Os três sinais de que algo “tem cara de IA”: quatro pixels, um selo invisível e ninguém assinando

Primeiro, a conclusão

Nas últimas duas semanas saíram três notícias que parecem não ter nada a ver uma com a outra. Na verdade, falam da mesma coisa.

Em 7 de outubro, o Google abriu para todo mundo o seu detector de marca d’água SynthID. Em 9 de outubro, a Nikon cassou o primeiro prêmio de um concurso de imagem microscópica porque alguém detectou uma marca d’água no vídeo. Quase na mesma época, um projeto de código aberto que gera diagramas para agentes de programação chegou aos trending do GitHub com um argumento curioso: “sem sombras, sem Mermaid e todos os espaçamentos divisíveis por 4”.

Detecção, responsabilização, estética. Mas, se você sobrepuser as três, “cara de IA” deixa de ser uma expressão mística: tem três origens concretas — alinhamento, procedência e crédito. As duas primeiras dá para corrigir. A terceira é difícil.

Fenda um: quatro pixels de diferença

O projeto se chama Diagram Design, da autora Cathryn Lavery. Tem uma regra que soa chatíssima: todas as coordenadas, larguras e espaçamentos precisam ser divisíveis por 4.

Segundo ela, é isso que faz o resultado não “parecer feito por IA”. Vale pensar. Ninguém percebe se uma caixa tem 137 ou 136 pixels. Mas a gente sente que “tem algo errado” e não consegue dizer o quê. O olho humano é extremamente sensível a desalinhamentos; só que ele comunica isso como um desconforto difuso, não como um veredito claro.

A primeira camada de “falso” numa imagem gerada, portanto, quase nunca está no conteúdo: está no ritmo. Um designer humano escolhe espaçamentos que formam um sistema. O modelo entrega 13,5, 27, 54 — números que “parecem dar conta”. Esse pouquinho é tudo.

A boa notícia é que essa camada é a mais fácil de arrumar. Criar regras, usar grid, transformar espaçamentos em variáveis. Tudo questão de engenharia.

Fenda dois: o selo que não se vê

O SynthID é uma marca d’água invisível embutida no arquivo. Não se vê a olho nu e costuma sobreviver à compressão e ao recorte. Desde 7 de outubro, qualquer pessoa pode subir uma imagem, um vídeo ou um áudio e checar se ele carrega esse selo. A cobertura vai além dos modelos do Google: inclui OpenAI, Nvidia e Kakao, e a Apple deve entrar em breve.

Mas o que transformou o selo em assunto público foi o caso Nikon.

O concurso Small World in Motion, da Nikon, deu o primeiro prêmio a um vídeo microscópico de cílios em movimento de Xu Ning, mostrando tecido das vias aéreas de uma criança com discinesia ciliar primária. Depois do anúncio, cientistas começaram a apontar falhas: estruturas roxas que apareciam e sumiam do nada, cílios verdes que “surgiam não se sabe de onde”. Um doutorando do UT Southwestern Medical Center passou o material pelo Gemini e encontrou SynthID.

A versão de Xu Ning: a IA foi usada só na pós-produção, para separar e colorir estruturas de forma parecida nos dados em escala de cinza reconstruídos; o vídeo original e o movimento dos cílios são reais. A resposta da Nikon foi contida: disse que a obra “não cumpre o regulamento desta edição sobre IA generativa”, tratou o caso como questão de elegibilidade e deixou claro que isso não é um julgamento sobre a reputação acadêmica ou a intenção do autor. A classificação foi ajustada depois e a obra saiu da galeria dos vencedores.

O ponto mais espinhoso é que a imagem microscópica sempre exige processamento. Redução de ruído, deconvolução, falsa cor: passos necessários para “conseguir ver alguma coisa”. Então a linha que a Nikon precisava traçar não era “usou IA”, e sim “o processamento acrescentou algo que não estava lá”. Uma marca d’água não responde a isso. Só responde “alguma ferramenta tocou neste arquivo”.

O outro caso é mais cotidiano. O Fortnite lançou uma música chamada “Meow” com uma marca d’água do Gemini no canto inferior direito da capa. Jogadores notaram e a imagem foi trocada. A distribuidora disse que a arte veio do artista; o artista disse que não sabia de nada. Ninguém acusou a plataforma de falsificar. A marca d’água cumpriu uma função mínima: dizer quem tocou no arquivo. O resto a reação nas redes fez sozinha.

Fenda três: ninguém assina

A terceira camada é a mais difícil de corrigir, porque não é um problema técnico.

A Wired noticiou neste mês que pelo menos três das cinco maiores editoras dos EUA — HarperCollins, Simon & Schuster e Hachette — usaram ferramentas de IA sem divulgação pública e sem avisar os autores. Não só em capas: também em e-mails para agentes literários, textos de divulgação, textos de quarta capa e materiais de marketing. Segundo funcionários, boa parte veio da direção.

As três respostas são reveladoras. A Hachette disse apoiar o uso de IA em trabalho “operacional” que ajuda os livros a chegar a mais leitores, mas “não apoia o uso de IA para fins criativos, incluindo a comunicação com autores e parceiros”. O problema: escrever para um agente é operacional, uma quarta capa é criativo, e os próprios funcionários dizem que essa linha já foi cruzada. A Simon & Schuster disse que a equipe pode usar um conjunto limitado de ferramentas corporativas, que o uso não é obrigatório e que ferramentas não aprovadas são proibidas — mas “não obrigatório” e “não aconteceu” são coisas diferentes. A HarperCollins não respondeu.

A capa é sensível porque é um dos poucos elos do processo editorial em que um nome aparece de forma explícita. Ilustrador tem portfólio, tabela de preços, agente. Trocar uma encomenda por uma geração não economiza só dinheiro: fecha uma porta de entrada para quem está começando na indústria. E o autor, cujo nome está impresso na capa, costuma ser o último a saber de onde aquela capa veio.

Essa camada não tem solução técnica. A marca d’água prova que uma ferramenta tocou no arquivo, o grid faz a imagem parecer mais humana, mas “quem fez isso e se recebeu crédito” só a instituição responde: uma linha na página de créditos, uma cláusula no contrato, um campo nos metadados.

Então como saber se uma imagem “parece feita por IA”?

Primeiro, o esqueleto. Há ritmo no alinhamento, nos espaçamentos, no respiro? Essa camada é oitenta por cento do problema e depende quase toda de regras, não do modelo.

Depois, os vestígios. O selo invisível está lá? O arquivo tem origem rastreável? Essa camada está virando ferramenta e ficando cada vez mais acessível para qualquer pessoa.

Por último, a assinatura. Quem fez, quem aprovou, quem assinou. Essa camada não tem ferramenta, só hábito.

As duas primeiras dá para tapar com tecnologia. A terceira não: só muda quando alguém aceita colocar o próprio nome.