Um estudo realizado pela Universidade Ruhr de Bochum e pelo Instituto Max Planck na Alemanha destacou que buscadores com IA tendem a priorizar sites menos populares. A pesquisa analisou como esses mecanismos estão moldando a busca de informações na internet. Resultados mostram que essas ferramentas favorecem a síntese de dados de várias fontes, em contraste com os métodos tradicionais que priorizam a relevância dos links.
A análise comparou os resultados de buscadores tradicionais e sistemas baseados em IA, utilizando consultas públicas, interações do ChatGPT e dados de tendências. As ferramentas de IA, como o AI Overviews do Google e o GPT-4o, foram capazes de citar fontes fora dos rankings populares, demonstrando uma tendência de direcionar o usuário a informações menos conhecidas, mas que podem ser relevantes.
Os pesquisadores observaram que enquanto os buscadores tradicionais oferecem uma visão mais ampla dos temas, as IAs tendem a apresentar respostas condensadas. Isso pode influenciar a percepção dos usuários em relação à informação disponível, alertando para a importância de diversificar as fontes de pesquisa.
Um estudo recente da Universidade Ruhr de Bochum e do Instituto Max Planck de Sistemas de Software, ambos na Alemanha, revelou que os Buscadores com IA tendem a favorecer fontes menos populares em comparação com os métodos de busca tradicionais. Essa pesquisa lança luz sobre como a inteligência artificial generativa está moldando a forma como acessamos informações online.
A análise investigou a seleção de fontes de informação por ferramentas de busca baseadas em inteligência artificial. Os resultados mostraram uma diferença notável em relação aos mecanismos de busca tradicionais, que priorizam a relevância e a autoridade dos links. A pesquisa destaca que as IAs compactam informações de diversas fontes para criar respostas concisas.
Enquanto os sistemas de busca convencionais indexam e classificam páginas para retornar listas ordenadas, as IAs das buscas sintetizam informações de múltiplas fontes. Para realizar a análise, a equipe de pesquisa utilizou milhares de consultas de dados públicos, incluindo interações do ChatGPT, tópicos sociais e políticos, itens populares da Amazon e tendências do Google Trends.
Cada consulta foi submetida simultaneamente à pesquisa tradicional do Google e a vários sistemas baseados em IA. Entre eles, o AI Overviews do Google, o Gemini 2.5 Flash e duas versões do GPT-4o da OpenAI foram analisados para entender como os Buscadores com IA estão funcionando.
Os pesquisadores compararam os domínios citados pelas IAs com os domínios que aparecem nos primeiros resultados orgânicos do Google. Para medir a popularidade dos domínios, utilizaram o Tranco, um rastreador independente que classifica sites por tráfego. Os resultados demonstraram diferenças importantes nas fontes de informação.
No caso do AI Overviews, mais da metade das fontes citadas não estavam entre os 10 principais resultados orgânicos do Google para a mesma consulta. Além disso, cerca de 40% das fontes não apareciam nem mesmo nos 100 principais links tradicionais. O Gemini apresentou um padrão semelhante, citando domínios fora dos 1.000 principais do ranking Tranco.
O GPT-4o e sua versão web também se basearam em fontes menos conhecidas. Para avaliar a qualidade da informação, a equipe utilizou o LLOOM, uma ferramenta de avaliação independente da Universidade Stanford. Os resultados indicaram que, embora as fontes fossem diferentes, a amplitude geral das informações resumidas pela IA era semelhante à dos resultados tradicionais.
Os pesquisadores notaram que a busca padrão tende a oferecer uma cobertura contextual mais ampla. Em contrapartida, as respostas dos Buscadores com IA frequentemente consolidavam esses contextos em interpretações únicas, omitindo resultados alternativos. Ou seja, as IAs tendem a condensar contextos, o que pode influenciar a percepção da informação.
A pesquisa também observou que os sistemas de Buscadores com IA se beneficiam do conhecimento pré-treinado. O GPT-4o, por exemplo, ofereceu resumos sem citar dados externos, baseando-se em sua base de conhecimento interna. Esse comportamento foi eficaz para tópicos bem estabelecidos, mas menos confiável para eventos recentes ou notícias de última hora.
Via Tecnoblog
