A máquina de Drauzios falsos

Estimativas feitas a partir de um estudo do NetLab indicam que cerca de 760 mil anúncios fraudulentos na área de saúde podem ter sido veiculados pela Meta em sete meses. E, se cada golpista espera ter a sua parcela de retorno com essas propagandas, quem ganha com todas é a própria Meta.

Neste episódio, investigamos essa epidemia de golpes em saúde — e qual o impacto real deles. Até o Drauzio Varella, entrevistado nesse episódio, está incomodado com o assunto. 

A íntegra da resposta da Meta você encontra aqui embaixo e também ao acessar o nosso site, o www.cienciasuja.com.br

O Ciência Suja tem apoio do Instituto Serrapilheira, que fomenta a ciência e a divulgação científica no Brasil. 

 

Para participar do financiamento coletivo do Ciência Suja e conferir o material complementar do episódio, acesse o nosso site.

Siga o Ciência Suja também nas redes sociais. Estamos no Instagram, TikTok, Twitter, Facebook e BlueSky. Você também pode ouvir os episódios no YouTube.

RESPOSTA DA META 

"As tentativas de golpes têm aumentado em escala e complexidade nos últimos anos, impulsionadas por redes criminosas internacionais. À medida que essa atividade se torna mais persistente e sofisticada, nossos esforços para combatê-la também se intensificam. Estamos testando o uso de tecnologia de reconhecimento facial, aplicando nossas políticas para coibir golpes e capacitando as pessoas a se protegerem por meio de diversas ferramentas de segurança e alertas disponíveis em nossas plataformas. Continuaremos tomando medidas para aprimorar a detecção e a aplicação de nossas regras contra esse tipo de atividade."

Além disso, também quero compartilhar este outro posicionamento, que acredito ser relevante para o episódio:

“Nos últimos 15 meses, as denúncias de usuários sobre anúncios de golpes caíram mais de 50% e, até agora em 2025, já removemos mais de 134 milhões de conteúdos de anúncios fraudulentos. Além de remover diretamente conteúdos de golpes, incorporamos o feedback das pessoas para entender melhor suas experiências e identificar situações em que pode não ser imediatamente óbvio que algo é um golpe. Usamos esse feedback para treinar nossos sistemas a detectar proativamente conteúdos semelhantes que envolvam golpes.”