Principais destaques
- Detecção com 94% de precisão: o LinkedIn ampliou seus sistemas de classificação para identificar publicações consideradas AI slop distribuídas além da rede imediata dos usuários.
- IA treinada para reconhecer IA: a plataforma combina modelos maiores, modelos menores especializados, agentes de inteligência artificial e avaliações humanas para detectar conteúdo repetitivo.
- 40% menos visualizações: o LinkedIn já havia informado uma redução nas visualizações de publicações classificadas como AI slop, em resposta à insatisfação dos usuários com a queda na qualidade do feed.
O LinkedIn está reforçando sua estratégia para combater um problema cada vez mais visível nas redes sociais: a avalanche de publicações geradas por inteligência artificial que parecem profissionais à primeira vista, mas oferecem pouco conteúdo relevante.
A plataforma quer reduzir a circulação do chamado AI slop, expressão usada para descrever materiais genéricos, repetitivos ou produzidos em massa por IA, sem informações úteis ou contribuições originais.
A questão vai além da quantidade de conteúdo. Quanto mais publicações artificiais e previsíveis aparecem no feed, mais difícil fica encontrar análises relevantes, experiências pessoais e conversas que realmente mereçam atenção.
Um botão que ganhou milhões de adeptos 🛑
Em agosto, o LinkedIn introduziu uma opção para denunciar publicações suspeitas de serem AI slop diretamente no feed.
A iniciativa encontrou rapidamente seu público. Menos de três semanas depois do lançamento, mais de 1 milhão de pessoas já haviam utilizado o recurso.
O objetivo não é necessariamente eliminar toda publicação que tenha sido criada com auxílio de inteligência artificial. O foco está em conteúdos genéricos e repetitivos que não acrescentam informações ou perspectivas relevantes.
Essa distinção importa. Uma publicação revisada com IA pode trazer dados úteis, enquanto um texto inteiramente escrito por uma pessoa também pode ser superficial. O desafio é reconhecer a qualidade e a relevância do conteúdo, não apenas identificar a tecnologia utilizada em sua produção.
🤖 A solução é usar IA contra a própria IA
Em 8 de outubro, Tim Jurka, vice-presidente de engenharia do LinkedIn, explicou como a empresa está aprimorando seus mecanismos de detecção.
A estratégia combina modelos de diferentes tamanhos em uma arquitetura conhecida como teacher-student, ou professor-aluno.
🔎 Como funciona: os modelos maiores identificam novos padrões de conteúdo artificial de baixa qualidade e geram dados de treinamento. Esses dados são utilizados para ensinar modelos menores a reconhecer os mesmos padrões com rapidez.
Na prática, o LinkedIn tenta acompanhar a evolução das técnicas usadas para produzir conteúdo em massa. Quando surgem novas formas de AI slop, os sistemas maiores ajudam a atualizar a capacidade de detecção dos menores.
É uma espécie de corrida tecnológica: à medida que os formatos de conteúdo artificial mudam, os mecanismos responsáveis por identificá-los também precisam evoluir.
Agentes de IA também entram na fiscalização
O sistema não depende exclusivamente de classificadores que analisam publicações automaticamente. O LinkedIn também utiliza agentes de inteligência artificial com políticas específicas para avaliar diferentes características do conteúdo.
Esses agentes podem considerar fatores como:
- Caráter promocional: se a publicação tem natureza publicitária.
- Comemorações e conquistas: se o conteúdo celebra uma realização pessoal ou profissional.
- Relevância temporal: se a publicação está relacionada a um acontecimento atual.
- Casos ambíguos: situações em que as regras não são suficientes para determinar como classificar o material.
Quando um agente encontra um exemplo complexo, pode encaminhá-lo a revisores humanos. A orientação recebida ajuda a aprimorar as regras aplicadas a situações semelhantes no futuro.
💡 O ponto central é combinar escala automatizada com supervisão humana. A IA identifica padrões, mas as decisões mais difíceis podem servir para melhorar os critérios utilizados pelo sistema.
Essa abordagem procura evitar que o combate ao conteúdo de baixa qualidade dependa de uma única regra rígida. Uma publicação aparentemente promocional, por exemplo, pode ter valor informativo, dependendo do contexto.
📊 Os números indicam avanço, mas há limites
Segundo Jurka, a combinação dos modelos professor-aluno com os fluxos de trabalho baseados em agentes permitiu ampliar a cobertura dos classificadores.
O executivo informou que os sistemas passaram a abranger todas as publicações distribuídas para além da rede imediata do usuário, com 94% de precisão na detecção de AI slop.
O LinkedIn também havia reportado uma redução de 40% nas visualizações desse tipo de conteúdo.
| Indicador | Resultado informado |
|---|---|
| Usuários que denunciaram AI slop nas primeiras três semanas | Mais de 1 milhão |
| Precisão declarada na detecção | 94% |
| Redução reportada nas visualizações de AI slop | 40% |
Os indicadores apontam para uma melhoria na capacidade de identificar e reduzir a exposição ao material considerado problemático.
É importante, porém, interpretar os números corretamente. Os 94% se referem à precisão de detecção informada pelo executivo, não à proporção de todo o conteúdo artificial da plataforma que foi eliminado. Da mesma forma, a redução de 40% nas visualizações não significa que a quantidade de publicações desse tipo tenha caído na mesma proporção.
O problema não é simplesmente usar inteligência artificial
A proliferação de publicações geradas automaticamente também alimenta uma desconfiança mais ampla sobre o que aparece nos feeds.
Imagens artificiais sem contexto, textos que repetem fórmulas conhecidas e mensagens que simulam experiências pessoais podem ocupar espaço sem oferecer informação nova. Quando esse material se acumula, até publicações legítimas podem passar a ser recebidas com ceticismo.
✍️ O que diferencia conteúdo útil de conteúdo descartável? Não é apenas a ferramenta utilizada, mas o trabalho de seleção, apuração, criação e revisão que existe por trás do resultado.
Profissionais que desenvolvem uma linguagem própria, dominam seu assunto e sabem o que desejam comunicar continuam oferecendo algo que não se resume à geração automática de palavras ou imagens.
A IA pode ajudar a pesquisar, organizar ideias, revisar textos e acelerar tarefas. O problema aparece quando a facilidade de produzir passa a ser confundida com a qualidade do que é publicado.
O LinkedIn pode influenciar outras redes?
A iniciativa também levanta uma questão importante para o restante do mercado. Se os usuários passam a exigir feeds menos poluídos, outras plataformas podem enfrentar pressão semelhante para oferecer ferramentas de denúncia e mecanismos mais eficientes de moderação.
Ao mesmo tempo, detectar conteúdo artificial de baixa qualidade é uma tarefa delicada. Sistemas excessivamente agressivos podem prejudicar publicações legítimas, enquanto critérios permissivos demais deixam passar materiais repetitivos.
O LinkedIn está tentando equilibrar essas duas necessidades com modelos especializados, agentes de IA e supervisão humana.
A disputa, portanto, não é apenas para identificar quem usou inteligência artificial. É para determinar quais publicações merecem ocupar a atenção das pessoas.
Se a produção de conteúdo continuar ficando mais barata e rápida, a capacidade de filtrar o que realmente importa poderá se tornar tão importante quanto a própria capacidade de publicar.
