IA erra três em cada quatro imagens de produtos no e-commerce, mostra estudo

Um levantamento recente colocou à prova os principais modelos de edição de imagem por inteligência artificial usados no e-commerce, e o resultado impressiona. Em apenas 25,3% das gerações, a imagem final bateu com o produto real sem qualquer falha de correspondência. Na prática, a peça sai errada em cerca de três de cada quatro imagens.

A pressão sobe em mercados como o Brasil, onde os pedidos de e-commerce cresceram 34,8% no primeiro semestre de 2026 e a receita chegou a R$ 208,4 bilhões, segundo levantamento da Confi em parceria com o E-commerce Brasil. Com catálogos girando mais rápido, sobra menos tempo para revisar cada imagem nova antes de ela entrar no ar.

Para medir o problema, o estudo, batizado de Product Fidelity Benchmark, feito pela Photoroom, avaliou 3.400 imagens geradas a partir de 850 produtos reais nos quatro principais modelos de edição por IA do mercado.

Falhas passam despercebidas nas imagens

O levantamento mapeou onde a falha aparece com mais frequência: distorção de logo e texto em 20,1% dos casos, elementos que somem em 12,5% e alteração de padrões em 11,4%.

São erros discretos. A imagem final ainda parece uma fotografia comum, e nada salta aos olhos como quebrado. O risco mora exatamente aí, porque ninguém devolve uma foto, devolve o produto que não corresponde ao anúncio.

Consumidores raramente relacionam o problema à geração da imagem. Quando o produto chega diferente do anunciado, a reação comum é abrir reclamação ou devolução, o que eleva custo logístico e desgasta a confiança na loja.

Melhor modelo acerta só 29%

Entre os modelos avaliados, o mais preciso aprovou 29% das imagens no teste de fidelidade. Foi o melhor resultado isolado do levantamento, mas segue como minoria frente ao volume de falhas identificadas.

Os números reforçam que a verificação de imagens deve deixar de ser etapa opcional para virar parte do fluxo de publicação de catálogo.

O problema é conhecido por quem lida com catálogo grande: manter a fidelidade das imagens exige revisão constante, e revisão manual não acompanha o ritmo de lançamento de produtos novos.

Photoroom cria verificação de imagens

Foi a partir desses números que a Photoroom, plataforma responsável pelo estudo, decidiu mudar o próprio fluxo de geração de imagens dentro da API.

Pela API, o recurso Visual QA avalia se o produto se encaixa no processo, gera a imagem e a compara com a original, liberando apenas o que atinge o critério de correspondência. É o primeiro fluxo do Visual Agents, camada de orquestração da empresa para pipelines de imagem, com ciclo completo de regeneração automática previsto para os próximos meses.

Para Matt Rouif, CEO e cofundador da Photoroom, a mudança altera o próprio papel da imagem de produto.

“Durante muito tempo a imagem foi tratada como peça de comunicação, e a discussão girava em torno de estética. À medida que os consumidores compram com mais frequência e os catálogos são renovados mais rápido, ela passa a fazer parte da operação, e o que importa já não é gerar uma boa foto, mas garantir que essa foto descreva o produto que será entregue. Verificar isso deixou de ser uma etapa de estúdio e virou um requisito de escala”, afirma.

A decisão de embutir a checagem na API partiu de uma constatação prática: verificar a fidelidade de 850 produtos exigiu dez avaliadores treinados em três rodadas de análise, esforço que não se reproduz num catálogo de dezenas de milhares de itens, onde uma imagem equivocada pode virar disputa, reclamação ou retirada do anúncio.

Correção eleva a fidelidade das imagens

Os números do próprio estudo ajudam a justificar a mudança contínua. O modelo-base mais preciso aprovou 29% das imagens no teste de fidelidade, e, com a camada de correção da Photoroom aplicada sobre ele, o índice subiu para 38,2%, o mais alto no comparativo de julho, ainda assim minoria.

“A geração precisa ser tratada como um processo, e não como uma única chamada de inferência. É isso que a camada de fidelidade é, não um filtro aplicado no fim, mas uma verificação embutida em cada etapa”, diz Rouif.

Escala exige processo, não filtro

No mesmo período, a checagem também deixou de depender de ação manual no uso direto da plataforma. A cada geração de imagem, o sistema roda um ciclo de seis etapas, entender, gerar, inspecionar, diagnosticar, corrigir ou regenerar, verificar, sem que o operador precise selecionar ou descrever nada.

O pacote de atualizações da Photoroom inclui ainda recursos como o AI Scenes, para compor imagens de lifestyle sem produção fotográfica, além de integrações com Google Drive e Shopify.

Fundada em 2019, a Photoroom hoje processa mais de 7 bilhões de imagens por ano e atende cerca de 1 milhão de empresas em mais de 180 países, número que dá peso ao problema de fidelidade identificado no estudo.