A equipe do Bing da Microsoft publicou um quadro descrevendo como os requisitos de indexação mudam quando o objetivo é fundamentar respostas de IA em vez de classificar resultados de busca.
O post identifica cinco áreas de medição onde a empresa diz que os dois sistemas divergem. Ele também nomeia “abstenção” como uma escolha de design para a recuperação alimentada por IA.
O Que a Microsoft Descreveu
O post argumenta que a indexação de busca tradicional e a indexação de fundamentação compartilham a mesma base, mas servem a objetivos diferentes.
A busca tradicional, escreve a equipe, pergunta “quais páginas um usuário deve visitar?” A camada de fundamentação pergunta “que informações um sistema de IA pode usar de forma responsável para construir uma resposta?”
A Microsoft identifica cinco categorias onde os requisitos de medição diferem.
Sobre a fidelidade factual, a equipe observa que algum desvio de classificação é tolerável na busca tradicional porque um usuário pode clicar e avaliar. Na fundamentação, o post descreve a quebra de conteúdo em partes recuperáveis como um processo que “pode distorcer a substância da página de maneiras que nunca aparecem em nenhum sinal de classificação.”
Para a qualidade da atribuição de fontes, a equipe do Bing chama a atribuição de útil na busca tradicional, mas “um sinal central” na fundamentação. Nem todo conteúdo indexado importa igualmente como evidência para uma resposta de IA, acrescenta a equipe.
Sobre a atualidade, a Microsoft observa uma diferença clara de custo. Conteúdo desatualizado na busca é um problema de classificação. Na fundamentação, o post diz, “um fato desatualizado produz uma resposta enganosa.”
Para a cobertura de fatos de alto valor, o post explica que um documento perdido na busca é recuperável porque existem resultados alternativos. Na fundamentação, o índice deve garantir “que os fatos e fontes específicos que as pessoas provavelmente perguntarão estejam realmente disponíveis e fundamentáveis.”
Sobre contradições, a busca tradicional pode destacar uma fonte acima de outra e deixar o usuário decidir. Um sistema de fundamentação não pode fazer isso. “Um sistema de IA que arbitra silenciosamente entre fontes contraditórias é aquele que pode afirmar com confiança a coisa errada,” diz a equipe.
Abstenção E Recuperação Iterativa
O post também cobre duas diferenças de design entre os sistemas.
A Microsoft chama a recusa em responder de “abstenção.” Para um sistema de fundamentação, esse é um resultado válido quando o suporte está ausente, desatualizado ou conflitante. A busca tradicional não precisa fazer esse julgamento porque apresenta opções para um humano avaliar.
A recuperação iterativa é a outra diferença. A busca tradicional é tipicamente uma única interação onde uma consulta é inserida e resultados classificados são retornados. Sistemas de fundamentação podem precisar fazer perguntas de acompanhamento, refinar a recuperação com base em resultados intermediários e combinar evidências de múltiplas fontes.
Erros nos primeiros passos de recuperação “se acumulam através de passos de raciocínio subsequentes de maneiras que nenhum revisor humano capturaria em tempo real,” acrescenta o post.
Contexto
Este post no blog vem após uma série de movimentos da Microsoft para desenvolver suas ferramentas de fundamentação e dar visibilidade aos editores sobre isso.
Em fevereiro, a Microsoft lançou o painel de desempenho de IA nas Ferramentas para Webmasters do Bing, dando aos sites seus primeiros dados de citação em nível de página para respostas geradas por IA. A empresa reescreveu as Diretrizes para Webmasters do Bing em março para incluir GEO como uma categoria de otimização nomeada e adicionou mapeamento de consultas de fundamentação para páginas citadas ao painel no mesmo mês. Na SEO Week em abril, Madhavan previu quatro recursos adicionais para o painel, incluindo Compartilhamento de Citação e rótulos de intenção de consulta de fundamentação.
Este post é mais conceitual do que aqueles anúncios anteriores. Ele não introduz novas ferramentas ou recursos. Em vez disso, ele expõe os princípios de engenharia que a empresa descreve como guiando sua evolução de índice.
Por Que Isso Importa
Este quadro esclarece o que a Microsoft diz que seus sistemas precisam do índice para respostas de IA.
A Microsoft afirma que a fundamentação depende da mesma coleta, qualidade e compreensão da web que a busca, mas respostas fundamentadas requerem evidências precisas, atualizadas, atribuíveis e consistentes. Fatos desatualizados, fontes fracas e contradições representam riscos quando o conteúdo é usado para respostas.
O Que Esperar
O post oferece uma visão sobre por que alguns conteúdos são mais fáceis para a IA citar. Se os recursos de Compartilhamento de Citação e rótulos de intenção apresentados na SEO Week forem lançados, eles podem ajudar a testar se as prioridades de medição descritas aqui aparecem em dados reais de editores.
Imagem em destaque: TY Lim/Shutterstock
