A ideia parece saída de uma reunião particularmente animada entre publicitários e vilões de ficção científica. Pegue uma pessoa, reúna algumas informações básicas sobre ela, mostre uma postagem que ela ainda não viu e pergunte a uma inteligência artificial o que aquela pessoa fará. Vai curtir? Detestar? Comentar? Compartilhar? Passar reto?
Pesquisadores fizeram algo parecido em escala bem maior. E a máquina acertou o suficiente para tornar a brincadeira menos divertida. Um estudo publicado em 3 de setembro na revista científica “Scientific Reports”, do grupo Nature, testou 27 modelos de inteligência artificial na tentativa de prever as reações de 1.511 pessoas a postagens de redes sociais. Participaram sistemas da OpenAI, Google, Meta, Anthropic, xAI, DeepSeek e Mistral. No total, foram criadas mais de 120 mil combinações entre agentes artificiais e perfis humanos, produzindo cerca de 6,85 milhões de previsões.
O experimento começou com gente de verdade. Os participantes, todos adultos da Sérvia, forneceram informações demográficas, responderam a perguntas sobre atitudes e preferências e foram apresentados a 56 publicações simuladas, sobre assuntos que iam de entretenimento e estilo de vida a notícias e política. Diante de cada uma, informavam o que fariam numa rede social — curtir, não curtir, comentar, compartilhar ou simplesmente não reagir.
Depois entraram as máquinas. Cada pessoa foi transformada em diferentes “personas” fornecidas às IAs. Na versão mais simples, o modelo recebia apenas informações demográficas. Outra acrescentava atitudes e preferências. A terceira despejava sobre a máquina praticamente tudo o que aquela pessoa tinha contado aos pesquisadores. Em seguida, a IA recebia a mesma postagem mostrada ao participante humano e precisava adivinhar sua reação.
No primeiro teste, a coincidência média entre as previsões das máquinas e as respostas humanas chegou a 70,7%. Alguns modelos foram bem melhores que outros. O Grok 3 Mini Fast, da xAI, liderou com 76,3%, seguido de perto pelo Llama 3.3 70B, Gemini 2.5 Flash, GPT-5.2 e DeepSeek V3.2. Na outra ponta, o GPT-4o mini ficou em 62,9%.
Parece extraordinário. É preciso estragar um pouco a festa. As cinco reações possíveis não apareciam com a mesma frequência. Pouca gente, por exemplo, dizia que compartilharia determinada publicação. Um sistema idiota que respondesse “não vai compartilhar” quase o tempo inteiro poderia acumular muitos acertos sem prever grande coisa. Uma estratégia que simplesmente apostasse sempre nas respostas mais frequentes chegaria a cerca de 79,3% de precisão nesse primeiro desenho experimental — mais que as inteligências artificiais.
Os próprios pesquisadores chamam atenção para o problema. Os famosos 70,7% não significam que uma IA já consiga olhar para uma pessoa e acertar sete de cada dez coisas que ela fará na internet. Foi por isso que veio o segundo experimento.
Desta vez, a pergunta foi reduzida à forma mais elementar possível. A pessoa gostaria daquela postagem ou não gostaria? Like ou dislike. Os pesquisadores concentraram a análise nos melhores modelos do primeiro teste e recorreram a medidas estatísticas capazes de descontar o efeito de simplesmente chutar a resposta mais comum. GPT-5.2 e Gemini 2.5 Flash alcançaram perto de 67% de acerto bruto. Como os participantes davam like em quase 70% das publicações, seria possível aparentemente fazer melhor dizendo “like” para tudo. Só que essa máquina burra jamais descobriria quem daria dislike. As IAs descobriram uma parte.
Numa medida estatística chamada coeficiente de correlação de Matthews, que vale zero quando não existe capacidade real de previsão, os melhores modelos chegaram a 0,29. A acurácia balanceada ficou em torno de 65,5%. Não é bola de cristal. Também não é chute.
Quando os pesquisadores tentaram melhorar a capacidade das máquinas contando mais coisas sobre cada pessoa, quase não adiantou. No primeiro experimento, dar à IA o perfil mais detalhado elevou a precisão média de 69,6% para 71,5%. No teste mais rigoroso de like ou dislike, a vantagem praticamente desapareceu.
A máquina pode não estar construindo uma sofisticada miniatura psicológica de Maria, João ou José dentro de seus circuitos. Pode estar fazendo algo mais barato — olhar meia dúzia de características, encaixar aquela pessoa numa categoria estatística e explorar padrões aprendidos em quantidades monstruosas de texto e comportamento humano. Os próprios autores levantam a hipótese de que parte das previsões venha de categorias demográficas, padrões populacionais e até estereótipos.
Para prever alguma coisa sobre uma pessoa, talvez a inteligência artificial não precise conhecê-la tão bem. Há uma exceção importante, a política. Quando as IAs recebiam uma informação diretamente relacionada à posição política do participante, ficavam melhores em prever sua reação. Em determinadas condições, a capacidade de identificar quem rejeitaria uma publicação política subiu de 57% para 66%.
Também surgiu uma espécie de otimismo artificial. As máquinas eram muito melhores em prever reações a postagens positivas. No segundo estudo, acertaram 67,9% dessas respostas, contra apenas 54,8% das reações a conteúdos negativos. Sistemas assim tenderiam a subestimar rejeição, indignação e outras manifestações humanas desagradáveis que, como qualquer pessoa que tenha passado quinze minutos numa rede social sabe, não são exatamente detalhes marginais do fenômeno.
Há mais uma ironia. Depois de pôr 27 grandes modelos para trabalhar, os pesquisadores descobriram que um método estatístico convencional de classificação de textos fez serviço melhor. O sistema mais simples atingiu 0,36 naquela mesma medida em que os agentes de IA ficaram perto de 0,29.
A pesquisa não demonstra que surgiu uma inteligência capaz de entrar na cabeça das pessoas. Informações relativamente pobres sobre um indivíduo, combinadas ao conteúdo que ele está prestes a receber, já permitem antecipar uma parcela mensurável de seu comportamento. E isso pode ser feito automaticamente.
Esses agentes não precisaram ser treinados individualmente para cada participante. Receberam uma descrição escrita da pessoa e começaram a trabalhar. O mesmo processo pode ser repetido milhares ou milhões de vezes, testando públicos artificiais antes que uma mensagem seja apresentada aos públicos verdadeiros. Uma campanha comercial poderia experimentar dez versões de um anúncio. Uma campanha política, dez versões de uma mentira. A máquina apontaria quais têm maior chance de funcionar em cada grupo.
Por enquanto, a precisão é modesta demais para que alguém dispense pesquisas tradicionais, testes de audiência ou os velhos marqueteiros de carne e osso. O estudo também tem limitações evidentes. Foi realizado apenas com sérvios, usando publicações isoladas e fora de redes sociais reais. Não havia algoritmo escolhendo a ordem das mensagens, comentários de amigos, número de curtidas ou uma multidão xingando alguém logo abaixo. Na internet de verdade, essas coisas importam.
Seis milhões e tantas previsões depois, a inteligência artificial ainda não sabe exatamente o que uma pessoa vai fazer. Já começou, porém, a chutar com conhecimento de causa.
