Como saber se uma imagem foi gerada por IA: o guia completo de 2026

Há alguns anos, identificar uma imagem de IA era fácil. Seis dedos, texto derretido, olhos apontando para direções diferentes. Essa era acabou. Em 2026, os geradores produzem imagens iguais ao que você esperaria de uma foto comum de celular, e a verdade honesta é esta: normalmente você já não consegue saber só de olhar. Quem afirma que sempre consegue está se superestimando.

Isso não significa que você esteja indefeso. Existe um jeito confiável de investigar uma imagem suspeita — mas é um processo, não uma olhada. Este guia percorre a escada exata que funciona em 2026, das verificações mais rápidas e certeiras até as pistas visuais de último recurso.

Se for lembrar de uma coisa só, que seja esta: vá da procedência aos detectores, e deles à física — nessa ordem.

Primeiro, entenda o que você está enfrentando

Para pôr o problema em perspectiva: estimativas do setor sugerem que mais de 500 milhões de imagens de IA são criadas todos os dias nas grandes plataformas em 2026. A pesquisa da McAfee descobriu que o americano médio agora cruza com cerca de 2,6 deepfakes por dia sem perceber. Boa parte do que você rola na tela nunca foi capturada por uma câmera.

O salto de qualidade de 2025 para 2026 foi íngreme. Ferramentas que antes produziam falsificações óbvias agora igualam o realismo de uma edição de foto normal. É por isso que os velhos conselhos de “procure os defeitos” falham — foram escritos para uma geração de IA que não existe mais. Para o contexto de como essa tecnologia funciona, leia o que é um deepfake.

Então precisamos de uma abordagem mais inteligente.

Passo 1: Verifique a procedência (o sinal mais rápido e confiável)

Antes de analisar um único pixel, faça uma pergunta mais simples: a imagem carrega um registro de onde veio?

Isso se chama procedência, e é o sinal mais forte disponível em 2026 porque não depende de adivinhação — depende de um registro criptográfico embutido no arquivo.

Content Credentials (C2PA)

A Coalition for Content Provenance and Authenticity (C2PA) criou um padrão aberto chamado Content Credentials. Muitas câmeras, editores e geradores de IA já anexam esses metadados às imagens. Eles podem dizer se a IA participou da criação ou edição de uma foto.

As grandes empresas de IA adotaram o padrão. A OpenAI, por exemplo, anexa Content Credentials às imagens feitas com suas ferramentas e oferece um jeito de verificá-las. O porém — e é importante — é que os metadados podem ser removidos. Se alguém tira print ou salva a imagem de novo, as credenciais costumam desaparecer. Um resultado “nenhuma credencial encontrada” não inocenta a imagem; só significa que a trilha esfriou.

SynthID (Google)

O Google embute uma marca-d’água invisível chamada SynthID nas imagens geradas por seus modelos. Você pode abrir o app Gemini, enviar uma imagem e perguntar se foi feita com IA do Google — ele verifica a marca SynthID.

Vale a mesma limitação, e o Google é honesto sobre isso: o SynthID só sinaliza conteúdo de origem Google. Um resultado “sem marca-d’água” não inocenta uma imagem feita com Midjourney, Stable Diffusion ou qualquer ferramenta fora do Google.

Resumo do Passo 1: se você encontrar procedência, muitas vezes tem sua resposta em segundos. Se não encontrar, vá ao Passo 2 — a ausência de procedência não prova nada por si só.

Passo 2: Passe por ferramentas de detecção (sua segunda linha)

Quando a trilha de procedência está vazia, é a vez dos detectores. Essas ferramentas analisam as impressões digitais estatísticas que os modelos generativos deixam — padrões invisíveis ao olho humano, mas detectáveis por um modelo treinado.

O que você precisa saber para usá-los com sabedoria:

Eles dão probabilidades, não veredictos. Benchmarks independentes de 2026 colocam os melhores detectores em cerca de 85% a 94% de precisão em imagens limpas e sem compressão — e visivelmente menos quando a imagem foi comprimida, redimensionada ou editada. É genuinamente útil, mas não é certeza. Trate a pontuação como uma peça de evidência.

Compressão é a fraqueza deles. As redes sociais comprimem e limpam imagens agressivamente. Uma foto real muito comprimida pode confundir um detector, e uma falsificação polida também. É o maior motivo de detectores discordarem.

Nenhuma ferramenta é confiável isoladamente. O fluxo prático de 2026 é passar a imagem por mais de um detector forte e olhar onde eles concordam. Concordância é o seu sinal; discordância significa “inconclusivo”, que é uma resposta perfeitamente honesta.

É aqui que uma ferramenta no dispositivo ganha seu lugar. A maioria dos detectores web exige que você envie sua imagem ao servidor de uma empresa — um problema de privacidade se a foto for pessoal ou sensível. Construímos o Verifyco exatamente para resolver isso: ele roda uma análise forense multicamada inteiramente no seu iPhone, verificando metadados, assinaturas de geração por IA e padrões de frequência, e devolve uma pontuação de confiança com o detalhamento completo do que encontrou. Nada é enviado, nenhuma conta é necessária, e ele é honesto sobre a incerteza — se os sinais forem fracos, diz “inconclusivo” em vez de chutar. (Mais sobre o fluxo específico do iPhone no nosso guia para checar fotos no iPhone.)

Passo 3: Examine a física (o último recurso)

Se a procedência está vazia e os detectores divididos, você recorre ao que a IA ainda tem dificuldade: consistência física global. Os geradores montam a imagem localmente — região por região — e muitas vezes não conseguem reconciliar a cena inteira do jeito que a luz real e as lentes reais fazem.

Onde olhar, mais ou menos em ordem de confiabilidade:

Sombras e direção da luz

Rastreie cada sombra. Numa foto real, todas caem de forma consistente a partir da(s) fonte(s) de luz. Cenas de IA frequentemente misturam ângulos de sombra que nenhuma iluminação real produziria.

Reflexos

Confira olhos, óculos, água, janelas e superfícies brilhantes. O conteúdo refletido em imagens de IA muitas vezes contradiz a cena real, ou aparece onde não deveria.

Geometria do fundo

Linhas retas são difíceis para a IA. Olhe corrimãos, pisos, esquadrias, tijolos e bordas de portas. Em imagens de IA, elas se dobram, se fundem ou brotam segmentos extras onde deveriam seguir retas.

Profundidade e desfoque

Lentes reais desfocam por distância. A IA às vezes desfoca por “palpite estético”, deixando uma combinação de nitidez entre primeiro plano e fundo que nenhuma câmera real produziria.

Texturas finas e padrões

Olhe de perto os detalhes repetidos — tramas de tecido, rostos em multidões, folhagem, texto em placas. A IA tropeça na interação sutil de padrões complexos e costuma produzir, sob inspeção próxima, inconsistências discretas e oníricas.

Uma ressalva crucial: essas pistas ficam mais difíceis de ler a cada mês — exatamente por isso a física é a última camada e não a primeira. Um gerador moderno pode produzir uma cena que passa em todos esses testes. Passar neles não é prova de autenticidade — só significa que você não achou uma falha óbvia.

Juntando tudo: o fluxo de trabalho de 2026

O método inteiro num só lugar:

1. Procedência primeiro. Procure Content Credentials (C2PA) e, para suspeitas de Google, SynthID via app Gemini. Achou algo? Provavelmente já tem sua resposta.
2. Detectores em seguida. Passe a imagem por mais de um detector forte. Busque concordância. Uma opção privada no dispositivo como o Verifyco mantém sua imagem longe de servidores de terceiros.
3. Física por último. Se ainda precisar decidir, esmiúce sombras, reflexos, geometria, profundidade e textura — lembrando que passar nesses testes não é garantia.

A mentalidade que protege você não é “eu sei identificar falsificações”. É “eu verifico antes de confiar”. Esse único hábito coloca você à frente de quase todo mundo que rola a mesma imagem sem pensar duas vezes. É um vídeo que você quer checar? Veja como identificar um vídeo deepfake.

Perguntas frequentes

O ChatGPT ou o Gemini podem me dizer se uma imagem é gerada por IA? Parcialmente. O Gemini pode checar a marca SynthID do Google, que só cobre imagens feitas pelo Google. Chatbots genéricos podem comentar inconsistências visuais, mas não são detectores dedicados e não devem ser sua única checagem.

Os detectores de imagens de IA são precisos? Os melhores ficam em torno de 85–94% em imagens limpas nos benchmarks de 2026, e menos em imagens comprimidas ou editadas. São um sinal forte, não um veredicto final. Use mais de um e pese o resultado junto com a procedência.

Por que dois detectores me dão respostas diferentes? Quase sempre por compressão ou edição. As plataformas comprimem e limpam as imagens pesadamente, o que degrada as impressões estatísticas das quais os detectores dependem. Quando as ferramentas divergem, trate o resultado como inconclusivo.

É IA se não há marca-d’água nem metadados? Não — e esse é um erro comum. Dados de procedência somem facilmente com prints e novos salvamentos. Uma marca-d’água ausente não prova nada sozinha; só significa que você precisa recorrer aos detectores e à física.