Estudo revela a inesperada fragilidade de LLMs na criação de artigos para blogs

Este novo estudo nos dá a base teórica para entender o porquê daquele conteúdo gerado por IA muitas vezes parecer genérico, o famoso 'slop'. A questão está na teoria da informação. Um Grande Modelo de Linguagem (LLM) é otimizado para prever o próximo token mais provável. Isso significa que ele busca a opção com menor 'surpresa' informacional. O problema é que a informação, a parte que realmente vale a pena ler, está justamente naquilo que é inesperado, que o leitor não conseguiria prever. Se um texto não tem surpresa, ele tem pouca informação e, por isso, é chato.

Isso não significa que os LLMs são inúteis. O artigo aponta que eles brilham ao consolidar informações complexas ou ajudar na edição. Mas pedir para um LLM gerar um texto do zero, na esperança de um conteúdo cativante, é um tiro no pé. O resultado será um texto previsível, que dilui a ideia original em prol da prolixidade, exatamente o tipo de conteúdo que os leitores rejeitam, como já apontamos em "Colapso do tráfego orgânico: blogs perdem até 85% de acessos com novas regras de IA e busca do Google", publicado em 3 de julho de 2026.

A cobertura do CEVIU de 10 de junho de 2026, "Por que desenvolvedores usam LLMs para escrever posts de blog", já notava uma percepção de que modelos de IA não conseguiam capturar adequadamente o tom ou a essência de um texto. Agora, este novo estudo oferece a explicação científica e técnica para essa percepção. Não é mais apenas uma observação empírica, mas um entendimento fundamentado na teoria da informação sobre o mecanismo intrínseco dos LLMs. O que era um desafio percebido, agora é uma fragilidade compreendida em sua raiz.

Além disso, enquanto matérias anteriores, como a de 10 de julho de 2026, "Modelos de IA de ponta decepcionam em resultados de negócios", mostravam a dificuldade de LLMs em entregar valor de negócio tangível, este estudo foca em um aspecto fundamental que contribui para essa falha: a qualidade do conteúdo gerado. Isso reforça a tese de que a expectativa de usar LLMs como autores plenos para conteúdo de marketing ou blogs precisa ser revista.

Para criadores de conteúdo e empresas que investem em marketing digital, este estudo é um alerta importante. Ele explica por que a geração de texto por IA, sem curadoria ou intervenção humana significativa, pode ser contraproducente. O conteúdo sem surpresa e com baixa densidade informacional não só é monótono, como também é penalizado por algoritmos de busca e ignorado por leitores, como ficou claro no "Colapso do tráfego orgânico" que noticiamos em 3 de julho de 2026.

Entender essa limitação dos LLMs permite que desenvolvedores e estrategistas de conteúdo os usem de forma mais inteligente. Em vez de delegar a autoria completa, o foco deve ser em aproveitar a IA para pesquisa, sumário, edição e refinamento, preservando a criatividade e a capacidade de introduzir 'surpresa' humana que realmente engaja o público.