada novo caso de vídeo falso aparece isolado, como se fosse o primeiro, e a discussão sobre regulação avança sem uma base que mostre o que a imprensa vem efetivamente cobrindo, com que ênfase e desde quando, perguntas essenciais para o debate em torno da IA e sua importância para as eleições de 2026 no Brasil.
Por isso, a existência de um acervo contínuo, datado e classificado, permite outro tipo de pergunta. Podemos verificar, por exemplo, se a cobertura se concentra em regulação ou em casos concretos; quais plataformas aparecem associadas a quais mecanismos; se o tom predominante é de alerta ou de análise; quais agentes são retratados como responsáveis; se os ataques a candidatas por meio de imagens falsas encontram espaço no noticiário ou passam despercebidos…
Há também um argumento sobre enquadramento, pois o que a imprensa nomeia como risco moldará, no futuro, o que reguladores, partidos e eleitores passarão a tratar como risco. Acompanhar a cobertura em série temporal é uma forma de observar a incipiente construção pública do imaginário acerca da IA e seus atravessamentos na política.
Referências e créditos
O monitor foi produzido por Larissa Diniz Aguiar, Mestre em Ciência Política pela UFMG, especialista em Estatística, Ciência de Dados e Big Data, pesquisadora do <labiia_lab> (Laboratório Interdisciplinar de Inteligência Artificial para Métodos, Democracia e Sociedade) e Professora Substituta da PUC Minas. O trabalho foi desenvolvido no âmbito do Eixo Política e Sociedade do laboratório, e abrange o desenho metodológico, o coletor em Python, o classificador léxico e o painel. O repositório fica hospedado na organização do <labiia_lab>, em github.com/labiia-lab.
O código e o acervo estão sob licença Creative Commons Atribuição-NãoComercial 4.0. Assim, qualquer pessoa pode copiar, adaptar e redistribuir o material, com atribuição de autoria e sem uso comercial. O CSV é o mesmo arquivo que alimenta o painel, então quem quiser rodar as próprias análises parte exatamente dos dados que estão na tela. Manter o código e o acervo abertos sob licença Creative Commons acompanha a proposta do <labiia_lab> de produzir ferramentas que outras pessoas possam auditar, adaptar e usar em suas próprias perguntas de pesquisa.
