ChatGPT
Perplexity
Claude
Gemini
Ninguém mais confia em uma imagem perfeita. Há um tempo, a promessa por trás de cada novo modelo de imagem e vídeo é a mesma: mais nítido, mais limpo, mais fotorrealista, menos defeituoso. A resolução não para de subir, os rostos se mantêm coerentes em mais cenas do que antes, e a iluminação parece correta de um jeito que não parecia há dois anos. E em algum ponto no meio de todo esse progresso, algo estranho aconteceu: a perfeição técnica deixou de ser o que impressiona.
Os fotógrafos enfrentaram exatamente essa mesma tensão antes dos modelos generativos, e o rumo que eles tomaram é a prévia mais clara de para onde a geração de imagem e vídeo estava indo. Alex Cooke, do Fstoppers, vem acompanhando uma mudança among working photographers away from flawless retouching and toward images that keep their rough edges, things like a missed focus point, an unretouched tear, a hand slightly blurred mid-motion. His argument is that AI didn't just get good at photography, it got good at the specific kind of photography that used to signal skill. Once software can smooth skin, fix a horizon, and match color across a hundred images in the time it takes to make coffee, flawless execution stops signaling that a professional made something and starts signaling that it might have been generated instead. Cooke's point isn't that photographers should get sloppy; it's that the thing a viewer used to read as competence now reads as suspeito, enquanto aquilo que antes parecia um erro agora aparece como prova alguém realmente esteve lá.
Algo parecido com isso está acontecendo dentro da própria geração de imagens por IA, um nível acima: à medida que os modelos ficam melhores em renderizar a versão objetivamente correta de um rosto ou de uma cena, também ficam melhores em não parecer nada em particular. É aquela qualidade específica, envidraçada, simétrica demais, que as pessoas passaram a chamar de AI slop de cara. Dominica Baird, chefe de departamento do programa de negócios de beleza e fragrância da SCAD, apontou que, quando a fotografia foi inventada, os pintores passaram um tempo tentando superar a câmera em realismo antes de desistir dessa briga. Em vez disso, migraram para a abstração, o simbolismo e a expressão: para tudo o que uma câmera não conseguia fazer. É mais ou menos a mesma mudança acontecendo agora, um degrau acima na escada, enquanto a IA absorve o "tecnicamente correto" e o ofício migra para aquilo específico, escolhido e levemente imperfeito que um modelo não geraria por conta própria a menos que você pedisse.
O que realmente acontece por trás da estética tem menos a ver com a aparência de algo e mais com o que aquilo comprova. Uma imagem com um enquadramento levemente torto, um grão, uma batida que dura meio segundo a mais, transmite o resultado de alguém tomando decisões: uma passagem, depois outra, a escolha de deixar algo em vez de suavizá-lo. Slop não parece slop por ser feio. Muito slop é tecnicamente impecável. Parece coisa genérica porque soa como o resultado de um clique, uma única geração, por mais que a pessoa tenha caprichado no prompt por trás dela. A imperfeição é o que diz ao espectador que mais de uma decisão aconteceu entre a ideia e o que está na frente dele, e essa lacuna, entre uma geração única e uma trabalhada, é a diferença real entre trabalhos que ganha alguns segundos da atenção de alguém e trabalho que não conquista.
O mesmo mecanismo começa a aparecer no vídeo também, só que um pouco atrás de onde as imagens já chegaram. A fotografia e a geração de imagens passaram por isso primeiro, e o vídeo ainda está se firmando, mas avança rápido o bastante para que a mesma linguagem já apareça na cobertura de motion design deste ano. O próprio relatório de tendências 2026 da Envato aponta a "autenticidade pela imperfeição" como uma das mudanças que definem o vídeo agora: câmera na mão balançando em vez de movimento suave de gimbal, cortes crus deixados em vez de aparados, pausas naturais e ruído de fundo mantidos na mixagem, filmagens em POV vestível gravadas com "sem rigs, sem setups". A leitura da Envato sobre o porquê é direta: "a imperfeição virou uma estética própria. Ela transmite confiança, identificação e autenticidade."
Até as empresas que criam ferramentas de vídeo com IA chegaram à mesma solução por dentro. Hridaye, diretor criativo da invideo, descreveu o processo deles como adicionar um toque de desfoque e uma camada de granulado até um clipe gerado se aproximar mais de um filme live-action, e o raciocínio bate quase exatamente com o argumento de Cooke sobre fotografia. Como a própria explicação da invideo coloca, os quadros de IA não têm "ruído de sensor, estrutura química nem imperfeição orgânica", e é essa ausência que "soa como 'falso' antes mesmo de você conseguir explicar por quê".
Nada disso funciona como um item de checklist, porém, e vale ser honesto sobre onde a ideia falha. A estrategista de comunicação Shaunta Garth defendeu o contrário sobre marcas fabricando imperfeição de propósito: no momento em que a aspereza vira uma fórmula, aplicada porque um relatório de tendências mandou, ela deixa de ser prova de uma decisão e vira apenas mais um preset, exatamente tão vazio quanto a suavidade que substituiu. Uma camada de granulação jogada sobre uma primeira geração intocada ainda é um resultado de um único passo, só que usando um filtro diferente, já que a própria imperfeição foi nunca o ponto de verdade. A iteração por trás dele, sim.
Which is the actual craft lesson, for images and video both: the goal isn't imperfection for its own sake, it's a body of decisions a model wouldn't have made on its own. Describe the conditions of capture instead of the result, not "a beautiful portrait" but the specific lens, the specific light, the specific flaw you want in the frame, and do the same with motion: not "cinematic camera movement" but the sway of a hand actually holding something, the pause before someone speaks, the cut that runs a beat long because that's how it happened. Push past the first clean output. The second or third pass, where you start pulling the piece away from its most polished default, is usually where the real decisions live, and that's true whether you're working in GPT Image 2 and Nano Banana Pro or Kling 3.0 and Seedance 2.0.
Nada disso é uma regra sobre como o trabalho com IA deve ser. Muito dele deve ser limpo, claro e preciso, e essa também é uma escolha legítima, desde que seja feita da mesma forma: de propósito, depois de algumas tentativas, e não de primeira. O ponto nunca foi que o limpo é errado. É que o limpo já não prova mais nada, porque um modelo pode te entregar algo limpo sem que você faça nada. As escolhas que ainda exigem você, aqueles que uma única geração não vai produzir a menos que você volte e insista neles, são onde o trabalho começa a parecer que pertence a alguém, e onde o público decide que ele é vale a pena assistir.