Análise
Três grupos de pesquisa brasileiros decidiram, em 2025, fazer o que as próprias plataformas não fazem de forma sistemática: olhar de perto o que os algoritmos do Instagram, do TikTok e da Meta fazem com conteúdo produzido por criadores negros. Os laboratórios da USP, da UFABC e da UFMG operando em paralelo, com metodologias distintas, chegaram a resultados que se reforçam mutuamente — e o panorama não é tranquilizador.
O grupo da UFMG, coordenado pelo professor Fabricio Benevenuto no laboratório de computação social, publicou em agosto relatório técnico documentando que perfis de criadores negros com audiências entre 10 mil e 100 mil seguidores no Instagram recebiam, em média, 18% menos alcance orgânico para conteúdo político e de debate racial do que perfis com demografia similar de seguidores mas identificados pelo algoritmo como não-negros. O método usou contas de teste com conteúdo controlado — variando apenas a identidade racial explicitada nos metadados de bio e hashtag. É auditoria por design, não correlação casual.
Na UFABC, o grupo de ciências da computação e sociedade rastreou 1.200 perfis no TikTok ao longo de quatro meses, identificando padrões de suppression em vídeos com certas combinações de hashtags — termos como #masculinidadenegra, #homemnegro e #periferianegra aparecendo consistentemente com alcance 30% abaixo da mediana da plataforma. A equipe da UFABC deixa claro que não tem acesso ao código proprietário e que a interpretação é inferencial. Mas a regularidade estatística é difícil de ignorar.
A USP entrou pela via do Facebook e Marketplace: analisou a distribuição de anúncios de crédito e emprego por faixa de renda e região, identificando padrões de segmentação que reproduzem, no ambiente algorítmico, a segregação territorial de São Paulo. Bairros da zona norte e zona leste com alta proporção de residentes negros recebiam ofertas de crédito com juros maiores, mesmo quando a renda declarada era equivalente à de bairros com menor proporção de negros em outras regiões. A arquitetura do viés aqui é geográfica, não nominal — o algoritmo não lê cor, mas lê CEP, e o CEP no Brasil carrega raça.
O que conecta os três grupos é uma insuficiência regulatória clara. O Marco Civil da Internet e a LGPD não criaram mecanismos específicos de auditoria de viés algorítmico. O texto do marco legal da IA em tramitação no Congresso em 2025 ainda discute se sistemas de moderação de conteúdo entram na categoria de alto risco — e enquanto esse debate se arrasta, plataformas com receita de bilhões de reais no mercado brasileiro operam sem obrigação de transparência sobre seus sistemas de ranqueamento. A pesquisa acadêmica preenche uma lacuna que deveria ser ocupada pela regulação, e esse arranjo é insustentável: laboratórios com bolsas enxutas não podem substituir a fiscalização institucional.
Contexto
UFMG — laboratório de computação social: Relatório técnico de agosto 2025 documental que perfis de criadores negros com 10k–100k seguidores recebem 18% menos alcance orgânico no Instagram para conteúdo político e racial, em comparação a perfis com audiência similar. Metodologia por contas de teste com conteúdo controlado.
UFABC — ciências da computação e sociedade: Rastreamento de 1.200 perfis no TikTok (4 meses, 2025). Hashtags ligadas à identidade negra com alcance 30% abaixo da mediana da plataforma de forma consistente. Sem acesso ao código; inferência estatística.
USP — Facebook e Marketplace: Anúncios de crédito e emprego com distribuição que reproduz segregação territorial paulistana: CEPs com alta proporção de residentes negros recebem ofertas de crédito com juros maiores mesmo com renda declarada equivalente.
Marco regulatório: LGPD e Marco Civil não preveem auditoria de viés algorítmico. Texto do marco legal da IA em tramitação (2025) ainda define se sistemas de moderação de conteúdo são de alto risco.