← A máquina da atenção

Como funciona

O ciclo de engagement. O motor de recomendação. Por que o algoritmo não tem nenhum incentivo para se importar com o seu bem-estar.

Como ler esta página. Toque em qualquer palavra sublinhada para ver o termo acadêmico exato e uma definição curta. Abra qualquer caixa "Mais a fundo" para ver as evidências e os pontos contestados. O texto principal se sustenta sozinho — você pode pular as duas coisas e ainda assim acompanhar o argumento inteiro.

O mecanismo central

Toda grande plataforma de rede social é construída em torno de uma decisão tomada bilhões de vezes por dia: o que você vai ver em seguida?

Quem toma essa decisão é um algoritmo. O algoritmo não decide com base no que é verdadeiro, no que é importante ou no que seria bom você saber. Ele decide, de forma esmagadora, com base em um único tipo de sinal: o que manteve pessoas como você engajadas no passado. Uma curtida, um compartilhamento, um comentário, uma pausa longa enquanto você rola a tela — cada interação é um dado. O algoritmo aprende com esses dados e os usa para prever com o que você vai interagir em seguida.

Parece razoável. Na prática, isso cria um problema sistemático.

Engagement não é a mesma coisa que bem-estar

Um acidente de carro para o trânsito. Um bate-boca atrai uma multidão. Indignação, medo e conflito tribal geram engagement — não porque as pessoas gostam deles, mas porque é difícil desviar o olhar. O algoritmo não consegue distinguir o engagement que faz bem a você do que não faz. Ele nem tenta. Não é isso que ele está otimizando.

A pesquisa interna do próprio Facebook, vazada em 2021 pela whistleblower Frances Haugen, mostrou que a empresa sabia que seus algoritmos amplificavam de forma desproporcional, entre os posts recompartilhados, o que seus próprios pesquisadores chamavam de “desinformação, toxicidade e conteúdo violento”. Documentos internos mostravam um debate sobre corrigir ou não esse problema. As correções propostas enfrentaram resistência porque teriam reduzido o engagement.

Isto não é uma acusação de má-fé. É uma descrição de incentivos. Quando o engagement é a métrica e a indignação gera engagement, a indignação é o que o sistema põe em destaque — seja qual for a intenção.

O ciclo de retroalimentação

O sistema de recomendação (recommender system) funciona por meio de um ciclo contínuo:

Você interage com um conteúdo — pausa, curte, comenta, compartilha ou simplesmente assiste por alguns segundos. O sistema registra o que provocou essa interação. O algoritmo atualiza o modelo do que funciona com você. Ele entrega mais conteúdo com previsão de provocar reações parecidas. O ciclo roda sem parar, de forma invisível, para mais de três bilhões de pessoas por dia só nos apps da Meta. O próprio Facebook foi lançado em 2004.

Com o tempo, o algoritmo fica muito preciso em prever as suas reações — não porque entende você, mas porque acumulou dados suficientes sobre o seu comportamento para modelá-lo. O resultado é um feed que parece pessoal e relevante, porque foi calibrado para o seu perfil psicológico específico.

O mesmo ciclo paga quem produz o conteúdo. Os criadores de conteúdo — veículos de comunicação, influenciadores, qualquer pessoa que vive de publicar — ganham com a parte da receita de publicidade que a plataforma repassa, com patrocínios cujo preço depende do alcance e com os fundos que a própria plataforma mantém para criadores; tudo isso cresce com o engagement, e assim a preferência do ranking pelo que provoca reação vira também o incentivo deles. Os Facebook Files registram a conclusão da própria empresa: depois que a mudança de 2018 passou a premiar comentários e compartilhamentos, veículos de comunicação e partidos políticos disseram ao Facebook que tinham passado a publicar posts mais polarizadores, porque era isso que o ranking agora recompensava. Ninguém deu essa ordem a eles; a receita deu.

O que os dados mostraram

Em 2018, o Facebook mudou seu algoritmo para impulsionar as “Meaningful Social Interactions” (interações sociais significativas) — conteúdos que geravam mais comentários e reações, com a intenção de promover conexões genuínas. Um estudo revisado por pares (Germano, Gómez e Sobbrio, publicado no Journal of Public Economics em 2026), com dados de questionários dos Estados Unidos e da Itália, concluiu que a atualização, em vez disso, contribuiu para o aumento do extremismo ideológico e da polarização afetiva nos dois países. Com base nessas evidências, uma decisão comercial tomada numa reunião de produto teve consequências políticas — dados de questionários, não um experimento, e o quanto uma única mudança de ranking move a polarização não está resolvido (veja abaixo).

Uma apresentação interna do Facebook de 2016, noticiada pelo Wall Street Journal em 2020, constatou que, entre os grupos políticos alemães que ela estudou, 64% de todas as entradas em grupos extremistas tinham vindo das ferramentas de recomendação do próprio Facebook — um país, um ano, a medição da própria empresa. Não de sites marginais. Do próprio motor da empresa, um grupo sugerido de cada vez.

Por que a força de vontade individual é o enquadramento errado

A resposta mais comum a tudo isso é pessoal: use menos, faça pausas, tenha mais disciplina. O conselho não está errado, mas erra a escala do problema.

O sistema que otimiza o seu feed foi construído ao longo de anos por grandes equipes de engenheiros altamente qualificados, treinado em registros imensos do que as pessoas fazem e refinado continuamente — uma mudança após a outra testada em usuários reais — na direção do que gera mais engagement. A ideia de que a força de vontade individual é a principal defesa contra isso — e não uma mudança estrutural no próprio sistema — é, ela mesma, um enquadramento que beneficia as plataformas. Ela coloca o peso da resposta sobre os usuários, e não sobre o design.

Entender o mecanismo é o começo. O resto é estrutural: uma mudança naquilo que o sistema foi construído para maximizar, e não na disciplina dos seus usuários.

Como sabemos — a mudança de algoritmo de 2018 e o que as evidências mostram e não mostram +

A mudança de 2018, chamada “Meaningful Social Interactions” (MSI), redistribuiu os pesos do News Feed para favorecer posts que atraíam comentários e reações, em especial compartilhamentos entre amigos. O Facebook a apresentou como uma forma de promover conexão. A análise revisada por pares de Germano, Gómez e Sobbrio (2026; divulgada como texto para discussão em 2025) modelou como o ranking baseado em sinais de engagement espalha conteúdos e testou as previsões com dados dos Estados Unidos e da Itália; o modelo prevê que dar mais peso a curtidas e compartilhamentos aumenta o engagement, mas também a desinformação e a polarização, e os dados de questionários indicam que a mudança MSI contribuiu para o aumento do extremismo ideológico e da polarização afetiva. As evidências são observacionais: dados de questionários, não um experimento controlado. As revelações de Haugen mostraram depois que funcionários do próprio Facebook tinham alertado que a MSI recompensava a indignação e a desinformação recompartilhada.

O que está em disputa. Que o ranqueamento por engagement amplifica conteúdo que divide tem bom respaldo; o quanto isso move a polarização não está estabelecido. Os maiores experimentos sobre a questão apontam na direção contrária: nos estudos da eleição americana de 2020 feitos com a Meta, três meses de um feed cronológico no lugar do ranqueado, ou de um terço a menos de conteúdo de fontes com as mesmas posições, não mudaram de forma mensurável a polarização nem as atitudes políticas — dentro dos limites de três meses e uma eleição. As magnitudes exatas, e a parcela da polarização no mundo real que pode ser atribuída a uma única mudança de algoritmo, dependem das premissas do modelo. Os efeitos das plataformas interagem com a política fora da internet, com a mídia e com a autosseleção, o que torna difícil uma atribuição causal limpa. Descrevemos o mecanismo e o que a empresa sabia internamente, como está documentado; não afirmamos que o algoritmo sozinho causou a polarização.

Sobre o número de 64%. Ele vem de uma apresentação interna do Facebook de 2016, noticiada pelo Wall Street Journal em maio de 2020 — um ano antes das revelações de Haugen. O slide, de um estudo sobre grupos políticos na Alemanha, dizia que 64% de todas as entradas em grupos extremistas se deviam às ferramentas de recomendação do próprio Facebook (“Nossos sistemas de recomendação aumentam o problema”). É a medição que a própria empresa fez do seu próprio produto, e é isso que lhe dá peso — mas é um único número interno, de um país e de um ano, não um estudo replicado de forma independente, e ele não diz nada sobre se esses usuários já estavam procurando esses grupos.

Seu cérebro — por que a máquina funciona em quase todo mundo →
Publicidade & vigilância — o que está sendo feito com a sua atenção →
Busca — a mesma lógica de ranking, aplicada ao que você procura →
Sim, mas… →