Trabalho

De onde vem a imagem que a IA desenha

Por trás de cada "foto de estúdio" gerada em dez segundos tem bilhões de imagens raspadas da internet, gente ganhando menos de dois dólares por hora para limpar a sujeira e uma pilha de processos sem dono definido.

Publicado em 1º de novembro de 2026 · fontes conferidas em 1º de novembro de 2026 · 6 min de leitura

Para quem tem pressa

Uma raspagem do tamanho da internet

O LAION é uma organização sem fins lucrativos alemã que monta conjuntos de dados abertos. Em março de 2022, ela publicou o LAION-5B: 5,85 bilhões de pares de imagem e texto. O método é quase engraçado de tão simples. Pega-se o Common Crawl (um arquivo gigante de páginas da web) e extrai-se toda tag de imagem que tenha texto alternativo. O alt que o seu time de acessibilidade pediu para preencher virou legenda de treino de IA.

O LAION distribui só os links e as legendas, sob licença aberta. Sobre as imagens em si, o aviso é direto: elas continuam sob o direito autoral de quem as fez. Ou seja, o conjunto aponta para bilhões de obras e deixa o problema jurídico para quem baixar.

Quem baixou foi muita gente. O Stable Diffusion 1.4, por exemplo, foi ajustado num subconjunto do LAION chamado "laion-aesthetics", segundo a própria ficha do modelo.

A sujeira que ninguém filtrou

Raspar a internet inteira traz a internet inteira junto, com tudo de pior que ela tem. Em dezembro de 2023, o Observatório da Internet de Stanford encontrou no LAION-5B 1.008 links para material de abuso sexual infantil confirmado ou provável. O LAION tirou os conjuntos do ar logo em seguida.

Em agosto de 2024 saiu o Re-LAION-5B, limpo com listas de verificação de organizações de proteção à infância. No total, foram removidos 2.236 links suspeitos. E o próprio LAION passou a recomendar com todas as letras que esses conjuntos não sejam usados em produto comercial. Recomendação feita, claro, depois que vários produtos comerciais já tinham sido treinados.

Os trabalhadores invisíveis

Para um modelo não devolver o pior da internet, alguém precisa ensinar o que é o pior. Isso é feito por gente, imagem por imagem e texto por texto.

Em janeiro de 2023, a revista TIME mostrou que a OpenAI contratou a empresa Sama para rotular textos tóxicos usando trabalhadores no Quênia. Eles levavam para casa entre US$ 1,32 e US$ 2 por hora, enquanto a OpenAI pagava à Sama US$ 12,50 por hora de trabalho, segundo os contratos. A Sama contestou parte dos números. Em fevereiro de 2022, a Sama também testou para a OpenAI a coleta de imagens sexuais e violentas, num lote de 1.400 imagens. A própria TIME diz que esse trabalho com imagens parece não ter relação com o ChatGPT. A Sama encerrou o contrato antes do previsto.

Rotular dado e moderar conteúdo é trabalho de tecnologia, feito em grande parte no Sul Global e pago por tarefa, sem vínculo nenhum. Se esse podcast é sobre quem trabalha com tecnologia, essa gente está no centro da conversa.

Quem processou quem

Getty Images contra Stability AI, no Reino Unido. O banco de imagens acusou a dona do Stable Diffusion de usar o seu acervo no treino. Em novembro de 2025, a Alta Corte da Inglaterra decidiu que a Stability não cometeu violação de direito autoral, segundo o resumo da Wikipedia, que cita a revista The Economist. Nos Estados Unidos, em abril de 2026, um tribunal federal deixou seguir a maior parte das acusações da Getty, incluindo as de direito autoral e de marca.

Artistas contra Stability, Midjourney e DeviantArt. Em janeiro de 2023, as ilustradoras Sarah Andersen, Kelly McKernan e Karla Ortiz abriram uma ação coletiva nos Estados Unidos. Em agosto de 2024, o juiz deixou seguir as acusações de direito autoral e de marca. O processo continuava em 2026, ainda sem julgamento.

Autores contra a Anthropic. Em 2025, a empresa fechou um acordo de US$ 1,5 bilhão com autores de livros por causa de cópias não licenciadas usadas na formação do seu acervo. É texto e não imagem, mas virou a referência de quanto custa treinar com material que não é seu.

E de quem é a imagem que a IA gera?

Nos Estados Unidos, a resposta curta é: de ninguém, se não houver autoria humana. O Escritório de Direitos Autorais publicou em janeiro de 2025 um relatório sobre a proteção do que a IA gera. Em março de 2025, um tribunal de apelação confirmou, no caso Thaler contra Perlmutter, que obra feita só por máquina não tem registro. Seleção e arranjo feitos por uma pessoa podem ser protegidos. O prompt sozinho, em geral, não basta.

No Brasil, a Lei de Direitos Autorais (Lei 9.610, de 1998) diz no artigo 11 que autor é a pessoa física criadora da obra. A lei é de antes da IA generativa, mas, pela letra dela, máquina não é autora. O resto vai ser decidido em tribunal ou em lei nova.

E a lei nova está empacada. O projeto de lei 2338/2023, o marco da inteligência artificial, foi aprovado pelo Senado em 10 de dezembro de 2024. O texto do Senado prevê que sistemas comerciais que usem obras protegidas paguem os titulares de direitos. Na Câmara, segundo a ficha oficial em 1º de novembro de 2026, o projeto aguarda o parecer do relator numa comissão especial. E o capítulo de direitos autorais, segundo quem acompanha a tramitação, é justamente o ponto de maior briga.

E eu com isso?

Muita gente que trabalha com tecnologia está dos dois lados dessa história. Tem quem escreva o scraper e o pipeline de treino, e tem quem faça freela de rotulagem e avaliação de modelo para pagar as contas. Os dois são trabalho de tecnologia, e só um deles aparece no LinkedIn com foto sorrindo.

Algumas perguntas valem para o seu próximo projeto: de onde vêm os dados, quem consentiu, quem recebeu e quem limpou a sujeira. E, se você trabalha com rotulagem ou avaliação, a precarização desse serviço foi escrita num contrato por alguém. Contrato se renegocia, e em grupo se renegocia melhor.

Para conversar

Fontes

← todos os artigos