Notícia
13 de out de 2026
Facebook permite que usuários respondam ao algoritmo
A proposta da Meta é que os usuários do Facebook possam orientar suas recomendações em linguagem simples; os novos controles da empresa transformam essa promessa em uma conversa mais imediata, mediada por IA, com o feed.
A Meta está ampliando seu esforço para fazer com que as recomendações das redes sociais pareçam menos uma caixa-preta e mais uma configuração negociável.
No início deste ano, a empresa apresentou o “Seu Algoritmo” no Instagram e, em seguida, lançou a ferramenta comparável “Dear Algo” no Threads. Agora é a vez do Facebook: sua versão do Seu Algoritmo permitirá que as pessoas adicionem e gerenciem assuntos que desejam ver no Feed principal e nos Reels do Facebook.1
A implementação oferece aos usuários várias maneiras de reformular o que aparece na tela. No menu de três pontos de uma publicação, eles podem selecionar “interessado” ou “não interessado”; essas opções também podem aparecer diretamente abaixo das publicações. A Meta afirma que o sistema pode fazer perguntas de acompanhamento, permitindo que as pessoas expliquem com suas próprias palavras o que querem ver mais — ou menos.
A principal alegação da empresa é a velocidade. “Você pode nos dizer facilmente, com suas próprias palavras, o que quer ver mais ou menos, e suas recomendações serão atualizadas em tempo real”, afirma a Meta.1 Trata-se de uma mudança significativa em relação ao modelo conhecido de treinar silenciosamente o feed por meio de curtidas, seguidores e tempo de exibição.
Por trás dos novos controles está o esforço mais amplo da Meta para usar grandes modelos de linguagem no ranqueamento. A empresa argumenta que os LLMs podem levar em conta “os interesses, o contexto e a intenção por trás da linguagem natural”, tornando o algoritmo algo com que os usuários podem efetivamente conversar — e que se adapta dentro da mesma sessão.1
Para os usuários, a promessa é de mais autonomia sobre um feed frequentemente opaco. Para a Meta, também é uma nova forma de aprimorar a personalização: não abandonando o ranqueamento algorítmico, mas convidando as pessoas a ajudar a direcioná-lo em termos cada vez mais explícitos.