A transparência das respostas geradas pelo ChatGPT enfrenta um novo obstáculo técnico. Duas análises independentes, conduzidas pelos pesquisadores Chris Green e Suganthan Mohanadasan, demonstram que as fontes citadas pela ferramenta variam drasticamente conforme o sistema altera seu pipeline de busca interno. O resultado é uma experiência em que a mesma pergunta pode resultar em diferentes conjuntos de referências, dificultando o rastreamento da visibilidade de sites e a auditoria da precisão dos dados apresentados.
Segundo reportagem do Search Engine Land, o problema reside na arquitetura oculta de seleção de fontes. O ChatGPT não utiliza uma única rota para acessar a web, mas alterna entre labels internos como Labrador, Bright, Oxylabs e SERP. Esses rótulos, que definem qual infraestrutura de busca será consultada, operam invisivelmente nos bastidores, fora do alcance da interface que o usuário final visualiza.
A instabilidade das fontes
O teste de Chris Green, que processou 1.000 prompts repetidos até 10 vezes cada, revelou que 11,6% das consultas mudaram de provedor de busca em execuções sucessivas. Essa alternância provocou uma queda de cerca de 45% na sobreposição de URLs e de 42% na de domínios. Em termos práticos, isso significa que a autoridade de um site pode ser considerada relevante em uma busca e completamente ignorada na próxima, dependendo inteiramente de qual pipeline foi ativado pelo sistema da OpenAI.
Mohanadasan, ao inspecionar o tráfego de rede, identificou que essa segmentação é estratégica. O pipeline 'Labrador' tende a priorizar editores estabelecidos, enquanto o 'Bright' está fortemente atrelado a dados de mercado, compras e finanças. Essa fragmentação sugere que o ChatGPT não busca a verdade absoluta, mas sim a fonte mais 'legível' ou estruturada para o tipo específico de consulta identificada por seus modelos de classificação.
Mecanismos de seleção e legibilidade
O comportamento do sistema vai além da simples escolha de provedores. Mohanadasan observou que o ChatGPT classifica as consultas antes mesmo de realizar a busca, utilizando um campo interno chamado 'turn_use_case'. Em muitos casos, a IA decide que o conteúdo não exige uma consulta externa, pulando a etapa de busca e confiando apenas no treinamento do modelo, o que elimina qualquer chance de citação de fontes atuais.
Além disso, existe uma distinção clara entre o que é 'buscado', o que é 'citado' e o que é apenas 'mencionado'. A legibilidade é o fator decisivo nessa balança: páginas com HTML limpo, dados estruturados de preços e textos densos são preferidos. A falha em citar fontes, como o caso do YouTube mencionado na análise, ocorre frequentemente pela falta de transcrições acessíveis, forçando a IA a ignorar o conteúdo em vídeo em favor de páginas de texto que ela consegue processar com maior facilidade.
Implicações para o ecossistema
Para empresas e criadores de conteúdo, a conclusão é preocupante: não existe um resultado único de visibilidade no ChatGPT. Se uma página é difícil de ser lida ou se o pipeline de busca escolhido para aquele momento não a favorece, ela simplesmente deixará de existir no ecossistema de respostas da IA. Isso cria uma nova camada de incerteza para o SEO, onde a otimização precisa atender não apenas aos algoritmos de busca tradicionais, mas à capacidade de processamento e à preferência de extração de cada pipeline da OpenAI.
Os reguladores e o mercado devem observar como essa opacidade afeta a responsabilidade das plataformas. Se as citações mudam aleatoriamente, a capacidade de verificar fatos torna-se um exercício de sorte. A disputa por visibilidade na IA generativa passa a ser uma luta pela 'legibilidade' técnica, onde o formato da página importa tanto quanto a veracidade do dado.
O futuro da rastreabilidade
O que permanece incerto é se a OpenAI buscará consolidar essas rotas de busca ou se a fragmentação é uma característica intrínseca do seu modelo de eficiência. A tendência é que a IA se torne cada vez mais seletiva sobre o que considera uma fonte válida, priorizando bases de dados que entreguem respostas rápidas e estruturadas.
O monitoramento dessas mudanças exigirá ferramentas mais sofisticadas do que as atuais, capazes de auditar o comportamento da IA em múltiplas instâncias. A transparência sobre qual pipeline foi utilizado em cada resposta pode ser a próxima demanda crítica para garantir a integridade da informação.
Com reportagem do Search Engine Land
Source · Search Engine Land
