layakedin

layakedin classifica temas de posts de CEOs no LinkedIn em 8 famílias temáticas, usando a taxonomia do relatório Presença digital dos CEOs no LinkedIn (Elementar/FGV). Recebe o tema e, se houver, a descrição do post, e devolve a família mais provável com probabilidades calibradas para todas as 8.

É um fine-tuning do checkpoint multilíngue do Laya (convaiinnovations/laya, subpasta multilingual, encoder mmBERT-base, 322M parâmetros), um modelo de decisão não autorregressivo que responde a perguntas tipadas em uma única passagem.

Enquanto modelos generativos comuns funcionam como redatores que geram o texto, o layakedin atua estritamente como um classificador. Ou seja, uma triagem ágil que lê temas e posts e descrições de posts do LinkedIn, organizando entre 8 famílias temáticas, informando com transparência matemática o grau de certeza de cada escolha.

A opção pelo fine-tuning (treinamento direcionado) superou simples instruções (prompts) e sistemas de busca (RAG) porque ensinou o modelo a reconhecer nuances corporativas sutis de forma automática e consistente. Enquanto um comando via prompt pode variar o formato das respostas e o RAG apenas consulta pastas externas como um bibliotecário em estantes, o modelo ajustado gravou essas regras em sua própria estrutura para decidir em milissegundos.

A arquitetura do Laya multilíngue traz como força a velocidade e probabilidades calibradas, mas tem como limitação a dependência de um formato rígido de perguntas, perdendo eficácia diante de gírias, piadas ou textos informais. Para proteger a privacidade e evitar a exposição de dados de executivos reais, 5 mil exemplos de temas fictícios foram gerados e curadas via Gemini Spark e Claude Chat, espelhando com fidelidade a taxonomia cuja pesquisa original da Elementar/FGV está disponível para leitura e download no endereço oficial: https://elementarcomunicacao.com.br/pesquisa-ceos-linkedin-reputacao-valor-de-mercado/#baixar

Este é um projeto independente. Ele não é afiliado, endossado nem mantido pela Elementar ou pela FGV. A taxonomia foi usada como referência a partir do relatório público.

Famílias temáticas

Rótulo	Família	Abrange
clima	Clima / Sustentabilidade / Transição Energética	Emissões, descarbonização, energia renovável, ESG ambiental, biodiversidade, água
trabalho	Trabalho / Futuro do Trabalho	Relações de trabalho, saúde mental no trabalho, jornada, requalificação, carreira
tecnologia	Tecnologia / IA / Governança de Plataformas	IA, dados, privacidade, cibersegurança, regulação digital
democracia	Democracia / Instituições / Regulação	Estado de direito, agências reguladoras, integridade, transparência, eleições
diversidade	Diversidade / Inclusão / Desigualdade	Raça, gênero, LGBTQIA+, pessoas com deficiência, idade, desigualdade
desenvolvimento	Desenvolvimento Nacional / Política Industrial	Política industrial, infraestrutura, comércio exterior, competitividade
outro_publico	Other Public Issue	Educação pública, saúde pública, segurança, cultura, consumo
negocio	Non-sociopolitical Business Content	Resultados, prêmios, lançamentos, marcos da empresa, sem tema público

Como usar

pip install "laya>=0.3.20"

import laya

agente = laya.load("marioluciofjr/layakedin")

# Pergunta usada no treino; ela fica salva na configuração do modelo.
pergunta = agente.cfg["pergunta"]

estado = {
    "tema": "Nossa usina solar reduziu 40% das emissões da fábrica",
    "descricao": "Post sobre a meta de neutralidade de carbono até 2030.",  # opcional
}

resposta = agente.predict(estado, pergunta)["answers"]["familia"]
print(resposta["choice"])             # família mais provável, ex.: "clima"
print(resposta["answer_confidence"])  # probabilidade calibrada da família escolhida
print(resposta["probabilities"])      # probabilidades das 8 famílias

Para classificar muitos temas de uma vez, use agente.predict_batch(lista_de_estados, pergunta, batch_size=32).

Importante: use a pergunta salva em agente.cfg["pergunta"], sem alterar a instrução nem as descrições das famílias. O modelo aprendeu a associar exatamente esses textos às famílias.

Dados de treino

• Base: 5.000 exemplos em português, sendo 625 por família. Cada exemplo tem tema, descricao (vazia em 20% dos casos) e familia.
• Composição:
  • 2.782 exemplos vêm de uma base sintética original de temas de posts de 16 CEOs fictícios, com rótulos padronizados e revisados;
  • 2.218 exemplos novos foram escritos para cobrir as famílias em 20 setores adicionais.
• Divisão por CEO: os 4 CEOs do teste (bolsa de valores, hotelaria, seguros e siderurgia) não aparecem no treino nem na validação.

Partição	Exemplos
Treino	3.926
Validação	496
Teste	578

Todos os textos são sintéticos. A base não contém posts reais do LinkedIn nem dados pessoais de pessoas reais.

Procedimento de treino

Item	Valor
Checkpoint base	convaiinnovations/laya, subpasta multilingual
Método	RLCD (gradiente de política com regras de pontuação próprias) + entropia cruzada, como no notebook oficial do Laya
Épocas	4, com a melhor versão restaurada (época 2)
Lote efetivo	32 (8 × acúmulo de 4)
Taxa de aprendizado	2,5e-5 no encoder e 1e-4 na cabeça de decisão, com decaimento em cosseno
Opções embaralhadas no treino	Sim, para evitar viés de posição
max_len / head_max_len	1024 / 384
Calibração	Temperatura 3,78 para perguntas choice, ajustada na validação
Tempo	11,7 minutos em uma GPU no Google Colab

Avaliação

Resultado no conjunto de teste (578 exemplos de 4 CEOs que o modelo nunca viu no treino):

Métrica	Laya multilíngue sem ajuste	layakedin
Acurácia	0,270	0,829
F1-macro	0,247	0,830
F1-macro: linhas vindas da base original	0,163	0,556
F1-macro: linhas novas	0,336	0,962
ECE (erro de calibração)	0,451	0,053

O número mais realista é o F1-macro de 0,556 nas linhas da base original. As linhas novas são mais prototípicas e, por isso, mais fáceis de acertar.

Confusões mais frequentes:

• trabalho ↔ tecnologia, em temas de carreira que falam de dados ou IA;
• diversidade ↔ trabalho / outro_publico, em temas de etarismo, maternidade ou acessibilidade;
• negocio ↔ clima, em conquistas da empresa com tema ambiental, como uma certificação ou uma frota elétrica;
• tecnologia ↔ democracia, em infraestrutura e governança do mercado financeiro.

Várias dessas fronteiras são ambíguas também para quem rotula os dados.

Uso pretendido

• Pesquisa e análise exploratória de comunicação de lideranças empresariais no LinkedIn.
• Triagem e pré-classificação de temas antes de uma revisão humana.
• Planejamento editorial, para mapear o equilíbrio entre temas públicos e corporativos.

Limitações e vieses

• Dados sintéticos: o desempenho em posts reais ainda não foi medido. Antes de usar o modelo em pesquisa, valide-o com uma amostra real anotada por pessoas.
• Um rótulo por texto: um post pode tratar de mais de uma família. O modelo sempre escolhe uma; use as probabilidades para identificar os casos ambíguos.
• Contexto brasileiro: a taxonomia e os exemplos refletem temas do Brasil (ex.: COP30, LGPD, reforma tributária, BRICS).
• Idioma: foi treinado em português. O encoder é multilíngue, mas o desempenho em outros idiomas não foi avaliado.
• Fora do escopo:
  • avaliar pessoas, empresas ou posicionamentos políticos;
  • tomar decisões automatizadas com consequências para indivíduos;
  • tratar a saída como verdade sem revisão humana.

Dica de uso: trate predições com answer_confidence abaixo de 0,5 como incertas e revise-as manualmente.

Licença e créditos

• Licença: Apache 2.0 (ver LICENSE).
• Modelo base: Laya, da Convai Innovations, também sob Apache 2.0. Este repositório contém pesos modificados a partir dele.
• Encoder: mmBERT-base.
• Taxonomia temática: relatório Presença digital dos CEOs no LinkedIn (Elementar/FGV), Anexo I.
• Autor do fine-tuning: Mário Lúcio.

Citação

@misc{layakedin2026,
  title  = {layakedin: classificação de temas de posts de CEOs no LinkedIn em famílias temáticas},
  author = {Mário Lúcio},
  year   = {2026},
  url    = {https://huggingface.co/marioluciofjr/layakedin},
  note   = {Fine-tuning de convaiinnovations/laya (multilingual)}
}