Três sites criaram 215.128 páginas de “melhor software” para IA. O Perplexity os cita
Sites de avaliações de “melhor software” gerados por IA estão sendo produzidos em massa para manipular mecanismos de busca generativos, com o Perplexity citado como dependente de milhares dessas páginas de baixa qualidade como fontes. Comentadores veem isso como parte de uma mudança mais ampla para “AI SEO” ou Generative Engine Optimization, em que o conteúdo é escrito em uma prosa parecida com a de LLMs para conquistar o favor de mecanismos de resposta de IA, poluindo ainda mais a web e arriscando que modelos treinem com sua própria saída. Muitos também relatam queda na utilidade e na confiança no Perplexity e em outras ferramentas de busca com IA, temendo que incentivos de velocidade, crescimento e monetização semelhante à publicidade estejam erodindo a qualidade da informação em toda a internet.
Páginas “Melhor Software” Geradas por IA & GEO/AEO
- Muitos veem esses sites de “melhor X software” produzidos em massa como uma evolução natural do SEO: agora otimizados para LLMs em vez de humanos, às vezes chamados de GEO/AEO (“Generative/Answer Engine Optimization”).
- Comentadores esperam uma indústria crescente em torno de manipular o treinamento e a recuperação de IA para que os modelos recomendem produtos específicos.
- Alguns observam que empresas apoiadas por VC já fazem isso em escala, incluindo postagens spam em fóruns e reescrita iterativa para corresponder a embeddings de LLM.
Reações Específicas ao Perplexity
- Vários ex-usuários pagantes ou em teste relatam queda na qualidade: respostas mais rápidas, mas piores, citações desalinhadas e recursos “Computer”/deep research pouco confiáveis.
- Queixas sobre práticas de cobrança (cobranças automáticas após testes, suporte ruim) e rebaixamento de recursos pagos no meio da assinatura.
- Alguns dizem que o Perplexity antes era melhor que o Google para tarefas de busca, mas perdeu sua vantagem; outros agora preferem Claude, ChatGPT, Gemini ou até o modo IA do Google, apesar de taxas mais altas de alucinação.
- Uma minoria ainda usa o Perplexity para evitar ficar presa a um único fornecedor de modelo subjacente.
LLMs Treinando com Saída de LLM & Viés de Fonte
- Há forte preocupação de que conteúdo gerado por IA esteja inundando a web, criando um ciclo de retroalimentação em que os modelos treinam em seu próprio “slop”, amplificando erros.
- Discussão sobre “self-preference bias”: modelos frequentemente classificam seu próprio estilo, código ou estrutura de passagem como superior a edições humanas ou soluções alternativas.
- Experimentos e artigos são citados (no fio) sugerindo que juízes LLM preferem texto gerado por LLM, levantando questões para avaliação e para manipulação do tipo SEO.
Degradação da Busca & Estratégias de Adaptação
- Muitos dizem que a busca por produtos e a busca geral na web foram “arruinadas” por spam, anúncios e slop de IA.
- Alguns voltam a livros pré-anos 2020, fóruns de nicho ou listas de permissões/lentes de domínio curadas (por exemplo, com mecanismos de busca alternativos) para evitar conteúdo de IA.
- Outros usam filtros e blocklists nos navegadores para ocultar “AI slop” e sites muito carregados de SEO.
Ceticismo sobre o Artigo & Meta-Astroturfing
- Vários comentadores acham que o próprio relatório foi escrito por IA, com prosa tediosa e branding de “empresa de pesquisa” de baixa credibilidade.
- Suspeita de que as peças anti-Perplexity de sites semelhantes de “pesquisa independente” sejam, elas próprias, experimentos de GEO ou astroturfing para influenciar as saídas dos LLMs.
- Alguns pedem que submissões tão carregadas de IA sejam sinalizadas ou removidas de sites de discussão.
Preocupações Mais Amplas: Incentivos, Propaganda e Players Menores
- Anúncios e monetização são vistos como motores centrais do comportamento spam; alguns argumentam que atores de propaganda também estão semeando sites de desinformação amigáveis à IA.
- Fornecedores menores de SaaS relatam ser excluídos das recomendações de LLM a menos que paguem aos sites de “melhor software” para obter colocação, às vezes enfrentando conteúdo negativo de retaliação se recusarem.
- Alguns especulam sobre redes “somente humanas” ou darknets, mas reconhecem que não está claro como impor participação apenas humana ou remover incentivos econômicos.