O novo manual de regras do vídeo com IA: as etiquetas legíveis por máquina ao abrigo do EU AI Act

A etiqueta que você não sabia que estava enviando

Há uma pergunta que migrou, sem grande alarido, do departamento jurídico para a lista de verificação de produção, e a maioria das equipes criativas ainda não a alcançou. Quando você gera um vídeo com um modelo de IA, o que viaja junto com o arquivo? Não o seu conteúdo. Os seus metadados. A camada invisível que diz, a quem quer que olhe, que isto foi feito por uma máquina.

Desde 2 de agosto de 2026, as obrigações de transparência do artigo 50 do EU AI Act aplicam-se aos media gerados por IA. Os prazos que importam para a marcação legível por máquina dão às empresas até 2 de dezembro de 2026 para cumprir, e as sanções associadas não são simbólicas: coimas até 15 milhões de euros ou 3 por cento do volume de negócios anual mundial, o que for mais alto. Uma regra que se lê como uma nota de rodapé de conformidade traz uma etiqueta de preço que se lê como um acontecimento para os acionistas.

O que "legível por máquina" significa realmente

As etiquetas visíveis ao ser humano são a parte fácil. Uma legenda, uma marca de água, uma pequena etiqueta no canto. Na prática, a parte que decide se você está conforme é a invisível: se o arquivo transporta metadados de proveniência que um sistema a jusante consegue ler automaticamente.

A versão mais consolidada disto está a uma única escolha de modelo de distância. Alguns geradores de vídeo incorporam por predefinição uma marca de água invisível na sua saída, e os metadados que anexam seguem o arquivo através da maioria das formas de distribuição. Outros entregam arquivos limpos, sem qualquer proveniência anexada, o que significa que a responsabilidade da marcação recai sobre quem gera o vídeo e, por fim, sobre quem o publica.

Este é o detalhe que a maioria das equipes perde. A conformidade não é um passo de pós-processamento que se possa acrescentar no fim, porque a etiqueta é muitas vezes incorporada no momento da geração pelo fornecedor do modelo, e fornecedores diferentes comportam-se de forma diferente. O modelo de vídeo que você escolhe é, no sentido mais literal, uma decisão de conformidade.

As plataformas chegaram primeiro

A regulamentação é nova. O comportamento que ela exige não é. As grandes plataformas anexam metadados de proveniência aos carregamentos dos utilizadores há anos, independentemente de qualquer exigência legal. Uma grande plataforma situa o início do seu próprio programa de credenciais de conteúdo em maio de 2024 e reportou mais de 1,3 mil milhões de vídeos etiquetados até ao final de 2025, muito antes de o prazo legível por máquina do AI Act constar do calendário de alguém.

A razão é simples: as plataformas tinham um problema de confiança antes de os reguladores terem um manual de regras. A desinformação prejudica o envolvimento, a etiquetagem de proveniência é barata, e antecipar uma regra é sempre melhor do que ser apanhado atrás dela. As plataformas construíram a canalização cedo porque as protegia, não porque um estatuto o ordenasse. O AI Act sobretudo torna essa canalização obrigatória para todos os outros.

Para quem produz conteúdo, isto inverte a suposição habitual. A pergunta não é se o seu vídeo precisa de uma etiqueta. É se a etiqueta sobrevive à viagem. Os metadados são frágeis. O software de edição retira-os. A recodificação pode perdê-los. Carregar para uma plataforma que reprocessa os media pode retirá-los outra vez. Uma equipe pode gerar um vídeo perfeitamente etiquetado e entregar um sem etiqueta três ferramentas depois, sem nunca notar.

A fragilidade é fácil de subestimar porque o dano é invisível. Você pode abrir o arquivo, ver o vídeo e não notar nada de errado, porque tudo o que está errado se encontra numa camada que não vê. A etiqueta que um gerador anexou no momento da criação pode desaparecer durante uma exportação de rotina, e nada no ecrã o informa. Quando alguém a jusante pergunta por que o arquivo não tem proveniência, o rasto já arrefeceu há muito.

Onde a responsabilidade recai na realidade

A cadeia de custódia de um vídeo de IA tem vários elos, e o artigo 50 distribui as obrigações ao longo dela. O fornecedor do sistema gerador tem deveres. Também o tem o responsável pela implementação, a parte que põe o sistema em uso. Para a maioria das equipes criativas, esse segundo papel é o seu.

Isto cria um problema prático que nenhum fornecedor isolado consegue resolver. Se a sua pipeline junta a saída de três modelos diferentes, mais um clipe de arquivo, mais uma edição humana, a história de proveniência do arquivo final é uma confusão de metadados que se sobrepõem e possivelmente se contradizem. A regulamentação prevê a divulgação. Não entrega a ninguém uma ferramenta que torne um arquivo de várias fontes fácil de descrever.

As equipes que se adiantam tratam a proveniência como uma propriedade da pipeline e não da saída: instrumentam cada etapa, registam o que gerou o quê, e reúnem um registo defensável do conjunto. É um trabalho aborrecido. É também o tipo de trabalho aborrecido que se torna vantagem competitiva na primeira vez que um cliente, uma plataforma ou um regulador pergunta de onde veio um vídeo.

O prazo não é o ponto

É tentador ler o 2 de dezembro como a linha de chegada: ficar conforme, marcar a caixa, seguir em frente. Essa leitura perde o que está realmente a acontecer. A proveniência legível por máquina é o começo de um mundo em que os media transportam uma história verificável, e as ferramentas para ler essa história estão a espalhar-se. Um padrão de metadados que hoje etiqueta conteúdo de IA é a mesma infraestrutura que amanhã prova que uma fotografia não foi manipulada.

Para as equipes de conteúdo, isso significa que o trabalho não é uma auditoria única. É uma prática permanente: saber quais das suas ferramentas etiquetam a sua saída, saber quais dos seus fluxos de trabalho retiram essas etiquetas, e ter uma resposta pronta quando alguém perguntar. O modelo de vídeo que escolhe hoje molda o que os seus arquivos poderão provar sobre si mesmos durante anos, porque os metadados definidos no momento da geração são os mais difíceis de falsificar e os mais fáceis de perder.

Como é um fluxo de trabalho prático

As equipes que se adiantam deixam de tratar a proveniência como uma definição e começam a tratá-la como um passo. O gerador é configurado, uma vez, para anexar o que consegue. A pipeline é verificada, uma vez, para confirmar que o anexo chega até ao fim. Guarda-se um registo do que foi gerado, a partir de que prompt, através de que ferramentas. Nada disto é engenhoso. Tudo isto é a diferença entre conseguir responder a uma pergunta e ter de adivinhar.

A parte mais difícil é cultural e não técnica. O trabalho de proveniência não tem uma saída visível. Ninguém lhe agradece por um vídeo cujos metadados estão intactos, e ninguém nota até eles desaparecerem. É exatamente o tipo de higiene invisível que é saltada sob a pressão dos prazos, e é por isso que quem a integra na pipeline em vez de a acrescentar como passo manual é quem a mantém.

A conclusão

A forma menos interessante de pensar nas regras de etiquetagem da IA é como um ónus de conformidade. A forma mais interessante é como o momento em que os media de IA ganham uma memória. Cada vídeo que transporta um registo honesto de como foi feito é um vídeo em que se pode confiar um pouco mais, e cada fluxo de trabalho que retira esse registo piora o problema.

A regulamentação obriga o setor a construir a canalização. A canalização em si vale a pena ter. Se um arquivo consegue dizer a verdade sobre as suas próprias origens, todos a jusante, de uma plataforma a um editor até um espectador, ganham um pouco mais de capacidade de decidir em que acreditar. Não é um incómodo burocrático. É uma funcionalidade, e foi precisa a ameaça de 15 milhões de euros para a fazer construir.