A Photoroom passou a integrar uma verificação automática de fidelidade à sua API para conferir se imagens de produtos geradas por inteligência artificial continuam correspondendo ao item original. A ferramenta compara cada nova geração com a foto de referência antes que o conteúdo seja liberado para um catálogo.
A mudança vem após um estudo próprio da empresa apontar que a maior parte das imagens produzidas pelos principais modelos de edição por IA apresenta algum tipo de falha de correspondência. No Product Fidelity Benchmark, foram avaliadas 3.400 gerações a partir de 850 produtos reais. Apenas 25,3% das imagens passaram pelo teste sem qualquer erro.
Na prática, o levantamento indica que aproximadamente três em cada quatro imagens geradas apresentaram algum problema de fidelidade. Entre os defeitos identificados estão distorções em logotipos e textos, observadas em 20,1% dos casos, desaparecimento de elementos em 12,5% e alterações em padrões de produtos em 11,4%.
Quando a imagem parece certa, mas não é
O estudo chama atenção para um tipo de erro que pode ser difícil de perceber em uma avaliação rápida. A imagem continua com aparência fotográfica e não necessariamente apresenta uma distorção evidente. O problema aparece quando detalhes do produto são modificados, removidos ou recriados de maneira incorreta.
Esse tipo de falha ganha importância no comércio eletrônico porque a imagem utilizada no anúncio precisa representar o item que será efetivamente entregue ao consumidor. Uma alteração aparentemente pequena em um logo, texto, acabamento ou padrão pode fazer com que o conteúdo publicado deixe de corresponder ao produto real.
No Brasil, o aumento do volume de operações digitais amplia o desafio para as equipes responsáveis por catálogos. Os pedidos de e-commerce cresceram 34,8% no primeiro semestre de 2026, enquanto a receita chegou a R$ 208,4 bilhões, segundo levantamento da Confi em parceria com o E-commerce Brasil. Com mais produtos entrando e saindo dos catálogos, a revisão manual de cada imagem se torna mais difícil de sustentar.
Para Matt Rouif, CEO e cofundador da Photoroom, a imagem passou a ter uma função mais diretamente ligada à operação do varejo. “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.
Checagem entra no fluxo da API
O novo recurso, chamado Visual QA, foi incorporado ao fluxo automatizado da API. A ferramenta avalia o produto, executa o processo de geração da imagem e, em seguida, compara o resultado com a fotografia original. Apenas os ativos que atingem o critério de correspondência são liberados.
Esse é o primeiro fluxo do Visual Agents, camada de orquestração da Photoroom voltada à criação de pipelines de imagem. A companhia prevê para os próximos meses um ciclo completo capaz de regenerar automaticamente um ativo até que ele seja aprovado na verificação.
A automação responde também ao esforço necessário para realizar avaliações de fidelidade em grande escala. No estudo com 850 produtos, a Photoroom precisou de dez avaliadores treinados, que participaram de três rodadas de análise. Repetir esse processo manualmente em catálogos com dezenas de milhares de itens não seria viável.
A empresa também levou a verificação automática para o uso direto de sua plataforma. A cada geração de imagem, o sistema executa um ciclo de seis etapas: entender, gerar, inspecionar, diagnosticar, corrigir ou regenerar e verificar. A proposta é retirar do operador a necessidade de selecionar ou descrever manualmente cada etapa desse processo.
Modelo mais preciso ainda teve maioria reprovada
Os resultados do benchmark ajudam a dimensionar o problema. Entre os modelos avaliados, o que apresentou o melhor desempenho de base aprovou 29% das imagens no teste de fidelidade. Com a aplicação da camada de correção da Photoroom, esse índice chegou a 38,2%, o maior resultado registrado no comparativo de julho.
Mesmo nesse cenário, porém, a maior parte das gerações ainda não atingiu o critério estabelecido no estudo. Para a Photoroom, os números reforçam a necessidade de tratar a verificação como parte do processo de criação, e não como uma análise feita somente depois que a imagem está pronta.
Além da mudança na API, a empresa atualizou outros recursos de seu ecossistema. Entre eles está o AI Scenes, que insere produtos em cenários e recalcula a iluminação para criar imagens de lifestyle sem a necessidade de uma produção fotográfica. Também foram adicionadas a importação de arquivos diretamente do Google Drive e uma função de reconhecimento de pastas capaz de reconstruir a estrutura de um catálogo dentro da plataforma.
A gestão de anúncios da Shopify passou a estar disponível também no Android, enquanto o compartilhamento de links ganhou pré-visualização para facilitar o trabalho entre equipes.
De acordo com Rouif, a checagem precisa acompanhar a própria geração do conteúdo, especialmente quando o volume de imagens aumenta. “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.
