Sześć palców to była łatwizna. Dziś AI dokleja Twojemu produktowi kieszeń, guzik i certyfikat, których nie ma, i nikt tego nie zauważa aż do pierwszego zwrotu.

Klient napisał do sklepu, że guzik przy kieszeni bluzy, którą kupił, w ogóle nie działa. Sklep sprawdził. Guzika nie było. Kieszeni też nie było. Na zdjęciu produktowym były, bo dorobiła je AI, która najwyraźniej uznała, że bluza bez kieszeni to bluza niedokończona.

To pokazuje, dlaczego warto wiedzieć, jak sprawdzić zdjęcia produktowe AI, zanim wylądują na karcie produktu. Sześć palców u dłoni dzisiejszy model policzy niemal zawsze poprawnie. Kieszeń, guzik albo certyfikat, którego produkt nigdy nie miał, dorobi bez wahania, bo wahania akurat nie ma czym odczuwać.

Poniżej konkretna lista tego, na co patrzeć, zanim klikniesz "publikuj", i jakich narzędzi użyć, żeby nie zgadywać na oko, tylko sprawdzić.

Dlaczego szósty palec przestał być testem

Przez dwa lata internet bawił się w wyszukiwanie dłoni z siedmioma palcami, jakby to był nowy sport narodowy. Zabawa była prosta, bo błąd rzucał się w oczy z odległości metra, razem z hasłem "tu było AI" wypisanym neonem.

Nowsze modele rzadko psują dłonie. Za to potrafią dorobić produktowi funkcję, której nie ma, cień padający z okna, którego w kadrze nie ma, albo napis na metce, który nie istnieje w żadnym języku świata, żywym czy martwym. Błąd nie zniknął, tylko spoważniał i przestał krzyczeć.

Skala nie jest teoretyczna. Google ogłosiło na konferencji I/O w maju 2025 roku, że jego system znakowania SynthID oznaczył wtedy ponad 10 miliardów treści wygenerowanych lub zmienionych przez AI. To jedna firma i tylko treści przechodzące przez jej modele. Ile z tych miliardów trafiło na karty produktów w sklepach internetowych, nikt nie policzył, ale odpowiedź "zero" na pewno jest błędna.

Błędy na zdjęciach AI produktowych, które faktycznie warto sprawdzać

Clement Nivesse / Pexels

Zanim zaczniesz szukać siódmego palca, sprawdź rzeczy, które faktycznie psują sprzedaż. Fałdy materiału to pierwszy podejrzany: jeśli bluza wygląda, jakby ją wyprasował robot, który nigdy nie widział prawdziwej tkaniny, to dlatego, że właśnie tak było.

Drugi podejrzany to cienie i odbicia. Jeśli światło pada z lewej, a cień produktu ucieka w prawo, jakby się bał, to zdjęcie kłamie, nawet jeśli sam produkt jest prawdziwy. Trzeci: powtarzające się wzory, na przykład ten sam supełek na dzianinie skopiowany dwadzieścia razy z precyzją, jakiej nie osiąga żadne prawdziwe krosno.

Czwarty, łatwy do przeoczenia: tekst i logo. Napis na metce, który przy powiększeniu zamienia się w ciąg liter przypominający alfabet wymyślony przez dziecko bawiące się klawiaturą. Model potrafi napisać "100% COTTON" tak, że trzecia litera jest krzyżówką O z Q, i nikt tego nie zauważy, dopóki klient nie powiększy zdjęcia w kolejce do kasy.

Piąty, najbardziej kosztowny: elementy, których produkt nie ma. Kieszeń, guzik, dodatkowa kieszonka na telefon, certyfikat wydrukowany na metce, którego nikt nigdy nie wystawił. Model generujący zdjęcie nie zna specyfikacji Twojego produktu, więc dorabia to, co statystycznie pasuje do kategorii "bluza", nawet jeśli akurat ta konkretna bluza tego nie ma.

Szósty: geometria. Krawędź pudełka, która powinna być prosta, a na zdjęciu robi delikatny łuk, jak stół w gabinecie krzywych zwierciadeł. Ludzkie oko to wybacza przy pierwszym rzucie okiem, dlatego trzeba patrzeć drugi raz, celowo, a nie mrugnięciem.

Jak sprawdzić znak wodny i metadane, zamiast zgadywać na oko

Shoper .pl / Pexels

Oko męczy się po dziesiątym zdjęciu w serii, a AI się nie męczy nigdy, więc przewaga jest po jej stronie. Na szczęście istnieją narzędzia, które nie mrugają, dosłownie, bo nie mają czym.

Weryfikator w aplikacji Gemini sprawdza dwie rzeczy naraz: niewidoczny znak wodny SynthID i dane C2PA, czyli cyfrowy paszport pliku z historią edycji. Wgrywasz jeden plik, do 100 MB, i dostajesz odpowiedź: znak wykryty, znak niewykryty, albo "za mało danych", co w tłumaczeniu na polski znaczy "sami nie wiemy, sprawdź sam".

Jest jedno ale, i to spore. Gemini rozpoznaje tylko treści zrobione narzędziami Google. Zdjęcie z innego generatora przejdzie przez ten test czysto, nie dlatego że jest prawdziwe, tylko dlatego że narzędzie nie umie go rozpoznać. To trochę jak alkomat, który wykrywa tylko jedną markę wódki.

Ten sam problem widziałem już przy weryfikacji tekstu generowanego przez AI: pewność narzędzia i jego rzeczywista trafność to dwie różne liczby, a różnica między nimi kosztuje najwięcej wtedy, gdy nikt jej nie sprawdza.

Kiedy błąd na zdjęciu przestaje być estetyczny, a zaczyna być prawny

Tima Miroshnichenko / Pexels

Klient, który dostał bluzę bez kieszeni pokazanej na zdjęciu, nie napisze recenzji "estetyka zdjęcia mogła być lepsza". Napisze "produkt niezgodny z opisem", a to już nie jest opinia, tylko podstawa do zwrotu i reklamacji.

Do tego dochodzi obowiązek prawny, o którym część sklepów jeszcze nie słyszała. AI Act wymaga oznaczania treści, które mogą wprowadzać w błąd co do tego, że są prawdziwym zapisem rzeczywistości. Zdjęcie produktowe z dorobionym elementem, którego produkt nie ma, mieści się w tej definicji dokładnie w środku, nie na granicy.

Sprawdzanie zdjęcia przed publikacją to więc nie jest fanaberia estetyczna, tylko taniej wychodzące ubezpieczenie. Piętnaście minut przeglądu kosztuje mniej niż jeden zwrot, jedna reklamacja i jedna gwiazdka mniej w opiniach, które i tak nikt nie usuwa, choćby błagał na kolanach.

Checklist przed kliknięciem publikuj

Zanim zdjęcie trafi na kartę produktu, przejdź przez pięć punktów, w tej kolejności, bo kolejność akurat ma znaczenie, tak jak kolejność wkładania skarpetek przed butami.

Sprawdź fałdy materiału i cienie pod kątem, z którego faktycznie pada światło w kadrze. Policz elementy: guziki, kieszenie, zamki, i porównaj je z prawdziwą specyfikacją produktu, nie z tym, co "wygląda dobrze". Przepuść plik przez weryfikator znaku wodnego, pamiętając, że wynik "nie wykryto" nie znaczy "na pewno prawdziwe". Zerknij na geometrię krawędzi, czy nic się nie wygina tam, gdzie powinna być linia prosta. Na koniec zapytaj kogoś innego w firmie, czy on też to widzi, bo drugie oko męczy się inaczej niż pierwsze.

Jeśli po tych pięciu punktach zdjęcie nadal wygląda dobrze, prawdopodobnie jest dobre. Jeśli którykolwiek punkt budzi wątpliwość, popraw zdjęcie albo, co zaskakująco często działa najlepiej, po prostu zrób prawdziwe. Ten sam rygor warto zastosować do opisów produktów pisanych przez AI, bo wymyślony guzik na zdjęciu i wymyślona funkcja w opisie to bliźniaki, tylko różnie ubrane.