Nunca foi tão fácil gerar imagem, texto e som. E nunca foi tão difícil ser pago pelo que se sabe fazer. A IA generativa não substitui o artista - mas está sendo usada para justificar a precarização do trabalho criativo, apoiada por um mercado que não tem repertório para distinguir profundidade de superfície.
O barateamento da criação como política de mercado
Plataformas vendem IA generativa como “democratização da criatividade”, mas o efeito real no mercado é comprimir o valor pago por trabalho autoral. O cliente compara seu orçamento com o custo de três prompts e conclui que o profissional está caro - sem perceber que está comparando um resultado final (o prompt) com um processo inteiro (pesquisa, rascunho, erro, refazer, acerto).
Jensen, Murthy e Baker, em estudo publicado na Information, Communication & Society, mostram que a IA generativa intensifica a precaridade do trabalho criativo ao priorizar hipereficiência sobre o trabalho humano.[1] Erickson, pesquisando seis produtos comerciais de IA na indústria criativa, descobriu que as contribuições humanas eram sistematicamente invisibilizadas nos produtos finais - que destacavam a IA como autora, enquanto o trabalho humano real ficava oculto.[2]
O que parece “barateamento da produção” é, na verdade, transferência de custo: o trabalho que antes era pago como serviço agora é pago como assinatura de plataforma, e o valor que ia para o profissional vai para o provedor de infraestrutura. Jiang e colaboradores, em artigo publicado na conferência AAAI/ACM AIES, documentaram os danos econômicos diretos causados pela proliferação de geradores de imagem baseados em aprendizado de máquina - substituição de comissionamento, scraping de dados de artistas sem consentimento e compressão de renda no setor criativo, estimado em 48 bilhões de dólares.[3]
Conteúdo pasteurizado é invisível para quem não tem repertório
O problema não é apenas econômico. É cultural. Uma parcela significativa do público não consegue distinguir conteúdo gerado por IA de conteúdo autoral - e, em alguns casos, prefere o conteúdo de IA.
Porter e Machery, em um estudo publicado na Scientific Reports com mais de cem citações, demonstraram que poemas gerados por IA são indistinguíveis de poemas escritos por humanos e, em avaliação cega, são avaliados mais favoravelmente que os humanos.[4] O público não só não percebe a diferença - em certos contextos, prefere o conteúdo gerado por máquina. O mercado recompensa o que agrada, não o que é profundo.
Horton, White e Iyengar, em outro estudo na mesma revista com seis experimentos e quase três mil participantes, mostraram que as pessoas desvalorizam arte rotulada como IA mesmo quando relatam que ela é indistinguível da humana - mas paradoxalmente, comparar as duas lado a lado aumenta a percepção de criatividade humana.[5] O problema é que a comparação raramente acontece no mercado real: o cliente vê o resultado final, não o processo.
Isso cria um ciclo perverso: conteúdo raso é consumido como se fosse bom porque o consumidor médio não tem referência para avaliar. Empresas contratam conteúdo gerado por IA porque parece “bom o suficiente”. O profissional que entrega profundidade perde concorrência não por qualidade inferior, mas porque o comprador não consegue perceber a diferença.
O que é arte, o que é processo
Arte não é o resultado final. É o caminho da ideia ao produto: pesquisa, rascunho, erro, refazer, acerto. A IA generativa entrega o resultado sem o caminho. Prompt engineering não é criação - é curadoria de resultado.
O prompt diz o que você quer. O processo diz o que você pensou. Um roteiro escrito por um humano contém decisões conscientes sobre estrutura narrativa, ritmo, subtexto. Um storyboard desenhado à mão carrega escolhas de enquadramento, composição, direção de arte que um gerador de imagem não fez - apenas simulou a partir de dados de treinamento. Um animador que define o timing de uma cena - quantos frames entre uma pose e outra, que tipo de interpolação usar, onde alongar o movimento para dar peso - está tomando decisões que um modelo nunca tomou porque não sabe o que está fazendo; apenas calcula a transição mais provável.
Bar-Gil, em artigo publicado na AI & Society, estende os argumentos de Walter Benjamin sobre reprodutibilidade técnica para a era digital, e descreve a arte gerada por IA como resultado de uma “agência distribuída” entre o usuário que digita o prompt, os mecanismos algorítmicos do modelo e os datasets coletivos de treinamento.[6] Ninguém é autor de nada porque ninguém controla o processo inteiro.
A pseudoindividualização que Adorno identificou na indústria cultural encontra aqui seu estágio mais avançado: cada imagem gerada parece única, pessoal, “feita para você” - mas é gerada a partir do mesmo modelo estatístico, do mesmo dataset, do mesmo processo padronizado que qualquer outro usuário está usando.[9] A aparência de originalidade é o produto. A padronização é o processo.
O artista como detentor do processo
Quem domina o pipeline completo - briefing, roteiro, storyboard, animação, finalização - entrega algo que a IA não pode: coerência narrativa, intenção estética, decisão consciente em cada etapa. O prompt entrega o que você não pediu, mas sim o que o modelo pôde gerar a partir do pedido, e isso, ainda por cima é enviesado. O processo entrega o que você pensou.
O artista, de fato, é quem participa do processo completo, da ideia ao produto final. Não é quem aperta o botão. Quem usa prompt não está criando - está selecionando entre variações que ele não controla. A diferença não está no resultado, está no domínio do percurso.
Magni, Park e Chao, em quatro experimentos publicados no Journal of Business and Psychology, mostraram que existe um viés contra criatividade artificial - as pessoas tendem a proteger o valor percebido do trabalho humano.[7] Esse fenômeno, chamado de algorithm aversion, pode funcionar como barreira contra substituição, mas a literatura também documenta o oposto - algorithm appreciation, quando o usuário prefere o resultado da máquina por acreditar que ele é mais objetivo.[8] O viés é contextual, não absoluto. E ele só funciona se o comprador souber que está diante de conteúdo gerado por IA. E, como vimos, o público médio não consegue distinguir.
O que protege o artista não é o viés contra IA. É a capacidade de educar o cliente a avaliar processo, não só resultado.
O que fazer
Educar o cliente
O primeiro passo é mudar a conversa de “quanto custa” para “como é feito”. Mostrar o processo - esboços, versões, decisões - documenta o valor que a IA não entrega. O cliente que vê o caminho entende por que o resultado é mais caro.
Cobrar por conhecimento, não por execução
O valor do profissional não está em apertar o botão do software, mas em saber qual botão apertar, quando e por quê. Cobrar por hora ou por entrega é competir com IA. Cobrar por conhecimento é competir onde a IA não chega.
Documentar o trabalho como parte do valor
O pipeline que documentei no post sobre meu fluxo 100% livre não é só um relato técnico - é um registro de que o processo existe. Cada etapa verificável, cada decisão documentada, cada arquivo fonte preservado é prova de que o resultado não veio de um prompt. Isso é o que distingue produção industrial de trabalho autoral.
Perguntas frequentes
A IA vai substituir artistas?
Não substituir, mas redefinir o mercado. Artistas que dominam o processo completo e conseguem comunicar seu valor para o cliente vão se diferenciar. Quem depende apenas da execução técnica vai competir com ferramentas que fazem o mesmo mais rápido e mais barato.
Como provar que meu trabalho tem mais valor que conteúdo gerado por IA?
Documentando o processo. Briefing, rascunhos, storyboard, decisões de direção, versões de revisão - tudo isso mostra que houve pensamento por trás do resultado. O prompt não deixa rastro. O processo deixa.
Conteúdo gerado por IA sempre é pior?
Não. Em alguns contextos, o público prefere conteúdo de IA, como demonstraram Porter e Machery. O problema não é qualidade absoluta - é que o valor do trabalho autoral está no processo, e o processo é invisível para quem só vê o resultado.
O que fazer se o cliente diz que “IA faz de graça”?
Perguntar o que exatamente ele quer. Se ele quer uma imagem genérica para ilustrar um artigo interno, talvez a IA resolva. Se ele quer uma campanha que comunique uma mensagem específica para um público específico com coerência visual e narrativa, só um profissional que domina o processo pode entregar.
Se você está estruturando um projeto de animação, comece pelo Gerador de Briefing e pelo post sobre meu pipeline de produção 100% livre. Para roteiros, o Fonte está disponível gratuitamente.
Produzo animação com software livre e processo documentado. Entre em contato se quiser conversar sobre seu projeto.
- Ricardo A. B. Graça · ricolandia.com
Referências
- Jensen, J. T.; Murthy, D.; Baker, S. (2025) Automating remix: generative AI, creative labor, and the decay of aura. Information, Communication & Society, 1-17. DOI: https://doi.org/10.1080/1369118x.2025.2609779
- Erickson, K. (2024) AI and work in the creative industries: digital continuity or discontinuity? Creative Industries Journal, 1-21. DOI: https://doi.org/10.1080/17510694.2024.2421135
- Jiang, H. H. et al. (2023) AI Art and its Impact on Artists. Proceedings of the 2023 AAAI/ACM Conference on AI, Ethics, and Society, 363-374. DOI: https://doi.org/10.1145/3600211.3604681
- Porter, B.; Machery, E. (2024) AI-generated poetry is indistinguishable from human-written poetry and is rated more favorably. Scientific Reports, 14(1). DOI: https://doi.org/10.1038/s41598-024-76900-1
- Horton Jr, C. B.; White, M. W.; Iyengar, S. S. (2023) Bias against AI art can enhance perceptions of human creativity. Scientific Reports, 13(1). DOI: https://doi.org/10.1038/s41598-023-45202-3
- Bar-Gil, O. (2025) The transformation of artistic creation: from Benjamin’s reproduction to AI generation. AI & Society. DOI: https://doi.org/10.1007/s00146-025-02432-5
- Magni, F.; Park, J.; Chao, M. M. (2023) Humans as Creativity Gatekeepers: Are We Biased Against AI Creativity? Journal of Business and Psychology, 39(3), 643-656. DOI: https://doi.org/10.1007/s10869-023-09910-x
- Dietvorst, B. J.; Simmons, J. P.; Massey, C. (2015) Algorithm aversion: people erroneously avoid algorithms after seeing them err. Journal of Experimental Psychology: General, 144(1), 114-126. DOI: https://doi.org/10.1037/xge0000033
- Horkheimer, M.; Adorno, T. W. (1985 [1947]) Dialética do esclarecimento. Trad. Guido Antonio de Almeida. Rio de Janeiro: Jorge Zahar.