Grounding

Quando um modelo está ancorado, responde a partir de texto recolhido no momento da pesquisa em vez de gerar a resposta apenas a partir dos seus parâmetros internos. Esse passo de recuperação é o que produz as citações com ligações que se veem nos motores de resposta: cada afirmação pode ser rastreada até uma passagem, e essa passagem aponta para uma página. Uma resposta sem ancoragem não tem fonte para citar, daí que se leia de forma fluida mas não possa ser verificada. A distinção tem importância porque os dois modos de falha são diferentes. Um modelo sem ancoragem que erra não tem forma de saber que errou; um modelo ancorado que erra tem, pelo menos, um documento que pode ser examinado e uma cadeia que pode ser seguida até ao início.

O grounding é também a razão pela qual ser uma fonte clara e legível é a forma de ser incluído. O modelo ancora-se em páginas que consegue processar e considerar fiáveis: bem escritas, internamente coerentes e corroboradas por fontes independentes. Uma afirmação mencionada uma única vez numa página pouco conhecida é material fraco para ancoragem; a mesma afirmação expressa com clareza e repetida em fontes independentes é material forte. O recuperador tem de encontrar a passagem, o modelo tem de a compreender, e o sistema tem de a julgar suficientemente fiável para citar. Cada um desses passos favorece a estrutura clara em detrimento da formulação engenhosa.

Considere um lojista que vende cosmética natural certificada. Um comprador pergunta ao Perplexity que marcas têm cremes hidratantes adequados para pele sensível, sem perfume. Se as páginas de produto enterrarem essa propriedade em texto de marketing genérico, e as avaliações que a mencionam estiverem num Widget que o rastreador nunca lê, não há nada de claro para ancorar, por isso a marca fica sem citação mesmo que clientes reais tenham dito exatamente isso. Se a mesma propriedade estiver expressa de forma simples na página de produto e for corroborada por avaliações legíveis e indexáveis que dizem o mesmo com as palavras dos próprios clientes, a marca torna-se material citável. O motor de resposta consegue ancorar uma frase sobre adequação para pele sensível numa passagem que consegue efetivamente citar.

É por isso que o grounding está no centro da visibilidade nos motores de resposta. O ChatGPT, o Perplexity e o Google AI Overviews recuperam cada vez mais conteúdo antes de responder, e o que recuperam é o que fica citado. Otimizar para grounding não é manipular o modelo; é tornar a informação fácil de ler e fácil de verificar para que sobreviva ao passo de recuperação.

A ressalva honesta é que o grounding reduz a fabricação mas não a elimina. Um modelo pode ancorar-se numa fonte e ainda assim interpretá-la mal, ou citar uma página que não sustenta realmente a frase, por isso uma citação é evidência de uma fonte, não prova de que a fonte concorda. Tornar as avaliações existentes legíveis, corroboradas e efetivamente citáveis pela pesquisa e pela IA é a lacuna que o BeyondReviews fecha.