Bot é a conta de plataforma digital cuja atividade é executada, no todo ou em parte, por software — e não por uma pessoa agindo em tempo real. Em estudos de desinformação, o termo designa sobretudo a conta automatizada usada para amplificar conteúdo, simular consenso e inflar métricas, e é nesse uso que ele se confunde com o de automação legítima.
1. Definição e Escopo
O termo abrevia robot e designa, no vocabulário das plataformas, a conta operada por script ou agente de software. A definição é técnica, mas o uso do conceito raramente é: na maior parte da literatura sobre informação e conflito, “bot” nomeia uma categoria de ator suspeito. Distinguir as três coisas que o termo recobre é o primeiro passo analítico.
Automação declarada. Contas que publicam por software sem dissimular a natureza — alertas meteorológicos, agregadores de notícias, avisos de serviço. Não são objeto de estudo da desinformação, salvo quando uma plataforma as trata como usuárias.
Amplificação inautêntica. Contas que se apresentam como pessoas para inflar métricas, simular consenso e criar a impressão de que uma posição é majoritária. Operam frequentemente em rede coordenada, com um único operador e muitos perfis — a distinção entre o bot isolado e a botnet é menos de tecnologia do que de administração.
Automação híbrida. A categoria que mais cresceu desde 2018: o cyborg, conta em que uma pessoa opera vários perfis com apoio de software, e o perfil alimentado por modelo de linguagem. Nesses casos, a classificação binária — humano ou bot — deixa de descrever o objeto.
Duas confusões precisam ser desfeitas. A primeira é entre bot social e chatbot: o segundo é uma interface de diálogo, não uma conta de plataforma, e a sinonímia circula na imprensa em períodos eleitorais com consequências para o debate público. A segunda é entre detecção e certeza: os classificadores que estimam a probabilidade de automação — o mais citado deles treinado sobre dados de plataforma — produzem escores, não veredictos, e a escolha do limiar de corte muda o resultado que o pesquisador relata (VAROL et al., 2017). Um “bot” contado por limiar frouxo e outro por limiar estrito não são o mesmo objeto.
2. Etimologia e Origem Conceitual
Robot entra nas línguas europeias pela peça R.U.R., de Karel Čapek (1920), e a abreviação bot consolida-se no vocabulário da computação nos anos 1980, para programas que executam tarefas repetitivas — daí chatbot, crawler e os bots de jogo. A migração do termo para a vida social das plataformas é fenômeno da década de 2010, e traz consigo uma ambiguidade que nunca foi resolvida: o mesmo vocabulário descreve o assistente útil e o operador fraudulento.
Na pesquisa acadêmica, a formulação de referência é a de Ferrara e colegas, em artigo do Communications of the ACM que sistematiza o fenômeno: o bot social é uma conta controlada por algoritmo que se passa por humano e atua em rede, e sua ameaça não está na automação em si, mas na escala e na dissimulação combinadas (FERRARA et al., 2016). O enquadramento desloca a pergunta da técnica para o efeito: o que importa não é se a conta é automatizada, e sim se o conjunto de contas automatizadas produz uma percepção falsa.
3. Desenvolvimento Histórico
2010–2016: consolidação do conceito. A abertura de interfaces de programação pelas plataformas, na segunda metade dos anos 2000, permite que a automação de contas deixe de ser façanha técnica e se torne serviço. A literatura mede, a partir de 2016, o que até então era anedótico: a estimativa de prevalência passa a ser um problema metodológico próprio (VAROL et al., 2017).
2014–2018: o ciclo eleitoral e a evidência empírica. A operação da Internet Research Agency de São Petersburgo, reconstruída em dois relatórios técnicos independentes de 2018 a partir de dados internos de plataforma, é o marco empírico da passagem do bot como curiosidade ao bot como componente de uma operação de influência: perfis automatizados e operados por equipes remuneradas, com divisão de trabalho entre criação, administração e amplificação (HOWARD et al., 2018; DIRESTA et al., 2018). Os dois relatórios convergem em um ponto que a discussão pública raramente registra: a operação era majoritariamente humana — o rótulo “fábrica de trolls” descreve melhor o que se documentou do que “rede de bots”.
2018–2022: o deslocamento para a amplificação humana. A evidência subsequente enfraquece a hipótese da centralidade dos bots: no estudo de difusão de notícias falsas no Twitter, as mensagens falsas se espalham mais longe, mais rápido e mais profundamente que as verdadeiras, e o efeito é atribuído ao comportamento humano, não à automação (VOSOUGHI; ROY; ARAL, 2018). A literatura passa a tratar bots como aceleradores de um processo cuja energia vem de pessoas.
Depois de 2022: a camada generativa. Contas alimentadas por modelos de linguagem reduzem o custo de produzir texto plausível em escala e tornam o traço estilístico — que sustentava boa parte da detecção — menos discriminante. A literatura registra o problema sem ter consolidado resposta: os classificadores treinados no ciclo 2016–2020 perdem poder à medida que a produção automática se aproxima da humana.
4. Debate Teórico
Automação versus coordenação. A primeira clivagem é sobre o que o conceito deve capturar. Para uma linhagem, bots são um tipo de conta; para outra, o objeto relevante é a coordenação — redes de contas, humanas ou não, que agem em sincronia. A segunda posição ganhou terreno porque a evidência empírica mostra operações em que o componente automatizado é minoritário e o efeito é o mesmo.
Medida versus rótulo. A segunda clivagem é metodológica e tem consequência política. Como a detecção é probabilística, o número de bots em um debate público depende do limiar; a divulgação de percentuais sem o limiar declarado produz alegações que não podem ser conferidas. Parte da literatura registra o risco inverso: a atribuição de automação a adversários políticos como forma de desqualificar participação legítima.
Bots e esfera pública. A terceira clivagem é normativa. Se a amplificação inautêntica distorce a percepção do que a maioria pensa, ela fere o mecanismo eleitoral antes de ferir a verdade de um enunciado específico — o que sugere que a resposta adequada é de transparência de infraestrutura (dados de plataforma, rotulagem de automação), e não de remoção de conteúdo. A ausência desses dados é, hoje, o principal constrangimento da pesquisa no campo.
5. Casos Documentados
A Internet Research Agency (2014–2018). Os dois relatórios de 2018 descrevem perfis operados em escala industrial, com metas de produtividade por turno, segmentação por audiência e foco declarado em polarização racial e política nos Estados Unidos (HOWARD et al., 2018; DIRESTA et al., 2018). O caso é a melhor documentação disponível porque se apoia em dados internos das plataformas, obtidos por intimação — e é também o caso que ensinou ao campo o limite de sua evidência: sem esse acesso, o mesmo fenômeno só seria visível como padrão estatístico.
A estimativa de prevalência. O trabalho que treinou o classificador mais usado na área combinou rotulagem humana e aprendizado de máquina para estimar a fração de contas automatizadas em uma amostra de grande escala (VAROL et al., 2017). O resultado que interessa aqui não é o número, e sim o desenho: a estimativa é construída com um conjunto rotulado, e a transferência desse conjunto para outros contextos — outra plataforma, outro idioma, outra eleição — não é automática.
O Brasil. A discussão brasileira sobre automação eleitoral se apoia sobretudo em investigações jornalísticas e em trabalhos acadêmicos sobre as eleições de 2014, 2018 e 2022, com menos séries de dados do que a discussão estadunidense. A literatura consultada para este verbete não registra estimativa publicada e replicável de prevalência de automação por pleito no país — o que, por si, é um dado do campo: parte do debate público opera com números que não passaram por revisão.
6. Implicações para o Contexto Brasileiro
Na regulação. No debate do PL nº 2.630/2020, em tramitação desde 2020, a automação aparece como objeto a regular: a identificação de contas operadas por software é uma das obrigações em disputa nas versões do texto (BRASIL, 2020). O desenho tem uma dificuldade intrínseca: obrigar a rotulagem de automação exige que a plataforma saiba qual conta é automatizada, e a própria plataforma é a fonte do dado que a regra exigiria publicar.
Na resposta eleitoral. A disciplina construída pelo TSE desde 2019 trata o conteúdo — remoção, impulsionamento, responsabilização —, não o comportamento coordenado. Um enquadramento por comportamento exigiria detectar coordenação antes de julgar o enunciado, o que é tecnicamente mais difícil e juridicamente mais delicado, porque exige inferir intenção a partir de padrão.
Na pesquisa. O acervo do núcleo tem o corpus doutrinário e a literatura internacional; falta a série de dados. Enquanto o acesso a dados de plataforma não tiver protocolo — como o previsto, mas não implementado, no debate regulatório brasileiro —, a pesquisa nacional sobre automação continuará dependendo de dados cedidos por terceiros ou de observação indireta.
7. Ver Também
- Propaganda computacional
- Inautenticidade coordenada (CIB)
- Troll
- Astroturfing
- Microtargeting
- Desinformação
- Glossário: bot
8. Referências
BRASIL. Câmara dos Deputados. Projeto de Lei nº 2.630, de 2020: institui a Lei Brasileira de Liberdade, Responsabilidade e Transparência na Internet. Brasília: Câmara dos Deputados, 2020. Em tramitação.
DIRESTA, Renée et al. The tactics and tropes of the Internet Research Agency. Austin: New Knowledge, 2018. Relatório técnico encomendado pelo Senate Select Committee on Intelligence.
FERRARA, Emilio et al. The rise of social bots. Communications of the ACM, v. 59, n. 7, p. 96-104, 2016.
HOWARD, Philip N. et al. The IRA, social media and political polarization in the United States, 2012-2018. Oxford: Oxford Internet Institute, 2018.
VAROL, Onur et al. Online human-bot interactions: detection, estimation, and characterization. In: PROCEEDINGS OF THE INTERNATIONAL AAAI CONFERENCE ON WEB AND SOCIAL MEDIA, 11., 2017, Montreal. Proceedings […]. Palo Alto: AAAI, 2017. p. 280-289.
VOSOUGHI, Soroush; ROY, Deb; ARAL, Sinan. The spread of true and false news online. Science, v. 359, n. 6380, p. 1146-1151, 2018.
Verbete da Enciclopédia NEGISC — Núcleo de Estudos em Guerra Informacional e Segurança Cognitiva / GEPSI / IREL / UnB. Licença CC BY-SA 4.0.