Como saber se uma foto foi gerada por inteligência artificial

A dúvida de como saber se uma foto foi feita por inteligência artificial se tornou rotina no dia a dia de jornalistas, advogados, recrutadores e até de pessoas comuns que recebem imagens em grupos de WhatsApp, redes sociais ou e-mail. O avanço dos geradores de imagem fez com que a diferença visual entre uma fotografia capturada por um celular e uma síntese criada por um modelo se tornasse cada vez mais sutil a olho nu. Por isso, a verificação deixou de ser apenas estética e passou a depender de evidências técnicas que acompanham o arquivo. Muitas vezes a primeira pista está exatamente no que não aparece. Uma foto tirada por um dispositivo real costuma carregar um conjunto de informações embutidas, como modelo da câmera, lente, abertura, ISO, velocidade do obturador, data e hora exata da captura e, em alguns casos, coordenadas geográficas. Quando essas informações estão ausentes de forma suspeita, ou estão presentes de maneira inconsistente, o alerta se acende. Isso não prova sozinho que a imagem é sintética, mas indica que o arquivo não passou por um fluxo fotográfico tradicional ou foi deliberadamente limpo antes de ser compartilhado. A verificação responsável combina observação visual com análise técnica do arquivo, e é nesse segundo ponto que ferramentas de auditoria de metadados ganham relevância prática.

O ponto de partida mais objetivo é o exame dos metadados técnicos da imagem, principalmente EXIF, XMP e IPTC. Em fotografias originais de câmeras e smartphones esses blocos costumam registrar o fabricante, o modelo, o software interno, o histórico de processamento e até o número de série do dispositivo em alguns casos. Em imagens geradas por IA esse bloco costuma estar vazio, conter campos genéricos como “Created with” ou apresentar valores impossíveis para um sensor real, como combinações de abertura e sensibilidade que não existem em hardware comercial. Além disso, imagens exportadas de geradores costumam ser salvas em JPEG com perfis de cor padrão, sem as assinaturas específicas de fabricante que normalmente aparecem em arquivos de câmeras. Quando a foto circula em redes sociais, é comum que plataformas removam parte dos metadados por privacidade. Por isso a ausência isolada não é conclusiva, mas a ausência combinada com outros indícios técnicos aumenta a desconfiança. Para ter certeza do que realmente está presente no arquivo, é útil abrir o original e não uma prévia comprimida, pois o recorte e a recompressão eliminam pistas importantes. Serviços que permitem verificar a imagem diretamente no FilesAudit conseguem extrair esse conjunto de dados de forma estruturada e gerar um relatório que documenta o que foi encontrado e o que está faltando.

Um exemplo prático ajuda a entender a diferença. Imagine receber duas imagens de um mesmo evento. A primeira traz EXIF completo com marca Canon, modelo EOS R5, lente RF 24-70mm, data de 14 de agosto de 2025 às 19:42:11, GPS desativado, e um hash SHA-256 único. A segunda imagem mostra a mesma cena, mas o EXIF está vazio, o software registrado é “Stable Diffusion” em campo de comentário XMP, a resolução é múltipla exata de 1024 e o perfil de cor é sRGB genérico sem assinatura de câmera. Essa segunda imagem também não possui dados de ruído típicos de sensor, como variações de padrão de cor em áreas de sombra. Nenhum desses pontos sozinho sentencia a imagem como falsa, mas o conjunto técnico indica origem não fotográfica. Outro caso comum é a foto que aparenta ser real, mas cujo metadados de data de criação é posterior à data de modificação do arquivo ou apresenta fuso horário incoerente com a localização informada. Esse tipo de incoerência temporal é um dos sinais mais confiáveis de manipulação posterior, e pode ser documentado de forma forense com carimbo de tempo e hash criptográfico para preservar a cadeia de evidência.

Além dos metadados, a análise técnica pode se apoiar em características de arquivo e em fingerprint criptográfico. Cada arquivo possui uma impressão digital única calculada por algoritmos como SHA-256 e MD5. Se duas imagens visualmente parecidas tiverem hashes diferentes, isso indica que ao menos um bit mudou, seja por recompressão, edição ou regeneração. Comparar hashes é fundamental quando se investiga duplicação maliciosa ou se quer confirmar que a cópia recebida corresponde ao original arquivado. Em imagens sintéticas, é comum observar artefatos recorrentes: dedos com número incorreto de articulações, padrões de textura repetitivos em pele ou tecido, reflexos de olhos irreais, bordas excessivamente nítidas em áreas que deveriam estar desfocadas, e simetria perfeita demais. Também há inconsistências de iluminação, sombras que não convergem para uma única fonte de luz e ruído que não corresponde ao padrão de um sensor real. A comparação entre uma foto real e uma gerada pode ser descrita em termos práticos como presença versus ausência de ruído fotônico, coerência de profundidade de campo, continuidade de textura e consistência de metadados. Enquanto a primeira costuma apresentar pequenas imperfeições naturais e um histórico técnico completo, a segunda tende a ser visualmente “limpa demais” e tecnicamente vazia.

A documentação profissional desses achados faz diferença quando a imagem precisa ser usada como evidência em auditoria, jornalismo investigativo ou suporte a processos de direitos autorais. Plataformas como FilesAudit foram desenvolvidas exatamente para esse fluxo: o usuário envia o arquivo original, o sistema extrai metadados EXIF, XMP, IPTC e outros formatos específicos, calcula hashes criptográficos, registra carimbo de tempo e gera um relatório em PDF que reúne tudo de forma auditável. Esse tipo de relatório não afirma que uma imagem é autêntica no sentido legal, e sim que documenta, de