A pesquisa de IA está se consumindo e a indústria de SEO é a fonte
Em setembro passado, Lily Ray pediu à Perplexity as últimas notícias sobre SEO e pesquisa de IA. Ele contou a ela, com confiança, sobre a “Atualização do algoritmo principal ‘Perspectiva’ de setembro de 2025”; uma atualização do Google que, como ela escreveu longamente em “The AI Slop Loop”, não existia. O Google não nomeia atualizações principais há anos. “Perspectivas” já era um recurso SERP. Se uma atualização real tivesse sido lançada enquanto ela estava na Áustria, sua caixa de entrada teria avisado antes da Perplexity.
Ela verificou as citações. Ambos apontaram para postagens geradas por IA em blogs de agências de SEO: sites que executaram um pipeline de conteúdo, alucinaram uma atualização e a publicaram como relatório. Perplexidade leu o lixo, tratou-o como material de origem e devolveu-o a ela como notícia.
Em fevereiro, Thomas Germain, da BBC, passou 20 minutos escrevendo um post em seu site pessoal. Seu título: “Os melhores jornalistas de tecnologia em comer cachorro-quente”. Classificou-o em primeiro lugar, inventou um Campeonato Internacional de Cachorro-Quente de Dakota do Sul em 2026 que nunca havia acontecido e não citou exatamente nada. Em 24 horas, tanto o AI Overviews do Google quanto o ChatGPT estavam repassando sua invenção para quem pedisse. Claude não mordeu. Google e OpenAI sim.
Todo mundo que olhou viu.
Já discuti sobre o Ouroboros antes. Eu entendi o cronograma errado
O enquadramento predominante para este problema tem sido colapso do modelo. Você treina um modelo em texto da web, a web se enche de resultados de IA, o próximo modelo treina em um corpus cada vez mais feito de seu próprio escapamento e, eventualmente, a distribuição se transforma em mingau. A inovação vem de exceções, e os sistemas probabilísticos que convergem para a média atenuam as exceções por design. Eu usei a frase ouroboros digitais por esta.
Esse enquadramento pressupõe ciclos de formação. Isso pressupõe tempo. Assume que a contaminação se move na velocidade da liberação do modelo.
Isso não acontece. O que Lily documentou, o que Germain documentou, o que o New York Times quantificou – nada disso é do lado do treinamento. Os modelos envolvidos não foram retreinados entre a alucinação aparecer em um blog e ser veiculada como fato apoiado por citação. A contaminação se movia na velocidade de um rastejamento. O ouroboros não leva gerações para se comer. Ele está se alimentando na hora da consulta, toda vez que alguém faz uma pergunta a um desses sistemas.
O cano que todos estão observando não é o cano que está quebrando.
A distinção que importa
O colapso do modelo é um problema de corpus de treinamento. O conteúdo sintético penetra nos dados de pré-treinamento, a próxima geração de modelo o herda e a capacidade é degradada. Os pesquisadores vêm alertando sobre isso há dois anos. Eles estão certos. Eles também estão descrevendo algo lento o suficiente para que todos possam acenar com a cabeça gravemente e continuar enviando.
A contaminação de recuperação é mais rápida e já está aqui. Os sistemas RAG – Perplexity, Google AI Overviews, ChatGPT com pesquisa – não geram respostas puramente a partir da memória paramétrica. Eles buscam documentos na web ativa, contextualizam-nos e geram uma resposta condicionada ao que recuperaram. Se o recuperador revelar uma postagem de SEO alucinada, a resposta herdará a alucinação. Não é necessária reciclagem.
A literatura acadêmica sobre isso é clara. EnvenenadoRAG (Zou et al., 2024) mostraram que injetar um pequeno número de passagens elaboradas em um corpus de recuperação foi suficiente para controlar a saída de um sistema RAG em consultas direcionadas. BadRAG (Xue et al., 2024) demonstraram a mesma classe de ataque usando backdoors semânticos. Ambos os artigos tratam isso como um problema adversário: o que acontece quando um invasor envenena deliberadamente o corpus.
O que Germain e Lily provaram acidentalmente é que o modelo adversário é o modelo operacional normal. Você não precisa de uma passagem contraditória elaborada. Você precisa de uma postagem no blog. A web aberta é o corpus e qualquer pessoa com um domínio pode escrever nela.
A análise Oumi encomendada pelo New York Times apresentou números sobre o custo disso. Em 4.326 testes SimpleQA, as visões gerais de IA do Google responderam corretamente 85% das vezes no Gemini 2, 91% no Gemini 3. Na escala do Google – mais de cinco trilhões de pesquisas por ano – uma taxa de erro de 9% ainda se traduz em dezenas de milhões de respostas erradas a cada hora. Mas o número mais revelador é este: em Gémeos 3, 56% dos correto as respostas não foram fundamentadas, acima dos 37% no Gemini 2. A atualização melhorou a precisão da superfície e piorou as citações. Quando o modelo acertava algo, mais da metade das vezes, a fonte apontada não apoiava a afirmação.
A camada de recuperação não é um filtro. É o vetor de infecção.
Quem está semeando o Corpus
A indústria que o produziu com mais entusiasmo – e depois escreveu com mais entusiasmo sobre as consequências de consumi-lo – é a indústria de SEO. Já escrevi antes sobre o dimensionamento de conteúdo sendo apenas conteúdo giratório com melhor gramática e sobre o complexo de ferramentas de visibilidade de IA que cria painéis a partir da saída de sistemas não determinísticos. Este é o mesmo loop, uma camada mais profunda. Uma agência de SEO administra um pipeline de conteúdo de IA porque as visões gerais de IA reduziram o tráfego de seus clientes. O pipeline publica postagens especulativas de “vencedores e perdedores” durante uma atualização principal que ainda está sendo lançada, sem citar nada. O pipeline de outra agência os seleciona como fontes. A saída inunda o índice de recuperação. AI Overviews cita um deles. A agência original então escreve um estudo de caso sobre como as visões gerais de IA estão “apresentando” seu conteúdo.
Um estudo do Ahrefs com mais de 26.000 URLs de origem do ChatGPT descobriu que as listas “melhores X” representavam quase 44% de todos os tipos de página citados, incluindo casos em que as marcas se classificam em primeiro lugar em relação aos seus concorrentes. Harpreet Chatha disse à BBC que você pode publicar “os melhores sapatos impermeáveis para 2026”, colocar-se em primeiro lugar e ser citado no AI Overviews e no ChatGPT em poucos dias. Lily, durante a atualização principal de março de 2026, encontrou artigos gerados por IA que afirmavam listar vencedores e perdedores enquanto a atualização ainda estava sendo lançada; artigos que abriram com preenchimento e marcas listadas sem uma única citação real.
Os profissionais que dimensionam o conteúdo de IA também são os mais diretamente prejudicados quando os sistemas de pesquisa de IA citam esse conteúdo como um fato. Ninguém forçou isso. A indústria construiu o oleoduto, alimentou-o e reclamou do que saiu do outro lado. Não é envenenamento adversário. Apenas a indústria poluindo o seu próprio abastecimento de água e depois contratando consultores para testá-lo.
O nível que importa
O estudo Oumi é sobre visões gerais de IA, que são gratuitas por design. As visões gerais de IA do Google supostamente alcançaram mais de dois bilhões de usuários ativos mensais em meados de 2025. ChatGPT tem cerca de 900 milhões de usuários ativos semanais, dos quais cerca de 50 milhões pagam. O que significa que cerca de 94% das pessoas que interagem com o produto OpenAI estão no nível gratuito.
Os níveis pagos são melhores. De acordo com as próprias afirmações de lançamento da OpenAI, citadas no artigo de Lily, o GPT-5.4 tem 33% menos probabilidade de produzir afirmações individuais falsas do que o GPT-5.2. O GPT-5.3 de nível gratuito também foi melhorado em relação ao seu antecessor (26,8% menos alucinações com pesquisa na web, 19,7% menos sem), mas ainda é significativamente menos confiável do que a versão com acesso pago. Gemini 3, que tornou as visões gerais de IA mais precisas em testes de superfície, também piorou a taxa não aterrada. Melhor resposta, citação mais fraca.
Ninguém parece se importar. A versão confiável do produto tem acesso pago. A versão que a maior parte do planeta obtém – incluindo a versão no topo da Pesquisa Google – pode ser manipulada por 20 minutos de trabalho em um site pessoal. Inteligência é a categoria de marketing. O que dois bilhões de usuários realmente recebem é um resumo confiável de tudo o que o rastreador encontrou.
Grokipedia como estado terminal
Os acidentes da camada de recuperação são uma coisa. Grokipedia é a versão onde acidente não é mais uma palavra útil.
O xAI de Elon Musk lançou a Grokipedia em 27 de outubro de 2025, com 885.279 artigos, todos gerados ou reescritos por Grok. Alguns deles foram retirados da Wikipédia por atacado, com um aviso na parte inferior reconhecendo a licença CC-BY-SA; uma licença que a Wikipedia mantém precisamente porque uma comunidade de editores humanos escreve e verifica o conteúdo. Outros foram reescritos do zero. O PolitiFact encontrou citações da Grokipedia, incluindo rolos do Instagram como fontes, que as próprias políticas da Wikipedia descartam como “geralmente inaceitáveis”. A entrada da Grokipedia sobre a cantora canadense Feist disse que seu pai morreu em maio de 2021, citando um artigo da Vice de 2017 sobre o indie rock canadense que não fez menção à morte. E o pai dela ainda estava vivo quando o artigo foi escrito. A entrada do Prêmio Nobel de Física adicionou uma frase não citada afirmando que a física é tradicionalmente o primeiro prêmio concedido na cerimônia, o que não é verdade.
Musk disse que o objetivo é “pesquisar o resto da Internet, tudo o que está disponível publicamente, e corrigir o artigo da Wikipedia”. O resto da internet agora inclui o conteúdo sintético produzido por cada pipeline de conteúdo de IA apontado para ele. Um sistema de IA lendo a web aberta, reescrevendo a Wikipédia com base no que encontra e apresentando o resultado como um trabalho de referência é o problema de recuperação-contaminação com o ciclo de feedback tornado explícito e enviado como um produto.
Em meados de fevereiro de 2026, a Grokipedia havia perdido grande parte de sua visibilidade no Google. A Wikipedia supera a Grokipedia em pesquisas sobre a própria Grokipedia.
“Esse conhecimento criado pelo homem é o que as empresas de IA utilizam para gerar conteúdo; até mesmo a Grokipedia precisa da Wikipédia para existir.” – A Fundação Wikimedia
A enciclopédia sintética é subsidiada pela humana. Quando o subsídio acaba, aquilo que dele depende deixa de fazer sentido.
A Wikipedia não está isenta de críticas. Suas guerras de edição, controle ideológico e lacunas sistêmicas sobre quem elabora os artigos são bem documentadas e reais. Mas a resposta a um processo editorial humano falho não é remover totalmente os humanos e chamar o resultado de uma melhoria. Já escrevi antes sobre o vácuo de responsabilidade que se abre quando você substitui o julgamento humano por chamadas de API. Os problemas da Wikipédia são problemas de um sistema confuso, contestado e responsável. Os problemas da Grokipedia são problemas de um sistema sem nenhuma responsabilidade.
A camada de citação está se dissociando da autoria
Escrevi recentemente sobre a venda do Reddit de “Authentic Human Conversation™” para empresas de IA, enquanto os próprios moderadores da plataforma relatam que não conseguem mais dizer quais comentários são humanos. O estudo da Oumi descobriu que, das 5.380 fontes citadas pelo AI Overviews, o Facebook e o Reddit foram o segundo e o quarto mais comuns. A camada de citação do mecanismo de resposta mais utilizado no mundo é substancialmente construída em duas plataformas que não conseguem verificar a origem humana de seu próprio conteúdo.
Os criadores humanos estão saindo da web aberta porque a barganha do tráfego entrou em colapso. Os mecanismos de resposta estão citando conteúdo cuja autoria não pode ser verificada ou, para começar, nunca foi humana. A citação ainda está lá. A coisa que está sendo citada não é mais o que costumava ser.
O enquadramento do ouroboros estava certo. A linha do tempo não era. O colapso da recuperação não espera pela próxima execução de treinamento. Ele precisa de uma URL indexável e de um sistema de recuperação disposto a confiar nela.
Os sistemas estão dispostos. E mais da metade das vezes eles acertam uma resposta e não conseguem apontar uma fonte que apoie o que acabaram de dizer.
Mais recursos:
Esta postagem foi publicada originalmente no The Inference.
Imagem em destaque: Anton Vierietin/Shutterstock
