Artigo

26 de outubro de 2026

Algoritmos do Instagram ampliam exposição comercial e estímulos ao consumo

Alcides Gomes Beato Neto; Heinrich Da Solidade Santos

DOI: 10.22167/2675-6528-202600485

Artigo derivado de Trabalho de Conclusão de Curso (TCC), com conteúdo baseado no trabalho original do aluno e adaptado ao formato editorial da Revista E&S com apoio da ferramenta ResumeAI, solução de inteligência artificial desenvolvida pelo Instituto Pecege para síntese e organização textual.

Resumo

O Instagram consolidou-se como uma plataforma que reuniu interação social, recomendação personalizada, publicidade e recursos de compra em um mesmo fluxo de uso, tornando-se um caso relevante para discutir dependência digital e consumismo sob a ótica da engenharia de software. Objetivou-se analisar como a rolagem infinita, os algoritmos de recomendação e os estímulos comerciais da plataforma influenciaram a permanência do usuário, a presença de conteúdo comercial e o estímulo ao consumo no ambiente analisado. A pesquisa classificou-se como aplicada, exploratória e descritiva, com abordagem mista e delineamento experimental. Realizaram-se revisão bibliográfica, análise documental de materiais oficiais do Instagram e da Meta, e uma simulação computacional com dados sintéticos, na qual se manipularam parâmetros de classificação e observaram-se seus efeitos sobre cenários de ranqueamento de conteúdo. Os resultados indicaram que a combinação entre continuidade da interface, personalização algorítmica e inserção de sinais comerciais elevou de forma expressiva a presença de conteúdos com potencial de estimular compra e comparação social, enquanto a profundidade das sessões apresentou variações mais moderadas entre os cenários. Concluiu-se que o problema esteve ligado não apenas ao comportamento individual do usuário, mas também a decisões de projeto que priorizaram retenção e valor comercial acima de critérios de bem-estar digital.

Palavras-chave: Bem-estar digital; Comparação social; Design persuasivo; Personalização de conteúdo; Rolagem infinita.

1. Introdução

O Instagram tem se consolidado como uma plataforma que transcende sua função original de compartilhamento de fotos. Ao longo do tempo, o aplicativo evoluiu para um ambiente multifacetado, integrando produção de imagem pessoal, entretenimento, recomendação de conteúdo, publicidade e recursos de compra em um único fluxo de uso. Essa transformação o estabeleceu não apenas como um espaço de socialização, mas também como uma vitrine de estilos de vida, um canal de influência e um ambiente de consumo. Diante dessa complexidade, o Instagram tornou-se um objeto de análise relevante para compreender como as decisões de engenharia de software podem influenciar o comportamento do usuário, sua atenção e suas escolhas de consumo.

A literatura recente tem aprofundado a discussão sobre os efeitos do uso intensivo de redes sociais no bem-estar. Revisões sistemáticas e meta-análises indicaram que o uso problemático dessas plataformas está associado a piores indicadores de saúde mental, especialmente entre adolescentes e adultos jovens (Faelens et al., 2021; Shannon et al., 2022). No contexto do Instagram, essa problemática é intensificada pela experiência de uso baseada em imagem, que fomenta a comparação social, exibe métricas visíveis de popularidade e oferece reforço constante por meio de curtidas, comentários e recomendações. Assim, a preocupação não se limita apenas ao tempo que uma pessoa passa no aplicativo, mas também à forma como a plataforma organiza esse tempo e aos estímulos que surgem durante a navegação.

Além da dimensão comportamental, o Instagram opera com uma dimensão econômica proeminente, onde a influência digital, a publicidade segmentada e o desejo de consumo estão profundamente integrados. Estudos recentes demonstram que o uso mais intenso de redes sociais pode estar relacionado ao aumento de valores materialistas, ao desejo de acompanhar estilos de vida idealizados e a uma maior propensão à compra impulsiva, especialmente quando criadores de conteúdo e influenciadores digitais participam ativamente desse processo (Djafarova; Bowes, 2021; Yang et al., 2024; Ozimek et al., 2024; Dinh; Lee, 2024; Shamim et al., 2024). Essa dinâmica posiciona o Instagram não apenas como uma rede social, mas como um sistema digital que conecta a atenção do usuário, o desejo e a conversão comercial.

Do ponto de vista da engenharia de software, essa discussão é particularmente relevante porque o comportamento do usuário não é meramente uma questão de vontade individual, mas é intrinsecamente influenciado por escolhas de arquitetura de produto, design de interface e lógica algorítmica. A documentação oficial da plataforma, por exemplo, revela que diferentes seções, como Feed, Stories, Explore e Reels, utilizam sinais distintos para organizar o conteúdo exibido. A recomendação de conteúdo depende de modelos de machine learning treinados para prever ações futuras e ordenar itens com base em relevância, probabilidade de interação e outros indicadores (Instagram, 2023; Instagram, 2025; Vorotilov; Shugaepov, 2023; Levis et al., 2025). Quando essa lógica é combinada com a rolagem infinita, a experiência de uso tende a eliminar pontos naturais de parada, incentivando o consumo contínuo e aumentando a exposição repetida a conteúdos inspiracionais, comerciais e altamente envolventes (Rixen et al., 2023). Essa interconexão entre design e comportamento revela uma lacuna importante na compreensão de como as decisões técnicas impactam o bem-estar e o consumismo digital.

A relevância deste estudo reside na necessidade de compreender as implicações das escolhas de design de software que priorizam a retenção e o valor comercial, muitas vezes em detrimento de critérios de bem-estar digital. A problemática não se restringe ao comportamento individual, mas se estende às decisões de projeto que moldam a experiência do usuário. Considerando esse cenário, este trabalho teve como objetivo analisar como a combinação entre rolagem infinita, algoritmos de recomendação e estímulos comerciais no Instagram influenciou a permanência do usuário, ampliou a exposição comercial e reforçou estímulos ao consumo, tomando como base uma pesquisa experimental com revisão bibliográfica, análise documental e simulação algorítmica simplificada.

2. Material e Métodos

A pesquisa foi classificada como aplicada, pois discutiu um problema real de produto digital com implicações técnicas, econômicas e sociais. Quanto aos objetivos, o estudo caracterizou-se como exploratório e descritivo, buscando compreender a relação entre rolagem infinita, recomendação algorítmica, uso excessivo e consumismo no Instagram, além de descrever o funcionamento da plataforma. Adotou-se uma abordagem mista e delineamento experimental, com a manipulação de parâmetros em cenários simulados e a observação dos efeitos sobre as variáveis de interesse.

A construção da base teórica realizou-se por meio de revisão bibliográfica em artigos científicos. Os temas abordados incluíram uso problemático de redes sociais, design persuasivo, comparação social, consumismo digital e sistemas de recomendação. Complementarmente, procedeu-se à análise documental de materiais institucionais do Instagram e da Meta, focando em textos sobre ranqueamento de conteúdo, recomendação e termos de uso. Essa etapa permitiu relacionar a literatura acadêmica com as informações divulgadas pela própria plataforma sobre seu funcionamento.

Para a simulação computacional, geraram-se dados sintéticos e executaram-se rotinas em Python. Utilizaram-se rotinas computacionais próprias para sorteio pseudo aleatório, organização dos cenários experimentais e cálculo das pontuações dos itens. Essa abordagem foi escolhida para permitir a repetição controlada de procedimentos, a manipulação de parâmetros e a comparação entre diferentes combinações de pesos e variáveis, garantindo a padronização do experimento. A reprodutibilidade foi assegurada pelo uso de uma semente fixa para a geração pseudo aleatória.

O tratamento dos dados simulados e a consolidação dos resultados foram realizados com o apoio das bibliotecas NumPy e pandas. O NumPy foi empregado na geração das distribuições beta e nas operações numéricas da simulação. O pandas, por sua vez, foi utilizado na organização das sessões simuladas, no cálculo das métricas agregadas e na exportação das tabelas finais em formato tabular. Esse ambiente computacional contribuiu para a organização e reprodutibilidade do experimento.

Os valores das variáveis foram produzidos por distribuições beta, selecionadas por sua adequação em escala limitada entre zero e um e pela capacidade de gerar assimetrias compatíveis com diferentes perfis de conteúdo e de usuário. As variáveis incluíram novidade, que representou o potencial de surpresa do item para o usuário; intensidade emocional, referente à capacidade do item de gerar excitação afetiva; prova social, que indicou o nível de popularidade percebida do conteúdo; e apelo comercial, relacionado à presença de marcas, produtos ou gatilhos de compra.

Outras variáveis consideradas foram a proximidade relacional, que mensurou o grau de vínculo social com a origem do conteúdo; a afinidade por compra, que denotou a predisposição individual a responder a conteúdo comercial; a comparação social, que refletiu a sensibilidade do usuário a sinais inspiracionais e métricas sociais; e o autocontrole, que representou a capacidade de interromper a sessão. Essas variáveis foram definidas para influenciar a pontuação dos itens e a probabilidade de interrupção da sessão.

A simulação envolveu 1.000 sessões independentes, cada uma com até 15 blocos de consumo e 20 candidatos por bloco. A pontuação final de cada item resultou da combinação ponderada entre proximidade relacional, novidade, intensidade emocional, prova social e apelo comercial ajustado pela afinidade por compra. Em cada bloco, os 20 candidatos foram comparados por escore, e o item com maior pontuação foi considerado consumido naquele ciclo.

Quatro cenários foram definidos para análise comparativa. O cenário de referência priorizou novidade e proximidade relacional. O cenário de engajamento ampliou os pesos das variáveis ligadas à resposta esperada do usuário. No cenário com sinal comercial, atribuiu-se maior peso ao apelo comercial e a conteúdos com potencial de compra. Por fim, o cenário de mitigação por fricção manteve a lógica do cenário com sinal comercial, mas introduziu pontos artificiais de fricção a cada cinco blocos consumidos.

A continuidade da sessão foi atualizada a cada bloco consumido, com base em uma função logística que combinou o escore do item selecionado, a comparação social do usuário, a progressão dos blocos e o autocontrole. A probabilidade de interrupção foi recalculada ao final de cada bloco, considerando o autocontrole e a atratividade acumulada do feed, o que permitiu estimar a profundidade média das sessões em cada cenário. Como o estudo não envolveu seres humanos, entrevistas, questionários ou dados pessoais, não houve necessidade de submissão ao Comitê de Ética.

3. Resultados e Discussão

Os resultados desta pesquisa revelaram que a arquitetura de software do Instagram, ao integrar rolagem infinita, algoritmos de recomendação e estímulos comerciais, influencia significativamente a experiência do usuário, especialmente no que tange à exposição a conteúdos com potencial de consumo e comparação social. A análise documental, a revisão bibliográfica e a simulação computacional convergiram para indicar que o problema da dependência digital e do consumismo não se restringe ao comportamento individual, mas está intrinsecamente ligado a decisões de projeto que priorizam a retenção e o valor comercial. Essa interconexão entre design e comportamento foi o foco central da investigação, buscando desvendar como a plataforma organiza o fluxo de conteúdo e os estímulos que surgem durante a navegação.

Instagram como arquitetura de retenção

A análise documental dos materiais oficiais do Instagram e da Meta demonstrou que a plataforma é concebida como um serviço altamente personalizado, onde o conteúdo, as recomendações e os anúncios são cuidadosamente selecionados para cada usuário. Essa seleção é baseada em uma vasta gama de sinais de atividade e relevância, conforme descrito pela própria empresa (Instagram, 2025). Essa abordagem sublinha que a discussão sobre a permanência do usuário e o estímulo ao consumo não pode ser isolada do design da plataforma, pois o ambiente de navegação é ativamente organizado para otimizar a experiência individualizada.

Os materiais examinados também evidenciaram que as diferentes seções do aplicativo, como Feed, Stories, Explore e Reels, operam com lógicas de classificação distintas. Embora todas sejam alimentadas por sinais comportamentais semelhantes, cada superfície possui um mecanismo próprio para ranquear o conteúdo. Essa diversidade de mecanismos contribui para a fluidez e a adaptabilidade da experiência de uso, fazendo com que o aplicativo pareça constantemente ajustado aos padrões e interesses de cada pessoa, o que é um fator chave para a retenção.

No caso específico do Explore, a engenharia da Meta detalhou um funil de múltiplos estágios, que inclui recuperação de candidatos, classificação inicial, classificação posterior e reclassificação final, utilizando modelos de machine learning para prever ações futuras (Vorotilov; Shugaepov, 2023; Levis et al., 2025). Essa complexidade algorítmica é crucial para entender como a plataforma consegue manter a atenção do usuário por longos períodos. A cada ação do usuário, o sistema busca uma dupla função: expressar um comportamento presente e, ao mesmo tempo, fornecer dados para organizar comportamentos futuros, criando um ciclo de reforço que amplifica interesses e perfis semelhantes.

A rolagem infinita, um mecanismo de continuidade sem fricção, foi identificada como um elemento central nessa arquitetura de retenção. Na literatura de interação humano-computador, a rolagem infinita é reconhecida por eliminar pontos naturais de interrupção, o que favorece o consumo contínuo e aumenta a exposição repetida a conteúdos inspiracionais, comerciais e altamente envolventes (Rixen et al., 2023). Essa característica de design, ao remover marcos claros de parada, faz com que o fluxo de conteúdo seja percebido como uma sequência única, facilitando a prolongação da navegação sem esforço consciente do usuário.

Monge Roffarello e De Russis (2023) classificaram a rolagem infinita como um padrão de captura de atenção que reduz a autonomia temporal do usuário. A experiência de uso, portanto, não se limita à quantidade de conteúdo disponível, mas à forma como a interface conduz a navegação, dificultando pausas naturais e decisões de encerramento. O efeito é intensificado porque a rolagem não exige uma ação deliberada, sendo percebida como um fluxo contínuo de recompensas. Essa combinação de rolagem infinita com uma sequência adaptativa de conteúdo torna a experiência imersiva e, muitas vezes, difícil de interromper.

Essa escolha de interface, embora aparentemente neutra, possui amplas consequências comportamentais, como a permanência prolongada e o uso sem intenção clara. Fagan (2024) descreve esse fenômeno como uma “zona cinzenta” entre persuasão legítima e obscura, onde recursos como padrões de escolha e seduções visuais se tornam problemáticos ao serem pouco transparentes e difíceis de evitar. No Instagram, a conveniência, a personalização e o incentivo comercial se unem em uma experiência que, por design, busca maximizar a retenção.

Da personalização ao reforço: o loop algorítmico do engajamento

A literatura técnica e os materiais oficiais da Meta permitem descrever o funcionamento do Instagram como um loop algorítmico de quatro etapas. Primeiramente, o sistema coleta eventos do usuário, como tempo de visualizações, curtidas, comentários, salvamentos, compartilhamentos, perfis visitados e buscas. Em seguida, essas informações alimentam modelos que estimam a probabilidade de novas interações. Na etapa subsequente, os conteúdos são ordenados conforme a função objetivo escolhida pela plataforma. Por fim, o comportamento gerado pela própria classificação retorna ao sistema como novo sinal de aprendizagem, realimentando o ciclo.

Esse loop, embora útil para reduzir a sobrecarga informacional e encontrar conteúdo relevante, torna-se problemático quando o objetivo dominante do sistema é a retenção, a profundidade da sessão ou o valor comercial. Nesses casos, a classificação tende a favorecer conteúdos que maximizam a resposta imediata, e não necessariamente aqueles que seriam mais saudáveis, diversos ou equilibrados para o usuário. A priorização de métricas de engajamento pode, assim, levar a um viés na seleção de conteúdo.

Em redes sociais visuais, como o Instagram, essa questão se intensifica porque muitos sinais de engajamento estão ligados à comparação social e à autoavaliação. Faelens et al. (2021) destacaram que grande parte da literatura sobre o uso do Instagram aborda a comparação social, a imagem corporal e o bem-estar psicológico. Isso significa que o mesmo sistema que aprende a prender a atenção do usuário também pode, inadvertidamente, reforçar conteúdos que ativam vulnerabilidades já conhecidas, como a insatisfação com a própria imagem ou o medo de ficar de fora (FOMO).

A rolagem infinita, por exemplo, tem como objetivo técnico predominante reduzir o atrito de navegação e aumentar a continuidade da sessão. O efeito provável no usuário é uma menor percepção de encerramento e uma navegação mais automática, com o risco associado de permanência prolongada e uso sem intenção clara. A classificação personalizada, por sua vez, visa ordenar itens com maior probabilidade de resposta positiva, resultando em uma sequência de conteúdo mais aderente ao histórico individual, mas com o risco de reforçar preferências e reduzir a diversidade de conteúdo.

As métricas públicas de popularidade, como curtidas e comentários, têm o objetivo de aumentar o sinal social e o feedback visível, o que pode levar à comparação social e validação por números. O risco associado inclui ansiedade, medo de ficar de fora (FOMO) e autoavaliação intensa. A integração de criadores de conteúdo com marcas busca aumentar a conversão comercial sem ruptura do fluxo, promovendo uma percepção de naturalidade da recomendação de consumo, mas com o risco de menor distinção entre conteúdo social e publicidade.

Por fim, os anúncios e ofertas personalizadas visam maximizar a relevância comercial e o retorno publicitário. Isso resulta em exposição recorrente a produtos compatíveis com o interesse inferido do usuário, com os riscos de compra por impulso e saturação consumista. Essa articulação entre design de interface, função objetivo e lógica de monetização demonstra como a experiência final do usuário é moldada por escolhas de engenharia de software.

Instagram e aumento do consumismo

O Instagram estimula o desejo de compra não apenas por meio de anúncios explícitos, mas também por vias indiretas, conforme a literatura. A plataforma valoriza imagens polidas, estilos de vida inspiracionais, a lógica de seguidores e a presença constante de influenciadores e marcas. Nesse ambiente, o consumo é apresentado não apenas como uma transação, mas como parte da construção da identidade pessoal, o que o torna um mecanismo persuasivo mais sutil e integrado à experiência de uso.

Djafarova e Bowes (2021) demonstraram que as estratégias de marketing no Instagram influenciam compras por impulso entre consumidores da Geração Z. Eles destacaram a força do conteúdo visual, a familiaridade com influenciadores e a aparência de espontaneidade como fatores cruciais. Shamim et al. (2024) corroboraram, observando que a credibilidade de influenciadores e posts patrocinados aumentou o impulso de compra. Esses achados indicam que a conversão comercial no Instagram transcende a propaganda tradicional, sendo impulsionada por uma dinâmica mais complexa e integrada.

Essa discussão é apoiada por estudos mais amplos sobre materialismo e redes sociais. Yang et al. (2024) identificaram uma associação entre o uso de redes sociais e valores materialistas, com o autocontrole e a autoaceitação desempenhando papéis importantes. Ozimek et al. (2024) constataram que uma maior orientação materialista se relaciona a mais sintomas de estresse e dependência de redes sociais. Em conjunto, esses estudos sugerem que o ambiente digital pode reforçar tanto o desejo de consumo quanto o desgaste subjetivo associado a esse processo.

O trabalho de Okazaki et al. (2021) adicionou que, no contexto do Instagram, o engajamento com marcas pode evoluir para uso compulsivo da rede e, subsequentemente, para compra compulsiva, mediado pelo “technostress”. Esse resultado é relevante por afastar a ideia de que o problema se resume à eficácia da publicidade. Em vez disso, trata-se de uma dinâmica mais ampla, onde entretenimento, marca, afeto e hábito se misturam, criando um ciclo de reforço que é difícil de quebrar.

Do ponto de vista do software, o Instagram utiliza pelo menos quatro mecanismos que favorecem esse processo. O primeiro é a personalização de relevância, que aumenta a compatibilidade entre o conteúdo exibido e o interesse provável do usuário. O segundo é a prova social, que legitima o desejo por meio de curtidas, visualizações, comentários e a autoridade dos criadores de conteúdo. O terceiro é a fluidez da interface, que reduz o tempo de reflexão entre um estímulo e outro. O quarto é a integração entre conteúdo orgânico, publicidade e “social commerce”, que diminui a separação simbólica entre ver, desejar e comprar.

A análise documental reforça essa interpretação, pois os Termos de Uso do Instagram (Instagram, 2025) explicitam que anúncios, ofertas e outros conteúdos patrocinados fazem parte integrante do serviço e são personalizados para cada pessoa. Isso significa que a monetização não é uma camada externa, mas está integrada ao funcionamento normal da plataforma. Portanto, a discussão sobre consumismo no Instagram é, fundamentalmente, uma discussão sobre decisões estruturais de produto e engenharia de software.

Modelo algorítmico simplificado do caso

Com base nos elementos identificados, desenvolveu-se um modelo simplificado para representar o caso, preservando três características centrais do Instagram. A primeira é a existência de um conjunto amplo de candidatos disponíveis para exibição. A segunda é o cálculo de predições de engajamento com base em sinais do usuário e do item. A terceira é a possibilidade de deslocar a classificação conforme o peso atribuído ao sinal comercial. O objetivo não foi reproduzir o sistema real, mas criar um instrumento didático para observar como mudanças nos objetivos alteram a composição do feed.

Para a simulação, foram realizadas 1.000 sessões independentes, cada uma com até quinze blocos de consumo e vinte candidatos por bloco, totalizando um volume de dados suficiente para comparar os cenários sem comprometer a simplicidade do modelo. A pontuação dos itens foi construída por uma combinação ponderada de variáveis simuladas: novidade, intensidade emocional, prova social, proximidade relacional e apelo comercial ajustado pela afinidade por compra. Em cada bloco, os vinte candidatos eram comparados por escore, e o item com maior pontuação era considerado consumido naquele ciclo.

No cenário de referência, a simulação atribuiu maior peso à novidade e à proximidade relacional. No cenário de engajamento, os pesos das variáveis ligadas à resposta esperada do usuário foram ampliados. No cenário com sinal comercial, um peso mais alto foi adicionado ao apelo comercial e a conteúdos com maior potencial de compra. Essa estrutura permitiu uma comparação clara dos resultados. A probabilidade de interrupção foi recalculada ao final de cada bloco, combinando o autocontrole do usuário simulado com a atratividade acumulada do feed, o que permitiu estimar a profundidade média das sessões em cada cenário.

As principais variáveis utilizadas no modelo algorítmico simplificado incluíram novidade, que representa o potencial de surpresa do item para o usuário e aumenta a expectativa de recompensa. A intensidade emocional, que mede a capacidade do item de gerar excitação afetiva, eleva a probabilidade de permanência. A prova social, que indica o nível de popularidade percebida do conteúdo, aumenta a validação social e a curiosidade. O apelo comercial, que denota a presença de marcas, produtos ou gatilhos de compra, eleva o valor comercial do item.

A proximidade relacional, que é o grau de vínculo social com a origem do conteúdo, favorece o interesse relacional. A afinidade por compra, que representa a predisposição individual a responder a conteúdo comercial, interage com o apelo comercial. Por fim, a comparação social, que mede a sensibilidade do usuário a sinais inspiracionais e métricas sociais, reduz a probabilidade de interrupção. Todas essas variáveis foram definidas em uma faixa de zero a um, permitindo a manipulação de parâmetros nos cenários simulados de forma controlada.

Resultados da simulação

Os resultados da simulação revelaram diferenças significativas entre os cenários, principalmente na composição do feed e no estímulo ao consumo. No cenário de referência, que priorizava aspectos relacionais e temporais, a profundidade média da sessão foi de 4,12 blocos, com um tempo estimado de 2,1 minutos. A participação média de conteúdo comercial nesse cenário foi de 15,5%, e o índice médio de estímulo à compra foi de 0,460. A probabilidade final média de interrupção foi de 0,247.

No cenário otimizado por engajamento, a profundidade média da sessão subiu discretamente para 4,29 blocos, mantendo o tempo estimado em 2,1 minutos. Contudo, a presença de conteúdo comercial aumentou expressivamente para 47,9%, e o índice de estímulo à compra para 0,568. A probabilidade final média de interrupção permaneceu próxima, em 0,246. Esse resultado sugere que a otimização para engajamento alterou a qualidade do conteúdo exibido de forma mais acentuada do que a duração da sessão.

No cenário otimizado por engajamento com reforço de sinal comercial, a profundidade média da sessão caiu para 3,54 blocos, com tempo estimado de 1,8 minuto. No entanto, a participação de conteúdo comercial atingiu 94,2%, e o índice de estímulo à compra aumentou para 0,695. A probabilidade final média de interrupção subiu para 0,299. Esses dados indicam que a priorização de sinais comerciais intensifica drasticamente a exposição a conteúdos de consumo, mesmo que isso não resulte em sessões mais longas.

Esse padrão é crucial porque demonstra que o principal efeito dos ajustes algorítmicos, neste experimento, não foi um aumento substancial na duração das sessões, mas sim uma mudança relevante na qualidade da exposição. Os cenários mais orientados por engajamento e sinal comercial alteraram de forma mais intensa o tipo de conteúdo exibido do que o tempo total de permanência do usuário. Isso sugere que, em sistemas como o Instagram, o valor comercial pode ser ampliado não apenas por prolongar o uso, mas por reorganizar o fluxo de conteúdos em direção a estímulos mais compatíveis com o consumo e a comparação social.

Discussão crítica e implicações para engenharia de software

A discussão dos resultados confirma que o problema do Instagram não pode ser atribuído a um único componente isolado. A plataforma se torna mais propensa a induzir uso problemático quando três elementos atuam em conjunto: uma interface de continuidade quase sem atrito, algoritmos treinados para prever e reforçar o engajamento, e uma monetização integrada ao próprio fluxo de navegação. É essa combinação que amplifica a exposição comercial, reforça estímulos aspiracionais e aumenta a pressão de consumo, mesmo que os efeitos sobre a permanência possam variar entre os cenários simulados.

Para a engenharia de software, essa análise traz pelo menos cinco implicações importantes. A primeira é a necessidade de revisar as métricas de sucesso. Indicadores como tempo de permanência, profundidade de sessão e taxa de retorno são úteis para o negócio, mas são insuficientes como critério único de qualidade. Um sistema pode reter muito o usuário e, ao mesmo tempo, produzir efeitos indesejados sobre a autonomia, o bem-estar e o padrão de consumo, exigindo uma visão mais abrangente do impacto do produto.

A segunda implicação diz respeito à transparência do produto. Embora a Meta já ofereça descrições públicas sobre o funcionamento geral do Instagram, o que representa um avanço em relação à opacidade completa, essas descrições permanecem em um nível alto. Elas não esclarecem de forma concreta como são resolvidos os conflitos entre retenção, diversidade de conteúdo, exposição comercial e bem-estar do usuário. Para produtos de grande impacto social, esse limite de transparência é um ponto relevante a ser aprimorado, permitindo uma compreensão mais profunda das escolhas de design.

A terceira implicação é que mecanismos de fricção, embora tecnicamente simples, podem ser importantes. Estudos de interação humano-computador, como os de Monge Roffarello e De Russis (2023), mostram que pequenas interrupções contextuais podem reduzir a navegação automática e devolver ao usuário algum senso de controle. No contexto deste trabalho, isso sugere que lembretes de pausa, pontos de parada ou confirmações de continuidade podem funcionar como medidas complementares de um design mais responsável, mitigando a continuidade excessiva.

A quarta implicação é que os modelos de recomendação deveriam incorporar diversidade e bem-estar como restrições explícitas de reclassificação. Se o sistema aprende que conteúdos inspiracionais e consumistas geram mais resposta, a tendência natural é reforçá-los. Um reordenamento mais responsável poderia limitar a concentração excessiva de determinados estímulos, distribuir melhor os tipos de conteúdo e reduzir ciclos de reforço nocivos, promovendo uma experiência mais equilibrada e menos propensa a vulnerabilidades.

A quinta e mais ampla implicação é que a engenharia de software não pode tratar a dependência digital como uma externalidade inevitável. Quando um produto mede, testa e ajusta continuamente sua experiência para maximizar a retenção, os efeitos de uso problemático deixam de ser um acidente puramente individual. Eles passam a ser parte dos riscos previsíveis da própria arquitetura do sistema, exigindo que os desenvolvedores considerem as implicações éticas e sociais de suas escolhas de design desde as fases iniciais do projeto.

Cenário complementar de mitigação por fricção

Como um exercício complementar, foi executado um quarto cenário na simulação, no qual se manteve a lógica de ranqueamento com sinal comercial, mas foram inseridos pontos artificiais de fricção a cada cinco blocos consumidos. Esses pontos representaram lembretes de pausa, mudanças de ritmo do feed ou a necessidade de confirmação para continuar a navegação. A intenção foi observar se pequenas barreiras de interface poderiam reduzir a continuidade automática da sessão e, consequentemente, a permanência do usuário na plataforma.

Nesse cenário de mitigação por fricção, a profundidade média da sessão caiu para 3,40 blocos, e a probabilidade final média de interrupção aumentou para 0,311. O tempo estimado da sessão foi de 1,7 minuto. Embora a fricção tenha reduzido a permanência quando comparada aos demais cenários, a proporção de conteúdos comerciais permaneceu muito elevada, atingindo 94,3%, e o índice de estímulo à compra foi de 0,696. Esse dado indica que a camada de interface, por si só, não altera de forma suficiente a lógica geral da exposição quando a classificação continua direcionando o feed para estímulos consumistas.

Esse achado reforça uma conclusão importante para a engenharia de software: intervenções apenas na interface ajudam, mas não substituem mudanças na camada algorítmica. Quando a arquitetura de recomendação privilegia fortemente sinais consumistas, lembretes de pausa funcionam como amortecedores parciais, mas não resolvem a raiz do problema. Para uma mudança mais efetiva e um impacto significativo no bem-estar digital, seria necessário revisar o próprio objetivo do sistema e os pesos atribuídos à classificação de conteúdo, deslocando o foco de métricas puramente comerciais para incluir critérios de qualidade e diversidade.

Em síntese, a pesquisa demonstrou que a combinação da rolagem infinita, da personalização algorítmica e dos estímulos comerciais no Instagram resultou em uma ampliação expressiva da presença de conteúdos com potencial de estimular compra e comparação social. Embora a profundidade das sessões tenha apresentado variações mais moderadas entre os cenários, a qualidade da exposição foi drasticamente alterada em direção a um ambiente mais consumista. Isso reforça a compreensão de que o problema está ligado não apenas ao comportamento individual do usuário, mas também a decisões de projeto que priorizam a retenção e o valor comercial acima de critérios de bem-estar digital, respondendo diretamente ao objetivo do estudo.

4. Conclusão

Este estudo objetivou analisar como a rolagem infinita, os algoritmos de recomendação e os estímulos comerciais do Instagram influenciaram a permanência do usuário, a presença de conteúdo comercial e o estímulo ao consumo na plataforma. Verificou-se que a combinação da continuidade da interface, da personalização algorítmica e da inserção de sinais comerciais elevou de forma expressiva a presença de conteúdos com potencial de estimular compra e comparação social. Os resultados da simulação indicaram que, embora a profundidade das sessões tenha apresentado variações mais moderadas entre os cenários, a qualidade da exposição foi drasticamente alterada em direção a um ambiente mais consumista. Essa dinâmica ressalta que o problema não se restringe ao comportamento individual do usuário, mas está intrinsecamente ligado a decisões de projeto de engenharia de software que priorizam a retenção e o valor comercial acima de critérios de bem-estar digital. A principal contribuição reside em demonstrar, de forma aplicada, como as escolhas de arquitetura de produto e design de interface moldam a experiência do usuário, influenciando diretamente o consumismo e o bem-estar digital.

Apesar dos achados relevantes, o estudo apresentou limitações, como o uso de um modelo algorítmico sintético que não reproduziu fielmente o sistema proprietário do Instagram e o foco em uma única plataforma, o que não esgota a discussão sobre redes sociais visuais. Para a engenharia de software, os resultados implicam a necessidade de revisar as métricas de sucesso, incorporando explicitamente o bem-estar digital, a transparência e a diversidade de conteúdo como critérios de qualidade. Sugere-se que mecanismos de fricção, como lembretes de pausa, podem atuar como medidas complementares, mas não substituem a revisão dos objetivos do sistema e dos pesos atribuídos à classificação algorítmica. Estudos futuros poderão expandir o experimento com novos cenários de classificação, testar outras combinações de pesos e variáveis, e incorporar mecanismos adicionais de fricção na interface. Recomenda-se também o desenvolvimento de pesquisas com dados observacionais, bases públicas ou participação de usuários, quando metodologicamente viável e eticamente aprovado, para verificar a proximidade dos padrões simulados com o comportamento real de navegação e consumo em redes sociais.

Referências Bibliográficas

Djafarova, E.; Bowes, T. 2021. Instagram made me buy it: Generation Z impulse purchases in fashion industry. Journal of Retailing and Consumer Services 59: 102345.

Faelens, L.; Hoorelbeke, K.; Cambier, R.; Van Put, J.; Van de Putte, E.; De Raedt, R.; Koster, E.H.W. 2021. The relationship between Instagram use and indicators of mental health: a systematic review. Computers in Human Behavior Reports 4: 100121.

Ozimek, P.; Brailovskaia, J.; Bierhoff, H.-W.;

Shannon, H.; Bush, K.; Villeneuve, P.J.; Hellemans, K.G.C.; Guimond, S. 2022. Problematic social media use in adolescents and young adults: systematic review and meta-analysis. JMIR Mental Health 9(4): e33450.

Yang, Q.; Xu, Y.; Van den Bos, K. 2024. Social network site use and materialistic values: the roles of self-control and self-acceptance. BMC Psychology 12(1): 55.

Artigo oriundo de Trabalho de Conclusão de Curso da Especialização em Engenharia de Software do MBA USP/Esalq

Para saber mais sobre o curso, clique aqui e acesse a plataforma MBX Academy

Você também pode gostar

17 de novembro de 2026

Deteção e Diagnóstico de Doenças em Milho e Arroz em Moçambique com Deep Learning

A agricultura moçambicana depende do milho e arroz, culturas fundamentais para a segurança alimentar, mas sua produtividade é fortemente afetada por doenças fitossanitárias, cuja identificação precoce e precisa permanece um desafio em contextos de recursos limitados. O estudo objetivou desenvolver e comparar modelos baseados em Deep Learning para a detecção e o diagnóstico automático de doenças em folhas de milho e arroz em Moçambique. Utilizaram-se três abordagens: uma Rede Neural Convolucional (CNN) clássica desenvolvida do zero, e dois modelos de transfer learning, ResNet50 e MobileNetV2. O conjunto de dados foi composto por imagens de bases públicas e coletadas em campo, que passaram por etapas de limpeza, balanceamento e aumento artificial. Os modelos foram treinados e avaliados com métricas de desempenho padrão, incluindo acurácia, precisão, recall, F1-score, Log Loss e Kappa de Cohen. A CNN clássica apresentou o melhor desempenho global, com 94% de precisão, recall e F1-score, e 93% de acurácia e Kappa de Cohen. A MobileNetV2 alcançou 91% de F1-score e 90% de acurácia, destacando-se pelo menor Log Loss (0,30) e tempo de treinamento (6h32min59s). A ResNet50 atingiu 80% de F1-score e 79% de acurácia. Concluiu-se que técnicas de Deep Learning possuem elevado potencial para apoiar o diagnóstico fitopatológico em contextos agrícolas reais, contribuindo para decisões mais rápidas e precisas no manejo de doenças em milho e arroz.

Palavras-chave: Aprendizagem profunda; Arroz; Doenças em plantas; Milho; Visão computacional.

17 de novembro de 2026

Estruturação do processo de encerramento de projetos de uma indústria da construção civil

Um estudo abordou o grupo de processo de encerramento de projetos em uma indústria de manufatura da construção civil, utilizando o guia PMBOK como referência principal. O processo existente na indústria apresentava superficialidade e fragilidades, especialmente no registro de lições aprendidas. Diante desse cenário, o objetivo foi desenvolver um procedimento para o encerramento de projetos da organização, visando agregar valor por meio da padronização do processo, registro do conhecimento adquirido, formalização da conclusão e entrega dos projetos, e aprimoramento da comunicação, engajamento, integração e transparência com os stakeholders. A pesquisa classificou-se como descritiva, empregou dados qualitativos e adotou a pesquisa-ação como delineamento. O escopo do estudo estruturou-se conforme os cinco grupos de processos do guia PMBOK e foi representado por uma Estrutura Analítica de Projeto (EAP). Os principais resultados obtidos incluíram o procedimento desenvolvido e diversos templates de documentos, que constituíram os entregáveis do novo processo de encerramento de projetos. Verificou-se que o trabalho alcançou o objetivo esperado, pois o procedimento desenvolvido viabilizou a padronização do encerramento de projetos, o aprimoramento da integração e engajamento com os stakeholders, e a promoção de segurança e transparência no processo.

Palavras-chave: Gestão do conhecimento; Lições aprendidas; PMBOK; Templates; Termo de aceite de projeto.

17 de novembro de 2026

Machine Learning e priorização de funcionalidades em produtos digitais: um estudo de caso em uma fintech

Uma análise investigou o potencial da utilização de técnicas de machine learning aplicadas à análise do comportamento dos usuários na priorização de funcionalidades em produtos digitais. O objetivo foi compreender os processos de priorização utilizados na prática, o papel dos dados comportamentais na tomada de decisão e as percepções sobre a aplicação de técnicas de machine learning nesse contexto. Adotou-se uma abordagem qualitativa e exploratória, estruturada como um estudo de caso em produtos desenvolvidos sob o modelo Software as a Service (SaaS). A coleta de dados realizou-se por meio de entrevistas semiestruturadas com profissionais das áreas de produto e de dados. A análise dos dados seguiu a técnica de análise de conteúdo. Os resultados indicaram que, embora os dados comportamentais já fossem utilizados como apoio à decisão, os processos de priorização ainda apresentavam baixa formalização e enfrentavam limitações técnicas e organizacionais. Observou-se, também, o reconhecimento do potencial do machine learning como suporte estratégico à priorização de funcionalidades, embora sua aplicação prática fosse incipiente. Como principal contribuição, o estudo propôs um modelo conceitual que integra dados comportamentais, processos de priorização e o uso de machine learning como suporte à decisão.

Palavras-chave: Análise de dados; Comportamento do usuário; Dados comportamentais; Software as a Service (SaaS); Tomada de decisão.

17 de novembro de 2026

Inteligência artificial nas rotinas operacionais contábeis e na eficiência financeira

A incorporação de Inteligência Artificial (IA) e de ferramentas de automação reconfigurou as rotinas de escritórios contábeis brasileiros, impactando produtividade, mitigação de erros e eficiência financeira. Analisou-se esses impactos em um escritório contábil de pequeno porte, especializado no atendimento a prestadores de serviços da área médica em São Caetano do Sul, São Paulo. A pesquisa adotou abordagem qualitativa, com delineamento de estudo de caso único e unidades de análise incorporadas. Os dados foram coletados por questionário estruturado, aplicado via Google Forms entre janeiro e fevereiro de 2026, a cinco profissionais da estrutura operacional do escritório em levantamento censitário. O tratamento seguiu análise de conteúdo com categorias a priori e emergentes. Todos os respondentes declararam uso de ferramentas automatizadas ou com recursos de IA. A percepção de redução do tempo de execução, de diminuição de erros operacionais, de retrabalho e de melhor aproveitamento do tempo da equipe convergiu em 80% das respostas afirmativas e 20% parciais. As atividades mais beneficiadas foram conciliação bancária, importação de documentos fiscais e apuração tributária, com ganhos visíveis sobre erros de digitação, lançamentos duplicados e classificação incorreta. A intervenção humana permaneceu indispensável em planejamento tributário, análise de cenários e conferência de obrigações acessórias. A avaliação geral da contribuição da IA foi predominantemente favorável, com moderação vinculada à complexidade normativa fiscal.

Palavras-chave: Análise de conteúdo; Automação de processos; Contabilidade 4.0; Pequeno porte; Transformação digital.

17 de novembro de 2026

Fatores que influenciam a gestão de prazos em projetos de “retrofit” de estações de esgoto

Projetos de “retrofit” em Estações de Tratamento de Esgoto (ETE) caracterizam-se por elevada complexidade, restrições operacionais e múltiplas interfaces técnicas. O estudo analisou a percepção dos profissionais envolvidos sobre a gestão e o cumprimento dos prazos em projetos de “retrofit” de estações de tratamento de esgoto, considerando fatores técnicos, operacionais e organizacionais. A pesquisa caracterizou-se como um estudo aplicado, com abordagem quali-quantitativa, delineado como levantamento de campo do tipo “survey”. A análise dos dados realizou-se por estatística descritiva e categorização qualitativa, utilizando as ferramentas SWOT, matriz de risco (Probabilidade x Impacto) e plano de ação 5W2H. Os resultados indicaram alta percepção de clareza (77,8%) e realismo dos prazos (100% de concordância), evidenciando um planejamento inicial consistente. Contudo, 77,7% dos respondentes apontaram que retrabalhos e alterações de escopo impactaram diretamente o cumprimento dos prazos. A integração entre engenharia, fabricação e Planejamento e Controle da Produção (PCP) apresentou avaliação intermediária (77,7% de concordância parcial/total), indicando fragilidade na coordenação interfuncional. A matriz de risco destacou como críticos: mudanças de escopo, limitações operacionais da ETE e complexidade técnica, todos com nível alto. Como melhoria central, propôs-se a padronização do controle de mudanças de escopo, análise e aprovação, visando reduzir retrabalhos e aumentar a previsibilidade do cronograma.

Palavras-chave: Desempenho; Integração; Planejamento; Retrabalho; Risco.

17 de novembro de 2026

Captação B2C em medicina diagnóstica: parcerias estratégicas com consultórios médicos especializados

O setor de medicina diagnóstica no Brasil opera com elevada dependência das operadoras de planos de saúde, o que limita a autonomia financeira dos prestadores. Este estudo propôs e analisou um modelo de captação direta de pacientes (B2C) para uma instituição de medicina diagnóstica de alta complexidade, estruturado a partir de parcerias com consultórios de Oncologia e Cardiologia e operacionalizado por um serviço de atendimento personalizado denominado concierge. A investigação adotou abordagem mista em três fases: levantamento de campo com questionário estruturado aplicado a 87 pacientes, mapeamento do fluxo operacional por “Service Blueprint” e análise da taxa de conversão a partir de 312 indicações médicas registradas no projeto-piloto. Os resultados indicaram que a confiança na indicação médica obteve 92,0% de concordância, configurando-se como principal fator de adesão. A conveniência de realizar o exame no mesmo dia alcançou 78,2%, e a disposição para pagamento direto atingiu 55,2%, com polarização associada à predominância de usuários de plano de saúde. O “Service Blueprint” identificou três pontos críticos nas transições entre etapas da jornada. A taxa de conversão global foi de 51,0%, com desempenho superior na Oncologia (58,2%) em relação à Cardiologia (45,0%), e a maior perda concentrou-se na etapa de aceite e agendamento (28,3%). Concluiu-se que o modelo demonstrou possível viabilidade operacional e indícios de aceitação pelos pacientes, condicionado à transparência de preços e à redução do intervalo entre consulta e abordagem pelo concierge.

Palavras-chave: Desembolso direto; Jornada do paciente; Saúde suplementar; Serviço concierge; Taxa de conversão.

17 de novembro de 2026

O papel do gestor escolar na promoção de uma cultura inclusiva: liderança e políticas educacionais

A pesquisa analisou a atuação do gestor escolar na promoção de uma cultura inclusiva, considerando a necessidade de transformar diretrizes legais e fundamentos pedagógicos em práticas institucionais efetivas. Partiu-se do pressuposto de que a inclusão escolar exige planejamento, organização e liderança estratégica no cotidiano da escola. Adotou-se uma abordagem qualitativa de natureza aplicada, desenvolvida em três etapas complementares: análise documental das legislações brasileiras sobre educação inclusiva, revisão bibliográfica sobre liderança e gestão escolar, e sistematização dos dados por meio de ferramentas gerenciais como a matriz SWOT e o ciclo PDCA. Os resultados indicaram que a atuação da gestão escolar exerceu influência direta na consolidação de ambientes inclusivos, especialmente na organização de processos, formação continuada da equipe e fortalecimento de uma cultura institucional colaborativa e respeitosa à diversidade. Identificaram-se também desafios estruturais, pedagógicos e relacionais que demandaram intervenções planejadas. Ao final, elaborou-se um Guia Prático para Gestores Escolares, com diretrizes, protocolos e orientações operacionais para a tomada de decisão e organização dos processos inclusivos. Concluiu-se que a construção de uma cultura inclusiva dependeu da capacidade gestora de articular políticas públicas, práticas pedagógicas e processos institucionais, consolidando a inclusão como compromisso permanente no contexto escolar.

Palavras-chave: Acessibilidade educacional; Equidade educacional; Gestão participativa; Planejamento estratégico; Processos institucionais.

17 de novembro de 2026

Um artefato de IA baseado em Design Thinking para apoiar a elicitação de requisitos de software a partir das necessidades dos usuários

O desenvolvimento de software orientado às necessidades dos usuários frequentemente enfrenta desafios na elicitação de requisitos, decorrentes de ambiguidades na linguagem natural e falhas de comunicação. Diante disso, propôs-se e validou-se um artefato inteligente que integra Design Thinking e Inteligência Artificial, com foco nas etapas de Empatia e Definição, para apoiar a coleta, interpretação e estruturação das necessidades dos usuários. A pesquisa, de natureza aplicada, qualitativa e exploratória, conduziu uma Prova de Conceito em ambiente controlado, empregando cenários hipotéticos. O artefato operou por meio de entrevistas guiadas em linguagem natural, organizando informações em elementos como dor, contexto e impacto, e gerando sínteses de problemas rastreáveis. Os resultados indicaram que o sistema organizou relatos não estruturados, reduziu ambiguidades e preservou o sentido das informações originais na maioria dos casos. Observou-se também a capacidade de reorganização lógica em cenários complexos, embora com limitações na separação de múltiplos problemas e dependência das instruções. Concluiu-se que o artefato possui potencial como apoio à elicitação de requisitos, melhorando a clareza e a estruturação das informações, mas requer supervisão e controle contextual.

Palavras-chave: Design Thinking; Elicitação de Requisitos; Engenharia de Requisitos; Inteligência Artificial; Processamento de Linguagem Natural.

17 de novembro de 2026

A Extinção da Sistemática Monofásica na Indústria Farmacêutica à Luz da Reforma Tributária

A Reforma Tributária do consumo, estabelecida pela Emenda Constitucional nº 132/2023, introduziu alterações estruturais no sistema tributário brasileiro, com a substituição do Programa de Integração Social (PIS) e da Contribuição para o Financiamento da Seguridade Social (COFINS) pela Contribuição sobre Bens e Serviços (CBS), em um modelo de Imposto sobre Valor Agregado (IVA dual). O objetivo foi analisar os impactos da extinção da sistemática monofásica na indústria farmacêutica, à luz do novo desenho normativo e de seus efeitos econômicos e jurídicos. Realizou-se pesquisa qualitativa, de natureza exploratória, por meio de estudo de caso e análise documental da legislação e da doutrina especializada. Examinou-se se o fim da monofasia implicaria aumento relevante da carga tributária para o setor. Os resultados indicaram que, embora a superação formal da sistemática monofásica tenha ocorrido, a desoneração material dos medicamentos foi preservada, sobretudo em razão da aplicação de alíquotas reduzidas de 60% e, em determinados casos, de alíquota zero do Imposto Sobre Bens e Serviços (IBS) e da CBS. A mudança de modelo pode provocar variações pontuais na arrecadação, sem caracterizar aumento estrutural da carga tributária, tendendo à neutralidade ao longo do tempo. Concluiu-se, preliminarmente, que a Reforma Tributária reorganizou a técnica de tributação na indústria farmacêutica, substituindo um regime concentrado por mecanismos mais transparentes de desoneração. Essa abordagem mostrou-se compatível com os princípios da neutralidade, da não cumulatividade plena e da extrafiscalidade, mantendo a proteção tributária aos medicamentos essenciais e alinhando a política fiscal ao direito fundamental à saúde.

Palavras-chave: CBS; COFINS; IBS; IVA Dual; PIS.

Inscreva-se em nossa newsletter!

Receba conteúdos e fique sempre atualizado sobre as novidades em gestão, liderança e carreira com a Revista E&S.

Ao preencher o formulário você está ciente de que podemos enviar comunicações e conteúdos da Revista E&S. Confira nossa Política de Privacidade