Numa anotação anonimizada do meu diário de erros dos modelos, um sistema citou com segurança uma clínica de São Paulo, mas associou a clínica a uma especialidade próxima e puxou uma fonte de uma página antiga de catálogo. Para uma pessoa, é uma imprecisão pequena; para a marca, uma etiqueta borrada na caixa. Eu destrincho esses tropeços em português e em inglês: onde a empresa aparece nas respostas do ChatGPT, do Gemini e do Perplexity, onde some e onde começa a ficar parecida com uma concorrente.
Esta semana estou olhando como sistemas de IA respondem quando o nome de uma marca aparece junto a uma especialidade próxima. Apareceram dois casos em que a resposta trocou a empresa pela vizinha do mesmo bairro — só por causa de uma etiqueta antiga num diretório. Estou anotando o padrão antes de virar artigo.
Por que o ChatGPT erra em um serviço jurídico local: bairro certo, especialidade errada e fonte antiga.
LinguagemComo uma planilha manual ajuda a enxergar erros, fontes e concorrentes em uma auditoria de visibilidade de marca em IA.
LinguagemPor que o ChatGPT usa informação antiga: como um catálogo antigo pode trazer de volta um serviço retirado nas respostas sobre uma marca.
Fontes
Sou Rafaela, escrevo daqui de São Paulo. Há uns dois anos mantenho um diário de erros de modelos de IA — anoto onde marcas aparecem, onde somem e onde começam a se parecer com uma concorrente. As notas são curtas, sem rodeios, sempre anonimizadas.
Você pode mandar um exemplo de pergunta em que a empresa deveria aparecer. Eu olho o exemplo e respondo brevemente se vejo ali um erro recorrente.
Escrever