Rostos gerados por IA podem estar a tornar as pessoas reais menos empregáveis

Não é preciso recorrer a cientistas para saber que a atratividade pessoal abre portas, pois provavelmente já foi vítima ou beneficiário disso em alguma medida na vida; nem para descobrir que os rostos gerados por IA tendem a ser mais atraentes do que as pessoas reais (por várias razões, muitas ligadas a preferências e processos humanos).

Ainda assim, uma nova colaboração académica dos EUA sobre um tema relacionado chamou-me hoje a atenção, apresentando indícios de que a beleza gerada por IA pode estar a custar entrevistas de emprego a pessoas reais. Num estudo com 570 pessoas, as que tinham visto rostos gerados por IA invulgarmente atraentes avaliaram depois candidatos reais como menos empregáveis e menos dignos de confiança; a disponibilidade para oferecer entrevistas caiu de 77,4% para 72,5%, embora avaliassem exatamente os mesmos candidatos.

Exemplos de rostos gerados por IA no estudo, mostrando a grande variação das suas pontuações de atratividade. Os investigadores testaram 27 geradores de imagens com instruções comuns que não mencionavam beleza. A fila superior mostra rostos com algumas das pontuações mais altas dos sistemas automáticos; a inferior mostra algumas das mais baixas. As oito pessoas retratadas foram geradas por IA, não são reais. Fonte

Os investigadores também analisaram quão atraentes parecem os rostos gerados por IA em comparação com os reais, usando imagens de vários modelos comerciais e de pesos abertos. Ao pedir a 550 pessoas que avaliassem fotografias de pessoas reais juntamente com rostos de IA, verificaram que os sintéticos recebiam sistematicamente pontuações superiores; numa comparação adicional, métricas adequadas mostraram que 37% dos rostos femininos gerados por IA eram considerados mais atraentes do que o modelo profissional de moda típico.

Comparação de rostos gerados por IA com modelos profissionais de moda, em 27 geradores de imagens. O gráfico mostra a percentagem de rostos gerados com pontuações acima da mediana dos modelos profissionais, segundo medidas automáticas de atratividade. Os pontos pretos representam todos os rostos gerados e os círculos amarelos apenas os femininos. No total, 23% ultrapassavam esta referência, percentagem que subia para 37% nos rostos femininos. As linhas tracejadas assinalam estas duas médias.

O artigo^† afirma:

«Auditámos 27 geradores de texto para imagem lançados entre 2022 e 2026, usando instruções simples que nunca mencionam atratividade ou beleza, e analisámos 51.300 rostos gerados e 160.196 fotografias de pessoas reais em comparações principais e suplementares.

«Usámos três medidas automáticas e recolhemos avaliações de 550 avaliadores humanos sobre um subconjunto de imagens.

«Quase todos os geradores produziram rostos com pontuações superiores às dos rostos fotografados nas medidas automáticas, e os avaliadores humanos consideraram os resultados dos 23 geradores significativamente mais atraentes do que os rostos fotografados, mesmo após correção para comparações múltiplas.

«Ao centrarmos a análise no género, verificamos que 37% dos rostos gerados a partir de instruções femininas superaram a mediana dos modelos profissionais de moda.»

Os autores também observam que, embora especialistas humanos e de IA possam discordar e debater quem ocupa o topo da categoria «belo», essa granularidade não existe no intervalo de avaliações «não atraente» ou «minimamente atraente», que é, por comparação, uma espécie de caixote do lixo genérico*:

«O maior acordo entre medidas sobre quem é menos valorizado do que sobre quem é mais valorizado assemelha-se a uma característica importante da classificação estética em contextos como a moda profissional: pessoas e instituições não precisam de concordar com um único ideal para produzir desigualdades recorrentes sobre quais aparências recebem menos valor.»

O valor dos rostos

Muitos resultados do estudo reiteram a experiência humana comum da perceção contextual e relativa: por exemplo, se era a pessoa mais inteligente ou atraente da sua escola, entrar numa universidade da Ivy League pode elevar muito os padrões do ambiente e reduzir a sua posição relativa no novo grupo.

Contudo, o mundo não está cheio de pessoas geradas por IA que andam realmente por aí e afastam a cotoveladas pessoas de carne e osso nas entrevistas de emprego; como pode então o fenómeno cultural da estética de beleza da IA generativa fazer diferença?

Além da possibilidade alarmante de as pessoas recorrerem à cirurgia plástica para se aproximarem do «padrão da IA», o efeito descrito no novo estudo é semelhante à cultura de beleza anterior à IA no cinema, televisão, moda e outros setores visíveis e influentes da cultura humana: um ambiente em que estávamos e estamos saturados de ideais físicos irrealistas e aprendemos a lidar com eles como com um problema de relação sinal-ruído. Sonhamos com estrelas de cinema, mas casamos com quem podemos.

O artigo descreve a influência crescente da estética visual própria da IA num contexto semelhante*:

«Se os rostos gerados são mais atraentes do que os reais e o são de forma desigual, coloca-se [the] a pergunta: quais são as consequências para a avaliação de pessoas reais? A exposição a imagens muito selecionadas ou editadas altera a comparação de aparências e o julgamento subsequente, e experiências clássicas de contraste mostram que ver pessoas muito atraentes pode reduzir os juízos de atratividade subsequentes.

«A IA generativa pode fornecer fluxos repetidos de rostos distintos moldados pelos mesmos processos estéticos. Continua por esclarecer se a exposição a rostos gerados por IA altera avaliações de pessoas reais com consequências concretas.»

Os autores não propõem uma solução específica, apelando antes a mais investigação para estabelecer quando a beleza gerada por IA afeta os nossos juízos sobre pessoas reais, que aspetos dos rostos sintéticos causam esse efeito e se os resultados se manteriam fora da experiência de contratação simulada.

Método e preparação dos dados

Para determinar até que ponto os geradores de imagens por IA favorecem rostos atraentes, os investigadores testaram 27 sistemas lançados entre 2022 e 2026: Stable Diffusion 1.5, 2.1, XL, 3, 3.5-medium, 3.5-large e 3.5-large-turbo; FLUX.1 dev e schnell, FLUX.2, FLUX.2-klein 9B e FLUX.2-klein 4B; GPT Image 1.5 e GPT Image 2; Grok Image e Grok Imagine; Nano Banana 2 e Nano Banana Pro; Midjourney v6, v7 e v8; PixArt-Sigma; Playground 2.5; HunyuanDiT; Qwen-Image; Sana; e Lumina-2.

Foi usada a mesma instrução simples em todos os sistemas para gerar retratos representando 14 categorias demográficas, masculinas e femininas, e oito profissões (médico; advogado; veterinário; farmacêutico; cozinheiro; trabalhador da construção; enfermeiro e trabalhador do comércio a retalho), sem mencionar beleza ou atratividade.

Também foram testadas instruções sem pormenores demográficos, sexo ou profissão, produzindo um total de 51.300 imagens para análise.

Para comparação, recolheram-se 94.249 fotografias de FairFace, IdenProf, SCUT-FBP5500, MEBeauty, da Chicago Face Database e das suas extensões multirracial e indiana, e do conjunto Face Research Lab London. Foram detetados rostos utilizáveis em 89.435 fotografias.

Rostos ocidentais e asiáticos diversos do conjunto SCUT-FBP5500, um dos seis usados no novo estudo. Fonte

Houve comparações adicionais com a 10k US Adult Faces Database, uma coleção de 15.182 fotografias de modelos profissionais de moda, LookismBench-SyntheticFaces, FFHQ e StyleGAN2. As fotografias de modelos serviram de referência de «elevada atratividade», enquanto as restantes coleções foram analisadas separadamente para avaliar as medidas de atratividade e fornecer outras comparações.

Os rostos foram detetados e recortados com MTCNN e depois padronizados. A atratividade foi avaliada com modelos ResNet-50 treinados em SCUT-FBP5500 e MEBeauty, e com SwinFace, treinado com anotações de CelebA.

Para verificar se as pontuações automáticas de atratividade correspondiam às opiniões humanas, 550 adultos residentes nos EUA avaliaram uma seleção de 1.374 rostos reais e gerados por IA.

Numa experiência separada, 570 adultos dos EUA foram divididos em três grupos e viram candidatos com fotografias reais, retocadas ou rostos gerados por IA. Depois, os três grupos avaliaram os mesmos candidatos reais, permitindo medir diferenças nas decisões de contratação. As análises principais foram pré-registadas.

Testes

Nas duas principais métricas de atratividade, os rostos gerados por IA pontuaram significativamente acima das fotografias reais em 24 dos 27 geradores testados, resultado também apoiado pela métrica CelebA/SwinFace, como se mostra abaixo:

Diferenças de atratividade entre rostos gerados por IA e fotografias reais em 27 geradores de imagens, expressas como valores médios de d de Cohen em três métricas automáticas. Valores positivos indicam pontuações de atratividade superiores para rostos gerados.

Segundo o artigo, nas três métricas, 13 geradores produziram rostos avaliados mais de um desvio-padrão acima das fotografias reais, embora não se tenha encontrado vantagem para Nano Banana Pro, Grok Image ou Nano Banana 2.

A tendência para produzir rostos invulgarmente atraentes era menos pronunciada nos modelos Midjourney e OpenAI mais recentes, enquanto o efeito era aproximadamente duas vezes mais forte nos modelos de pesos abertos do que nas ofertas comerciais de OpenAI, Google, Midjourney e xAI.

Nas avaliações humanas, os rostos dos 23 geradores com imagens suficientes para uma comparação fiável foram considerados mais atraentes do que fotografias reais. Numa escala de 1 (menos atraente) a 7 (mais atraente), os rostos reais receberam uma média de 3,10, enquanto os de IA obtiveram entre 0,34 e 2,06 pontos mais, conforme o gerador, como indicado abaixo:

Avaliações humanas de atratividade de rostos de 23 geradores de imagens por IA, numa escala de 1 a 7. Os geradores superaram a média das fotografias reais, indicada pela linha azul tracejada. Os pontos vermelhos indicam médias e as barras horizontais a incerteza em torno de cada média.

As avaliações humanas dos rostos de IA foram superiores nas seis categorias raciais e étnicas (ver abaixo), mesmo para Nano Banana Pro, Grok Image e Nano Banana 2, cujos rostos não tinham superado as fotografias reais nos testes:

Avaliações humanas de atratividade de rostos gerados por IA (vermelho) e fotografias reais (azul) em seis categorias raciais e étnicas. Os rostos de IA receberam médias superiores em todas as categorias, com diferenças de 0,74 a 1,37 pontos numa escala de sete pontos. As barras verticais indicam a incerteza em torno de cada média.

As avaliações humanas também diferiam dos resultados automáticos nos modelos mais recentes. Houve pouca alteração entre GPT Image 1.5 e GPT Image 2 da OpenAI, enquanto as versões 6, 7 e 8 do Midjourney receberam pontuações de atratividade progressivamente mais altas.

Por outras palavras, as pessoas continuavam a considerar que os modelos de IA mais recentes produziam rostos invulgarmente atraentes, mesmo quando as métricas automáticas sugeriam que a tendência tinha diminuído.

A vantagem injusta

A experiência final investigou se a exposição a rostos atraentes gerados por IA poderia afetar a avaliação de candidatos reais a emprego.

Para uma vaga simulada de «assistente de sucesso do cliente», 570 adultos dos EUA foram divididos em três grupos. Após avaliar quatro candidatos idênticos, cada grupo viu oito perfis com fotografias reais, retocadas ou rostos de IA. Os rostos de IA tinham obtido anteriormente 5,75 em sete pontos de atratividade, contra 2,99 das fotografias reais. As imagens retocadas tinham sido suavizadas e iluminadas com um efeito baseado na função One-tap Enhance do Facetune.

Incluíram-se outros doze candidatos, com fotografias e qualificações idênticas nos três grupos, para testar se a exposição às diferentes imagens afetava as decisões de contratação.

Os candidatos com rostos de IA receberam avaliações ligeiramente superiores de empregabilidade e confiança, mas não houve um aumento significativo nos convites para entrevistas. Depois de ver esses rostos, contudo, os mesmos candidatos reais foram considerados menos empregáveis e menos dignos de confiança, e os convites caíram de 77,4% para 72,5%:

Resultados do teste de contratação mostrando alterações na empregabilidade percebida, confiança e probabilidade de entrevista dos candidatos reais após exposição a diferentes rostos. As avaliações baixaram após ver rostos de IA, mas não fotografias retocadas. Os pontos mostram diferenças relativamente ao grupo de controlo com fotografias reais; as linhas verticais indicam intervalos de confiança de 95%.

Não houve uma redução comparável após a exposição a fotografias retocadas: pessoas reais supostamente com o seu melhor aspeto não «elevaram a fasquia» como as imagens de IA.

Os autores comentam:

«Os candidatos associados a rostos de IA receberam avaliações diretas apenas ligeiramente melhores, mas os participantes que viram esses rostos avaliaram depois os mesmos candidatos reais mais negativamente nos três resultados.

«Os próprios candidatos gerados por IA receberam avaliações diretas de confiança ligeiramente superiores, o que torna menos provável uma simples aversão generalizada aos perfis com rostos de IA.

«Ainda assim, a experiência mostra que a exposição importou, não porquê.»

Conclusão

Como observação pessoal, as personagens geradas por IA passaram certamente a dominar a publicidade de rua na cidade onde vivo, mas isso é arte em 2D. Resta saber se o uso de vídeo generativo baseado em difusão na televisão e no cinema ultrapassará as atuais restrições jurídicas e éticas; se acontecer, talvez possamos esperar muito mais atores gerados e/ou aumentados por IA a «elevar o padrão estético» e a concretizar o cenário de «beleza de IA ambiente» descrito no novo artigo.

O princípio não é novo, mas o potencial de automatização é. Nesse caso, poder-se-ia destilar a essência de celebridades, modelos e representantes públicos reais, atuais ou passados, reproduzi-los ou «melhorá-los» e difundi-los amplamente sem negociações contratuais dispendiosas. Mas isso ainda está por vir, se alguma vez vier.

^† Intitulado Generative AI Produces and Transmits Beauty Bias, de oito investigadores de Cornell, University of Florida e University of Pennsylvania.

* Conversão minha das citações dos autores no texto em hiperligações.

Publicado pela primeira vez na segunda-feira, 19 de outubro de 2026