Imagens de IA podem funcionar tão bem quanto banco de imagens, diz estudo do NN/G

A pergunta que trava muitos projetos com orçamento apertado é simples: usar imagem gerada por IA↳Inteligência artificial440 conteúdosUX e IA: Transformando Experiências Digitais com Inteligência ArtificialProduto & UX · jan 2025MCP: O que é e por que você vai ouvir falar disso em breve?AI · jul 2025IA generativa e a urgência de reconstruir nossa relação com a verdadeAI · jun 2025Ver tudo em AI → no site faz a empresa parecer menos confiável? O Nielsen Norman Group rodou um estudo para responder isso com evidência, e o resultado é encorajador com asteriscos. Quando os participantes não sabiam se uma imagem era gerada por IA, elas não sofreram nenhuma penalidade de percepção em relação a fotos de banco de imagens tradicionais.

Para quem trabalha com design web no Brasil, onde comprar licença de banco de imagens de qualidade pesa no custo do projeto, isso muda o cálculo. Mas o estudo deixa claro que a origem importa menos que a imagem em si, e que "usar IA" não é o mesmo que "usar IA sem critério".

Como o estudo foi montado

Os pesquisadores recrutaram 77 adultos nos EUA para avaliar seis versões da página de uma consultoria fictícia. As páginas eram idênticas, mudava apenas a imagem de destaque (hero): três eram geradas por IA (via ChatGPT Images 2.0) e três eram fotos reais de bancos como Unsplash e iStock. Ninguém foi avisado de que o estudo envolvia IA.

Cada participante olhava a página por 10 segundos e avaliava a empresa em três dimensões, numa escala de 1 a 7: confiabilidade, profissionalismo e autenticidade. Havia também uma pergunta aberta sobre "que outros fatores influenciaram sua impressão".

O detalhe metodológico que sustenta a conclusão: para tornar as imagens comparáveis, aplicaram o mesmo critério de seleção aos dois grupos. Toda imagem precisava mostrar pelo menos três pessoas colaborando num ambiente de trabalho, com trajes profissionais, qualidade suficiente para hero e paleta de cores parecida, para que nenhuma se destacasse só pelo tratamento visual. Nas imagens de IA, houve ainda uma triagem para erros óbvios de geração, como anatomia estranha nas mãos.

O que os números mostraram

A expectativa dos pesquisadores era que a IA fosse pior avaliada. Aconteceu o contrário, de forma sutil: as páginas com imagem de IA tiveram notas ligeiramente mais altas nas três dimensões. Só que a diferença atingiu significância estatística apenas em autenticidade, e mesmo assim o aumento estimado foi minúsculo, 0,4 ponto numa escala de 1 a 7.

O NN/G é honesto ao interpretar isso: com apenas seis imagens testadas e diferenças tão pequenas, não dá para concluir que IA é categoricamente melhor. O que os dados mostram é que as imagens de IA não ficaram em desvantagem. É uma conclusão mais modesta e mais útil do que a manchete sugere.

Nos comentários abertos, o que gerava confiança não era a tecnologia por trás da imagem, e sim o conteúdo dela: cenas de colaboração e trabalho em equipe. Um participante disse gostar de ver "todos trabalhando juntos", o que passava a ideia de uma empresa que valoriza o time. Curiosamente, uma das fotos reais (Real Image 1) recebeu comentários negativos por falta de diversidade e por sugerir hierarquia ("a imagem parecia ter um líder, e isso me deixou menos confiante na página").

Representação pesa mais que a origem

Esse é o ponto que interessa a quem leva design inclusivo a sério. Diversidade racial e de gênero apareceu repetidamente nas justificativas de gostar ou não de uma imagem. Algumas imagens de IA foram elogiadas justamente por representação; uma foto real bem recebida mostrava um grupo diverso com uma mulher em posição de liderança.

O alerta do NN/G aqui é direto: a IA não produz imagens inclusivas automaticamente. Ela reflete os vieses dos dados de treino. Cabe ao time avaliar cada candidata olhando além da mera presença de diversidade: quem está em posição de liderança e quem está em papel de apoio, como as pessoas estão posicionadas e interagindo, e se a imagem reforça estereótipos de gênero, raça, idade, capacidade ou profissão. Ou seja, o trabalho crítico de curadoria não desaparece, só muda de lugar.

O detalhe que quebra a boa notícia: a suspeita

Aqui está o asterisco mais importante para quem for aplicar isso. O estudo funciona porque os participantes não sabiam da origem. Mas alguns desconfiaram por conta própria, e quando isso acontecia, tendiam a avaliar o site pior. Em um caso, uma foto real foi acusada de parecer "falsa/gerada por IA" porque a mulher loira no centro tinha "o holofote".

Isso cria uma distinção incômoda: o usuário pode reagir mal à mera suspeita de IA, mesmo que a imagem seja natural e bem feita. E o estudo não mede o cenário em que a imagem é claramente rotulada como gerada por IA, o que é cada vez mais relevante. O AI Act da União Europeia já inclui exigências de identificação de certos conteúdos gerados por IA. E o NN/G cita pesquisa de Schilke e Reimann (2025) em que, ao longo de 13 experimentos, pessoas e organizações foram menos confiadas quando o uso de IA era divulgado.

Traduzindo o trade-off: a paridade de percepção vale enquanto o usuário não sabe. No momento em que a regulação ou a transparência voluntária obriga a rotular, o cálculo pode virar. Para o mercado brasileiro, onde ainda não há uma regra tão explícita quanto a europeia sobre rotulagem, isso é uma janela, mas uma janela que pode fechar.

Quando não vale a pena

O NN/G propõe tratar imagem de IA como qualquer outro ativo de design: algo que passa por avaliação criteriosa. Antes de publicar, o checklist sugerido é prático:

• Propósito: a imagem sustenta a mensagem da página?
• Representação: quem aparece, quem está ausente e como as pessoas são retratadas?
• Autenticidade: as pessoas, o cenário e as interações parecem críveis?
• Erros de IA: cheque texto, mãos, telas, reflexos em vidro e detalhes de fundo.
• Contexto: avalie o corte final, o tamanho e o encaixe na interface.

O output em si dá para julgar com os mesmos critérios de qualquer imagem. O que não some é a camada jurídica e ética do método de produção. Como modelos de geração podem ter sido treinados em fotos de pessoas reais, surgem questões de consentimento, semelhança e proveniência dos dados de treino. Antes de adotar uma ferramenta, a recomendação é entender suas políticas de dados de treinamento e de uso comercial. Uma imagem pode funcionar perfeitamente do ponto de vista de UX↳UX33 conteúdosUX e IA: Transformando Experiências Digitais com Inteligência ArtificialProduto & UX · jan 2025UX, IA e Front-End: quando experiência, inteligência e código se encontram para criar o futuro digitalProduto & UX · jul 2025Novidades em UX/UI para 2025: O futuro do design de experiências digitaisProduto & UX · abr 2025Ver tudo em Produto & UX → e ainda assim ser inadequada por risco de direitos autorais ou consentimento.

Em resumo, o estudo do NN/G desarma o medo genérico de que "IA parece amadora", mas não entrega passe livre. A economia de custo e a agilidade de workflow são reais, principalmente em projetos apertados. O que muda é onde o esforço de qualidade é gasto: menos em pagar licença, mais em curadoria crítica de representação, checagem de erros de geração e leitura da política jurídica da ferramenta. Design continua sendo argumento, e agora o argumento inclui de onde a imagem veio.

Fonte: Nielsen Norman Group