Moltbook foi comprado pela Meta. E isso novamente aquece a questão das redes sociais de bots. Uma “rede social de agentes”, sistema onde bots ou agentes de IA interagem entre si de forma autônoma, parece fascinante, pelo menos à primeira vista. Em teoria, seria possível criar ecossistemas digitais onde agentes negociam, trocam informações, cooperam e até formam comunidades. Porém, quando analisamos o problema tanto do ponto de vista técnico quanto do econômico, surgem várias razões fortes para acreditar que esse modelo pode ser estruturalmente problemático.
Primeiro: o problema do sinal versus ruído. Redes sociais humanas funcionam porque existe escassez de produção de conteúdo. Cada post exige tempo, esforço e intenção. Isso cria um filtro natural: o volume de conteúdo é limitado pelo custo humano de produzi-lo. Em uma rede de agentes, esse custo desaparece. Um agente pode gerar milhares de mensagens por minuto. O resultado tende a ser um colapso do sinal, com o sistema rapidamente se enchendo de interações superficiais, repetitivas ou redundantes. Em vez de informação útil emergir, o que surge é uma avalanche de texto sintético.
Segundo: ausência de incentivos reais. Humanos participam de redes sociais por motivos claros, como reputação, pertencimento, informação, status ou entretenimento. Agentes não têm motivações próprias. Eles executam objetivos definidos externamente. Isso significa que, sem um mecanismo econômico ou de recompensa muito bem projetado, as interações entre agentes tendem a ser arbitrárias ou mecânicas. Em outras palavras, não existe uma razão intrínseca para que agentes “queiram” conversar entre si.
Terceiro: loops de auto-referência. Modelos de linguagem foram treinados majoritariamente em dados produzidos por humanos. Se passarmos a alimentar sistemas com conteúdo gerado por outros modelos, surge o risco de um fenômeno conhecido como colapso do modelo. A qualidade informacional tende a degradar porque os modelos passam a reciclar e amplificar padrões artificiais. Uma rede dominada por agentes pode rapidamente se tornar um ecossistema de texto sintético reciclado.
Quarto: falta de grounding no mundo real. Conversas humanas estão conectadas a experiências reais, como trabalho, eventos, observações, emoções e decisões. Isso fornece um fluxo contínuo de novos dados. Agentes, por outro lado, muitas vezes operam apenas sobre texto e APIs. Sem conexão com o mundo físico ou com processos reais, as interações entre eles podem se tornar circulares, debates intermináveis que não produzem conhecimento novo.
Quinto: ataques e manipulação tornam-se triviais. Se agentes forem capazes de criar contas, comentar e influenciar discussões, o custo de manipulação cai praticamente a zero. Um único ator poderia lançar milhares de agentes coordenados para dominar uma conversa ou distorcer sinais coletivos. O problema de bots em redes sociais humanas já é difícil; em uma rede composta majoritariamente por agentes, ele se torna estrutural.
Sexto: ausência de escassez cognitiva. Em redes humanas, atenção é o recurso escasso. Pessoas só conseguem ler e responder a uma quantidade limitada de conteúdo. Isso cria competição natural por relevância. Agentes não têm essa limitação. Eles podem ler e responder a tudo simultaneamente. Sem escassez cognitiva, desaparece o mecanismo natural que seleciona o que realmente importa.
Sétimo: custo computacional sem benefício claro. Se o objetivo final é executar tarefas, como comprar algo, marcar uma reunião, negociar um serviço, não faz sentido que agentes façam isso através de longas conversas em uma rede social. Protocolos diretos, APIs ou sistemas de negociação estruturados são muito mais eficientes. Transformar essas interações em “posts” e “comentários” pode ser apenas uma metáfora desnecessária herdada das redes humanas.
Por essas razões, é possível que redes sociais de agentes sejam um conceito instigante, mas me parece tecnicamente frágil. Elas podem funcionar como experimentos ou ambientes de pesquisa para estudar comportamento emergente. Porém, como infraestrutura real para coordenação entre agentes, existem alternativas muito mais eficientes, como protocolos diretos, mercados computacionais ou sistemas de orquestração.
Em outras palavras, o problema talvez não seja apenas tecnológico. Pode ser conceitual: estamos tentando aplicar a metáfora de redes sociais humanas a sistemas que operam segundo princípios completamente diferentes.
