Plataformas como Instagram, Facebook, TikTok e YouTube estão expandindo suas ferramentas para possibilitar a personalização das sugestões apresentadas em seus feeds. Essa alteração surge em resposta às críticas de usuários que se sentem limitados por recomendações automáticas que nem sempre correspondem aos seus interesses.
Graças ao progresso da inteligência artificial (IA), essas plataformas agora são capazes de processar solicitações mais detalhadas, oferecendo aos usuários novas formas de direcionar o que é exibido em suas telas.
Historicamente, as plataformas davam prioridade às recomendações automáticas em detrimento das publicações de contas que os usuários seguiam. O objetivo inicial era antecipar conteúdos que despertassem interesse e mantivessem os usuários conectados por mais tempo. Contudo, esse modelo também foi alvo de críticas por direcionar os usuários a sequências de vídeos irrelevantes ou potencialmente nocivos.
O Instagram está buscando modificar essa dinâmica através do recurso denominado “seu algoritmo”. Esta funcionalidade exibe os tópicos que a rede associa aos interesses de cada indivíduo e possibilita que o usuário indique temas que gostaria de ver com maior ou menor frequência. Inicialmente disponível na aba Reels, a função foi estendida a todo o aplicativo e também incorporada ao Facebook.
Tessa Lyons, vice-presidente de produto do Instagram, informou à CNN que a meta é restaurar parte do controle que os usuários possuíam ao selecionar quais perfis seguir, sem, no entanto, abandonar as recomendações úteis para a descoberta de novos conteúdos.
As redes sociais adotaram abordagens distintas para suprir essa demanda. Neal Mohan, CEO do YouTube, ressaltou que as modificações não implicam a impossibilidade de visualizar qualquer conteúdo gerado por IA, argumentando que diferenciar vídeos criados por inteligência artificial daqueles produzidos por humanos é uma distinção artificial, visto que muitas produções mesclam ambas as formas.
A personalização mais direta depende de uma tecnologia apta a entender comandos em linguagem natural. Em vez de apenas inferir todas as preferências com base em visualizações e interações, os sistemas podem interpretar pedidos específicos sobre quais assuntos devem aparecer com maior ou menor ocorrência.
Lyons comentou à CNN que este avanço permite que as preferências sejam expressas usando palavras próprias. Ela explicou que, anteriormente, as plataformas enfrentavam dificuldades em identificar com exatidão quais publicações se relacionavam a temas específicos, como tênis.
No entanto, ainda persiste um desafio: o comportamento online nem sempre espelha o que as pessoas realmente desejam ver. Tim Weninger, professor de ciência da computação e engenharia da Universidade de Notre Dame, aponta que conteúdos que suscitam sentimentos de raiva ou tristeza também podem gerar engajamento, como visualizações, comentários e compartilhamentos.
Essas interações podem confundir os mecanismos de recomendação, que precisam discernir entre interesse genuíno e mera reação emocional. A grande questão reside em determinar até que ponto as preferências declaradas pelos usuários conseguirão influenciar os algoritmos frente aos sinais capturados durante a navegação.