Guia para Compreender a Influência de Finfluencers e Influenciadores de IA nas Decisões de seus Seguidores

Introdução

No cenário atual das mídias sociais, influenciadores digitais têm moldado significativamente as opiniões e decisões das pessoas em diversas áreas do conhecimento. Entre esses influenciadores, destacam-se dois grupos específicos: os finfluencers (influenciadores financeiros), que fornecem conselhos sobre investimentos e finanças, e os influenciadores de Inteligência Artificial (IA), que orientam sobre tecnologias emergentes e suas aplicações. Ambos os grupos exercem um poder considerável sobre as decisões de seus seguidores, tornando essencial compreender a dinâmica dessa influência.

Este guia explora a relação entre popularidade e competência técnica desses influenciadores, analisando como suas recomendações impactam as decisões de seus seguidores. Estudos recentes demonstram que muitos finfluencers populares oferecem conselhos de baixa qualidade, resultando em retornos negativos para investidores. A hipótese central é que fenômenos semelhantes ocorrem no contexto dos influenciadores de IA, onde a popularidade nem sempre reflete o domínio técnico do assunto.

Ao longo deste guia, examinaremos detalhadamente os resultados de estudos sobre finfluencers e aplicaremos essas descobertas ao contexto dos influenciadores de IA, fornecendo ferramentas para avaliar criticamente as recomendações recebidas e tomar decisões mais informadas, seja no campo financeiro ou tecnológico.

Pré-requisitos

Para aproveitar ao máximo este guia, recomendamos:

• Conhecimento básico sobre redes sociais e seu funcionamento
• Interesse em compreender a dinâmica da influência digital
• Disposição para analisar criticamente informações recebidas
• Familiaridade básica com conceitos de finanças e/ou inteligência artificial (não obrigatório, mas útil)

1. Entendendo o Fenômeno dos Finfluencers e Influenciadores de IA

A influência dos finfluencers nas decisões financeiras dos investidores de varejo tem sido um tema de crescente interesse acadêmico nos últimos anos. Estudos indicam que muitos investidores seguem conselhos de influenciadores populares nas mídias sociais, frequentemente sem avaliar criticamente a qualidade dessas recomendações. Este comportamento tem gerado preocupações significativas entre reguladores, como a Securities and Exchange Commission (SEC) nos Estados Unidos, sobre a disseminação de conselhos financeiros não regulados e potencialmente prejudiciais.

A literatura sobre finfluencers sugere um fenômeno preocupante: a popularidade desses influenciadores não está necessariamente correlacionada com a qualidade de suas recomendações. Na verdade, muitos deles possuem o que os pesquisadores chamam de “habilidades negativas”, ou seja, suas recomendações consistentemente geram resultados piores do que o esperado pelo acaso. Este fenômeno é explicado, em parte, pela homofilia – a tendência dos indivíduos de se associarem a outros com características ou crenças semelhantes – criando redes de seguidores que reforçam vieses preexistentes.

Paralelamente, observamos um fenômeno similar no universo da Inteligência Artificial, onde influenciadores populares fornecem orientações sobre tecnologias emergentes. Assim como no caso dos finfluencers, a qualidade da informação fornecida por influenciadores de IA é variável e muitas vezes questionável. Influenciadores populares podem não possuir o conhecimento técnico necessário para fornecer conselhos precisos sobre o desenvolvimento e a aplicação de tecnologias de IA, levando à adoção de práticas subótimas e ao uso inadequado de algoritmos.

2. Metodologia de Análise da Qualidade das Recomendações

Para compreender a dinâmica da influência dos finfluencers, estudos recentes utilizaram dados detalhados de tweets de mais de 29.000 influenciadores financeiros na plataforma StockTwits, abrangendo o período de julho de 2013 a janeiro de 2017. Esses dados incluíram o conteúdo dos tweets, o número de seguidores, o número de usuários seguidos, e outros indicadores de atividade e popularidade, permitindo uma análise abrangente do comportamento e impacto desses influenciadores.

A metodologia envolveu a classificação dos finfluencers em três categorias principais: habilidosos, não habilidosos e anti-habilidosos. Esta classificação foi baseada nos retornos anormais mensais gerados pelas recomendações de cada finfluencer, calculados comparando o desempenho das ações recomendadas com benchmarks de mercado. Para distinguir habilidade genuína de mera sorte, os pesquisadores empregaram técnicas de modelagem de mistura, que permitem identificar padrões consistentes de desempenho ao longo do tempo.

Além da classificação por habilidade, os estudos analisaram a relação entre popularidade (medida pelo número de seguidores) e qualidade das recomendações, bem como a persistência das habilidades ao longo do tempo. Estas análises revelaram insights valiosos sobre a dinâmica da influência nas redes sociais e seu impacto nas decisões financeiras dos seguidores. Uma metodologia similar pode ser aplicada para avaliar a qualidade das recomendações de influenciadores de IA, examinando a precisão técnica e a fundamentação científica das informações fornecidas, utilizando ferramentas de análise de dados e revisão por pares para distinguir entre influenciadores tecnicamente competentes e aqueles que simplesmente seguem tendências sem uma compreensão profunda do assunto.

3. Resultados Surpreendentes sobre a Distribuição de Habilidades

A análise dos tweets revelou uma baixa precisão média nas recomendações fornecidas pelos finfluencers, com uma alta dispersão na qualidade dos conselhos. Os resultados são alarmantes: apenas 28% dos finfluencers foram classificados como habilidosos, gerando retornos anormais mensais positivos de aproximadamente 2,6%. Em contraste, 16% foram classificados como não habilidosos (sem impacto significativo), e a maioria, 56%, foram identificados como anti-habilidosos, com retornos mensais negativos de -2,3%. Esta distribuição desproporcional de habilidades indica um forte viés na qualidade da informação disponível nas redes sociais.

Esta descoberta tem implicações significativas para os seguidores desses influenciadores, pois sugere que a maioria das recomendações financeiras nas redes sociais pode levar a perdas financeiras. A predominância de influenciadores menos qualificados resulta em uma disseminação generalizada de conselhos inadequados, criando um ambiente informacional distorcido onde decisões financeiras são frequentemente baseadas em orientações de baixa qualidade. Este desequilíbrio representa um desafio significativo para investidores que buscam informações confiáveis nas plataformas de mídia social.

Aplicando estes achados ao contexto dos influenciadores de IA, é razoável supor que a distribuição de habilidades siga um padrão semelhante, com muitos influenciadores populares fornecendo conselhos tecnicamente não sólidos sobre o desenvolvimento e implementação de tecnologias de IA. A identificação de influenciadores verdadeiramente habilidosos neste campo requer uma análise crítica de suas credenciais, experiência prática e contribuições acadêmicas, bem como uma avaliação rigorosa da qualidade técnica de suas recomendações. Técnicas de modelagem estatística semelhantes às utilizadas no estudo dos finfluencers podem ser adaptadas para classificar influenciadores de IA com base na solidez técnica de suas orientações.

4. O Paradoxo da Popularidade versus Competência

Um dos achados mais intrigantes dos estudos sobre finfluencers é a correlação negativa entre popularidade e qualidade das recomendações. Contrariamente ao que se poderia esperar, influenciadores menos qualificados tendiam a ter mais seguidores e maior impacto nas decisões de investimento. Este paradoxo sugere que fatores como carisma, estilo de comunicação ou habilidades de marketing podem ser mais determinantes para a popularidade do que a competência técnica na área financeira.

Esta dinâmica é explicada, em parte, pela teoria da sobrevivência de especialistas não qualificados proposta por Berk e Van Binsbergen (2022), que sugere que profissionais que não entregam o serviço prometido (charlatões) podem sobreviver em equilíbrio de mercado devido a falhas na capacidade dos consumidores de identificar competência real. No contexto das redes sociais, esta dinâmica é amplificada pela rapidez com que informações – independentemente de sua qualidade – podem ser disseminadas, permitindo que influenciadores anti-habilidosos alcancem e mantenham grandes audiências apesar de seus conselhos prejudiciais.

A relação entre popularidade e competência entre influenciadores de IA provavelmente segue um padrão semelhante. Influenciadores populares de IA podem ganhar seguidores por meio de estratégias de marketing eficazes, narrativas atraentes sobre o futuro da tecnologia, ou simplesmente por serem os primeiros a comentar sobre novas tendências, mesmo que suas recomendações não sejam tecnicamente sólidas. Esta dinâmica pode resultar na adoção generalizada de práticas inadequadas e em uma compreensão superficial das tecnologias de IA, destacando a importância da conscientização sobre a necessidade de análise crítica das fontes de informação neste campo em rápida evolução.

5. O Papel da Homofilia e dos Vieses de Crença

A homofilia – a tendência de indivíduos se associarem a outros com características ou crenças semelhantes – desempenhou um papel significativo na formação das redes de seguidores dos finfluencers. Este fenômeno contribui para a criação de câmaras de eco onde vieses existentes são reforçados e a exposição a informações diversificadas é limitada. No contexto financeiro, a homofilia leva os investidores a seguir influenciadores que compartilham suas visões de mercado, mesmo quando essas visões são tecnicamente inadequadas, contribuindo para a sobrevivência e prosperidade de influenciadores não qualificados.

As recomendações de influenciadores anti-habilidosos frequentemente criaram vieses de crença entre seus seguidores, levando a expectativas irrealistas sobre retornos de investimento e estratégias de mercado. Estes vieses persistentes resultaram em flutuações contínuas nas crenças sobre os mercados financeiros, com seguidores alternando entre otimismo excessivo e pessimismo injustificado, dependendo das recomendações mais recentes de seus influenciadores preferidos. Tais oscilações nas crenças levaram a decisões de investimento inadequadas e, consequentemente, a resultados financeiros subótimos.

No contexto dos influenciadores de IA, a homofilia pode afetar significativamente a formação de comunidades online e a disseminação de informações. Desenvolvedores e empresas podem naturalmente gravitar em torno de influenciadores cujas opiniões estão alinhadas com suas próprias visões sobre tecnologia, levando à formação de bolhas informacionais onde certas abordagens ou tecnologias são supervalorizadas enquanto outras são ignoradas. Vieses de crença influenciados por recomendações inadequadas são igualmente relevantes no contexto de IA, onde influenciadores populares podem gerar expectativas infundadas sobre as capacidades e limitações das tecnologias de IA, levando a decisões de investimento e desenvolvimento baseadas em percepções equivocadas da realidade tecnológica.

6. Estratégias para Navegar no Mundo dos Influenciadores

Uma descoberta surpreendente dos estudos sobre finfluencers foi que investir de forma contrária às recomendações dos influenciadores anti-habilidosos mostrou-se uma estratégia eficaz, gerando retornos anormais positivos. Este fenômeno, que poderia ser chamado de “sabedoria da multidão anti-habilidosa”, sugere que identificar e fazer o oposto do que recomendam influenciadores consistentemente inadequados pode ser uma abordagem viável para investidores informados.

Para aplicar este conhecimento de forma prática, os seguidores de influenciadores, tanto no campo financeiro quanto no de IA, devem desenvolver habilidades de análise crítica. Isto inclui verificar as credenciais e o histórico de desempenho dos influenciadores, buscar múltiplas fontes de informação para validar recomendações, e estar ciente dos próprios vieses que podem influenciar a percepção da qualidade dos conselhos recebidos. A educação financeira e a alfabetização tecnológica são fundamentais para desenvolver estas habilidades críticas.

Estratégias contrárias às recomendações de influenciadores anti-habilidosos de IA também podem ser eficazes para evitar decisões tecnológicas inadequadas. Isto requer uma análise crítica das recomendações recebidas e uma disposição para desafiar a sabedoria convencional quando esta não é apoiada por evidências técnicas sólidas. A promoção de uma cultura de questionamento e verificação dentro das organizações e comunidades de desenvolvimento pode ajudar a identificar práticas mais eficazes e tecnicamente sólidas, contrapondo-se à influência potencialmente negativa de recomendações inadequadas disseminadas por influenciadores populares.

7. A Importância da Educação Crítica e Alfabetização Tecnológica

Os estudos sobre finfluencers e suas implicações para influenciadores de IA destacam a importância crucial da educação crítica e da alfabetização tecnológica. Em um ambiente informacional onde a popularidade não está correlacionada com competência técnica, a capacidade de avaliar criticamente as informações recebidas torna-se uma habilidade essencial. Esta educação crítica deve incluir o desenvolvimento de habilidades para identificar fontes confiáveis, avaliar a qualidade das evidências apresentadas, e reconhecer vieses potenciais tanto nas fontes de informação quanto em nossas próprias interpretações.

Ferramentas de verificação e análise de dados podem desempenhar um papel importante neste processo, ajudando a identificar e promover influenciadores tecnicamente competentes. Estas ferramentas podem incluir plataformas de revisão por pares, sistemas de avaliação da qualidade técnica das recomendações, e mecanismos para rastrear o histórico de desempenho das orientações fornecidas. Ao utilizar estas ferramentas, seguidores podem fazer escolhas mais informadas sobre quais influenciadores seguir e quais recomendações adotar.

A colaboração entre pesquisadores, profissionais e plataformas de mídia social é crucial para desenvolver e implementar estas ferramentas e promover uma cultura de análise crítica. As plataformas de mídia social, em particular, têm a responsabilidade de considerar não apenas o engajamento e a popularidade, mas também a qualidade técnica do conteúdo que promovem. Implementar mecanismos para destacar conteúdo tecnicamente sólido e fornecer contexto para afirmações questionáveis pode ajudar a criar um ambiente informacional mais equilibrado e confiável.

Conclusão

A análise comparativa entre finfluencers e influenciadores de IA revela padrões significativos na dinâmica da influência nas mídias sociais. Em ambos os contextos, a popularidade não está necessariamente alinhada com a competência técnica, resultando frequentemente na disseminação de informações inadequadas e na adoção de práticas subótimas. A homofilia e os vieses de crença desempenham papéis importantes nesta dinâmica, criando comunidades onde informações de baixa qualidade podem prosperar e influenciar decisões importantes.

Estes achados têm implicações profundas para como interagimos com influenciadores em qualquer campo. Eles destacam a necessidade de desenvolver habilidades de análise crítica, buscar múltiplas fontes de informação, e estar consciente dos vieses que podem afetar nossas percepções e decisões. A educação crítica e a alfabetização tecnológica emergem como ferramentas essenciais para navegar em um ambiente informacional cada vez mais complexo e potencialmente enganoso.

Para o futuro, é essencial que pesquisadores, profissionais e plataformas de mídia social colaborem para desenvolver ferramentas e práticas que promovam a disseminação de informações robustas e tecnicamente sólidas. Isso inclui mecanismos para identificar e destacar conteúdo de alta qualidade, fornecer contexto para afirmações questionáveis, e educar os usuários sobre como avaliar criticamente as informações que consomem. Somente através destes esforços conjuntos poderemos maximizar os benefícios potenciais dos influenciadores digitais enquanto minimizamos os riscos associados a conselhos inadequados ou enganosos.

Fonte: Kakhbod, A., Kazempour, S., Livdan, D., & Schürhoff, N. (2023). Finfluencers. SSRN. Disponível em: https://ssrn.com/abstract=4428232

Fonte: Berk, J. B., & Van Binsbergen, J. H. (2022). “Assessing Asset Pricing Models using Revealed Preference.” Journal of Financial Economics, 126(1), 1-20.