A pergunta do reel

Oi oi! Numa entrevista recente, me perguntaram por que tudo o que sai da IA parece ter a mesma cara. Respondi em poucos segundos que ela aprende a partir das mesmas referências, em sua maioria brancas, americanas e europeias, e que isso deixa pouco espaço para diversidade. A resposta coube num reel, mas o assunto pede mais fôlego, porque toca no centro do meu trabalho: construir marcas que as pessoas consigam reconhecer no meio de tantas outras.

De onde vem a mesmice

Os “bancos” que alimentam geradores de imagem são, na maioria dos casos, conjuntos de dados montados com bilhões de imagens recolhidas da internet, cada uma acompanhada da legenda que a descreve. O modelo aprende a associar palavras a padrões visuais e, quando recebe um pedido, devolve a combinação mais provável. Na prática, a resposta tende para a média daquilo que ele viu com mais frequência.

E o que ele viu com mais frequência tem endereço. Um estudo divulgado em fevereiro de 2026 por Abhipsa Basu e equipe analisou as legendas em inglês de três desses conjuntos (Re-LAION, DataComp1B e Conceptual Captions) e estimou que 48% das imagens vêm de Estados Unidos, Reino Unido e Canadá. A América do Sul inteira aparece com 1,8%. O trabalho ainda é um preprint, sem revisão por pares.

O efeito fica visível quando alguém testa. Em 2023, a revista Rest of World gerou 3 mil imagens no Midjourney com pedidos simples como “uma pessoa” e “uma casa”, variando o país. Para “uma pessoa mexicana”, 99 de 100 imagens tinham sombrero ou chapéu parecido. Para “uma pessoa americana”, todas as 100 traziam a bandeira dos Estados Unidos. Um país inteiro virou um único clichê.

Há ainda um risco que se acumula com o tempo. Quanto mais imagens geradas por IA circulam na web, mais elas entram nos dados que treinam os próximos modelos. Um artigo publicado na Nature em 2024 mostrou que modelos treinados repetidamente com conteúdo gerado por outros modelos perdem as “bordas” da distribuição original: o que era raro some primeiro, e o que era comum fica ainda mais comum.

Um problema antigo, agora em escala

Quem trabalha com design lembra de outras ondas de semelhança. Houve a fase em que toda empresa de tecnologia usava as mesmas ilustrações de pessoas com braços compridos e cores chapadas, e a fase em que marcas de setores diferentes trocaram seus logotipos por versões sem serifa quase idênticas. Antes disso, a mesma foto de banco de imagem, com a equipe sorrindo em volta de um notebook, aparecia em sites de seguradora, escola e clínica.

A IA herda esse hábito e acelera. Uma tendência que antes levava anos para se espalhar por indicação, template e cópia agora vem embutida na ferramenta, pronta em segundos, para qualquer pessoa que digite um pedido parecido.

Bom sozinho, igual no conjunto

Imagine dois cafés recém-abertos em Florianópolis (o exemplo é fictício). Os dois pedem a uma IA “um logo minimalista e acolhedor para cafeteria artesanal” e recebem algo competente: xícara estilizada, tons terrosos, tipografia arredondada. Cada um sai satisfeito. O problema aparece quando as duas fachadas ficam na mesma rua.

Uma pesquisa publicada na Science Advances em 2024 mediu esse fenômeno na escrita. Anil Doshi e Oliver Hauser pediram a 300 pessoas que escrevessem microcontos, algumas com ideias sugeridas pelo ChatGPT, e 600 avaliadoras e avaliadores julgaram os textos. Com apoio da IA, as histórias ficaram em média mais originais e mais bem escritas quando lidas uma a uma. Comparadas entre si, porém, as do grupo que recebeu uma ideia da IA ficaram 10,7% mais parecidas do que as do grupo sem IA. O estudo tratou de texto, mas a lógica ajuda a pensar marcas.

Para uma marca, ser reconhecível vale mais do que ser bonita. Uma identidade que se confunde com a do concorrente gasta verba para lembrar o público de outra empresa.

Repertório como resposta

No vídeo, citei empresas brasileiras que desenvolvem IA com o nosso repertório. Os exemplos mais conhecidos, por enquanto, trabalham com texto: o Sabiá, da Maritaca AI, de Campinas; a Amazônia IA, da WideLabs, de Porto Alegre; e o GAIA, modelo aberto adaptado ao português brasileiro a partir do Gemma 3, do Google. Na imagem, o movimento aparece mais na pesquisa acadêmica. Um artigo publicado em 2025 no Journal of the Brazilian Computer Society, por exemplo, ajustou modelos de difusão para representar o patrimônio cultural gaúcho.

Essas iniciativas importam, mas nenhuma ferramenta resolve sozinha o que é uma decisão de projeto. Da parte de quem faz design, três hábitos ajudam:

• Pesquisa antes do prompt. Entender quem a marca atende, onde e com quais referências culturais, antes de pedir qualquer imagem.

• Referência própria como insumo. Fotografar o bairro, a feira, a tipografia pintada à mão da fachada, e levar esse material para a mesa (e para a ferramenta, quando ela permitir).

• IA como rascunho. Usar o resultado gerado para explorar caminhos e descartar o óbvio, deixando a escolha final para o critério humano.

A IA devolve a cara de quem a alimentou. Cabe a nós garantir que a marca tenha a cara de quem ela atende.

Fontes

Checagem feita em 28/10/2026.

• Basu, A. et al. Where Do Images Come From? Analyzing Captions to Geographically Profile Datasets. arXiv, fev. 2026 (preprint).

• Turk, V. How AI reduces the world to stereotypes. Rest of World, 10 out. 2023.

• Shumailov, I. et al. AI models collapse when trained on recursively generated data. Nature, v. 631, 2024.

• Doshi, A. R.; Hauser, O. P. Generative AI enhances individual creativity but reduces the collective diversity of novel content. Science Advances, v. 10, n. 28, 2024 (resumo via ScienceDaily; nota da Universidade de Exeter).

• Magalhães, A. L. GAIA, Amazônia e mais 5 IAs generativas brasileiras. Canaltech, 22 jun. 2025.

• Cruz-Castañeda, W. A. et al. From Pampas to Pixels: Fine-Tuning Diffusion Models for Gaúcho Heritage. Journal of the Brazilian Computer Society, v. 31, n. 1, 2025.