O Espelho da Média
Entro em qualquer cafeteria de São Paulo e reconheço o lugar antes de olhar a fachada. Madeira de demolição, luminárias pendentes com filamento exposto, lettering em giz, menu minimalista com opções de leite vegetal. Poderia ser Pinheiros, Vila Madalena ou Moema. Poderia ser Lisboa ou Melbourne. Kyle Chayka documentou esse fenômeno em 2016, chamando-o de AirSpace: a convergência global de Airbnbs, cafeterias e coworkings para uma estética idêntica, otimizada para performar bem em fotos e gerar reservas. A sensação de familiaridade é imediata, quase reconfortante. E esse reconforto é o problema.
A padronização estética do cotidiano não nasceu com algoritmos. Revistas de decoração, catálogos de moda e a MTV já cumpriam essa função há décadas. O que mudou foi a velocidade do ciclo e a precisão do feedback. Antes, uma tendência levava anos para atravessar o Atlântico. Agora, um estilo de thumbnail no YouTube se replica em semanas. Alex Murrell, em seu ensaio “The Age of Average” de 2023, mapeou essa convergência em domínios improváveis: design de carros, logos corporativos, arquitetura residencial, até rostos de celebridades após procedimentos estéticos. As causas variam conforme o setor. Cafeterias convergem por supply chains globalizadas de materiais e preferências de investidores imobiliários. Thumbnails convergem por otimização algorítmica. Posts de LinkedIn convergem por normas profissionais. Tratá-los como manifestações idênticas do mesmo fenômeno seria impreciso. Mas compartilham uma característica: em cada caso, seguir o padrão dominante reduz risco.
Algoritmos de recomendação funcionam como espelhos, mas espelhos com curvatura própria. Eles não inventam preferências; amplificam as que existem através de métricas específicas. Um feed do Instagram mostra o que pessoas similares a você engajaram, priorizando não apenas cliques, mas tempo de sessão, compartilhamentos, salvamentos. O sistema otimiza para engajamento composto, não para satisfação declarada. Essa distinção importa: conteúdo que prende atenção pode incluir indignação, controvérsia ou novidade disruptiva. Porém, na prática, a distribuição massiva tende ao reconhecível. Um estudo da USC de 2022 sobre thumbnails do YouTube identificou que os 10% mais visualizados compartilham padrões visuais estatisticamente distinguíveis: rostos expressivos, texto contrastante, paletas específicas. O criador que desvia do padrão recebe menos distribuição. Aprende rápido a não desviar.
A economia da atenção opera por reconhecibilidade, mas não uniformemente. Existem contraexemplos robustos: Bandcamp prospera com estética anti-mainstream. Podcasts de nicho crescem fora da lógica de otimização visual. Substack permite modelos de negócio baseados em voz distintiva. Virais frequentemente exploram estranheza, não familiaridade. Esses casos existem. Porém operam em escala menor e exigem descoberta ativa pelo usuário. O fluxo default das plataformas dominantes, o home feed do Instagram ou TikTok, privilegia o familiar porque processa cognitivamente mais rápido. Em um scroll de milissegundos, não há tempo para apreciar o inusitado. O que se reconhece instantaneamente vence. Nichos sobrevivem, mas requerem intenção tanto do produtor quanto do consumidor.
Essa convergência documentada precede a iA generativa. Chayka escreveu em 2016, antes de GPT-3 existir. Murrell analisa setores onde ferramentas generativas têm penetração mínima. A pergunta sobre se iA acelera esse processo permanece empiricamente aberta. Não há dados robustos sobre que percentual de conteúdo em plataformas dominantes é gerado por iA versus humanos. A magnitude do efeito, se existe, está por quantificar.
O que se pode afirmar com segurança é diferente. iA generativa altera o cálculo estratégico de produção de conteúdo. Ela não necessariamente causa homogeneização, mas elimina o custo de produzir o mediano. Antes, fazer algo ruim dava trabalho. Um texto genérico exigia horas de digitação. Uma imagem sem personalidade demandava algum domínio técnico. A fricção do processo funcionava como filtro: se alguém ia se dar ao trabalho, tendia a colocar algo de si no resultado. A incompetência parcial forçava soluções idiossincráticas. Agora, o default é o output de máxima verossimilhança sequencial, que na prática converge para padrões dominantes do corpus de treinamento. Pedir a um modelo de linguagem que escreva um post para LinkedIn produz exatamente o que milhões de posts de LinkedIn ensinaram ao modelo que deveria ser. Nenhum erro interessante, nenhuma voz acidental.
Para quem trabalha com comunicação, isso altera a equação de esforço. A curto prazo, usar templates otimizados gera métricas defensáveis. O gerente de marketing mostra o relatório: engajamento dentro do esperado, custo por clique estável, nada de surpresas. O problema é que nada de surpresas significa nada de memória. Claude Hopkins, há um século, definia publicidade como vendedoria multiplicada. Mas vender exige que o vendedor se destaque na multidão. Se todos recitam o mesmo script gerado pela mesma ferramenta, a vantagem competitiva vira empate técnico.
A iA commoditiza a competência média. Isso poderia, em tese, valorizar a excelência genuína por contraste. Mas a lógica tem falha: a sobre-oferta de conteúdo mediano pode simplesmente reduzir o valor percebido de toda a categoria, não criar diferenciação automática para quem escapa do padrão. Se o feed está saturado de posts otimizados, a atenção disponível para qualquer post individual diminui, incluindo os excepcionais. O mercado não está necessariamente buscando o melhor; está filtrando o insuportável. A iA eleva o piso de qualidade mínima, mas não necessariamente amplia a demanda por excelência.
A tentação é concluir com prescrição: resista aos algoritmos, busque originalidade, seja corajoso. Mas isso seria desonestidade intelectual. A conformidade tem vantagens reais. Reduz risco, economiza energia cognitiva, gera resultados previsíveis. Seguir o template funciona dentro dos parâmetros que define como sucesso. A diferenciação tem custo, e nem sempre o prêmio justifica o investimento.
O que a iA faz é tornar esse trade-off explícito. Antes, era possível fingir que éramos originais por acidente, que nossa voz pessoal emergia naturalmente do processo porque não havia alternativa mais fácil. Agora, com o caminho fácil disponível a um prompt de distância, a originalidade requer intenção. Escolher a fricção quando a fluidez está ao alcance. Aceitar a distribuição menor em troca de algo que só você poderia ter feito. O espelho algorítmico não é neutro, tem vieses de design embutidos. Mas revela, com precisão desconfortável, qual caminho você está escolhendo.
ousadia criativa. precisão estratégica. – por kim.