Uma auditoria nos modelos de busca da Perplexity revelou uma falta surpreendente de confiabilidade em suas citações. De 1.826 citações anexadas a frases que mencionam um número, 34,7% apontavam para páginas que não podiam ser abertas ou não continham os números mencionados na frase. Isso significa que mais de um terço das vezes, as citações fornecidas pelos modelos da Perplexity não suportam as alegações feitas.

A investigação envolveu fazer 310 perguntas factuais para os dois modelos de busca da Perplexity sobre 210 empresas de tecnologia e, em seguida, verificar as citações fornecidas. Os resultados mostraram que 84,2% das respostas citavam pelo menos um URL que um leitor comum não podia abrir, e 10,6% citavam pelo menos um link morto. Os tipos de páginas mais comuns que foram citadas, mas inacessíveis, foram aquelas de diretórios B2B, estimadores de receita e listas de leads.

Mesmo quando as páginas citadas eram acessíveis, elas frequentemente não continham as informações alegadas. Em 16,1% dos casos, as páginas não mencionavam nenhum dos números citados na frase. Isso levanta sérias preocupações sobre a confiabilidade das informações fornecidas pelos modelos da Perplexity e o potencial para a disseminação de informações erradas.

A questão não se limita aos modelos da Perplexity, pois o uso de respostas geradas por IA está se tornando cada vez mais comum. A falta de transparência e responsabilidade nesses modelos torna difícil verificar a precisão das informações fornecidas. À medida que as respostas geradas por IA se tornam mais prevalentes, é essencial desenvolver métodos para garantir sua confiabilidade e credibilidade.

A investigação também destacou a importância de preservar as páginas da web e torná-las acessíveis ao público. Muitas das páginas citadas foram encontradas para ser efêmeras, existindo apenas enquanto a empresa que as hospedava as mantinha. Isso significa que, mesmo que uma citação seja precisa no momento em que é feita, ela pode não permanecer assim no futuro.

Para abordar essas preocupações, é crucial desenvolver métodos mais robustos para verificar a precisão das respostas geradas por IA e garantir a preservação das páginas da web. Isso pode envolver o uso de técnicas como otimização do mecanismo de resposta (AEO) e otimização do mecanismo gerador para melhorar a visibilidade e a confiabilidade do conteúdo gerado por IA.

Este artigo foi escrito com a assistência de IA.
News Factory APP - notícias agênticas para impulsionar seu SEO e AEO.