Como as IAs escolhem quais fontes citar

Quando alguém pergunta algo a um assistente e recebe uma resposta com três fontes, é fácil imaginar que aquelas três foram escolhidas por algum critério misterioso. Não são.

O processo é mais prosaico do que parece, e entendê-lo muda o que vale a pena fazer.

O que acontece antes da resposta

A maior parte dos sistemas que citam fontes segue aproximadamente o mesmo caminho:

1. Interpreta a pergunta e frequentemente a reescreve em várias consultas menores.
2. Recupera documentos: em geral usando um índice de busca, próprio ou de terceiros.
3. Seleciona trechos dentro desses documentos.
4. Compõe a resposta a partir dos trechos selecionados.
5. Atribui o que usou às respectivas fontes.

O ponto decisivo está no passo 2: nos sistemas que recuperam documentos para responder, conteúdo não recuperado não entra. Não há formatação que compense ausência do índice.

Vale a ressalva: nem toda resposta passa por recuperação. Parte do que um modelo afirma vem do que ele absorveu no treinamento, sem consultar nada no momento da pergunta, e aí o que pesa é ter estado presente e consistente na web ao longo do tempo, não estar indexado hoje. Nos dois caminhos, porém, a conclusão prática converge: presença orgânica consolidada é pré-requisito.

Os quatro critérios que decidem

1. Recuperabilidade

Estar indexado, ser rastreável, e ser reconhecido como relevante para aquele assunto. Isso é trabalho de SEO clássico — cobertura de tema, links internos, autoridade. É o que discutimos em autoridade tópica.

2. Extraibilidade

O quanto a resposta está disponível em um pedaço isolável do texto. Conteúdo que define antes de argumentar, que usa títulos descrevendo a pergunta real e que coloca a conclusão perto do começo é mais fácil de reaproveitar.

3. Consistência com o consenso

Vários desses sistemas são ajustados para não apoiar uma afirmação em uma fonte isolada, sobretudo em temas sensíveis: o grau varia bastante entre mecanismos e entre assuntos. Na prática observável, conteúdo que confirma o que outras fontes confiáveis afirmam tende a ser usado como apoio com mais frequência, e conteúdo que contraria o consenso precisa trazer evidência própria forte para ser levado a sério.

Isso tem uma implicação incômoda: opinião contrária sem dado tende a não ser citada, mesmo quando está certa.

4. Atribuibilidade

Existe autor identificável? A empresa por trás é reconhecível como uma entidade, com informação consistente entre o site, perfis públicos e menções de terceiros? Um sistema que precisa dizer "segundo X" prefere um X que exista de forma verificável.

O que fazer com isso na prática

Em ordem de impacto:

• Responda a pergunta no primeiro parágrafo da seção. Depois desenvolva. O desenvolvimento é para a pessoa; a primeira resposta serve aos dois.
• Use títulos que sejam a pergunta, não rótulos criativos. "Como o leilão define o custo" recupera melhor que "A engrenagem invisível".
• Traga informação que só você tem. Um número medido por você, um critério de decisão explicitado, um contra-exemplo do seu setor. É o que impede que você seja substituível por qualquer outra fonte que diz o mesmo.
• Mantenha consistência de entidade: mesmo nome, mesma descrição, mesmo autor, nos mesmos lugares. Ambiguidade sobre quem você é reduz a chance de atribuição.
• Datar e atualizar. Conteúdo sobre assunto que muda perde utilidade como fonte quando parece antigo.

O que não dá para prometer

Ser citado não é controlável. Não há painel, não há posição, não há garantia, e a mesma pergunta feita duas vezes pode render fontes diferentes.

O que dá para fazer é aumentar sistematicamente a probabilidade: ser encontrável, ser extraível, ser consistente, ser atribuível e ter conteúdo original. Quem promete mais que isso está descrevendo um sistema ao qual não tem acesso.

Se você ainda está decidindo se esse trabalho faz sentido para a sua empresa, o ponto de partida é o que é GEO.