Rótulos de IA do LinkedIn 2026: Procedência no Arquivo

O LinkedIn começou a anexar um pequeno selo cinza "Gerado por IA" nos posts de formato longo em meados de 2025, e em meados de 2026 o selo deixou de ser opcional. A plataforma aplica o rótulo a qualquer post onde seu classificador ou a divulgação do próprio criador sinalize envolvimento de IA, e o selo permanece mesmo quando o post é editado depois. Para quem arquiva o LinkedIn como fonte de pesquisa ou marketing, esse selo agora faz parte do registro — e a maioria dos scrapers de terceiros ainda o descarta.

O The Register reportou em julho de 2026 que cerca de um quarto de todos os posts longos no LinkedIn e no X agora são sinalizados como tendo envolvimento de IA de alguma forma. O número de capa é interessante, mas a história mais prática é o que sobrevive depois que a plataforma reclassifica, edita ou remove silenciosamente o rótulo depois. Este guia mostra como capturar o próprio rótulo como parte do seu arquivo do LinkedIn, por que o enquadramento binário "IA ou não" é a pergunta errada, e como a exportação Markdown do threadgrab leva os metadados adiante até um registro pesquisável.

O que o rótulo de IA do LinkedIn em 2026 mostra de fato no feed

O selo é pequeno e aparece em dois lugares. Num cartão do feed, a plataforma renderiza uma pílula cinza rotulada "Gerado por IA" ou "Assistido por IA" no canto superior direito. Na página de detalhes do post, o mesmo rótulo aparece sob a linha do autor ao lado do timestamp. Ambos os posicionamentos carregam os mesmos dados: uma pontuação do classificador, uma flag de auto-divulgação e um intervalo de confiança que o LinkedIn não expõe aos leitores.

O que o selo não carrega é a fonte do sinal original. O classificador do LinkedIn pode marcar um post porque o autor marcou uma caixa de seleção "este post usou IA" no compositor, porque o modelo da própria plataforma acha que o texto parece sintético, ou porque um manifesto externo estilo C2PA veio junto com o upload. O selo visível colapsa os três sinais em uma palavra. Se o seu arquivo quer ser útil em seis meses, você precisa capturar mais do que o selo.

Por que "IA ou não" é a pergunta errada para arquivistas

O pior erro é manter duas pastas: uma para posts "humanos", outra para posts de "IA". Esse modelo binário se desfaz no momento em que um post é reclassificado. O LinkedIn atualizou seu classificador em fevereiro de 2026 e rebaixou cerca de 9% dos posts antes aprovados para "assistido por IA" da noite para o dia. Qualquer pessoa cujo arquivo era uma lista plana com um único campo sim/não viu sua taxonomia ser embaralhada em escala.

O melhor modelo mental é capturar quatro sinais independentes para cada post: o rótulo atual da plataforma, a confiança do classificador, o estado da caixa de divulgação do autor no momento da publicação, e qualquer manifesto de procedência externo que o autor tenha anexado. Cada sinal recebe timestamp e version-stamp. A reclassificação se torna uma nova linha no mesmo registro em vez de uma re-etiquetagem de um existente.

Três pedaços de procedência que valem a pena capturar

Para cada post do LinkedIn no seu arquivo, capture os três campos a seguir. Eles são o conjunto mínimo que sobrevive a uma mudança de rótulo sem perder o histórico de como o post foi sinalizado.

• ai_label_state — o texto do selo que o LinkedIn estava renderizando no momento da captura: none, ai-assisted, ai-generated ou removed.
• ai_label_source — o sinal que disparou o selo: author_disclosure, platform_classifier, c2pa_manifest ou unknown.
• ai_label_confidence — a confiança do classificador da plataforma no momento da captura, expressa como float de 0–1. Pule se o LinkedIn não a expuser; nunca invente um valor.

Esses três campos mais o corpo do post e a URL formam um registro de procedência compatível com qualquer esquema de rotulagem que o LinkedIn lance a seguir. Se o LinkedIn mudar para uma escala de cinco níveis ou adicionar um modo só-C2PA em 2027, seu arquivo ainda terá os sinais brutos necessários para re-derivar o novo rótulo.

Um workflow de captura em quatro passos que sobrevive a uma mudança de rótulo

O workflow abaixo é o que usamos internamente para manter os próprios snapshots do LinkedIn do threadgrab confiáveis. Ele assume que você tem acesso a um cookie de sessão do LinkedIn e um diretório de arquivo que armazena JSON.

Passo 1 — Capture a página ao vivo antes do selo se mover. O rótulo é renderizado server-side, então um único GET de página inteira preserva o texto do selo no HTML. Faça isso uma vez por post; um re-fetch no mesmo dia retorna o mesmo HTML em 99% dos casos.

Passo 2 — Extraia o sinal do classificador embutido no JSON da página. O LinkedIn envia a saída do classificador num blob __INITIAL_STATE__. O curl a seguir extrai isso de forma limpa:

curl -sS -b "li_at=$LINKEDIN_SESSION_COOKIE" \
  "https://www.linkedin.com/voyager/api/feed/updates/urn:li:activity:$POST_ID" \
  | jq '.elements[0].socialDetail.metadata.aiLabel'

Se a resposta não tiver o campo aiLabel, o post está atualmente sem rótulo — registre none no passo 3. Se o campo estiver presente, ele carrega o texto do selo e a confiança num único objeto.

Passo 3 — Escreva um registro de procedência junto ao post. Combine o rótulo, a fonte, a confiança e a URL num sidecar JSON. Esse é o campo que torna o arquivo pesquisável depois.

import json
from datetime import datetime, timezone

def write_provenance(post_id, post_url, label_obj):
    record = {
        "post_id": post_id,
        "url": post_url,
        "captured_at": datetime.now(timezone.utc).isoformat(),
        "ai_label_state": label_obj.get("state", "none"),
        "ai_label_source": label_obj.get("source", "unknown"),
        "ai_label_confidence": label_obj.get("confidence"),
    }
    out_path = f"archive/linkedin/{post_id}.provenance.json"
    with open(out_path, "w", encoding="utf-8") as f:
        json.dump(record, f, ensure_ascii=False, indent=2)
    return out_path

Passo 4 — Recapture trimestralmente, não diariamente. O LinkedIn re-executa seu classificador em ciclo de cerca de 90 dias. Recapturas diárias queimam cookies de sessão sem benefício; capturas trimestrais pegam reclassificações sem desperdiçar seu orçamento de rate-limit.

Como a exportação Markdown do threadgrab leva o rótulo adiante

O workflow de quatro passos acima produz dois artefatos: uma renderização Markdown do corpo do post, e um sidecar JSON com os metadados do rótulo. O exportador do LinkedIn do threadgrab conecta os dois no momento da exportação prefixando o rótulo ao frontmatter Markdown:

• Bloco de frontmatter no topo do arquivo .md mantém ai_label_state, ai_label_source e ai_label_confidence como chaves YAML.
• Marcador inline — uma pequena linha em itálico sob o título do post, ex. assistido por IA (classificador da plataforma, confiança 0.84), torna o rótulo visível para qualquer pessoa que abrir o arquivo num leitor Markdown.
• Sidecar JSON fica junto ao .md para qualquer ferramenta que queira reingerir os sinais brutos.

A combinação significa que um você-do-futuro, buscando no arquivo local com rg "ai_label_state: ai-generated", consegue achar todos os posts sinalizados sem analisar o texto do corpo. Esse tipo de busca estruturada é o que torna um arquivo de procedência útil em vez de um dump de texto plano.

Como isso se compara ao rótulo Grok do X e ao sem-rótulo do Bluesky

A abordagem do LinkedIn é a mais conservadora das três principais plataformas de formato longo em 2026.

• X Articles usa o classificador do Grok, que adiciona uma nota de rodapé "Gerado por IA" sob o corpo do post mas não expõe a pontuação de confiança publicamente. Autores podem contestar o rótulo dentro do compositor do X, e rótulos contestados ganham uma pequena tag "em revisão". O rótulo faz parte do objeto público do post, então qualquer scraper que puxa o corpo do post também puxa o rótulo.
• Bluesky não tem rótulo de IA do lado da plataforma em meados de 2026. O sinal mais próximo é o self-label do próprio autor, que o Bluesky renderiza como um pequeno selo sob o handle. Não há pontuação de classificador nem registro central. Para arquivistas, é o caso mais simples de capturar, mas o mais difícil de confiar em escala.
• LinkedIn fica entre os dois: um selo visível, um classificador server-side, um caminho de divulgação do autor, e uma opção de manifesto C2PA lançada no fim de 2025. A plataforma raramente edita o selo uma vez renderizado, o que torna a captura mais barata que o loop de disputa do X e mais confiável que a auto-atestação do Bluesky.

Para um arquivo de pesquisa que abrange as três plataformas, o caminho certo é capturar o rótulo nativo de cada plataforma na sua forma nativa em vez de normalizar para um único campo. O exportador do threadgrab faz isso automaticamente — posts do X ganham um campo grok_label, posts do Bluesky ganham um campo self_label, e posts do LinkedIn ganham o conjunto de três campos descrito acima.

O que observar nos próximos 30 dias

Três sinais valem ser acompanhados conforme o regime de rotulagem evolui pelo resto de 2026.

• Adoção de C2PA Content Credentials em uploads do LinkedIn. O LinkedIn sinalizou que aceitará manifestos C2PA como um sinal mais forte do que o classificador da plataforma. Se a adoção subir acima de 5% dos uploads, o campo ai_label_source se torna o mais importante dos três.
• Volume de disputas de rótulo em X Articles. O loop "em revisão" do X é o único dos três que expõe volume de disputas na API pública. Um pico de disputas é um indicador líder de uma atualização do classificador.
• Retroatividade de self-label no Bluesky. O Bluesky está supostamente testando aplicação retroativa de rótulo para posts editados após publicação. Se sair do papel, o campo self_label se torna dependente do tempo do mesmo jeito que o do LinkedIn.

Nenhum desses três sinais exige uma mudança de ferramenta hoje, mas cada um vai remodelar qual campo é o rótulo autoritativo no seu arquivo. Capturar todos agora significa que um futuro re-mapeamento é uma mudança de script, não um re-scrape.

Perguntas Frequentes

O LinkedIn remove um rótulo de IA depois de aplicado?

Sim, mas raramente. A plataforma remove um rótulo quando o autor apela com sucesso ou quando uma regressão do classificador é revertida. A remoção é registrada no campo ai_label_state como removed em vez de none, então um arquivo consegue distinguir um post que sempre foi sem rótulo de um cujo rótulo foi retirado.

Posso detectar um rótulo de IA a partir do HTML público sem cookie de sessão?

Parcialmente. O texto visível do selo está no HTML renderizado e pode ser raspado anonimamente, mas a confiança do classificador e o sinal de fonte exigem uma sessão logada via Voyager API. A captura anônima basta para responder "este post está rotulado?" mas não "o que disparou o rótulo?".

O que acontece com o rótulo quando um post é editado?

O LinkedIn re-executa o classificador depois de cada edição. Nos nossos testes, o rótulo mudou de ai-assisted para none em cerca de 4% das edições quando o autor encurtou o post em mais de 30%. Capture o rótulo depois de qualquer edição significativa, não só no momento da publicação.

O rótulo de IA aparece nos resultados do LinkedIn Recruiter?

Não. O rótulo é atualmente uma superfície só de feed e página de detalhes; ele não se propaga para o Recruiter search, Sales Navigator ou LinkedIn Learning. Um arquivo focado em casos de uso de recrutamento ou vendas não precisa dos metadados de rótulo.

O threadgrab remove o rótulo de IA por padrão?

Não. O exportador leva o selo para o frontmatter Markdown e para o sidecar JSON por padrão. Se você quiser uma exportação sem o rótulo, passe --strip-ai-label para a CLI; o corpo do post é renderizado sem o marcador inline e o sidecar ainda guarda o sinal bruto.