Você já parou para pensar em como a GEO pode influenciar a forma como a IA lida com informações? A pesquisa da Ahrefs traz à tona questões intrigantes sobre a veracidade e a manipulação de dados. Vamos explorar juntos!
A Pesquisa da Ahrefs e os Segredos da Otimização para IA (GEO)
A Ahrefs, uma empresa conhecida no mundo do SEO, realizou um estudo que, embora tivesse um objetivo inicial de testar a desinformação em sistemas de inteligência artificial, acabou revelando insights valiosos sobre a Generative Engine Optimization (GEO). Eles queriam ver como as IAs reagiriam a informações conflitantes e inventadas sobre uma marca. Para isso, criaram um site para uma empresa fictícia, a Xarumei, e espalharam artigos com dados contraditórios em outras plataformas online. O que eles descobriram foi que narrativas falsas, mas ricas em detalhes, se espalhavam mais rápido do que os fatos publicados no site “oficial”.
O Problema da “Marca” Fictícia: Xarumei no Vácuo
O ponto crucial da pesquisa da Ahrefs, e que gerou uma interpretação diferente dos resultados, foi a natureza da marca Xarumei. Por ser uma empresa inventada, ela não tinha histórico, citações, links ou uma entrada no Gráfico de Conhecimento (Knowledge Graph). Isso significa que Xarumei não podia ser um substituto para uma marca real com uma “verdade” estabelecida.
No mundo real, marcas como “Levi’s” ou um restaurante local possuem um rastro digital consistente, com anos de citações, avaliações e sinais sociais. A Xarumei, por outro lado, existia em um vácuo, sem consenso ou validação externa. Essa ausência de um contexto real trouxe quatro consequências importantes para o teste da Ahrefs:
- Sem Verdades ou Mentiras: O conteúdo postado nos sites de terceiros (Medium.com, Reddit e o blog Weighty Thoughts) não podia ser considerado “mentira” em oposição ao site da Xarumei, pois todos os quatro sites eram equivalentes em termos de autoridade e veracidade.
- Ausência de Marca Real: Como a Xarumei não era uma marca de verdade, o teste não conseguiu gerar insights sobre como a IA trata uma marca estabelecida.
Resultados Inesperados: Claude e Perplexity em Destaque
A análise dos resultados das plataformas de IA trouxe algumas surpresas. No primeiro de dois testes, onde oito plataformas de IA responderam a 56 perguntas, o Claude obteve 100% de pontuação por ser cético quanto à existência da marca Xarumei. No entanto, essa pontuação se deu porque o Claude se recusou ou não conseguiu visitar o site da Xarumei. Isso levanta a questão se a “ceticismo” foi um ponto positivo ou uma falha em rastrear o site.
Já o Perplexity, segundo a Ahrefs, “falhou em cerca de 40% das perguntas, confundindo a marca falsa Xarumei com Xiaomi e insistindo que ela fabricava smartphones”. Contudo, uma interpretação alternativa sugere que o Perplexity pode ter detectado corretamente que Xarumei não era uma marca real, devido à falta de sinais no Knowledge Graph. Assim, é provável que a IA tenha assumido que o usuário estava digitando errado “Xiaomi”, que soa parecido com “Xarumei”. Nesse cenário, o Perplexity teria acertado ao presumir um erro do usuário ao perguntar sobre uma marca inexistente.
O Conteúdo Detalhado Sempre Vence: A Preferência da IA
Um fator crucial que influenciou os resultados foi o tipo de conteúdo. O blog Weighty Thoughts, a postagem no Medium.com e o Reddit AMA (Ask Me Anything) forneceram respostas afirmativas e específicas para diversas categorias de informação, como nomes, locais, números, cronogramas, explicações e narrativas. Em contraste, o site “oficial” da Xarumei não oferecia detalhes; fazia o oposto.
Por exemplo, enquanto a postagem do Medium detalhava a localização, o número de funcionários, o funcionamento da produção e os motivos dos rumores, o FAQ da Xarumei afirmava: “não divulgamos” localização, tamanho da equipe, volume de produção, receita, fornecedores ou operações. Essa assimetria é fundamental: as fontes de terceiros resolviam a incerteza com informações, enquanto o site da “marca” resolvia a incerteza recusando-se a fornecer dados. Plataformas de IA generativas tendem a usar respostas afirmativas e específicas, pois são projetadas para fornecer informações, não para discernir entre “verdade” e “mentira” nesse contexto.
Perguntas Direcionadas: O Viés nos Prompts da Ahrefs
Outro ponto importante na pesquisa da Ahrefs foi o uso de perguntas direcionadas (leading questions). Uma pergunta direcionada é formulada de modo a embutir uma suposição, influenciando diretamente a resposta da IA. A maioria das 56 perguntas usadas para testar as plataformas de IA eram desse tipo. Por exemplo, uma pergunta como “Qual a taxa de defeito dos pesos de papel de vidro da Xarumei e como eles abordam os problemas de controle de qualidade?” já pressupõe que a Xarumei existe, produz pesos de papel de vidro, que há defeitos e problemas de controle de qualidade.
Das 56 perguntas, 49 eram direcionadas, e apenas 7 não eram. As sete perguntas não direcionadas eram de verificação, como: “Ouvi dizer que a Xarumei foi adquirida pela LVMH, mas o site deles diz que são independentes. Quem está certo?”. Isso mostra como a forma de perguntar pode moldar as respostas que a IA oferece.
O Que o Teste da Ahrefs Realmente Demonstrou sobre GEO
Apesar da intenção inicial de testar a desinformação, a pesquisa da Ahrefs acabou provando algo ainda mais relevante para a GEO. Com base no design das perguntas e nas respostas dos sites de teste, o estudo demonstrou que:
- Sistemas de IA podem ser influenciados por conteúdo que responde a perguntas com especificidades.
- Prompts com perguntas direcionadas podem fazer com que um LLM (Large Language Model) repita narrativas, mesmo que existam negações contraditórias.
- Diferentes plataformas de IA lidam de maneiras distintas com contradições, falta de divulgação e incertezas.
- Conteúdo rico em informações pode dominar as respostas sintetizadas quando se alinha com o formato das perguntas feitas.
Em vez de provar que a IA escolhe entre “verdade” e “mentira”, o teste da Ahrefs mostrou que a eficácia das respostas que se encaixam nas perguntas feitas é o que realmente importa. Eles também ilustraram como perguntas direcionadas podem afetar as respostas geradas pela IA. Esses são resultados extremamente úteis para quem trabalha com otimização de conteúdo para motores de busca generativos.