Por Que Isso Se Tornou de Repente um Problema Real
Catorze meses atrás, quase nenhum dos recibos falsos identificados por sistemas de detecção de fraude em despesas era gerado por IA. Em meados de maio de 2026, eles já eram a maioria.
Essa é a conclusão da AppZen, uma empresa de automação financeira que analisa reembolsos de despesas corporativas em busca de fraudes. Em março de 2025, os recibos gerados por IA representavam essencialmente 0% dos recibos falsos capturados por seus sistemas. Em maio de 2026, esse número havia subido para 70,8%. Nos últimos 12 meses, a AppZen detectou 1.471 recibos gerados por IA enviados por 745 funcionários em 174 empresas, representando $148.143 em despesas reivindicadas.
Se você dirige uma pequena empresa e reembolsa funcionários por viagens, refeições ou suprimentos, isso não é um problema corporativo abstrato. É uma mudança na forma como pessoas comuns fraudam relatórios de despesas, e está acontecendo em empresas de todos os portes, não apenas nas da Fortune 500.
O Que Mudou: De Uma Grande Fraude para uma Pilha de Pequenas
Antes que as ferramentas de IA generativa se tornassem amplamente acessíveis, fabricar um recibo exigia certo esforço — geralmente editando um modelo em um software de imagem ou alterando fisicamente um recibo real. Os fraudadores que se davam a esse trabalho costumavam apostar alto: a AppZen constatou que os recibos falsos mais antigos, baseados em modelos, tinham em média $182 cada.
A IA mudou essa lógica econômica. Um modelo de linguagem ou gerador de imagens consegue produzir um recibo de restaurante convincente, completo com nome de estabelecimento plausível, totais detalhados e até uma marca d'água falsa de scanner, em segundos e de graça. Isso inverteu completamente a estrutura de incentivos.
O CTO da AppZen, Kunal Verma, resumiu de forma direta: "Os geradores de IA são gratuitos, instantâneos e bons o suficiente para enganar uma pessoa." Ele acrescentou que a IA "basicamente transformou o jogo de uma única fraude grande o suficiente para valer o risco em uma pilha de fraudes minúsculas que ninguém se dá ao trabalho de revisar."
Os números confirmam isso. Os recibos gerados por IA no conjunto de dados da AppZen tinham em média apenas $101, com uma mediana de somente $32 — bem abaixo dos limites de aprovação automática que a maioria dos sistemas de despesas usa para agilizar pequenas reivindicações sem revisão manual. Em vez de um único jantar falso de $500 que poderia chamar a atenção de um aprovador, o novo padrão é uma dúzia de reivindicações de $30 a $40 que, individualmente, parecem perfeitamente comuns.
Não É Apenas um Problema Corporativo
A escala dos incidentes individuais documentados pela AppZen é impressionante. Em uma empresa da Fortune 10, 142 funcionários em 22 países enviaram 340 recibos gerados por IA totalizando $34.953 — mais do que todos os 25 clientes europeus da AppZen somados. A Índia liderou em volume de envios, enquanto a Austrália apresentou a maior concentração por recibo, incluindo um funcionário de telecomunicações que reivindicou $12.900 em apenas 11 recibos forjados.
Mas pequenas e médias empresas também estão expostas, muitas vezes de forma mais aguda, porque geralmente não têm uma equipe dedicada de detecção de fraude e dependem da revisão visual de um gerente ou da checagem pontual de um contador. Uma varejista europeia de ótica presente nos dados da AppZen teve um único funcionário que enviou 45 recibos fraudulentos distribuídos em 15 relatórios de despesas separados antes que alguém percebesse o padrão.
E isso não é um comportamento marginal. Uma pesquisa separada com 2.000 trabalhadores, realizada pela empresa de gestão de despesas Emburse, constatou que 40% dos entrevistados nos EUA admitiram ter usado IA para gerar um recibo falso. Desses, 19% disseram ter fabricado uma compra inteiramente, 15% usaram IA para inflar o valor de uma despesa real, e 6% a usaram para recriar um recibo de uma compra cujo comprovante original haviam genuinamente perdido.
Vale notar: nem todo mundo que usa IA aqui está tentando roubar dinheiro. Alguns funcionários a utilizam para reconstruir um recibo legítimo que perderam, em vez de cometer fraude do zero — uma nuance que vale a pena ter em mente antes de presumir que toda reivindicação sinalizada é maliciosa. Mas do ponto de vista dos controles, um documento fabricado por IA é um documento fabricado por IA, independentemente da motivação por trás dele, e isso quebra a premissa de que um recibo é prova de que uma transação aconteceu.
Como São de Fato os Recibos Gerados por IA
As falsificações se tornaram sofisticadas o suficiente para que a inspeção visual isolada, muitas vezes, não seja suficiente para identificá-las. Exemplos do conjunto de dados da AppZen incluem:
- Recibos de restaurante forjados com marcas d'água de scanner fabricadas e assinaturas manuscritas convincentes
- Faturas falsas da AT&T e da Xfinity, sugerindo que a fraude está se expandindo de reivindicações pontuais de refeições e viagens para "despesas" mensais recorrentes
- Totais detalhados e cálculos de impostos internamente consistentes o suficiente para passar por uma olhada rápida
As fraudes baseadas em modelos — o método mais antigo — representavam entre 95% e 100% das fraudes sinalizadas um ano antes. Em maio de 2026, elas haviam caído para apenas 29% do total, com os recibos gerados por IA assumindo a maior fatia. As ferramentas ficaram melhores, mais baratas e mais acessíveis, e as táticas de fraude acompanharam essa evolução.
Por Que Isso Importa para Toda Empresa, Não Apenas para as Grandes
A fraude corporativa em viagens e despesas já é um problema de proporções relevantes — um estudo mais amplo sobre exposição a fraudes estimou $3,5 bilhões em exposição total a fraudes de despesas e viagens, com aproximadamente $175 milhões desse total vinculados especificamente a documentos gerados por IA. A fraude em despesas e viagens também se destaca por ser incomumente dependente de documentação: estima-se que 85% dos esquemas nessa categoria envolvem algum tipo de papelada, o que significa que recibos e faturas são a principal superfície de ataque.
Para uma pequena empresa, a exposição não é proporcional ao número de funcionários — é proporcional ao quanto você depende de trilhas de papel (ou PDF) não verificadas. Se o seu processo de aprovação de despesas é "um funcionário envia um recibo e um gerente clica em aprovar", você tem exatamente a lacuna de controle que esse padrão de fraude foi criado para explorar.
Como Proteger Sua Empresa
Você não precisa de um software corporativo de detecção de fraude para reduzir significativamente esse risco. Algumas mudanças práticas já fazem grande diferença:
Pare de tratar recibos como prova por si só. Um recibo é uma alegação, não uma evidência. Faça a conferência cruzada com algo independente — a transação real do cartão ou banco, registros do estabelecimento, um compromisso na agenda ou um itinerário de viagem. Se um recibo de almoço de $38 não corresponde a uma cobrança real no cartão naquele dia, esse é o seu sinal de alerta, não a aparência do recibo.
Reavalie seus limites de aprovação automática. Agilizar pequenas despesas abaixo de um limite em dólares é razoável para manter os reembolsos rápidos, mas é justamente essa a lacuna que a fraude gerada por IA foi projetada para explorar. Considere fazer amostragem aleatória das reivindicações "abaixo do limite" em vez de aprovar 100% delas automaticamente — mesmo uma taxa de auditoria de 10% muda o cálculo de risco para quem estiver considerando inflar um relatório.
Não dependa de um único sinal de detecção. Algumas equipes financeiras se apoiam em metadados incorporados aos arquivos (como dados EXIF de imagens) para identificar imagens geradas por IA. Isso é frágil — os metadados são facilmente removidos ao tirar uma captura de tela, converter o formato do arquivo ou simplesmente salvar novamente a imagem. Em vez disso, combine várias verificações: o fornecedor existe, o valor corresponde a um padrão real de transação, o momento faz sentido.
Fique atento a padrões entre pequenas reivindicações, não apenas nas grandes. Um único recibo questionável de $30 pode ser um erro de arredondamento. Dez deles do mesmo funcionário ao longo de três meses são um padrão que merece uma conversa. Visões agregadas — organizadas por funcionário, por fornecedor, por valores redondos — revelam o que a revisão individual não capta.
Onde uma Contabilidade Organizada Facilita Tudo
As empresas mais bem posicionadas para identificar esse tipo de fraude não são necessariamente aquelas com o software de detecção mais sofisticado — são as que têm dados de despesas fáceis de consultar, comparar e auditar desde o início. Se a sua contabilidade está em um formato difícil de pesquisar ou comparar com os registros bancários, identificar um padrão de pequenas reivindicações suspeitas se transforma em um trabalho manual árduo.
Essa é uma das vantagens menos evidentes da contabilidade em texto simples. O Beancount.io mantém seu livro-razão em um formato versionado, legível por humanos e por scripts, de modo que confrontar uma reivindicação de despesa com a transação real — ou escrever uma consulta rápida para sinalizar todo reembolso logo abaixo do seu limite de aprovação — é algo direto, e não um trabalho de arqueologia em planilhas. Comece gratuitamente e veja por que desenvolvedores e donos de negócios com mentalidade financeira estão migrando para a contabilidade em texto simples.