‘Novelinhas de frutas’ expõem vulnerabilidade infantil à recomendação algorítmica
TikTok – Nas últimas semanas, vídeos gerados por Inteligência Artificial com personagens coloridos e enredos dramáticos invadiram o feed de crianças brasileiras, espalhando misoginia, abuso e preconceito sob uma estética lúdica que confunde pais e moderadores.
- Em resumo: Conteúdo automático, barato e em série engana filtros infantis e viraliza antes que responsáveis percebam o risco.
Escala sintética: muito conteúdo, quase nenhum controle
Ferramentas de IA generativa criam vozes, cenários e episódios completos em minutos, reduzindo custos de produção a praticamente zero. Esse volume encontra terreno fértil em algoritmos de engajamento que priorizam retenção, como já alertou a UNICEF.
“Parece um conteúdo para crianças, porque são frutinhas,
mas de infantil ele não tem nada”, resume a educadora Januária Cristina Alves.
Por que o Brasil virou laboratório dessa tendência?
Segundo o levantamento TIC Kids Online Brasil 2025, 92% dos jovens de 9 a 17 anos já estão conectados, e 28% navegaram pela primeira vez antes dos 6 anos. Esse público maciço, aliado ao apelo cultural das novelas nacionais, impulsiona as chamadas “novelinhas de frutas”.
Analistas de mercado lembram que a mesma lógica de recomendações explosivas turbinou fenômenos como “Fruit Love Island” em março de 2026. Agora, o formato local mistura melodrama e estética caricata para superar a barreira dos filtros de proteção infantil.
Entre a lei e a monetização: quem protege de fato?
O Estatuto Digital da Criança e do Adolescente, em vigor desde 2025, obriga plataformas a conter conteúdo nocivo. Porém, a remuneração por visualizações ainda premia vídeos curtos, intensos e seriados. Enquanto a regulação não cria mecanismos técnicos eficazes, especialistas recomendam reforço na alfabetização midiática e no uso de controles parentais.
O que você acha? Esse modelo de IA lúdica deve ser banido ou educado? Para mais análises sobre inteligência artificial, acesse nossa editoria especializada.
Crédito da imagem: Divulgação / MIT Technology Review
