Uma imagem que circulou amplamente pelas redes sociais, exibindo uma mulher limpando pichações na entrada da estação Trianon-Masp do Metrô de São Paulo, foi alvo de uma análise técnica que revelou indícios de adulteração digital. A fotografia, que ganhou destaque após um ato político realizado na Avenida Paulista no último domingo (11.out.2026), não apresenta autenticidade integral, segundo especialistas.
Análise técnica identifica adulteração por inteligência artificial
A verificação foi conduzida pela Signaip, uma plataforma brasileira especializada em atestar a procedência e a veracidade de conteúdos digitais. O laudo pericial indicou uma probabilidade de 84% de que a figura da trabalhadora inserida na cena seja fruto de manipulação sintética, utilizando ferramentas de inteligência artificial.
A investigação esclarece que a imagem não foi inteiramente gerada por IA, mas sim composta a partir de uma base real. Enquanto o cenário de fundo — a fachada pichada da estação — apresentou apenas 10% de probabilidade de alteração, confirmando a veracidade do ambiente físico, a sobreposição da pessoa na cena foi identificada como o elemento manipulado.
Contexto da manipulação e ausência de metadados
Segundo Caroline Nunes, fundadora da InspireIP, a empresa responsável pelo desenvolvimento da tecnologia de checagem, o resultado probabilístico elevado é típico de edições parciais. A combinação de elementos genuínos com adições artificiais cria um desafio para a detecção, mas os padrões visuais denunciam a intervenção digital.
Além da análise visual, o laudo apontou a inexistência do manifesto C2PA, um padrão internacional que atua como uma credencial de autenticidade para arquivos digitais. A ausência desse registro, somada à falta de qualquer histórico em blockchain, reforça a fragilidade da procedência da imagem que viralizou no ambiente online.
Metodologia de verificação digital
A plataforma utilizada na perícia combina diversas camadas de checagem para identificar fraudes. O processo envolve a análise minuciosa de metadados, que revelam informações sobre a origem do arquivo, e a aplicação de algoritmos avançados capazes de reconhecer padrões de imperfeição característicos de conteúdos gerados ou alterados por inteligência artificial.
