Em 6 de agosto de 2025, um comediante de 27 anos publicou no YouTube um vídeo de quase cinquenta minutos sobre a exploração de crianças na i...
Nó 01
Cinquenta milhões de vezes o mesmo botão
O vídeo se chamava Adultização. Em cerca de cinquenta minutos, Felca mostrava como perfis de crianças eram tratados como produto e como as plataformas remuneravam quem os produzia. A repercussão foi imediata: mais de 50 milhões de visualizações, mais de trinta projetos de lei protocolados em 48 horas e, em 17 de setembro de 2025, a sanção da Lei nº 15.211 — o ECA Digital (APÓS…, 2025).
É uma história bonita sobre a internet. E é uma história incompleta. O algoritmo que fez a denúncia viralizar é exatamente o mesmo que fizera o problema crescer — ele não distingue conteúdo bom de conteúdo ruim, distingue conteúdo que prende de conteúdo que não prende. Entender por quê exige separar quatro coisas que costumam ser tratadas como uma só.
Cada camada tem sua própria literatura, e nenhuma delas é nova. A sociologia das redes é de 1973; o funil de recomendação é de 2016; a economia da atenção é de 1971. O que mudou foi a escala e, sobretudo, o fato de as três terem sido costuradas num mesmo produto.
Nó 02
A estrutura: atores, conexões e o mundo pequeno
Raquel Recuero define rede social como um conjunto de dois elementos — atores (pessoas, instituições ou grupos, isto é, os nós) e suas conexões (interações ou laços sociais) (RECUERO, 2009). A definição parece óbvia, mas ela desloca o foco: a rede não é o site. O site é uma plataforma onde a rede se expressa. Boyd e Ellison, no artigo que fundou o campo, chamam esses sites de "sites de redes sociais" e os definem por três funções — construir um perfil público, articular uma lista de conexões e percorrer as listas alheias (BOYD; ELLISON, 2007).
A partir daí, a estrutura passa a ter consequências mensuráveis. Em 1973, Mark Granovetter publicou o artigo mais citado da sociologia moderna para mostrar algo contraintuitivo: quem consegue emprego não são os amigos próximos, são os conhecidos distantes (GRANOVETTER, 1973). Laços fortes circulam informação redundante — seus amigos íntimos já sabem o que você sabe. Laços fracos são pontes entre grupos que, de outro modo, não se tocariam. É por isso que o LinkedIn funciona e é por isso que um vídeo brasileiro chega ao Portugal em quatro horas.
Vinte e cinco anos depois, Watts e Strogatz mostraram por que essas pontes bastam. Ao pegar uma rede regular em anel e religar aleatoriamente uma fração pequena das arestas, a distância média entre dois nós despenca sem que o agrupamento local se perca — um regime que eles batizaram de mundo pequeno (WATTS; STROGATZ, 1998). Poucos atalhos encurtam o planeta.
Falta uma peça: por que algumas contas concentram tudo. Barabási e Albert observaram que redes reais crescem e que nós novos preferem se ligar a nós que já têm muitas conexões. O resultado é uma distribuição de grau em lei de potência — redes livres de escala, com poucos hubs enormes e uma cauda longuíssima de contas periféricas (BARABÁSI; ALBERT, 1999). A desigualdade de audiência nas redes não é um desvio do sistema: é a forma natural que o sistema assume quando cresce por conexão preferencial.
Três redes, os mesmos atores
O diagrama abaixo tem sempre os mesmos dezesseis atores. O que muda é apenas o padrão de conexões — e, com ele, tudo o que a rede consegue fazer.
Rede aleatória
Cada par de atores tem a mesma chance de estar conectado. Distâncias médias são curtas, mas não há comunidades: ninguém tem um grupo de convivência. Serve como modelo de referência (Erdős–Rényi), não como retrato de gente real.
Figura 1 — As mesmas dezesseis pessoas sob três padrões de conexão. Clique nos botões para alternar. Elaborado pelo autor com base em Watts e Strogatz (1998) e Barabási e Albert (1999).
Nó 03
Quando o feed deixou de ser a rede
Até por volta de 2015, a estrutura acima era quase toda a explicação: você via o que suas conexões publicavam, em ordem cronológica ou quase. Essa era a promessa original do Orkut, do Facebook e do Twitter — e é o que ainda está no nome "rede social".
Não é mais assim. Em abril de 2024, Mark Zuckerberg afirmou que mais da metade do conteúdo que as pessoas veem no Instagram já é recomendado por inteligência artificial, e não vem de contas que elas seguem. No código do algoritmo de recomendação que a empresa então chamada Twitter publicou em 2023, cerca de metade da linha do tempo vem de fora da rede do usuário (X CORP., 2023). O feed deixou de ser um espelho da sua rede e virou uma vitrine curada por um modelo estatístico.
A consequência prática é grande e pouco comentada: a topologia da rede virou uma das variáveis, não mais a variável. Quem você segue continua importando — mas concorre com o que o modelo acha que você assistiria até o fim. Essa migração está descrita, em outra chave, na postagem do blog sobre as versões da web (A CIBERCULTURA…, 2026): é o mesmo movimento que leva da busca à resposta pronta.
Figura 2 — Conexão preferencial em ação: numa rede que cresce, quem já tem audiência acumula mais audiência. Imagem gerada por IA.
Nó 04
O funil: como um algoritmo de recomendação decide
Praticamente todo sistema de recomendação em produção usa a mesma arquitetura de dois estágios, descrita publicamente pela primeira vez pelos engenheiros do YouTube em 2016: geração de candidatos e ranqueamento (COVINGTON; ADAMS; SARGIN, 2016). O primeiro estágio reduz um catálogo de milhões de vídeos a algumas centenas, com precisão baixa e velocidade alta. O segundo estágio ordena essas centenas com um modelo caro, que estima o tempo de exibição esperado de cada item para aquele usuário naquele momento.
A Meta descreve o mesmo desenho para recomendações de conteúdo não conectado: recuperação que vai de bilhões de itens a milhares e depois a algumas centenas, em centésimos de segundo, seguida de ranqueamento — com modelos que, segundo a empresa, chegam a dezenas de trilhões de parâmetros, ordens de grandeza acima dos maiores modelos de linguagem (META AI, 2023). Quem quiser revisar como esses modelos aprendem a prever encontra o percurso completo em outra postagem do blog (COMO…, 2026).
O que cada plataforma admite priorizar
Quadro 1 — Sinais declarados pelas próprias plataformas como determinantes do ranqueamento, 2016-2023
| Plataforma | Sinal que a empresa declara como mais forte | Fonte oficial |
|---|---|---|
| YouTube | Tempo de exibição esperado, estimado por rede neural no estágio de ranqueamento | (COVINGTON; ADAMS; SARGIN, 2016) |
| TikTok | Concluir o vídeo pesa mais que curtir; número de seguidores não é fator direto | (TIKTOK, 2020) |
| Cinco previsões: segundos de visualização, e probabilidade de comentar, curtir, compartilhar e tocar na foto do perfil | (MOSSERI, 2021) | |
| Facebook e Instagram (recomendações) | Recuperação em dois estágios (bilhões → milhares → centenas) e ranqueamento por previsões combinadas | (META AI, 2023) |
| X (então Twitter) | Cerca de metade da linha do tempo vem de fora da rede do usuário, ordenada por um heavy ranker | (X CORP., 2023) |
Fonte: elaborado pelo autor com base em Covington, Adams e Sargin (2016), TikTok (2020), Mosseri (2021), Meta AI (2023) e X Corp. (2023).Nota: os termos heavy ranker, candidate generation e retrieval foram mantidos ou traduzidos livremente pelo autor por não haver equivalente consagrado em português.Nota: as declarações são das próprias empresas e não foram auditadas de forma independente; o código publicado pelo X em 2023 é a única fonte desta lista aberta à inspeção externa.
Repare no que há de comum. Nenhuma dessas plataformas diz otimizar para verdade, relevância cívica ou qualidade. Todas otimizam para comportamento previsto. O algoritmo não sabe do que o vídeo trata; sabe apenas que pessoas parecidas com você assistiram até o fim. É filtragem colaborativa levada a sério: a semelhança entre usuários substitui o julgamento sobre o conteúdo.
Nó 05
Engajamento: quando a medida vira a meta
"Engajamento" é um substantivo confortável. Na prática, é uma soma ponderada de cliques. Os documentos internos do Facebook divulgados por Frances Haugen em 2021 permitiram, pela primeira vez, ver os pesos exatos que a empresa atribuía a cada interação no ranqueamento do que ela chamava de "interações sociais significativas".
Tabela 1 — Pontos atribuídos a cada interação no ranqueamento do Feed do Facebook, Estados Unidos, 2018-2020
| Interação | Pontos | Vigência |
|---|---|---|
| Curtida | 1 | a partir de 2018 |
| Reação (emoji) ou recompartilhamento sem texto | 5 | a partir de 2018 |
| Confirmação de presença em evento | 15 | a partir de 2018 |
| Comentário, mensagem ou recompartilhamento significativo | 30 | a partir de 2018 |
| Reação "grr" (angry) | 1,5 | até 2020 |
| Reação "grr" (angry) | 0 | a partir do fim de 2020 |
Fonte: elaborado pelo autor com base em Metz (2021), a partir de documentos internos da empresa.Nota: os pontos eram multiplicados por fatores de proximidade — 0,5 entre membros de um mesmo grupo e 0,3 entre desconhecidos.Nota: recompartilhamento "significativo" era definido internamente como o que trazia ao menos cinco elementos textuais distintos, uma foto ou um vídeo.
Leia a tabela como um educador leria uma matriz de avaliação. Um comentário vale trinta vezes uma curtida. Se você é um produtor de conteúdo racional e o seu objetivo é alcance, a estratégia ótima não é informar: é provocar comentário. E a maneira mais barata de provocar comentário é a discordância. Não foi preciso que ninguém decidisse promover briga — bastou que a briga fosse a forma mais eficiente de somar trinta pontos.
É a lei de Goodhart em escala planetária: quando uma medida vira meta, ela deixa de ser uma boa medida. A reação "grr" ilustra bem o problema e a correção — valia 1,5 ponto e foi zerada no fim de 2020, depois que a empresa constatou o que estava premiando (METZ, 2021).
Numa outra chave, o mesmo mecanismo tem efeito comercial declarado: em julho de 2025, a Meta atribuiu a melhorias nos seus sistemas de recomendação um aumento de 5% no tempo gasto no Facebook e de 6% no Instagram em um único trimestre.
TechCrunch, 30 de julho de 2025 (ZUCKERBERG…, 2025)
Cinco por cento parece pouco. Multiplicado por 3,6 bilhões de pessoas por dia, não é.
Figura 3 — O funil de recomendação: de bilhões de itens a algumas dezenas, ordenados por comportamento previsto. Imagem gerada por IA.
Nó 06
A economia da atenção não é metáfora
A expressão tem dono e tem data. Em 1971, num capítulo sobre como desenhar organizações para um mundo rico em informação, Herbert Simon — que ganharia o Nobel de Economia sete anos depois — escreveu a frase que fundou o campo.
Num mundo rico em informação, a abundância de informação significa a escassez de outra coisa: a escassez daquilo que a informação consome. O que a informação consome é bastante óbvio — ela consome a atenção de seus destinatários. Logo, uma abundância de informação cria uma pobreza de atenção.
Herbert A. Simon, 1971 (SIMON, 1971) — tradução do autor
Simon estava falando de organizações, não de redes sociais, que não existiam. Mas a consequência econômica é direta: se a atenção é escassa e a informação é abundante, então o produto vendido por uma plataforma não é o conteúdo — é o intervalo de tempo em que sua pupila fica apontada para a tela. Tim Wu reconstruiu essa história comercial do jornal de um centavo ao feed, e o padrão se repete há dois séculos: alguém oferece conteúdo de graça para depois revender a atenção acumulada (WU, 2016).
Dá para colocar preço nisso com aritmética simples. No segundo trimestre de 2026, a Meta reportou receita de US$ 60,8 bilhões e uma média de 3,60 bilhões de pessoas ativas por dia em seu conjunto de aplicativos (META, 2026). A divisão dá cerca de US$ 16,89 por pessoa no trimestre — algo como dezoito centavos de dólar por pessoa por dia. É esse o valor de face da sua atenção no varejo. Parece irrisório até você lembrar que o número que a empresa precisa aumentar não é o preço: é o tempo.
Alerta metodológico: o número que quase todo mundo repete errado
Circula com frequência a manchete de que "o brasileiro passa 9 horas por dia nas redes sociais". O dado existe, mas não é isso. O relatório da We Are Social com a Meltwater mede tempo total de internet, e o número — 9 horas e 13 minutos diários — inclui trabalho, streaming, jogos, mensagens e navegação. O próprio veículo que popularizou a manchete no Brasil publicou nota de correção sobre o ponto (BRASILEIROS…, 2024). Para redes e vídeos especificamente, a série global do mesmo instituto aponta 18 horas e 36 minutos por semana — cerca de 2h40 por dia (KEMP, 2025b). Continua sendo muito tempo; só não é o triplo disso.
Nó 07
O Brasil dentro da conta
O Brasil não é um mercado periférico nessa economia. Em outubro de 2025, o país reunia 185 milhões de usuários de internet e 150 milhões de identidades em redes sociais — 70,4% da população (KEMP, 2025a). A medição domiciliar do Cetic.br, feita com metodologia própria e questionário diferente, encontrou 81% dos usuários de internet acessando redes sociais, com um gradiente etário que diz quase tudo (CETIC.BR, 2025).
Fonte: elaborado pelo autor com base em Cetic.br (2025), pesquisa TIC Domicílios 2025.Nota: proporção sobre o total de usuários de internet de cada faixa, não sobre a população; coleta realizada entre março e agosto de 2025.
Tabela 2 — Plataformas de rede social por número de usuários declarados no Brasil, outubro de 2025
| Plataforma | Usuários (milhões) | % da população |
|---|---|---|
| YouTube | 150 | 70,4 |
| 147 | 69,0 | |
| TikTok | 131 | 61,5 |
| 109 | 51,2 | |
| 90 | 42,3 |
Fonte: elaborado pelo autor com base em Kemp (2025a).Nota: os percentuais foram calculados pelo autor sobre a população de 213 milhões informada na mesma fonte.Nota: são identidades de usuário informadas pelas ferramentas de anúncio das próprias plataformas, e não pessoas distintas — contas duplicadas e inativas inflam o total; o dado do TikTok refere-se ao público de 18 anos ou mais.
Foi nesse cenário que a Lei nº 15.211, de 17 de setembro de 2025, entrou em vigor em março de 2026 (BRASIL, 2025). O ponto mais interessante do ECA Digital, para quem estuda algoritmos, não é a verificação de idade nem a vinculação de contas de menores de 16 anos aos responsáveis. É um dispositivo que trata diretamente do mecanismo descrito nas seções anteriores: a lei proíbe o uso de dados ou de perfis emocionais de crianças e adolescentes para fins publicitários, veda caixas de recompensa aleatórias em jogos e prevê multas de até 10% do faturamento no Brasil, limitadas a R$ 50 milhões por infração.
Em outras palavras: o legislador brasileiro decidiu regular não o conteúdo, mas o desenho de engajamento. É uma mudança de alvo que vale acompanhar — e que faz sentido apenas para quem entendeu que o problema nunca esteve só no que se publica, mas em como se decide o que aparece.
Figura 4 — O que se negocia no mercado publicitário digital não é espaço: é intervalo de tempo. Imagem gerada por IA.
Aplicação prática
Seis perguntas para o seu contexto
Se você ensina, comunica ou administra uma presença institucional, a leitura acima tem consequências operacionais — e conversa diretamente com o mapa de canais discutido em outra postagem do blog (AFINAL…, 2026). Marque o que já está resolvido no seu caso.
0 de 6 — comece medindo de onde vem o seu alcance.
Última conexão
O nó que sobra
Volte ao começo. O vídeo do Felca alcançou 50 milhões de pessoas porque o sistema funcionou exatamente como projetado: identificou um conteúdo que prendia, mediu que prendia, e o empurrou. O mesmo sistema havia empurrado, antes, o que aquele vídeo denunciava — pelo mesmo motivo, com a mesma indiferença.
Essa indiferença não é maldade nem acidente. É o que acontece quando se otimiza uma única variável com muita competência. A engenharia por trás dos feeds é extraordinária: dezenas de trilhões de parâmetros para responder, em centésimos de segundo, a uma pergunta que ninguém formulou em voz alta — o que faria você ficar mais um pouco?
Se a atenção é o recurso escasso e alguém já a está comprando, a pergunta que sobra para cada um de nós — professor, comunicador, pai, aluno — não é se dá para sair da rede. É esta: no seu dia, quem está decidindo o que merece os seus minutos?
Nota do autor: os pesos do ranqueamento do Facebook reproduzidos na Tabela 1 vêm de documentos internos divulgados em 2021 e relatados pela imprensa; a empresa nunca publicou a tabela oficialmente, e os valores devem ser lidos como ordem de grandeza de um sistema que mudou várias vezes desde então. A receita por pessoa da Meta (US$ 16,89 no trimestre) é cálculo do autor, obtido pela divisão da receita total do segundo trimestre de 2026 pelo número médio de pessoas ativas por dia informado no mesmo comunicado; a empresa divulga métrica própria de receita média por pessoa com definição e período distintos, e os dois números não são intercambiáveis. Os dados do Cetic.br e os da We Are Social/Meltwater não são comparáveis entre si: o primeiro é uma pesquisa domiciliar probabilística com coleta presencial entre março e agosto de 2025, e o segundo agrega dados declarados por plataformas de anúncio; por isso aparecem em blocos separados. Os percentuais da Tabela 2 foram calculados pelo autor. A tradução da passagem de Herbert Simon é do autor. A definição de rede social atribuída a Raquel Recuero foi cotejada com a edição brasileira citada, mas recomenda-se conferir o exemplar impresso antes de reproduzi-la como citação direta em trabalho acadêmico. As postagens deste blog citadas nas referências entram pelo título por não trazerem indicação inequívoca de autoria pessoal na página publicada. Por fim, a data de publicação do vídeo de Felca e a contagem de visualizações foram apuradas em cobertura jornalística, não em painel de métricas da plataforma: a maior parte dos veículos registra a publicação em 6 de agosto de 2025, identificando o dia da semana correspondente (quarta-feira), enquanto um ou outro texto traz 8 de agosto; adotou-se aqui a data majoritária e verificável pelo dia da semana. Contagens de visualização variam conforme o momento da consulta.
Referências
- AFINAL, o que é Comunicação Digital? Brasil Acadêmico, [s. l.], 14 ago. 2026. Disponível em: https://blog.brasilacademico.com/2026/08/afinal-o-que-e-comunicacao-digital.html. Acesso em: 29 ago. 2026.
- APÓS vídeo viral de Felca, só o ECA Digital avançou no Congresso. Congresso em Foco, Brasília, 13 out. 2025. Disponível em: https://www.congressoemfoco.com.br/noticia/112840/apos-video-viral-de-felca-so-o-eca-digital-avancou-no-congresso. Acesso em: 29 ago. 2026.
- BARABÁSI, Albert-László; ALBERT, Réka. Emergence of scaling in random networks. Science, Washington, v. 286, n. 5439, p. 509-512, 15 out. 1999. DOI: 10.1126/science.286.5439.509. Disponível em: https://www.science.org/doi/10.1126/science.286.5439.509. Acesso em: 29 ago. 2026.
- BOYD, danah m.; ELLISON, Nicole B. Social network sites: definition, history, and scholarship. Journal of Computer-Mediated Communication, Oxford, v. 13, n. 1, p. 210-230, out. 2007. DOI: 10.1111/j.1083-6101.2007.00393.x. Disponível em: https://academic.oup.com/jcmc/article/13/1/210/4583062. Acesso em: 29 ago. 2026.
- BRASIL. Lei nº 15.211, de 17 de setembro de 2025. Dispõe sobre a proteção de crianças e adolescentes em ambientes digitais. Diário Oficial da União: seção 1, Brasília, DF, 18 set. 2025. Disponível em: https://www.planalto.gov.br/ccivil_03/_ato2023-2026/2025/lei/l15211.htm. Acesso em: 29 ago. 2026.
- BRASILEIROS passam 9 horas por dia nas redes sociais, diz estudo. Poder360, Brasília, 3 dez. 2024. Atualizado em 4 jun. 2025. Disponível em: https://www.poder360.com.br/poder-tech/brasileiros-passam-9-horas-por-dia-nas-redes-sociais-diz-estudo/. Acesso em: 29 ago. 2026.
- CETIC.BR. Pesquisa sobre o uso das tecnologias de informação e comunicação nos domicílios brasileiros: TIC Domicílios 2025 — principais resultados. São Paulo: Comitê Gestor da Internet no Brasil, dez. 2025. Disponível em: https://cetic.br/media/analises/tic_domicilios_2025_principais_resultados.pdf. Acesso em: 29 ago. 2026.
- A CIBERCULTURA da Web 1.0 à web das IAs. Brasil Acadêmico, [s. l.], 24 ago. 2026. Disponível em: https://blog.brasilacademico.com/2026/08/a-cibercultura-da-web-10-web-das-ias.html. Acesso em: 29 ago. 2026.
- COMO a máquina aprende. Brasil Acadêmico, [s. l.], 15 ago. 2026. Disponível em: https://blog.brasilacademico.com/2026/08/como-maquina-aprende.html. Acesso em: 29 ago. 2026.
- COVINGTON, Paul; ADAMS, Jay; SARGIN, Emre. Deep neural networks for YouTube recommendations. In: ACM CONFERENCE ON RECOMMENDER SYSTEMS, 10., 2016, Boston. Proceedings […]. New York: ACM, 2016. p. 191-198. DOI: 10.1145/2959100.2959190. Disponível em: https://dl.acm.org/doi/10.1145/2959100.2959190. Acesso em: 29 ago. 2026.
- GRANOVETTER, Mark S. The strength of weak ties. American Journal of Sociology, Chicago, v. 78, n. 6, p. 1360-1380, maio 1973. Disponível em: https://www.journals.uchicago.edu/doi/10.1086/225469. Acesso em: 29 ago. 2026.
- KEMP, Simon. Digital 2026: Brazil. Singapura: DataReportal, 8 nov. 2025. Disponível em: https://datareportal.com/reports/digital-2026-brazil. Acesso em: 29 ago. 2026.
- KEMP, Simon. Digital 2026: global overview report. Singapura: DataReportal, out. 2025. Disponível em: https://datareportal.com/reports/digital-2026-global-overview-report. Acesso em: 29 ago. 2026.
- META PLATFORMS. Meta reports second quarter 2026 results. Menlo Park: Meta Platforms, 29 jul. 2026. Disponível em: https://investor.atmeta.com/investor-news/press-release-details/2026/Meta-Reports-Second-Quarter-2026-Results/default.aspx. Acesso em: 29 ago. 2026.
- META AI. The AI behind unconnected content recommendations on Facebook and Instagram. Meta AI Blog, Menlo Park, 29 jun. 2023. Disponível em: https://ai.meta.com/blog/ai-unconnected-content-recommendations-facebook-instagram/. Acesso em: 29 ago. 2026.
- METZ, Rachel. Likes, anger emojis and RSVPs: the math behind Facebook's News Feed — and how it backfired. CNN Business, Nova York, 27 out. 2021. Disponível em: https://edition.cnn.com/2021/10/26/tech/facebook-papers-news-feed-math/index.html. Acesso em: 29 ago. 2026.
- MOSSERI, Adam. Shedding more light on how Instagram works. Instagram, Menlo Park, 8 jun. 2021. Disponível em: https://about.instagram.com/blog/announcements/shedding-more-light-on-how-instagram-works. Acesso em: 29 ago. 2026.
- RECUERO, Raquel. Redes sociais na internet. Porto Alegre: Sulina, 2009. (Coleção Cibercultura).
- SIMON, Herbert A. Designing organizations for an information-rich world. In: GREENBERGER, Martin (org.). Computers, communications, and the public interest. Baltimore: The Johns Hopkins Press, 1971. p. 37-72.
- TIKTOK. How TikTok recommends videos #ForYou. TikTok Newsroom, [s. l.], 18 jun. 2020. Disponível em: https://newsroom.tiktok.com/en-us/how-tiktok-recommends-videos-for-you. Acesso em: 29 ago. 2026.
- WATTS, Duncan J.; STROGATZ, Steven H. Collective dynamics of 'small-world' networks. Nature, Londres, v. 393, n. 6684, p. 440-442, 4 jun. 1998. DOI: 10.1038/30918. Disponível em: https://www.nature.com/articles/30918. Acesso em: 29 ago. 2026.
- WU, Tim. The attention merchants: the epic scramble to get inside our heads. Nova York: Alfred A. Knopf, 2016.
- X CORP. the-algorithm: source code for the X recommendation algorithm. [S. l.]: GitHub, 2023. Disponível em: https://github.com/twitter/the-algorithm. Acesso em: 29 ago. 2026.
- ZUCKERBERG: AI increased the time spent on Facebook and Instagram in Q2. TechCrunch, São Francisco, 30 jul. 2025. Disponível em: https://techcrunch.com/2025/07/30/zuckerberg-ai-increased-the-time-spent-on-facebook-and-instagram-in-q2/. Acesso em: 29 ago. 2026.
Comentários