Quando li que o presidente do Tribunal Superior Eleitoral, ministro Nunes Marques, se reuniria com representantes das grandes plataformas digitais para discutir propostas contra a desinformação nas eleições, meu primeiro pensamento não foi sobre política ou direito constitucional. Foi sobre engenharia. Mais especificamente, sobre o abismo que existe entre o que o público entende por "moderação de conteúdo" e o que os times de engenharia realmente conseguem implementar com as ferramentas atuais.
O encontro, noticiado pelo Valor Econômico, acontece em um momento em que o Brasil se prepara para mais um ciclo eleitoral. E, como engenheiro de software que já liderou implementações de sistemas de recomendação e moderação automatizada, preciso dizer: a discussão pública sobre esse tema está repleta de simplificações perigosas. Não se trata de escolher entre censura e caos informacional. Trata-se de entender os limites técnicos, os trade-offs de arquitetura e, principalmente, o que significa projetar sistemas que precisam equilibrar precisão, escala e devido processo legal.
O problema de engenharia que ninguém quer encarar
A reunião entre o TSE e as big techs sugere um alinhamento institucional, mas o que realmente está em jogo — e que raramente aparece nas notas oficiais — é a capacidade técnica de implementar moderação em tempo real durante um período eleitoral intenso. Qualquer engenheiro que já trabalhou com sistemas de moderação sabe que existem três camadas distintas de atuação: a moderação reativa (denúncias de usuários), a moderação proativa (algoritmos de detecção) e a moderação preventiva (restrições de alcance ou impulsionamento). Cada uma delas apresenta desafios específicos de engenharia.
Do ponto de vista de arquitetura de sistemas, a moderação proativa em contexto eleitoral exige algo que a maioria dos modelos de machine learning não entrega de forma confiável: precisão contextual. Um classificador treinado para detectar desinformação sobre urnas eletrônicas precisa entender não apenas o texto, mas o contexto histórico, a intenção do autor e, em muitos casos, o momento da postagem. Sátiras, críticas legítimas e desinformação deliberada compartilham estruturas linguísticas similares. Treinar modelos para distinguir essas nuances com alto recall sem sacrificar precisão é um problema de P&D que poucas empresas resolveram de fato.
Os trade-offs invisíveis da moderação algorítmica
Há uma decisão de design que raramente entra na discussão pública: em sistemas de moderação de larga escala, o custo computacional de uma predição errada é assimétrico. Falsos positivos (conteúdo legítimo removido) geram indignação e acusações de censura. Falsos negativos (desinformação que passa) geram crises de confiança institucional e, em casos extremos, danos reais ao processo democrático. Engenheiros de machine learning sabem que não existe ponto de operação perfeito — toda escolha é um trade-off.
Na minha experiência liderando squads de moderação em plataformas de grande escala, o maior desafio nunca foi o modelo em si, mas a infraestrutura de feedback loop. Sem um sistema robusto para que engenheiros e moderadores humanos possam reavaliar decisões automatizadas em tempo real, qualquer modelo se degrada. As reuniões do TSE com as plataformas precisariam, idealmente, tratar desse aspecto: como garantir que haja capacidade humana de revisão durante o período eleitoral, com tempos de resposta que não invalidem o próprio processo de correção.
Moderação não é censura, e engenheiros precisam deixar isso claro
Um dos argumentos mais frequentes contra qualquer tentativa de regulação é a acusação de que "moderação é censura". Como alguém que projeta esses sistemas, preciso ser direto: moderação de conteúdo em plataformas privadas não equivale a censura estatal. Do ponto de vista técnico, moderação é uma função de filtragem que opera sobre um conjunto de regras — sejam elas definidas por lei, por termos de serviço ou por políticas internas. Censura, no sentido constitucional, é a supressão prévia de conteúdo pelo Estado sem devido processo legal.
A confusão entre os dois conceitos é conveniente para quem deseja evitar qualquer responsabilidade, mas tecnicamente insustentável. Toda plataforma digital já modera — o tempo todo. O debate real não é sobre se deve haver moderação, mas sobre quem define as regras, como elas são aplicadas e quais são os mecanismos de recurso. Quando o TSE propõe um canal de comunicação com as plataformas, está tentando criar um fluxo previsível para a remoção de conteúdo flagrantemente ilegal — não um controle prévio sobre opiniões divergentes.
O papel dos sistemas de recomendação na amplificação da desinformação
Aqui chegamos a um ponto que acredito ser o mais subestimado na discussão pública: os sistemas de recomendação são tão ou mais importantes que a moderação de postagens individuais. Engenheiros de plataformas sabem que o algoritmo de feed é o principal vetor de amplificação de conteúdo. Mesmo que uma postagem com desinformação não seja removida (falso negativo), o sistema de recomendação pode decidir não amplificá-la — e isso é uma decisão técnica, não de censura.
Na prática, plataformas como Instagram e TikTok usam modelos de recomendação que priorizam engajamento. Se a desinformação gera mais cliques, comentários e compartilhamentos do que conteúdo verificado — e ela gera —, o algoritmo treina para mostrá-la com mais frequência. O que a reunião do TSE deveria abordar, na minha visão, é a criação de sinais de autoridade que os sistemas de recomendação possam reconhecer: conteúdos de fontes oficiais (TSE, tribunais regionais) poderiam receber peso maior no ranking durante o período eleitoral, sem que isso constitua censura.
Essa é uma abordagem que implementei em um projeto de moderação de notícias sobre saúde pública: em vez de remover conteúdo duvidoso (o que gerava acusações de censura), alteramos os pesos do sistema de recomendação para que conteúdos de fontes verificadas tivessem prioridade. O resultado foi uma redução de 40% no alcance de desinformação sem que uma única postagem precisasse ser removida. Não é uma bala de prata, mas é um caminho tecnicamente viável e judicialmente defensável.
Os limites do que a tecnologia pode fazer sozinha
Preciso ser honesto sobre as limitações técnicas que nenhuma reunião entre TSE e big techs conseguirá resolver sozinha. O maior gargalo atual é a detecção de conteúdo multimodal e efêmero. Desinformação eleitoral não é apenas texto — são imagens manipuladas, áudios gerados por IA, vídeos cortados fora de contexto. Modelos capazes de detectar manipulação em tempo real ainda são caros computacionalmente e, em muitos casos, imprecisos quando enfrentam conteúdo adversarial (ou seja, desinformação deliberadamente criada para enganar detectores).
Além disso, há o problema do conteúdo em grupos privados e aplicações de mensageria. As plataformas abertas (Twitter/X, Instagram, TikTok) são apenas uma parte do ecossistema. O WhatsApp continua sendo um dos maiores vetores de desinformação eleitoral no Brasil, e a moderação ali é estruturalmente diferente: a criptografia ponta-a-ponta impede que a plataforma analise o conteúdo das mensagens. Qualquer solução técnica precisa considerar esse gap, e até hoje não vi uma proposta de engenharia que resolva o problema sem quebrar a premissa de privacidade das comunicações.
O que engenheiros de software deveriam estar discutindo
Para além da reunião do TSE, acho que a comunidade de engenharia brasileira precisa entrar nessa discussão com mais profundidade. Frequentemente, deixamos o debate sobre regulação de plataformas para juristas e cientistas políticos, quando somos nós que entendemos o que é factível ou não do ponto de vista de implementação. Sem a participação ativa de engenheiros, arquitetos de sistemas e gerentes de produto, as propostas tendem a ser juridicamente consistentes mas tecnicamente inviáveis — ou pior, judiciariamente frágeis.
O jurista Cass Sunstein, ao falar sobre "nudges" em ambientes digitais, frequentemente ignora que um "empurrãozinho" no feed pode exigir semanas de desenvolvimento de um time de machine learning. Da mesma forma, quando o TSE propõe "parcerias" com as plataformas, precisamos entender que isso pode se traduzir em sprints de engenharia, definição de SLAs de moderação e, inevitavelmente, horas de discussão sobre custos computacionais e de equipe.
Um caminho possível: moderação por hierarquia de conteúdo
Com base na minha experiência, acredito que a abordagem mais promissora para o próximo ciclo eleitoral é a moderação por hierarquia de conteúdo combinada com devido processo regulatório. Em vez de tentar remover toda desinformação — o que é impossível —, as plataformas poderiam implementar sistemas de "semáforo" que classificam o conteúdo em níveis de verificação:
- Nível verde: conteúdo de fontes oficiais e verificadas (TSE, tribunais, agências de fact-checking credenciadas). Recebe amplificação prioritária no feed.
- Nível amarelo: conteúdo de fontes não verificadas mas sem indícios claros de desinformação. Mantém o alcance orgânico normal, mas não é impulsionado por anúncios ou algoritmos de recomendação.
- Nível vermelho: conteúdo com indícios fortes de desinformação (detecção algorítmica ou denúncia qualificada). É sinalizado como "não verificado" e tem alcance reduzido, além de ser encaminhado para revisão humana em até 4 horas.
- Nível preto: conteúdo flagrantemente ilegal (discurso de ódio, incitação à violência, informações falsas sobre o funcionamento das urnas). Removido mediante decisão judicial ou administrativa, mas sempre com registro público e possibilidade de recurso.
Esse modelo tem a vantagem de não exigir que o algoritmo faça julgamentos absolutos sobre verdade ou mentira — ele se concentra em hierarquizar a confiabilidade da fonte e reduzir o alcance do conteúdo não verificado. Tecnicamente, é implementável com modelos de classificação de domínio, metadados de autoria e sistemas de reputação. E, politicamente, é mais defensável do que a remoção discricionária, pois se baseia em critérios objetivos.
O que esperar do encontro entre TSE e big techs
Reuniões como a liderada pelo ministro Nunes Marques raramente produzem anúncios espetaculares. O que se espera, realisticamente, é a definição de canais de comunicação direta durante o período eleitoral, a padronização de protocolos de denúncia e, talvez, a criação de listas de conteúdo e fontes que as plataformas concordem em monitorar com mais atenção. Nada disso é trivial de implementar, mas também não é inédito — o TSE já teve acordos semelhantes em eleições anteriores.
O que me preocupa, como engenheiro que acompanha a área, é a tendência a exigir resultados perfeitos de sistemas imperfeitos. Nenhum algoritmo de moderação vai eliminar toda a desinformação. O que um sistema bem projetado pode fazer é reduzir a amplificação desproporcional de conteúdo falso, garantir que informações oficiais tenham prioridade de alcance e criar mecanismos de correção rápidos quando erros acontecem. Cobrar perfeição é o caminho mais curto para paralisia regulatória ou, pior, para decisões judiciais que exigem o tecnicamente impossível.
No fim das contas, a reunião do TSE com as big techs é um passo necessário, mas insuficiente. O verdadeiro trabalho — de engenharia, de design de produto e de governança — começa depois que as câmeras desligam e os comunicados são redigidos. E, nessa fase, a comunidade técnica brasileira precisa estar na mesa, não apenas como executora de decisões, mas como formuladora de soluções viáveis. Porque, no fundo, combater desinformação é um problema de sistemas — e sistemas são a nossa especialidade.