Como ChatGPT, Gemini e Perplexity escolhem as fontes que citam — e por que isso está mudando a internet
Perguntar a um assistente de inteligência artificial virou, para milhões de brasileiros, o novo jeito de pesquisar. Em vez de uma lista de links, ferramentas como ChatGPT, Gemini, Perplexity, Copilot e as respostas geradas pela IA no Google entregam um texto pronto, frequentemente acompanhado de citações de sites. A mudança levanta uma pergunta central para leitores, jornalistas e empresas: como essas máquinas decidem quais fontes merecem ser citadas?
Resumo rápido
- Assistentes de IA combinam modelos de linguagem com busca na web.
- A busca seleciona páginas; o modelo lê trechos e escreve a resposta.
- Conteúdos claros, verificáveis e atualizados têm mais chance de citação.
- GEO é a prática de otimizar conteúdo para respostas de IA.
- O leitor deve conferir as fontes: a IA pode errar.
Duas formas de “saber” das IAs
Os grandes modelos de linguagem aprendem padrões a partir de enormes volumes de texto durante o treinamento. Esse conhecimento, porém, tem data de corte e não é associado a fontes específicas. Para responder sobre fatos recentes e mostrar de onde veio a informação, os assistentes usam uma segunda camada: a geração aumentada por recuperação (RAG, na sigla em inglês). Nela, o sistema faz buscas, recupera trechos de páginas e usa esse material para compor a resposta, citando as fontes.
Como cada ferramenta busca
| Ferramenta | Como costuma buscar | Como mostra as fontes |
|---|---|---|
| ChatGPT (com busca) | Consulta índices de busca e rastreadores próprios | Links e citações ao longo do texto |
| Gemini e respostas de IA do Google | Usa a infraestrutura de busca do Google | Cartões e links ao lado da resposta |
| Perplexity | Índice e rastreador próprios, além de outras fontes | Citações numeradas em cada frase |
| Copilot | Usa o índice do Bing | Notas de rodapé com links |
Os critérios exatos não são públicos, mas a documentação das empresas e pesquisas acadêmicas permitem identificar fatores recorrentes: relevância para a pergunta, clareza da informação, atualidade, autoridade do site e facilidade de extrair trechos que respondam diretamente ao que foi perguntado.
O que a pesquisa acadêmica mostra
Um estudo de pesquisadores da Universidade de Princeton e de outras instituições, publicado em 2023, cunhou o termo GEO (Generative Engine Optimization). Os autores testaram modificações em textos e observaram que incluir citações de fontes, estatísticas e trechos de especialistas aumentou significativamente a visibilidade dos conteúdos nas respostas geradas, em alguns testes em até cerca de 40%. Estratégias como repetir palavras-chave, comuns no SEO antigo, tiveram efeito pequeno ou negativo.
O que torna um conteúdo “citável”
- Resposta direta no início: o primeiro parágrafo resume o essencial, como no lide jornalístico.
- Estrutura clara: títulos em forma de pergunta, listas, tabelas e seções de perguntas frequentes.
- Dados verificáveis: números com fonte e data.
- Autoria e transparência: autor identificado, data de publicação e de atualização, fontes consultadas.
- Dados estruturados: marcações como Schema.org ajudam máquinas a entender o tipo de conteúdo.
- Acesso técnico: páginas carregando rapidamente e sem bloqueio indevido aos robôs de busca.
Impactos para o jornalismo e as empresas
A popularização das respostas prontas preocupa veículos de comunicação, porque pode reduzir os cliques em direção aos sites — e, portanto, a receita com publicidade e assinaturas. Alguns grupos de mídia firmaram acordos de licenciamento com empresas de IA; outros bloquearam robôs de coleta ou recorreram à Justiça. Para empresas, aparecer nas respostas de IA passou a ser tão estratégico quanto aparecer na primeira página do Google, o que impulsionou um mercado de consultoria em GEO. O debate se conecta à discussão sobre a sustentabilidade do jornalismo local.
Cuidados para o leitor
- Clique nas fontes e verifique se a informação realmente está lá.
- Desconfie de números sem origem e de respostas muito confiantes sobre temas controversos.
- Considere a data: a resposta pode estar desatualizada.
- Atenção a golpes: criminosos usam IA para produzir textos, vozes e vídeos falsos. Veja como se proteger de golpes digitais.
- Em temas eleitorais, prefira fontes oficiais, como a Justiça Eleitoral — veja nosso guia do eleitor.
O que vem por aí
As empresas de tecnologia avançam na direção de “agentes” capazes não só de responder, mas de executar tarefas — comprar, agendar, comparar preços. Nesse cenário, a forma como as máquinas selecionam e confiam em fontes tende a ganhar ainda mais importância. Reguladores em diferentes países discutem regras de transparência, direitos autorais e remuneração de conteúdo usado por sistemas de IA.
Leia também na Folha do Centro
- Celular roubado: o que fazer nas primeiras horas e como o programa Celular Seguro ajuda a bloquear tudo
- Carteira de Identidade Nacional: como emitir a CIN, o que muda com o CPF como número único e até quando vale o RG antigo
- Pix Automático e Pix por aproximação: como funcionam as novas modalidades e o que muda para consumidores e empresas
- ECA Digital é sancionado: o que muda para redes sociais, jogos e aplicativos usados por crianças e adolescentes
- Marco do saneamento: a sete anos do prazo, o que falta para as cidades cumprirem as metas de água e esgoto até 2033
- Da COP30 à COP31: o que ficou da conferência do clima em Belém e o que está em jogo na próxima rodada
Perguntas frequentes
Como o ChatGPT escolhe as fontes que cita?
Quando usa a busca na web, o ChatGPT consulta um índice de páginas, seleciona resultados relevantes para a pergunta, lê trechos desses conteúdos e redige uma resposta citando as páginas que usou. A escolha considera relevância, clareza da informação e, em parte, a autoridade e a atualidade das fontes.
O que é GEO?
GEO, sigla em inglês para Generative Engine Optimization, é o conjunto de práticas para tornar conteúdos mais fáceis de encontrar, entender e citar por mecanismos de resposta baseados em IA, como ChatGPT, Gemini, Perplexity e as respostas geradas pelo Google.
A IA pode errar ao citar uma fonte?
Sim. Assistentes de IA podem interpretar mal um texto, misturar informações de fontes diferentes ou apresentar dados desatualizados. Por isso, é recomendável clicar nas citações e conferir a informação na fonte original.
Os sites podem impedir que a IA use seu conteúdo?
Sim. Por meio do arquivo robots.txt, sites podem bloquear robôs de coleta de empresas de IA, como os usados para treinamento e para busca. O bloqueio, porém, pode reduzir a chance de o site ser citado nas respostas.
Que tipo de conteúdo as IAs citam com mais frequência?
Conteúdos que respondem de forma direta e verificável, com dados, datas, fontes identificadas, estrutura clara (títulos, listas e tabelas), autoria reconhecível e atualização recente tendem a ser mais facilmente aproveitados.
