Rótulos e procedência de IA
Rótulo de IA muda o engajamento e a confiança?
O aviso pode afetar o que a pessoa acredita sobre a imagem
Alguém que vê um aviso de IA abaixo do nome de um fotógrafo pode concluir que a paisagem inteira foi gerada. O fotógrafo pode ter usado a ferramenta só para ampliar o céu. A diferença entre essas interpretações interessa a quem depende da confiança do público, como fotógrafos, pequenos negócios e equipes que publicam o trabalho de clientes. Para avaliar o efeito, comece perguntando qual julgamento a pessoa fez ao olhar o post.
O estudo de Fabian Pawelczyk, Drew Dimmery e Pu Yan recrutou 877 usuários mensais do Instagram na Alemanha. Os participantes viram publicações simuladas de notícias e assuntos públicos. Alguns receberam avisos em parte do material gerado ou alterado. O rótulo de IA reduziu em cerca de 9 pontos percentuais a autenticidade percebida das imagens rotuladas naquele experimento. A estimativa descreve as respostas sobre as imagens mostradas, naquele grupo.
Autenticidade, confiança e engajamento são medidas diferentes
Uma pessoa pode considerar um pôster sintético e gostar da arte mesmo assim. Em outro contexto, julgar que uma foto de produto foi inventada pode aumentar a hesitação antes de clicar. Para uma página de humor, a reação desejada pode ser o compartilhamento. Para um catálogo, pode ser a visita à página do produto. A pergunta “o rótulo atrapalha?” ganha uma resposta mais útil quando você explicita qual comportamento interessa.
Uma medida de confiança pode perguntar quanto a imagem parece representar uma cena real. Uma medida de entendimento pode pedir que a pessoa escolha entre captura real, edição localizada, geração integral e dúvida. A intenção de interagir é outro item distinto. Meça primeiro cada um deles. Se forem reunidos cedo demais numa única nota, uma piora de confiança pode ser escondida por uma curiosidade maior de abrir o post.
Por que os experimentos não encontraram exatamente a mesma coisa
Seeger, Wessel e Lehrer conduziram dois experimentos, com amostras de 325 e 371 pessoas, usando perfis simulados do Instagram. A rotulagem de peças como geradas ou aprimoradas por IA teve relação com menor engajamento nas medidas do estudo, sobretudo em conteúdo emocional. O momento da declaração teve efeito nas respostas afetivas ao material aprimorado por IA. Esse resultado sugere que tipo de peça e momento em que se lê o aviso importam.
Um artigo no PNAS Nexus observou que avisos sobre imagens enganosas geradas por IA reduziram a credibilidade atribuída às alegações. O rótulo simples de geração por IA teve pouco efeito na intenção declarada de interagir. Os resultados respondem a perguntas diferentes. Uma pessoa que avalia uma publicação jornalística em uma pesquisa enfrenta um contexto distinto de quem explora um perfil visual. Nenhum desses desenhos mede a distribuição orgânica da rede social.
Os posts sem rótulo também entram na interpretação
No estudo alemão, a exposição a algumas imagens rotuladas aumentou modestamente a autenticidade atribuída a imagens sem rótulo. Os autores chamam atenção para a inferência que um leitor pode fazer: se o aplicativo marcou certas peças, as demais parecem mais confiáveis. O efeito observado, cerca de 1,9 ponto percentual na medida usada naquele experimento, foi bem menor que a redução observada nas peças marcadas.
Um fotógrafo de eventos pode usar esse achado para formular uma hipótese sobre o feed como um todo. O público pode tomar o aviso como atalho, sem ler os detalhes de cada imagem. Isso permite investigar se a redação do rótulo é compreendida e se a indicação distingue edição de geração. O objetivo é medir a interpretação, sem converter a ausência de aviso em evidência de que a foto representa um acontecimento real.
Como desenhar um teste sem publicar a mesma foto duas vezes
Use uma peça própria e obtenha autorização das pessoas representadas quando necessário. Monte duas simulações da mesma publicação com a mesma arte, legenda, perfil e tamanho. Mude apenas a informação de origem apresentada. Distribua as variantes aleatoriamente entre avaliadores e mostre uma por pessoa, para reduzir a chance de que percebam a comparação. Pergunte primeiro o que entenderam da imagem e depois se tiveram vontade de abrir a descrição ou compartilhar.
Se a amostra for pequena, guarde a contagem bruta e os comentários. Num exemplo fictício, 9 de 20 pessoas interpretam a foto rotulada como inteiramente gerada e 4 de 20 fazem a mesma leitura da outra versão. Escreva 9 de 20 e 4 de 20 antes de apresentar percentuais. A diferença é um resultado descritivo desse grupo e pode variar na próxima rodada. Peça a um novo grupo que repita o procedimento.
Como interpretar prints e dados do perfil
Se uma das publicações teve mais curtidas, confira o número de pessoas alcançadas. Um post com 100 curtidas em 2.000 pessoas alcançadas tem 5 curtidas por 100 pessoas. Outro com 80 em 800 tem 10 por 100. O primeiro teve mais alcance e curtidas no total. O segundo teve uma proporção maior de curtidas. Esse exemplo fictício mostra por que alcance e intensidade da reação podem apontar em direções diferentes.
Em um relatório editorial, registre o rótulo como condição observada, as pessoas alcançadas como exposição e as ações como resposta. Use a mesma janela desde a publicação e, quando possível, separe seguidores e não seguidores. A reação observada pode refletir quem recebeu a peça. Se você precisa decidir se o aviso deveria diferenciar retoque de geração, o teste simulado é a observação mais diretamente ligada a essa decisão.
Checklist para aplicar no seu trabalho
- Defina se quer medir autenticidade percebida, ação ou alcance.
- Compare a mesma peça em condições equivalentes.
- Informe o tamanho da amostra e os denominadores.
Referências para aprofundar
Para entender a autoria, as demonstrações e os limites de revisão, consulte o processo editorial. Para corrigir uma informação deste guia, envie o trecho e a referência.