Redes sociais dão mais controle sobre o que aparece no feed

Durante anos, as redes sociais utilizaram algoritmos para decidir quais publicações apareceriam no feed de cada usuário. Curtidas, comentários, pesquisas, compartilhamentos e tempo de visualização serviam como sinais para identificar interesses e selecionar conteúdos. Agora, esse modelo começa a incorporar outro elemento: as preferências que as próprias pessoas informam às plataformas.

Meta, TikTok e YouTube estão ampliando os recursos de personalização para permitir que os usuários influenciem diretamente suas recomendações. Entre as novidades estão ajustes de temas, filtros por palavras-chave e criação de feeds dedicados a interesses específicos.

Essa mudança acompanha a evolução da inteligência artificial e dos modelos de linguagem, que permitem interpretar instruções em linguagem natural. Assim, além de observar o comportamento de cada pessoa, os sistemas podem considerar o que ela declara querer encontrar ou evitar.

Como as redes sociais estão permitindo personalizar o feed?

Embora tenham objetivos semelhantes, Meta, TikTok e YouTube adotaram estratégias diferentes para ampliar o controle dos usuários. Cada plataforma oferece ferramentas próprias, com diferentes níveis de personalização.

Instagram e Facebook permitem ajustar as recomendações

No Instagram, o recurso Seu Algoritmo permite consultar e ajustar os assuntos que influenciam as recomendações do Reels. A ferramenta apresenta temas identificados a partir da atividade do usuário e possibilita indicar quais devem aparecer com maior ou menor frequência.

A iniciativa também representa uma mudança na relação entre as pessoas e o algoritmo: em vez de apenas reagir às publicações exibidas, o usuário pode interferir diretamente nos critérios utilizados para organizar as recomendações.

No Facebook, a Meta anunciou em outubro de 2026 a expansão de uma ferramenta chamada Your Algorithm. O recurso permite adicionar e gerenciar temas de interesse no Feed e no Reels, inclusive por meio de instruções escritas com as próprias palavras. Segundo a empresa, modelos de linguagem ajudam a interpretar essas orientações e adaptar as recomendações em tempo real.

TikTok oferece controles por assunto e palavras-chave

O TikTok disponibiliza o gerenciamento de tópicos, que permite aumentar ou diminuir a frequência de determinadas categorias no feed Para Você. Entre os assuntos disponíveis estão esportes, viagens, natureza e estilo de vida.

A plataforma também oferece filtros de palavras-chave. Com eles, é possível restringir publicações que contenham termos específicos e utilizar inteligência artificial para identificar expressões semelhantes, como sinônimos e variações.

Dessa maneira, o usuário consegue controlar não apenas os temas que deseja acompanhar com maior frequência, mas também determinados conteúdos que prefere não encontrar nos feeds.

YouTube permite criar feeds para diferentes interesses

O YouTube anunciou os Custom Feeds, recurso que permite criar abas personalizadas para diferentes interesses, rotinas ou momentos. A proposta é modificar a página inicial para que o usuário encontre espaços dedicados a tipos específicos de conteúdo.

Uma pessoa pode, por exemplo, organizar um feed para acompanhar documentários e outro para descobrir novos criadores de conteúdo. Assim, a experiência deixa de depender de uma única sequência de recomendações.

Como a inteligência artificial está mudando os algoritmos de recomendação?

A personalização dos feeds representa uma evolução na maneira como os sistemas identificam os interesses dos usuários. Tradicionalmente, os algoritmos utilizam dados de comportamento para estimar quais conteúdos têm maior probabilidade de gerar interesse.

Esse modelo continua sendo importante, mas apresenta limitações. Uma pessoa pode assistir a um vídeo por curiosidade, interagir com uma publicação por acaso ou permanecer mais tempo em determinado conteúdo sem necessariamente desejar receber recomendações semelhantes.

Com a entrada das preferências declaradas, as plataformas passam a contar com informações adicionais para orientar seus sistemas.

Qual é a diferença entre preferências implícitas e explícitas?

As preferências implícitas são identificadas a partir das ações realizadas pelo usuário. Curtidas, comentários, pesquisas, compartilhamentos e histórico de visualização ajudam o algoritmo a estimar seus interesses.

Já as preferências explícitas são informadas diretamente pela pessoa. Ao indicar que deseja ver mais conteúdos sobre tecnologia ou reduzir publicações sobre celebridades, por exemplo, ela fornece uma orientação que pode ser incorporada aos critérios de recomendação.

Os dois modelos podem funcionar em conjunto. Enquanto o comportamento ajuda a identificar padrões de interesse, as instruções diretas permitem corrigir interpretações equivocadas e atualizar as preferências de acordo com a intenção do usuário.

Como os modelos de linguagem interpretam as preferências?

Os modelos de linguagem ampliam a capacidade dos sistemas de compreender instruções escritas de maneira natural. Em vez de depender exclusivamente de categorias predefinidas, as plataformas podem interpretar solicitações mais específicas e relacioná-las aos assuntos disponíveis em seus catálogos de conteúdo.

Esse processo envolve transformar a instrução recebida em informações que possam ser utilizadas pelos sistemas de recomendação. A partir daí, os critérios de classificação podem ser ajustados para considerar os interesses declarados.

Esse tipo de tecnologia também está relacionado aos sistemas de recomendação utilizados em outros produtos digitais. Como explica o glossário da REVIIV sobre sistemas de recomendação, esses algoritmos selecionam e sugerem conteúdos, produtos ou informações com base em dados e padrões de interesse dos usuários.

Por que as plataformas estão dando mais controle aos usuários?

A ampliação dos recursos de personalização não representa apenas uma mudança na interface das redes sociais. Ela também responde à necessidade de oferecer experiências mais relevantes e ampliar a transparência sobre o funcionamento dos algoritmos.

Transparência algorítmica e autonomia digital

Quando o usuário não entende por que determinado assunto aparece repetidamente ou não consegue reduzir recomendações indesejadas, a experiência pode se tornar frustrante.

As novas ferramentas permitem que parte dessas decisões seja compartilhada com quem utiliza a plataforma. Além disso, ajudam a tornar mais visíveis alguns dos critérios que influenciam a distribuição de conteúdo.

Essa discussão também está relacionada à pressão regulatória sobre as grandes plataformas digitais. Na União Europeia, o Regulamento dos Serviços Digitais (Digital Services Act) estabelece obrigações de transparência para sistemas de recomendação e exige que determinadas plataformas ofereçam opções que não sejam baseadas em criação de perfis.

Entretanto, disponibilizar controles de personalização não resolve todas as questões relacionadas à transparência. Ainda existem discussões sobre quais dados são utilizados, como as recomendações são classificadas e até que ponto os usuários conseguem compreender e modificar essas decisões.

Como equilibrar personalização e descoberta de conteúdo?

Um dos desafios das redes sociais é evitar que a personalização limite a diversidade das recomendações. Se o algoritmo apresentar apenas assuntos que a pessoa já acompanha, pode reduzir as oportunidades de descobrir novos criadores, ideias e comunidades.

Por isso, as plataformas precisam equilibrar as preferências declaradas com outros critérios de recomendação. A intenção é oferecer maior autonomia sem transformar o feed em uma seleção restrita aos interesses já conhecidos.

Esse equilíbrio também é importante para a experiência dos criadores de conteúdo, que dependem dos sistemas de recomendação para alcançar pessoas que ainda não seguem seus perfis.

Como a inteligência artificial torna a classificação de conteúdo mais complexa?

A inteligência artificial não está modificando apenas a maneira como as redes sociais recomendam publicações. Ela também transformou os processos de criação, edição e distribuição de conteúdo.

Vídeos, imagens e textos podem combinar diferentes recursos tecnológicos, tornando menos simples a distinção entre produções humanas e materiais gerados por ferramentas de IA.

Por que é difícil separar conteúdos humanos e gerados por IA?

Uma publicação pode ter roteiro escrito por uma pessoa, imagens produzidas por inteligência artificial e edição realizada com ferramentas automatizadas. Nesse cenário, classificá-la exclusivamente como conteúdo humano ou sintético não representa toda a complexidade de sua produção.

Essa combinação exige critérios mais cuidadosos para identificar materiais gerados ou modificados por IA. A transparência sobre a origem do conteúdo continua importante, mas a classificação também precisa considerar aspectos como tema, contexto e finalidade da publicação.

O que isso representa para os sistemas de recomendação?

Para os algoritmos, a diversidade de formatos e processos de criação amplia o desafio de interpretar o conteúdo. Não basta identificar palavras-chave ou reconhecer a presença de ferramentas generativas: também é necessário compreender o assunto da publicação e sua relação com os interesses de quem recebe a recomendação.

A gestão dessas informações exige sistemas capazes de combinar diferentes critérios de classificação e adaptar a distribuição de conteúdo às preferências dos usuários.

REVIIV INSIGHTS

A possibilidade de configurar o feed representa uma evolução no design de produtos digitais. Em vez de concentrar todas as decisões nos sistemas de recomendação, as plataformas começam a incorporar as preferências declaradas como parte dos parâmetros que orientam a experiência.

Para as equipes de produto e engenharia, isso exige desenvolver mecanismos capazes de interpretar instruções, atualizar critérios de classificação e combinar diferentes fontes de informação sem comprometer a relevância das recomendações.

O desafio não está apenas em adicionar um campo de preferências à interface. É necessário conectar essas informações à lógica de distribuição de conteúdo, garantindo que as alterações sejam compreendidas pelo sistema e produzam efeitos coerentes na experiência do usuário.

Esse tipo de evolução demanda planejamento de produto, arquitetura e integração entre diferentes componentes tecnológicos. Uma Fábrica de Software pode estruturar e desenvolver soluções digitais sob medida, conectando novas funcionalidades aos sistemas e serviços já utilizados pela empresa.

Ao mesmo tempo, a personalização precisa preservar a capacidade de descoberta. Um algoritmo que apresenta somente conteúdos já conhecidos pode reduzir a diversidade das recomendações. Portanto, o desenvolvimento desses recursos envolve encontrar um equilíbrio entre autonomia, relevância e exploração de novos assuntos.

Essa mudança evidencia como a inteligência artificial está ampliando as possibilidades de interação entre pessoas e produtos digitais. Mais do que automatizar decisões, os sistemas passam a interpretar instruções e adaptar seu funcionamento às intenções declaradas pelos usuários.

Fontes

• Meta. Your Algorithm, Your Words: New Ways to Shape What You See on Facebook. 13 out. 2026.
• Meta. Como a inteligência artificial influencia o que você vê no Facebook e no Instagram. 29 jun. 2023.
• TikTok. Como você pode influenciar o que é recomendado a você.
• TikTok. More ways to discover new content and creators you love. 3 jun. 2025.
• YouTube. Descubra o que o YouTube preparou para você com os novos recursos para espectadores. 23 set. 2026.