Os números por trás da geração de imagens por IA: uma queda de 99% no preço devorou a fotografia de stock

É fácil não perceber o quanto a economia das imagens mudou, porque a mudança aconteceu silenciosamente e em todos os lugares ao mesmo tempo. Os números contam a história melhor do que qualquer lançamento de produto isolado.
O mercado de geração de imagens por IA está a caminho de atingir cerca de quinze bilhões de dólares até 2027, crescendo em torno de 60% ao ano, impulsionado por marketing, jogos e redes sociais. Esses são números redondos e expressivos, mas o dado mais revelador é o que aconteceu com o custo de uma imagem. Uma foto de stock que costumava custar cinquenta dólares agora custa cerca de dez centavos quando é gerada por IA. Isso é uma queda de 99%, e ela tem consequências que ainda estão se desdobrando.
A disrupção da fotografia de stock
A consequência mais visível está na fotografia de stock. Cerca de 40% das novas fotos de stock agora são geradas por IA, e a razão não é estética. É aritmética. Quando o custo de produzir uma imagem cai em duas ordens de magnitude, o modelo de negócios baseado em vender imagens individuais com preço premium deixa de fazer sentido.
A antiga economia da foto de stock funcionava porque era preciso pagar um fotógrafo, montar uma sessão de fotos e recuperar o custo em um número limitado de licenças. Uma imagem de IA não tem nenhum desses custos. O custo marginal é a computação, e a computação é barata e está ficando mais barata.
Isso não significa que os fotógrafos estão sem trabalho, mas significa que o segmento genérico do mercado desapareceu. O que costumava ser o ganha-pão — um profissional sorridente, um aperto de mão, um pôr do sol sobre a cidade — agora é commodity. O que sobrevive é o trabalho que um modelo não consegue falsificar: pessoas reais, lugares reais, eventos reais e a confiança que vem de saber que uma foto não foi fabricada.

A base de usuários atingiu escala
Os números de adoção são a parte menos citada e a que mais importa.
O Midjourney relata mais de dezesseis milhões de usuários. O Stable Diffusion ultrapassou vinte milhões de downloads. E o DALL-E, antes de ser descontinuado, estava dentro do ChatGPT com algumas centenas de milhões de usuários que podiam gerar uma imagem sem nunca instalar nada.
Esse último número é o importante. O crescimento da geração de imagens por IA deixou de ser sobre pessoas que queriam usar uma ferramenta de imagem e passou a ser sobre pessoas que já tinham uma ferramenta aberta para outra coisa. Quando a geração de imagens é um recurso dentro de um app de chat, de uma suíte de escritório e de uma plataforma social, o mercado endereçável deixa de ser "criadores" e passa a ser "todos".
O fluxo de trabalho já é híbrido
A estatística mais reveladora de como isso funciona na prática: cerca de metade dos designers gráficos agora usa IA para gerar mockups e fazer ideação antes de finalizar no Photoshop ou no Illustrator.
Essa é a forma realista da adoção de IA, e é menos dramática do que as manchetes. Os designers não estão sendo substituídos. Eles estão usando IA para gerar mockups rápidos e explorar ideias, e depois fazem o acabamento real em suas ferramentas habituais. A IA faz a quantidade; o humano faz a qualidade.
É o mesmo padrão da fotografia de stock. A camada de commodity foi automatizada. A camada de artesanato não foi. A diferença é que agora a camada de commodity é quase gratuita e instantânea, o que significa que mais tempo do designer vai para a parte que realmente exige julgamento.
Os números desconfortáveis
Nem tudo nas estatísticas é uma história de sucesso.
Cerca de 65% dos artistas dizem que se preocupam com a imitação de estilo, e essa preocupação impulsionou o surgimento de etiquetas "no-AI" e bancos de dados de opt-out. A preocupação é legítima. Um modelo treinado com o trabalho de um artista vivo pode produzir imagens nesse estilo, e os limites legais e éticos ainda estão sendo definidos.
No lado técnico, as máquinas não são perfeitas. Até os melhores modelos ainda produzem erros sutis, mãos deformadas e texto incorreto em cerca de cinco por cento das imagens. Esse número continua diminuindo, mas não chegou a zero, e para trabalhos que precisam estar corretos, esses cinco por cento são a razão pela qual um humano ainda confere o resultado.
O que os números não dizem
As estatísticas comprimem uma realidade confusa em uma linha limpa, e a confusão é onde mora a parte interessante.
O número de 40% para fotos de stock geradas por IA, por exemplo, esconde a divisão interna. A IA domina a ponta genérica e intercambiável do mercado — os apertos de mão sorridentes e os pores do sol. Ela quase não toca a ponta superior, onde os compradores pagam por fotos editoriais reais, pessoas reais e a verificação que vem com elas. O número é grande porque a base do mercado é grande, não porque a IA substituiu tudo.
A estatística de adoção entre designers tem o mesmo formato. O fato de metade dos designers usar IA para ideação não significa que metade do trabalho de design está automatizado. Significa que a parte exploratória barata está automatizada, e a parte cara de acabamento ainda é feita à mão. A IA produz mais opções, e o humano escolhe entre elas. Isso é aumento, não substituição, e a distinção importa para qualquer um que tente adivinhar onde seu próprio trabalho vai parar.
Até a queda de 99% no custo é menos limpa do que parece. O custo marginal de gerar uma imagem é quase zero, mas o custo de obter uma imagem boa, dentro da marca e juridicamente limpa não é. Tentativas repetidas, aprovações, edições e o risco de usar algo que você não pode licenciar se acumulam novamente. O preço de um pixel despencou. O preço de um ativo utilizável caiu bem menos.
Para onde os números apontam
Lidas em conjunto, as estatísticas descrevem um mercado que terminou sua fase de novidade e entrou em sua fase de consolidação.
A curva de custos despencou, o que mata o antigo modelo de foto de stock e abre aplicações em volume que nunca foram econômicas antes. A base de usuários atingiu escala mainstream, o que muda o campo de batalha competitivo de "quem faz a melhor imagem" para "quem já está no app que você usa". E o fluxo de trabalho está se estabilizando em um modelo híbrido, com a IA cuidando da iteração e os humanos cuidando do julgamento.
A próxima fronteira já é visível nos mesmos dados: geração 3D e animação de vídeo a partir de imagens únicas. Os modelos de imagem ficaram bons, depois ficaram baratos, depois ficaram em todos os lugares. O mesmo arco está recomeçando agora para o vídeo. A única coisa certa é que a próxima queda de 99% no preço será ainda menos visível, porque ninguém vai parar para notar que algo que usa todos os dias ficou mais barato de novo.
Artigos relacionados
Refizeram um modelo de visão proprietário com dados públicos e passam à frente num benchmark
O paper vale pelo que publicou: pipeline de dados, código de treino e checkpoints intermediários.
4LC guarda a cena para o modelo de vídeo parar de redesenhá-la
Na tabela comparativa, cada método ganha um eixo e perde o outro. O artigo do 4LC diz com franqueza qual metade ainda não resolve.
Onze skills de Claude que clonam um app, até a ficha da loja
A última etapa fica com um skill chamado Entrepreneur. Ele lê do que os usuários do original reclamam. É aí que o clone deixa de ser cópia.
Alguém reescreveu Minecraft em Rust e auditou 833 diferenças de comportamento, uma por uma
3.289 quadros por segundo com oito chunks, tela de título em três segundos, e uma tabela que admite o que os harnesses nunca verificaram.