O problema do Midjourney não é o modelo. Pare de escrever prompts melhores.

Pergunte a um diretor de criação o que ele quer e ele não vai responder com um parágrafo. Ele vai abrir três referências, apontar para um canto de uma delas e dizer: mais assim, menos assado.

O Midjourney não aceita esse tipo de resposta. Nenhuma outra ferramenta de imagem baseada em chat aceita. Você recebe uma caixa de texto e precisa transformar sua intenção em palavras.

Esse é o problema inteiro, e tudo o mais decorre daí.

Palavras são um formato com perdas para traduzir gosto

Um prompt é uma compressão do que você realmente quer, e a maior parte do que você quer não sobrevive à compressão. A luz daquela foto. O peso exato daquela serifa. A razão pela qual a caixa da Prada parece cara e a do lado não. Você pode escrever quatrocentas palavras e ainda não chegar lá. Foi por isso que engenharia de prompt virou profissão.

Pior: todo mundo comprime da mesma forma. Ninguém tem um vocabulário privado para "cinematográfico", "editorial" ou "clean". Então mil equipes digitam praticamente os mesmos adjetivos no mesmo modelo e recebem praticamente a mesma imagem de volta.

Dylan Field, CEO da Figma, foi direto no Lenny's Podcast em outubro de 2025: a primeira coisa que a IA te entrega é genérica por definição, porque é a média de tudo que ela já viu. Prompts de texto são o que mantém você parado nessa média. O dicionário Merriam-Webster elegeu "slop" a palavra do ano de 2025, definida como conteúdo de baixa qualidade produzido em massa por IA. É daqui que vem essa massa.

Existem dados sobre o efeito disso em um grupo. Anil Doshi e Oliver Hauser publicaram em 2024, na Science Advances, um estudo em que escritores receberam ajuda de IA. Individualmente, os textos assistidos tiveram nota mais alta. Comparados entre si, ficaram visivelmente mais parecidos. Todo mundo ficou melhor e mais parecido ao mesmo tempo.

O que de fato produz uma imagem boa

Não é uma frase melhor. É material melhor.

Um briefing de verdade é uma pilha de coisas: uma foto de referência, a embalagem de um concorrente, um relatório de mercado, uma anotação de reunião dizendo que a iluminação precisa lembrar um apartamento em Seul às 18h. Quando você consegue entregar esses objetos ao modelo, em vez de uma descrição deles, o resultado para de derivar para a média, porque os insumos são seus e ninguém mais os tem.

A outra coisa que acontece é mais sutil. Montar as referências obriga você a descobrir o que realmente quer dizer. A maioria das pessoas só sabe o que quer quando vê duas opções lado a lado e se pega preferindo uma. Uma caixa de texto não te dá isso. Uma parede com seu próprio material, sim.

E aí a ferramenta joga fora o trabalho

Digamos que você conseguiu uma boa imagem. Onde ela está?

Está numa thread de chat, abaixo de outras quarenta tentativas e acima de mais sessenta. A thread é só sua. Ninguém do time consegue ver.

Pense no que existe nessas cem imagens. A versão que estava quase certa, mas quente demais. A que falhou de um jeito interessante. A direção que o time descartou explicitamente e que alguém, inevitavelmente, vai propor de novo daqui a três semanas, porque não sobrou registro de que já foi testada. Tudo isso tinha valor, e tudo isso agora é histórico de rolagem na conta privada de uma pessoa.

Chat é um mau recipiente para trabalho visual pela mesma razão que é um mau recipiente para decisões. Ele é uma linha. Você não consegue colocar uma linha lado a lado consigo mesma. Para comparar duas imagens no Midjourney, você rola, guarda uma na memória, rola de volta e finge que está comparando. Não está. Está lembrando.

As equipes acabam fazendo o que sempre fazem quando a ferramenta falha. Alguém tira print das boas e joga num Slack. Outra pessoa baixa tudo numa pasta chamada final_v2. Em uma semana, ninguém sabe qual das quatro versões daquela pasta era a que todo mundo tinha aprovado.

O que construímos no lugar

No ALLO, a geração acontece no canvas. Assim, os dois problemas viram uma solução só.

Você seleciona os objetos que quer que o modelo use. Uma imagem de referência, a embalagem de um concorrente, um documento de pesquisa, um post-it com uma ideia pela metade. Tudo já está na board, porque é ali que o projeto vive. O prompt é montado a partir de material real, não digitado de memória. O modelo recebe seus dados concretos, não seus adjetivos.

O resultado aparece no canvas, ao lado das coisas que o produziram. Não numa thread. Não numa pasta. Fica ali como um objeto, com versões, e você consegue colocá-lo ao lado dos outros cinco e realmente olhar para eles juntos, que é a única forma pela qual alguém já escolheu entre imagens.

E o processo continua. Uma anotação vira um documento de pesquisa. O documento vira um infográfico. O infográfico vira um product shot. Alguém cola um post-it dizendo "isso poderia funcionar como um teste de personalidade", e aquilo vira uma landing page. Cada etapa se apoia nas anteriores, e toda a cadeia continua visível. Um mês depois, você consegue ver não só o que o time fez, mas como chegou até ali e o que descartou pelo caminho.

E a board é compartilhada. As quarenta imagens que não passaram continuam ali para o time ver, esmaecidas e postas de lado, em vez de deletadas. É isso que torna uma decisão defensável mais tarde, quando um cliente pergunta por que a campanha ficou assim e não do jeito óbvio.

Os modelos de imagem vão continuar melhorando. As imagens que eles entregam vão continuar melhorando e vão continuar sendo a média do que todo mundo também está recebendo. O que vai continuar difícil é saber o que você quer, mostrar ao modelo algo concreto e escolher a imagem que é sua.

FAQ

Por que todas as imagens geradas por IA parecem iguais? Porque todo mundo descreve o que quer com palavras parecidas, e os modelos devolvem o resultado mais provável para essas palavras. Dylan Field, da Figma, diz que o primeiro resultado é genérico por definição. Alimentar o modelo com suas próprias referências, em vez de adjetivos, é o que tira o resultado da média.

Por que o Midjourney é difícil de usar em equipe? As gerações ficam numa thread de chat pessoal. O output é linear, então as imagens não podem ser comparadas lado a lado, e a maior parte do que a pessoa tentou é invisível para o resto do time. As tentativas descartadas e o raciocínio por trás de uma escolha somem junto com a thread.

Como obter resultados melhores de uma ferramenta de IA de imagem? Pare de tentar escrever um prompt melhor. Dê ao modelo material real: imagens de referência, ativos de marca, pesquisa e as anotações que explicam a intenção. Entradas específicas produzem saídas específicas.

Onde as equipes devem guardar imagens geradas por IA? Em algum lugar onde o time inteiro possa vê-las juntas, ao lado do briefing e das referências que as produziram, incluindo as versões que foram descartadas. Uma pasta de downloads perde todo esse contexto em uma semana.

O ALLO gera imagens? Sim, no canvas. Selecione as referências e notas que quer usar como base, gere, e o resultado aparece como um objeto na board ao lado dos seus inputs, onde o time pode comparar, comentar e escolher.