Sistema de recomendação

É um sistema que sugere itens para cada pessoa com base em seu histórico, no comportamento de pessoas parecidas, nas características dos itens e no contexto do momento. Está por trás das sugestões de filmes, produtos, músicas, conteúdos e conexões que aparecem em praticamente todo produto digital. As abordagens mais comuns são a filtragem colaborativa, que usa o comportamento de usuários semelhantes (“quem comprou isso também comprou aquilo”), a filtragem por conteúdo, que usa as características dos itens, e modelos híbridos, que combinam as duas. No fundo, um sistema de recomendação resolve um problema de ranking: dado um usuário, em que ordem os itens devem ser apresentados. É um problema clássico de Machine Learning, anterior à IA Generativa.

Em Produto, recomendação é uma das aplicações de IA com impacto mais direto em engajamento e conversão, e também uma das mais fáceis de fazer mal. O ponto de partida é definir o que a recomendação deve otimizar: cliques, compras, tempo de uso, satisfação a longo prazo. Cada escolha gera um comportamento diferente do sistema. Uma tentação atual é usar um LLM para escolher o que recomendar. Em geral, é uma má ideia: é lento, caro, não reprodutível e difícil de auditar quando o usuário reclama. O caminho mais sólido é recomendar com Machine Learning clássico e, se fizer sentido, usar IA Generativa na camada de linguagem, para explicar a recomendação ou personalizar a mensagem. Também vale desenhar como o usuário pode entender e ajustar suas recomendações, e cuidar dos vieses de interação: o sistema aprende com o que mostrou, e pode reforçar seus próprios padrões.

Use sistema de recomendação quando existe histórico de interações e o objetivo é sugerir itens relevantes para cada pessoa. Use busca quando o usuário sabe o que quer e descreve; recomendação é para quando ele não pediu nada específico. Use ranking para falar da tarefa técnica de ordenar itens, que está dentro da recomendação e também dentro da busca. Use IA Generativa apenas para a camada de linguagem da recomendação, como explicar por que um item foi sugerido. Uma forma simples de diferenciar: busca responde ao que a pessoa pediu; recomendação antecipa o que ela pode querer; ranking é a técnica de ordenar em ambos os casos.

Filtragem colaborativa (GroupLens, 1994); Netflix Prize (2006-2009) popularizou a área.

Google Machine Learning Crash Course, Recommendation Systems; Koren, Bell & Volinsky (2009)