Como identificar imagens geradas por IA: sinais importantes que ainda funcionam em 2026

Conte os dedos. Essa dica ainda aparece em praticamente todos os guias sobre como identificar imagens geradas por IA. No entanto, ela já não funciona há mais de dois anos, e ninguém parece ter percebido que o debate sobre a detecção de imagens geradas por IA ficou tão para trás.

Em diversos estudos que abrangem centenas de milhares de avaliações de imagens, as taxas de precisão humana na distinção entre imagens geradas por IA e imagens reais variam de 49% a 62%. Isso representa uma probabilidade de 50%. Um estudo em particular analisou as avaliações de 1.276 participantes.

Em média, o resultado foi de 49,4%, ou até mesmo abaixo do nível de acaso em alguns casos. A iProov também testou a capacidade dos profissionais da mídia de identificar imagens geradas por IA e descobriu que 0,1% dos participantes conseguiram identificar e relatar 100% das imagens falsas que viram. Outros 60% afirmaram ter total confiança em suas conclusões.

Essa grande discrepância no erro de confiança — e não a falta de habilidade na inspeção visual pelo cérebro — é o cerne desse problema crescente em quase todos os métodos atuais de detecção de falsificação de imagens por IA.

Este guia para o reconhecimento de imagens geradas por IA, portanto, se diferenciará da maioria dos outros guias por estar organizado em uma ordem específica — desde a ferramenta menos utilizada até a mais avançada para o reconhecimento de imagens indetectáveis geradas por IA, o Undetectable AI Image Detector.

É importante ressaltar que, neste artigo, também vamos desmistificar um mito que tem sido perpetuado pela maioria dos outros guias, a saber, que imagens com pessoas são as mais difíceis de reconhecer, quando, na verdade, as imagens mais difíceis de reconhecer são aquelas que são monótonas.

---

Principais conclusões

• A precisão humana ao interpretar imagens geradas por IA oscila entre 49% e 62%, dependendo do estudo, o que equivale a, ou está apenas um pouco acima de, o resultado de um lance de moeda. A confiança, por sua vez, está muito acima disso.

• Você se sai melhor na identificação de rostos falsos e pior na identificação de paisagens, objetos e cenas de rua falsas. Quase todos os conselhos populares se concentram nos rostos, que é justamente a categoria com a qual você já se sai bem.

• Verifique a proveniência antes de verificar os pixels. Desde maio de 2026, todas as imagens do ChatGPT contêm tanto uma credencial C2PA quanto uma marca d’água SynthID, e o Google está incorporando a detecção no Search e no Chrome.

• A ausência de proveniência não prova nada. As capturas de tela e a maioria das plataformas sociais removem os metadados da C2PA; portanto, a ausência de uma credencial não constitui prova de nada, seja a favor ou contra.

• Os indícios que ainda funcionam dizem respeito à física, não à anatomia. A direção das sombras, os reflexos, a profundidade de campo e as relações de escala são muito mais difíceis de manter consistentes para um modelo do que uma mão.

• Quando o exame oftalmológico não é conclusivo, o que ocorre com frequência, o Detector de imagens AI fornece o resultado em segundos e não faz diferença se o objeto é um rosto ou um estacionamento.

---

Por que isso ficou tão difícil tão rápido?

A curva de melhoria visível é tão acentuada que qualquer pessoa que tenha desenvolvido seus instintos em 2023 está trabalhando com algo que já é uma relíquia do passado. Compare o que o mesmo prompt gerou no DALL-E 2 em 2022 com o que os modelos atuais apresentam, e você verá que mal podem ser considerados parte do mesmo meio.

O Relatório Internacional sobre Segurança da IA observou, em 2026, que o conteúdo gerado por IA tornou-se simplesmente mais difícil de distinguir do conteúdo real em todos os formatos, e a qualidade da imagem é o exemplo mais claro disso.

Duas coisas aconteceram ao mesmo tempo. Os modelos passaram a identificar melhor os artefatos específicos que todos já sabiam procurar, pois esses artefatos eram as reclamações mais frequentes e, portanto, os primeiros alvos. E a estética mudou. O primeiro indício foi que as imagens geradas por IA pareciam bom demais, com aquele aspecto retocado, excessivamente iluminado e levemente artificial.

Os modelos atuais geram com facilidade algo que se parece com uma foto medíocre tirada com celular, completa com desfoque de movimento, enquadramento ruim, ruído do sensor e um polegar no canto. Essa feiura agora faz parte do resultado final, em vez de ser um sinal de autenticidade.

Também vale a pena ser franco sobre o que os números revelam em relação às ferramentas de detecção em comparação com as pessoas. Os detectores automáticos atingem uma taxa de 90% a 96% em condições de laboratório, embora esse número caia substancialmente na prática, quando confrontados com modelos que o detector ainda não tenha visto.

Mesmo depois dessa queda, ainda não chega nem perto. Uma ferramenta que tenha um dia medíocre ainda supera um ser humano cauteloso que esteja tendo um bom dia.

Os sinais que deixaram de funcionar

Antes de apresentarmos os sinais úteis, vale a pena eliminar aqueles que ainda circulam e que, neste momento, podem induzir você ao erro. Cada um dos itens abaixo já foi genuinamente confiável em algum momento. Hoje, porém, nenhum deles constitui uma base segura para se formar um julgamento.

Conto antigo	Por que funcionou	Situação em 2026
Conte os dedos	Os primeiros modelos de difusão não levavam em conta a estrutura da mão e geravam rotineiramente seis ou sete dedos	Praticamente obsoleto. Os modelos atuais representam as mãos corretamente na grande maioria das vezes.
Procure por texto ilegível	Placas, lombadas de livros e etiquetas apareceram como ruídos em forma de letras	Quase em desuso para textos curtos. Ainda é um tanto útil para parágrafos densos e escritas incomuns.
Parece muito perfeito	As primeiras peças apresentavam um brilho uniforme e uma superfície impossível	Invertido. Agora, os modelos imitam a fotografia amadora, o granulado e a iluminação ruim, quando solicitado.
Verifique os dentes e as orelhas	As estruturas finas e repetitivas confundiram os primeiros modelos	Está praticamente resolvido e se concentra nos rostos, área em que você já tem o melhor desempenho.
Marca d’água no canto	Alguns geradores apresentavam marcas visíveis	Cortadas de forma insignificante ou simplesmente ausentes. A ausência não significa nada.
A busca reversa por imagem não encontra nada	Fotos reais geralmente deixam rastros na internet	Isso é fraco. Fotos privadas de verdade também não deixam rastros, e agora as imagens geradas também são indexadas.

O padrão que une todos os seis é que eles descrevem falhas de capacidade em vez de falhas estruturais. Uma falha de capacidade é algo em que o modelo tinha dificuldade e que poderia ser corrigido por meio do treinamento, e todas essas falhas foram corrigidas por meio do treinamento.

Os indicadores que vale a pena conhecer são aqueles baseados no funcionamento desses sistemas, e não no que por acaso eles não conseguiram fazer bem em um determinado ano; falarei sobre eles em breve.

O ponto cego sobre o qual ninguém escreve

Essa é a parte que mais me surpreendeu, e ela muda o que você realmente deveria suspeitar.

Quando os pesquisadores analisam a precisão da detecção humana por tema, surge um padrão consistente. Em uma análise de aproximadamente 287 mil avaliações de imagens realizadas por mais de 12.500 participantes, a precisão geral ficou em torno de 62%, mas o desempenho foi melhor em retratos e significativamente pior em paisagens e cenas urbanas.

Outros estudos observaram o mesmo padrão, com maior precisão em imagens que retratam pessoas e menor precisão em objetos e paisagens.

A explicação não é nada misteriosa. Os seres humanos possuem um mecanismo neural específico para o processamento de rostos e anos de prática em seu uso. Você percebe quando há algo de errado em um rosto, mesmo que não consiga explicar exatamente o que é. Você não possui um instinto equivalente para saber se a área de carga de um armazém parece correta.

Agora compare isso com os conselhos que todo mundo dá. Conte os dedos. Observe os olhos. Dê uma olhada nos dentes, nas orelhas e na linha do cabelo.

Cada um desses pontos em que você se depara é a categoria em que seu julgamento, sem auxílio, já é mais preciso e onde o aprimoramento do modelo tem sido mais intenso. Enquanto isso, as categorias em que você está praticamente às cegas não recebem nenhuma cobertura.

O que significa que as imagens que você deve encarar com mais desconfiança são justamente as menos dramáticas:

• Fotos de produtos. Um único objeto em um fundo liso não oferece praticamente nada para se comparar e é muito fácil de produzir.
• Interiores vazios. Quartos, escritórios, salões de restaurantes, anúncios de apartamentos. Nenhum rosto para despertar seus instintos e uma geometria complexa que seus olhos não conseguem avaliar.
• Ruas e paisagens. Exatamente a categoria em que os estudos constataram que as pessoas têm mais dificuldade e exatamente o que é usado para alegações falsas de localização e cenas inventadas em notícias.
• Documentos e capturas de tela. Recibos, faturas, painéis de controle, registros de bate-papo. Esses itens são analisados quanto ao conteúdo e quase nunca quanto à autenticidade.
• Multidões e fotos tiradas de longe. Rostos pequenos demais para acionar o processamento facial, de modo que seu melhor recurso nunca é ativado.

Um retrato gerado de uma pessoa inexistente é o tipo de situação para a qual você está preparado. Uma foto gerada de uma rua alagada com uma legenda que menciona o nome de uma cidade é aquela que passa despercebida por você, e é também a que tem mais chances de causar danos reais.

Primeira etapa: verifique a proveniência antes de verificar os pixels

Quase ninguém faz isso, e agora essa é a resposta mais rápida disponível para uma parcela cada vez maior de imagens. O setor passou os últimos dois anos desenvolvendo um sistema que classifica o conteúdo gerado no momento da criação e, a partir de 2026, ele abrange uma parte significativa do que você encontra.

O que são esses dois sistemas

Existem dois mecanismos diferentes, e eles são constantemente confundidos entre si.

As Credenciais de Conteúdo, baseadas no padrão C2PA, são metadados assinados criptograficamente e anexados a um arquivo. Elas registram a origem de uma imagem, quais ferramentas foram utilizadas nela e quem assinou essa declaração. Pense nisso como uma cadeia de custódia, em vez de uma resposta do tipo “sim” ou “não”.

A especificação chegou à versão 2.3 em janeiro de 2026, e não se destina apenas à IA. Fabricantes de câmeras e agências de notícias utilizam o mesmo padrão para certificar que uma fotografia é autêntica, o que é, sem dúvida, o uso mais importante.

O SynthID é diferente. Trata-se de uma marca d’água imperceptível que o Google DeepMind incorpora nos próprios pixels no momento da geração, e que resiste ao recorte, à recompressão e à recodificação em baixa qualidade, ao contrário dos metadados.

O Google informa que mais de 100 bilhões de arquivos de mídia receberam essa marca d’água. A desvantagem é que ela não fornece praticamente nenhuma informação além do fato de ter sido criada por IA, e sua detecção requer a infraestrutura do próprio Google, em vez de uma especificação aberta.

O que mudou em 2026

O ponto importante é que essas abordagens deixaram de ser concorrentes. Em maio de 2026, a OpenAI e o Google anunciaram um modelo conjunto no qual as imagens geradas pelo ChatGPT e pela API da OpenAI apresentam ambos uma credencial C2PA e uma marca d’água SynthID.

Considerando que o ChatGPT é o maior gerador de imagens para o consumidor em termos de número de usuários, uma grande parcela das imagens geradas por IA diariamente agora contém dois sinais independentes de proveniência. A Kakao, a ElevenLabs e a Nvidia anunciaram a adoção dessas tecnologias no mesmo dia, e o Google informou que a detecção de C2PA e SynthID será incorporada diretamente ao Search e ao Chrome.

Regulation is moving in the same direction. The EU AI Act’s Article 50 transparency and labeling obligations became binding on 2 August 2026, with penalties reaching into the tens of millions of euros.

In the United States, the TAKE IT DOWN Act has imposed a 48 hour takedown duty since May 2026. Whatever you think of the enforcement prospects, disclosure is now a legal requirement in major markets rather than a voluntary courtesy.

Como verificar de fato

1. Abra a imagem em um visualizador de Credenciais de Conteúdo. A Content Authenticity Initiative mantém uma página pública de verificação; há extensões de navegador que fazem isso diretamente na página; e a OpenAI possui uma ferramenta de verificação que verifica tanto os manifestos C2PA quanto o SynthID de uma só vez. Basta fazer o upload, ler o manifesto e pronto.
2. Leia o que o manifesto realmente diz. Uma credencial pode registrar que uma imagem foi gerada, ou que foi capturada por uma câmera e posteriormente editada, ou ainda que passou por uma ferramenta de edição específica. Os casos interessantes geralmente estão no histórico de edições, e não no campo de origem.
3. Trate uma credencial ausente como se não houvesse nenhuma informação. Essa é a parte que as pessoas sempre entendem errado.

Esse último ponto merece destaque, pois é aí que a verificação da proveniência dá errado. Os metadados C2PA são removidos pelas capturas de tela, pela maioria dos transcodificadores de redes sociais e por qualquer fluxo de trabalho de edição que não os preserve deliberadamente.

A maioria das imagens que circulam na internet não contém nem credenciais nem marca d’água, e isso é a regra, e não a exceção. O SynthID só está presente nos resultados gerados por geradores que o adotaram, o que ainda exclui uma grande parte das ferramentas em uso ativo.

Portanto, um resultado de proveniência limpo constitui uma forte evidência. Um resultado vazio não significa nada. Qualquer pessoa que lhe diga que a ausência de credenciais é motivo de suspeita está invertendo a lógica.

Segunda camada: os princípios da física que ainda se aplicam

Quando a proveniência não fornece resultados, é aqui que você deve procurar. A razão pela qual esses sinais perduram mais do que os anatômicos é de natureza estrutural.

Um modelo generativo produz uma imagem plausível, não uma simulação de uma cena. Ele não possui um modelo interno de um cômodo com uma fonte de luz, de modo que garantir a consistência global em todo o quadro é realmente difícil para ele, de uma forma que desenhar uma mão correta nunca foi.

Siga a luz

Selecione todos os objetos no quadro que projetam uma sombra e verifique se as sombras indicam a mesma direção da luz. Ao ar livre, há apenas um sol, portanto as sombras devem ser mais ou menos paralelas e ter comprimentos consistentes em relação à altura dos objetos. Em ambientes fechados, a situação é mais complexa, mas ainda assim é possível determiná-la.

As imagens geradas costumam apresentar sombras que apontam em direções ligeiramente diferentes, ou um objeto sem sombra alguma ao lado de outro que possui uma sombra bem definida, ou ainda uma sombra cuja forma não corresponde ao objeto que supostamente a projeta.

Em seguida, verifique se a iluminação do objeto combina com o ambiente. Uma pessoa iluminada pela frente à esquerda, em uma cena cujo fundo é iluminado pela direita, é um dos erros mais comuns na criação de imagens no estilo “composite”, e, quando você começa a prestar atenção nisso, percebe que esse erro está em toda parte.

Examine todas as superfícies reflexivas

É caro para um modelo reproduzir reflexos com precisão, pois isso exige a compreensão da geometria de toda a cena a partir de um segundo ponto de vista.

Observe espelhos, janelas, pisos brilhantes, pintura de carros, água, óculos de sol e telas de celular. Pergunte-se se o que está refletido corresponde ao que realmente está na cena, na posição correta, na escala certa e invertido corretamente.

O teste dos reflexos nos olhos é minha verificação rápida favorita em qualquer retrato. Esses pequenos pontos brilhantes nos olhos de uma pessoa são reflexos das fontes de luz. Em uma fotografia real, ambos os olhos apresentam reflexos na mesma posição, com a mesma forma e em igual número, pois ambos os olhos estão voltados para as mesmas fontes de luz.

Os retratos gerados costumam apresentar reflexos nos olhos que não combinam entre si, ou um olho com dois reflexos e o outro com apenas um, ou ainda reflexos cujas formas não correspondem a nenhuma fonte de luz visível na imagem.

Verifique o plano focal

As câmeras reais possuem um plano de foco. Tudo o que está à mesma distância da lente fica nítido ao mesmo tempo, e o desfoque aumenta gradualmente à medida que a distância desse plano aumenta.

As imagens geradas costumam ficar desfocadas devido a importância do objeto em vez de pela distância; assim, você percebe que um elemento do fundo aparece nítido, enquanto algo ao lado dele, na mesma profundidade, fica desfocado, ou um objeto fica nítido do nariz até a orelha em uma foto cujo desfoque do fundo sugere uma profundidade de campo muito rasa. A forma do bokeh é outro exemplo.

Os destaques realmente desfocados assumem o formato da abertura da lente e permanecem consistentes em todo o quadro.

Relações de escala de teste

Os modelos não são confiáveis no que diz respeito ao tamanho relativo dos objetos entre si, e os erros passam facilmente despercebidos porque o olho percebe a composição como um todo.

Procure uma porta que seja um pouco pequena demais para a pessoa que está passando por ela, uma xícara de café com capacidade para um litro, um carro cujas rodas não combinem com a carroceria, móveis em uma escala que não caberia em um ser humano. Isso é especialmente eficaz justamente nas imagens de interiores e de ruas, onde seus instintos são mais fracos.

Procure por texturas que se repitam

As superfícies reais são irregulares em todas as escalas. As paredes de tijolos têm tijolos danificados, as multidões têm pessoas voltadas para direções diferentes e a folhagem tem galhos quebrados.

As texturas geradas costumam se repetir sutilmente; portanto, examine qualquer superfície grande e repetitiva para verificar se o mesmo defeito aparece duas vezes ou se há uma face idêntica em dois pontos diferentes em uma multidão. Amplie o fundo em vez do objeto principal, pois é nele que o modelo dedicou menos esforço.

Observe as bordas e as junções

É onde duas coisas se encontram que a imagem fica desleixada. O cabelo contra o fundo, as joias contra a pele, a armação dos óculos cruzando o rosto, uma alça desaparecendo por trás de um ombro e reaparecendo no lugar errado.

Siga qualquer objeto linear que passe por trás de outro e confirme se ele sai exatamente onde a geometria indica que deveria. Correias, corrimãos, fios de alta tensão e postes de cerca são todos bons exemplos.

Terceira etapa: passe pelo detector

A verdade é que os níveis um e dois vão deixar você na dúvida na maior parte do tempo, e essa incerteza, quando tentamos esclarecê-la olhando com mais atenção, tende a se resolver em direção ao que você já acreditava. É para isso que serve o software.

O Detector de imagens AI analisa a imagem em busca de características de geração no nível dos pixels e da frequência, em vez de no nível do conteúdo visível, e é justamente por isso que não apresenta o mesmo ponto cego que você. Não possui nenhuma aptidão especial para rostos nem nenhuma fraqueza específica em relação a paisagens.

Um estacionamento representa o mesmo problema que um retrato. Considerando que as pesquisas mostram que a sua própria precisão varia enormemente de acordo com o assunto, contar com uma segunda opinião que não seja influenciada pelo assunto tem um valor muito maior do que parece.

Observações práticas sobre o uso de qualquer poço de detecção:

• Forneça a versão da mais alta qualidade que você conseguir encontrar. A compressão excessiva destrói as informações de frequência finas das quais os detectores dependem; portanto, uma captura de tela de outra captura de tela é a pior fonte possível.
• Considere a pontuação como um indício, e não como um veredicto, especialmente quando ela estiver no meio da faixa. Uma pontuação muito alta ou muito baixa é reveladora. Uma pontuação próxima do ponto médio significa que é preciso analisar com mais cuidado, e não decidir jogando uma moeda.
• Analise as camadas em conjunto. A ausência de uma credencial de proveniência, somada a uma inconsistência de sombra e a uma pontuação alta do detector, constitui uma conclusão. Qualquer um desses três fatores, isoladamente, representa uma suspeita.
• Lembre-se de que a edição intensa de uma foto real pode melhorar a qualidade de uma imagem genuína, da mesma forma que o processamento intenso dificulta a detecção de áudio. A fotografia comercial retocada é o risco mais comum de falsos positivos.

Se a imagem vier de um vídeo, selecione um quadro nítido ou use o Detector de vídeo com IA em vez disso, já que é capaz de interpretar sinais de movimento e de consistência temporal que um único quadro descarta.

E quando uma imagem chega anexada a uma mensagem de voz ou a uma chamada de vídeo, a Detector de voz AI abrange a outra metade desse esquema fraudulento.

Um guia por tipo de imagem

Cada categoria apresenta falhas de maneiras diferentes; portanto, veja a seguir onde verificar primeiro, dependendo do que você estiver segurando.

Tipo de imagem	Verifique isso primeiro	Falha mais comum
Retrato	Reflexos de luz nos dois olhos, depois nas orelhas e nas joias	Reflexos diferentes nos olhos e brincos assimétricos
Foto do produto	Ponto de contato da sombra onde o objeto encosta na superfície	O objeto parece flutuar, ou o contorno da sombra não coincide com ele
Interior ou imóvel	Linhas retas e proporções das portas, tomadas e bancadas	Geometria que não faz sentido e móveis em escala impossível
Rua ou paisagem	Textura repetitiva, texto de sinalização, arquitetura à distância	Folhagens dispostas em mosaico e prédios cujas janelas não estão alinhadas
Multidão ou evento	Rostos duplicados, contagem de membros nas bordas	A mesma pessoa aparecendo duas vezes e corpos sobrepostos ao fundo
Documento ou recibo	Consistência da fonte, alinhamento, aritmética	Totais que não batem e fontes diferentes na mesma linha
Notícias ou local do desastre	Primeiro a proveniência, depois a direção da sombra	Sem identificação e iluminação que contradiz a hora do dia indicada
Captura de tela de um bate-papo	Marcações de tempo, contornos dos avatares, espaçamento entre elementos da interface do usuário	Detalhes da interface que não correspondem à versão real do aplicativo

Perguntas frequentes

Considerações finais

A conclusão incômoda por trás de tudo isso não é que as imagens geradas por IA tenham melhorado. É que as pessoas demonstram confiança quase exatamente na mesma proporção em que estão erradas.

Sessenta por cento dos participantes de um grande teste se mostraram confiantes em seu julgamento, enquanto apenas um décimo de um por cento deles realmente merecia essa confiança. Se você for levar apenas uma lição deste artigo, que seja a desconfiança em relação à sua própria certeza, em vez de uma nova lista de truques visuais.

A versão prática é curta. Verifique primeiro a proveniência, pois, para uma parcela cada vez maior de imagens, isso fornece uma resposta concreta em segundos, e quase ninguém se dá ao trabalho de fazer isso. Em seguida, concentre-se na física em vez da anatomia, pois sombras, reflexos, planos focais e escala são estruturalmente complexos de uma forma que os dedos nunca foram.

Em seguida, submeta a imagem a um detector, principalmente quando se tratar de uma paisagem, uma foto de produto, um interior ou um documento — categorias nas quais seu próprio julgamento é praticamente inútil e nas quais você se sentirá mais confiante justamente porque não há nenhum rosto para lhe causar preocupação.

A rotulagem está se tornando lei, a proveniência está sendo incorporada aos navegadores e o volume de imagens sintéticas continua aumentando. Nada disso elimina a necessidade de verificar. Significa apenas que a verificação está se tornando algo comum, em vez de algo paranóico.

Da próxima vez que uma imagem chamar sua atenção, dedique dez segundos a ela com atenção. Procure por uma referência, observe as sombras e envie-a para o nosso Detector de imagens AI para resolver a questão.