230: Como funciona o GEO, o SEO para LLMs, com Mateus Borges

Olá, bem-vindas e bem-vindos à edição de quarta-feira, edição de entrevista do IA Sob Controle, o seu podcast com overfitting de informações sobre o mundo da inteligência artificial. Eu sou o Marcos Mendes e tenho, claro, essa encontro na semana para aqui o Fabrício Carraro, viajante polilota, host do podcast Carreiras Sem Fronteiras e Program Manager da Alura. Fabrício, tudo bem? E aí, Marcos? E aí, galera de casa?

no mundo real, e eu conheci ele bem recentemente nessa tour que eu tô fazendo no Brasil agora, essas últimas semanas que eu passei por aqui, tive a sorte de conhecê-lo pessoalmente, passamos, era pra ser um café de uma hora, a gente ficou seis horas lá conversando sobre tecnologia, vida, universo e tudo mais, então é um prazer ter ele aqui no podcast. Excelente, então, Matheus Borges, das muitas credenciais, eu vou dar só uma por enquanto, cofundador da Rankia, bem-vindo ao IA Sob Controle.

o convite aí, estou muito feliz. O Fabrício, como ele contou, a gente ficou seis horas batendo papo lá sobre como o tech vai mudar o mundo e como a gente, desde como ser humano, filosoficamente, a gente se adapta nessa realidade toda e em oportunidade de negócio que tem nesse rastro. E, Marcos, obrigado, prazer também, é legal de estar com vocês aí, a gente acompanha o trabalho via podcast e agora poder estar aqui é bacana demais.

Excelente, obrigado. E você, a Rankia é uma empresa que eu vou definir resumidamente errado, você me corrige, tá?

mas é de SEO, Search Engine Optimization, o jeito das pessoas encontrarem você com buscas na internet para a era das IAs. Então se antes os sites e serviços eram otimizados para você ir no Google, fazer uma pesquisa e cair no site da sua empresa, agora está mudando essa relação porque tem um intermediário aí que é no meio do caminho. A gente tinha comentado sobre essa mudança que estava vindo, que vão começar a aparecer empresas, serviços especializados nisso, e estamos agora vivendo nessa realidade. E não é mais SEO.

GEO, é G-E-O, G-E-O. Explica para a gente o que é o GEO, antes de a gente entrar na diferença, que são até algumas óbvias entre o SEO e o GEO. Legal, Marcos. A forma que você definiu a Rank era o que a gente queria ser no começo, só que a gente descobriu para a gente criar uma solução de valor que resolvesse esse problema, a gente tinha que também ser uma empresa de pesquisa e quase que uma deep tech. Então hoje a gente se apresenta com o pessoal e a gente fala assim, a gente é uma empresa de pesquisa que tem pesquisas como resultado e produtos também de infraestrutura

que é o Generative Engine Optimization. Então, o paralelo ajuda a entender muito bem. Como você consegue otimizar o motor de buscas das IAs, cujo resultado que você quer é que, quando alguém pergunte sobre quais são as melhores empresas de dada categoria, sua marca, seu produto, ou você como profissional, apareça lá. Seja você um banco, seja você uma farmácia, seja você um advogado, um médico, ou uma empresa de software. Então, todo mundo tem esse desafio novo,

marketing, que é como você influencia as respostas das IAs em relação à sua marca. E eu acho que é interessante a gente trazer, porque muita gente viu o lançamento recente do chat GPT com ads, que teve até a polêmica lá do Super Bowl, da Antropic, e não é isso. Não é você aparecer nos ads do chat GPT, é você aparecer na resposta orgânica do chat GPT. Não, exato, exato. E isso é muito legal, porque hoje, acho que é curioso falar assim, o brasileiro, falando brasileiro, mas em geral, o ser humano usa o GPT para muita coisa,

o pessoal usa GPT como psicólogo, como conselheiro amoroso, como médico, como N funcionalidades, né? E aí, quando a Entropic fez até as propagandas lá, zoando um pouco essa questão da Open AI de fazer propaganda, é muito verdadeiro isso, né? Você cria um conflito de interesse. Tem uns episódios legais do Black Mirror também, que eles fazem um pouco disso. Tem um episódio na última temporada que o pessoal coloca meio que um device na cabeça.

Regular people, common people. É, e é muito bom esse episódio, assim, porque daí parece propaganda,

se você está no plano básico do subscription lá. E isso mostra muito conflito de interesse. Porque o pessoal assume que a IA é isenta, a IA não tem esse conflito de interesse, e a partir do momento que você coloca a propaganda, você fala assim, não, aparece aqui pra mim quem pagou pra aparecer aqui. Não é porque você está me oferecendo o que é de fato melhor pra mim. Eu gosto de pensar muito assim, imagina a corrida das IAs como se fosse uma corrida de bicicleta.

Você tem o Open Eye, que é o ciclista que está lá na frente, pedalando, pedalando, pedalando, pedalando, abrindo, cortando o vento, e aí você tem no vácuo atrás, o pessoal que está vindo não está tendo a resistência de quebrar o vento,

lá, tá vindo só que na cola, né, o Gemini ali com seus 750 milhões de usuários, o GPT com seus quase 900 milhões de usuários ali na cola, só que a OpenAI tá ficando cansada, a OpenAI tá assim, tá dando os últimos recursos pedaladas e ela sabe que se ela escorregar, ela pode escorregar e muita gente ocupar esse espaço que ela tava ocupando, né, então esse é o grande perigo dessa brincadeira de fazer ads nas IAs, porque se o pessoal olhar e falar assim, esse GPT agora é comprado, não confio mais nele não, vamos lá no Gemini, ou vamos lá no Cloud, vamos no Grock, ou na

seja o player que estiver proeminente na época, isso é muito fácil, isso é questão de muito rápido acontecer, que foi o grande proporção de valor do WhatsApp, o WhatsApp só virou o player dominador de messaging, porque era um lugar sem propaganda, era gratuito, muito bom tecnicamente, entregava um baita valor, e eles foram começar a pensar até hoje em um desafio para a meta, como que ela monetiza o WhatsApp, mas o ponto é, ela tem uma audiência que é quase metade do planeta Terra, então isso tem muito valor.

valor, que é seu grande desafio. E eu acho que a visão minha em termos de AI é um pouco disso. A gente tem uma tecnologia enorme que ela mostra um paradigma de N possibilidades que a gente tem que fazer. Só que em termos de negócio, a gente não conseguiu encontrar ainda uma forma de capturar esse valor e eu acredito muito que não vai ser a Ads o ponto final. Só que você tem a galera que colocou dinheiro e está financiando o crescimento das IAs, o pessoal do Outmoney que fala assim, tá aí, Open AI.

A gente já participou em outros contextos, outras tecnologias que a gente investiu, investiu, investiu, não teve retorno, o negócio quebrou. Quanto vocês vão dar dinheiro? E diferente do Google,

que você tem uma máquina de fazer dinheiro e consegue reinvestir em Mars e em outros players, a OpenAI tem esse desafio e ela tem que começar a se provar que não, tem como ganhar dinheiro. Olha, veja bem, se eu quiser fazer ads, eu ganho muito dinheiro. Então, é um desafio e tanto. Mas, assim, acho que é isso pra gente que trabalha, então, com essa proposta de Generative Engineering Optimization, mais do que nunca, a gente acredita muito nessa tese de que a busca orgânica, ela é muito fundamental e ela vai ser muito crucial quando a gente pensa em termos de, ah, por quê?

explícito o que é propaganda. E a partir do momento que você deixa muito explícito o que é propaganda, todo mundo vai falar assim, ignora a propaganda. Eu quero o que é melhor pra mim mesmo. O que é melhor pra mim? Inteligência artificial. Só que o ponto é, dá pra influenciar também o que a EA tá fazendo. E essa parte dos bastidores que muita gente não sabe e não sabe o quão vulnerável a gente já tá hoje em relação a esse tipo de coisa com os players que já tão fazendo esse tipo de ações, né?

E tem uma coisa, eu noto que até certo ponto é injusto, SEO, na época, legado da busca, ganhou até uma conotação ruim.

que é uma coisa meio um spam de keyword, assim, né? Você procura por melhores restaurantes da cidade tal, você vai cair numa lista do TripAdvisor que vai botar McDonald's, a MPM, sabe? Nem sempre é exatamente uma coisa que vai ser positiva 100% ali pra quem tá pesquisando. E a promessa, ou pelo menos a esperança, a expectativa das pessoas com a busca generativa é que dava pra cortar completamente isso e fazer o modelo encontrar o que de fato era organicamente as melhores respostas

aquela pessoa, tirando os guias feitos para que eles cumprem o que o Google fala. Se você fizer isso, isso, isso, isso no seu texto, no seu site, você vai indexar bem aqui e vai cair. Estruturou a internet para seguir o que o Google basicamente mandava. E uma das grandes vantagens da busca generativa era acabar completamente com isso e você só chegar no resultado mais rápido, melhor, mais eficiente.

repetir talvez esses erros do passado e começar a dar um nome ruim pra essa prática também? Ou a gente tem, de fato, uma chance de fazer uma coisa que acabe ficando melhor pra todo mundo, sem dispersar o resultado e todo mundo só jogar o jogo que sabe que é o que o algoritmo de lá vai pegar pra puxar pra resposta? Sabe esse jogo de gato e rato, de tentar ranquear bem? Não, com certeza, Marcos. Eu acho que, assim, o primeiro ponto, assim, o Geo, ele é uma disciplina que ele tem data de vencimento.

Assim, ele é uma disciplina que no estado da arte não faz sentido existir. Porque no estado da arte é isso que você falou, assim, a super inteligência, ela vai olhar

as variáveis do mundo, e ela tem processamento e data center suficiente pra que você não precisa otimizar pra ela. Não, se demorar pra ler seu site, ou se seu site for complicado, ela é muito esperta, ela tem tempo infinito, ela vai conseguir ler e vai te dar realmente o cenário ideal, da resposta ideal, né? Assim, eu acredito, a gente luta muito pra gente conseguir chegar nesse espaço, só que a gente sabe que tem um long time muito grande, né?

Vídeo, por exemplo, essa semana que o... tem uma matéria no The Information lá, que o pessoal do Stargate, que era projeto lá do governo americano, que faz um ano que já tá pra lançar, e aí ficou nessa

o P&I com o SoftBank meio que discutindo e o negócio de que era pra ser uns 100, 500 bilhões de dólares em investimentos em data centers ainda não saíram. E o ponto é assim, isso custa o quê? Custa o tempo de desenvolvimento. Em termos de software, tá animal o que a gente tá produzindo ultimamente, animal. Só que se você democratizar, por exemplo, se a Bidens coloca o Seed Dance lá pra todo mundo, você dá um crash quase que na internet, porque todo mundo vai querer ver o vídeo seu lutando contra o Tom Cruise dentro do Missão Impossível, esse tipo de coisa. Mas não só pra esses aplicativos,

mais entretenimento, mas pra tudo, em geral, você consegue ter muita coisa. Então, você vai ter não só a questão da curva de adoção das tecnologias por conta das pessoas que estão fora ou não da bolha, mas também de infraestrutura. E nesse cenário que é o ponto, o DO vai ser necessário ainda, enquanto você não tiver essa plena abundância de infraestrutura. E aí entra o ponto, que é uma premissa que eu e meu sócio a gente colocou muito forte.

Um dos investidores anjos da Rank aqui é o André Penha, que é o fundador do Quinto Andar, um cara bem técnico. E quando a gente foi conversar com ele pra fazer o pitch da Rank, ele falou assim,

Matheus, é legal ver o que vocês estão fazendo assim, porque eu só invisto em negócio que eu acho que faz bem para a sociedade. E pelo que você não está falando aqui, o que vocês querem fazer é bem para a sociedade. E o que eu dito? A gente pode se olhar para a gente quase como se a gente fosse uma empresa de reinforcement learning focada em IA. Então, quando você olha, por exemplo, reinforcement learning, você tem a arquitetura de LLM, que ela começa a precisar, a galera está insistindo para caramba nela, que ela vai chegar na IGA, então vamos tacar dado processamento, muito dado, só que daí você chega no limite e fala assim, tá, o conhecimento maior é o conhecimento tácito, ele não está processado em texto, vídeo, etc, ele está na cabeça das pessoas. Então, vamos colocar as pessoas para treinar.

Então vamos começar por matemática, física, estatística, etc. Começa os PHDs. Mas quando a gente vai para definir, por exemplo, qual que é o melhor restaurante da Avenida Paulista? Quando a gente vai para definir qual que é a melhor marca de vinho? A melhor marca de smartphone? Ou a melhor banco de investimento? Que você tem N variáveis que você precisaria colocar e também você tem uma questão de opinião muito atrelada. Quem vai fazer esse reinforcement learning com confiança para a OpenAI, para o Gemini, etc?

Porque na prática, quando você tem a disciplina de jogo, o que a gente faz é o seguinte, a busca na IA, e depois a gente vai comentar mais pra frente como é que ela funciona versus a busca tradicional, a busca na IA é muito mais cara, ela é muito mais cara em termos de energia, em termos de processamento, assim, dá ordem de grandeza de quase 100 vezes mais onerosa do que uma busca simples no PageRank do Google. Dito isso, otimizar faz parte do jogo.

Então, otimizar faz parte do jogo, a gente tem pouco recurso em geral, e aí entra a questão do jogo, de como é que a gente consegue fazer com que,

uma empresa ou uma solução que tem uma solução muito boa, eu não vou chegar e não vou inventar fatos. A gente não vai fazer gambiarra. Tem gente fazendo gambiarra, já fazendo essa coisa que você falou, tem gente fazendo gambiarra, tem picareta em todo tipo de mercado e tem picareta também no mercado de geô. O ponto é, eu quero garantir que o que a gente sabe que é bom, vamos supor, você tem uma empresa de tintas e você, imagina, quem são os maiores especialistas em tintas para aparelho no Brasil?

Você vai pensar, bom, as empresas que fazem tintas, porque elas contratam, pesquisa, etc, etc, etc. Então, esses caras,

vão saber muito bem, eles vão ter vários estudos. Só que o ponto, como que estão esses estudos? Eles estão em PDF? Eles estão em vídeo? Eles estão otimizados da forma lexical pra busca pra tradicional? Ou elas estão pensando no ponto semântico? Ou o site que eles estão? São sites que estão muito demorados pra carregar e eles não conseguem participar nem da segunda etapa da competição da busca da IA. Então, tem vários elementos assim.

O que a gente ajuda é assim, ó galera, a gente ajuda da infraestrutura pra você tá no jogo. E aí, se você vai ser o escolhido pela IA, aí é outro ponto. Aí você vai ter que ser bom naquilo mesmo. Mas a gente tá te ajudando

e fazer essa ponte. E o ponto é, você vai precisar de um tradutor, de alguém que te ajude nisso, porque assim a competição de conteúdo é enorme na internet e é muito otimizado. Então por mais que você fique na esperança que você tenha um conteúdo muito bom, se o seu conteúdo está difícil de ler, está difícil de acessar, está demorando para carregar, ou está muito distante da forma como as pessoas perguntam, você vai morrer na praia nesse sentido.

E agora eu queria entrar exatamente na parte técnica. Primeiro, eu acho que vale uma introdução de como é feito atualmente a busca do Google, por exemplo, com o SpendRank,

e tudo mais, e como é feito pelas IAs, e aí eu quero que você entra pesado fundo em badges e tudo mais, né? Brilha aí, Matheus! Vamos lá, vamos lá, a parte mais legal, agora me empolga. Então, assim, basicamente, a busca no Google, ela é uma busca algorítmica, ela é majoritariamente determinística, né? Então, se nós três aqui, todo mundo que está ouvindo o podcast agora, pesquisar a mesma coisa no Google, basicamente, as citações, os sites que vão aparecer, eles são muito próximos, assim, de ser uns

mesmos nas primeiras páginas. Eles vão alterar um pouco a ordem. A ordem vai alterar um pouco por interferência de experiência que o Google quer agregar pra você. Então, ah, vai ver um pouco do seu histórico, o horário do dia, o idioma, etc. Ele muda um pouco. Mas o ponto é, a galera que ele tá mudando ali, o clubinho, que tá no top 2, 3 páginas, são as mesmas pessoas. Quando a gente vai pra busca com IA, a busca, ela é estocástica.

Isso quer dizer o quê? Estocástica é uma palavra difícil, mas que significa que é um fenômeno que ele é aleatório, mas ele tem previsibilidade.

probabilística. Ou seja, se você fizer uma amostra com um grupo específico, você consegue projetar qual é o comportamento daquele universo, daquele sistema nesse sentido. E a busca na essência matemática, na busca na IA, ela é uma busca que é estocástica. E aí, o que acontece? O primeiro componente, quando a gente pensa nessa grande diferença, tudo que a gente aprende em termos de buscas de otimizações para o SEO, ele está muito pautado, então, nessa como você consegue fazer o cracking the code de identificar esse algoritmo e fazer regras para esse algoritmo.

e produzir conteúdos que estão seguindo essas regrinhas. Muita gente está vindo da escola de SEO e aplicando essas regras agora para o GEO. Só que tem um paper muito legal, um dos primeiros papers no mundo a lançarem o termo GEO, é um paper da galera de Princeton. O chat GPT foi lançado em novembro de 22. Novembro de 23 eles lançaram esse paper que eles falam assim, tem esse negócio novo agora que tem algumas pessoas chamando de Generative Engineering Optimization, que é o SEO das IAS.

Vamos fazer o seguinte, vamos pegar todas essas heurísticas, todos esses hacks, esses guias práticos que a gente sabe do SEO,

galera tá falando que funciona pro GEO e vamos pegar um grupo de controle que a gente vai fazer nada. A gente vai pegar o conteúdo, a gente vai começar a produzir esses conteúdos, distribuir esses conteúdos com o objetivo de ver o que vai dar resultado. E aí tem uma coisa que a galera do SEO não tá falando muito, que é o seguinte, o resultado de fazer as práticas que a gente conhecia, que funcionavam nesse GEO, performou pior do que fazer nada no seu conteúdo.

E isso dá um desjejum muito forte. Eu sei que a audiência aqui é muito técnica, e eu acho que mais do que nunca, quem tá ouvindo aqui, o pessoal, os devs, os matemáticos, etc, esse é um momento que é muito

crucial de vocês conseguirem fazer a diferença dentro da empresa de vocês na agenda de negócios e de marketing. Por quê? A agenda de G.O. é completamente diferente do que a gente entende hoje. Porque a gente está falando de um novo paradigma, que é o seguinte. A nova audiência é uma audiência de robôs. A gente tem 30 bilhões de robôs toda na internet o tempo todo. E os robôs, o que funciona para os humanos, os canais que a gente distribui para os humanos, não necessariamente são relevantes para os robôs.

E esse é o novo paradigma. E conversar com os robôs é muito mais sobre o racional de como você otimiza todo o seu conteúdo,

muito pautado numa infraestrutura de evidências, numa infraestrutura estatística, do que fazia nesse sentido. Então vamos lá, acho que voltando um pouco pra trás, como é que funciona a busca. Quando eu faço uma pergunta pro GPT, então eu falo assim, eu quero saber quem descobriu o Brasil, o GPT, ele vai olhar primeiro assim, essa pergunta, ela é a recência desse conteúdo? Ela é relevante pra eu responder? Ou seja, é um conteúdo que vai mudar muito ao longo do tempo?

Ah, quem descobriu o Brasil, bom, até agora a gente continua concordando que foi o Pedro Alves Cabral lá com os portugueses. Então ele vai fazer o seguinte,

ele vai no conjunto de pré-treino dele já, e ele vai te responder. Ele não vai fazer uma busca na internet. Mas se eu faço uma pergunta, por exemplo, qual que é o melhor banco de investimentos? Qual que é o melhor restaurante? Ele entende que, putz, talvez na última janela do meu pré-treino tenha mudado informações nesse intervalo. Então, quer saber, eu vou ter que fazer um reg aqui, vou ter que fazer o retrieve argumentative, vou ter que fazer uma busca aumentada.

Então, o que ele faz? Eu vou ter que montar um subconjunto de dados que eu vou acessar ele para poder compor com mais coerência a resposta para o meu usuário. E aí, como ele faz isso?

fazer o websearch. Só que antes dele fazer o websearch, ele vem um primeiro componente que é importante. Ele vai fazer o seguinte. Tá, o Matheus tá me perguntando assim, qual que é o melhor banco de investimentos? Mas ele olha de todo o conjunto do pré-treino dele, e aí daqui a pouco eu vou falar um pouco disso, né? A diferença da busca tradicional com a busca do Geo. A busca tradicional, ela tem um drive lexical, de match de strings.

A busca no Geo, ela tem um drive semântico. Então ela vai funcionar com embeddings, com espaços vetoriais semânticos, etc. Bom, pausa, voltando pra cá.

que acontece? Nessa busca, ele vai fazer o seguinte. Como eu tenho uma cobertura semântica muito grande, ele vai transformar, na verdade, em média aquele pergunta sua em 200 maneiras diferentes de se perguntar isso. E nessas 200 maneiras, ele pergunta até em outros idiomas. Isso que é mais doido. Então, você fez a pergunta em português, ele vai fazer tipo nesses... E essas variações a gente chama de query funouts. Esses query funouts, basicamente, o que ele vai fazer?

Ele vai pegar eles e aí ele vai jogar nos buscadores tradicionais que a gente conhece na internet. Ele vai jogar no próprio Google, ele vai jogar no

no Bing, no Brave, em N e outros buscadores proprietários. E ele vai fazer essa combinação de 200 por 100 por 50, e aí você tem essas N buscas, e ele começa a buscar fazer o crawler na internet. Aí o pessoal, ah, mas você não falou que o SEO não funcionava? Então influencia aí, né, Matheus? Porque, pô, no final do dia ele tá usando o Google pra pesquisar. Exatamente. Só que o ponto é, é que ele não é um cara preguiçoso que para só na primeira página do Google.

Você tem muitas citações que ela tá na página 200 do Google, que ela tá na página 300 do Bing, né? Nem sabia que existia a página

na 300 do Bing. Existe a página na 300 do Bing. E existem sites que são tão utilais em conseguir ser ruim de SEO que eles conseguem estar na página 300 do Bing. É quase que telecena, né? Você ganha por mais e menos pontos. Você tem muito utilário para ter conseguido feito um site que vai parar lá na página 300. Mas o ponto é, os crawlers que estão olhando, eles vão varrer lá também. Então, para ele, não é aquele assim que ele está com pressa, que ele vai olhar o primeiro site aqui.

É distribuído em paralelo. Então, não é o mesmo robôzinho que está lendo aqui. Você tem um processo de distribuição que já está olhando as outras páginas ao mesmo tempo.

tempo. Então, não é serial. Então, a ideia de que, ah, putz, eu vou rankear no SEO, vai ser muito relevante? Vai! Tem uma certa correlação, etc., mas é muito marginal. Muito marginal. Tanto que o pessoal de Princeton lá já provou, só, na verdade, dependendo de você forçar muita barra, vai ser até pior. Aí, o que ele vai fazer? Ele vai ler esse texto, né? Ele vai tentar entender o texto, ler o texto, pra dizer se aquele texto tá muito próximo, em termos de conseguir responder pro usuário final ou não, aquela pergunta.

Aí, o que ele faz? Aí, ah, ela não entende texto como a gente. Ela faz o que vocês devem ter falado em vários outros episódios aqui, ela faz o tal de embedding, né?

ela transforma aquele texto numa entidade matemática, que são os vetores, e ela transforma esses vetores. Só que não são os vetores da aula de física que a gente conhece, que tem duas dimensões, para a prova da FUVEST, não. São vetores ou tridimensões, quando a gente vai fazer em outros contextos. São multidimensionais, são de mil dimensões. É uma coisa que só o Dr. Strange conseguiria abstrair lá visualmente, talvez, esses espaços.

Então, ele vai fazer o seguinte, ele vai pegar esses textos, vai transformar esses vetores multidimensionais, e vai transformar esses vetores, e vai popular esse espaço multidimensionado.

multidimensional vetorial, que é o espaço que a gente fala de que é o espaço vetorial semântico. E ele vai começar a pular. E aí, como que ele diz matematicamente se alguma coisa é mais próxima de responder ou não é outra coisa? Ele vai fazer isso por quase que uma distância geométrica, uma distância de cossenos, né? Então ele vai falar assim, ó, esse ponto tá mais próximo disso aqui, então isso aqui faz mais sentido pra responder aquela pergunta que o usuário final tá respondendo.

E aí entra o primeiro componente. Aí, pausando atenção, tome uma água. Primeiro componente do Geo, que é do ponto de vista de engenharia. Por quê? Ele começa a popular,

nesse espaço semântico, dado o momento, ele vai falar assim, nossa, já está bom, já tem muito site aqui, e tem muito site que está muito próximo aqui da pergunta já. E ele vai delimitar um espaço que a gente vai chamar de nuvem semântica, que é um espaço amostral, que vai ser basicamente o conjunto de dados onde ele vai fazer o reg, que ele vai alimentar aquele banco de dados lá que ele tinha que construir para fazer esse reg.

E aí, qual que entrou o ponto? Tudo isso que eu estou falando aqui tem que acontecer em milissegundos, tem que acontecer muito rápido. Então, se você tem um site, que é um site que demora para carregar,

pra você e demora pra máquina. E talvez, por mais que ele seja super próximo semanticamente daquele conteúdo, se ele demorou demais pra carregar o GPT ou o Gemini, ele pode falar assim, não, já tá bom, galera, já fechou. Ninguém entra mais. Fecharam os portões, é prova do Enem aqui. Sei que você é um cara muito inteligente do ano inteiro, mas já tem gente demais aqui nessa festa. E aí você nem entra em consideração. E como que dá isso um nó na cabeça das pessoas?

Por quê? Um site que é bom pro humano, ele tem muito look and feel. Ele vai ter muito componente visual. Você vai carregar de JavaScript,

CCS, um monte de coisa pra, tipo, o circo todo que é bonito, animação, então, você pegar uma agência empolgada, então, eles vão fazer até, tipo, quase que um jogo, assim, só que essa desgrama onera muito, tipo, pra poder carregar, onera muito, então, por mais que seja super legal, super maneiro, cara, assim, você tá fora do jogo, você tá entrando nem no campeonato, e aí, entra o ponto. Se a gente pergunta, por exemplo, alguma coisa, ah, tá, quais são os melhores bancos de investimento, talvez vocês vão perguntar, pensar assim, ah, sei lá, o site da Exame, deveria ser um site interessante, o site do

valor econômico, deveria ser um site interessante, um site da Globo, etc. Só que esses sites também são sites que demoram para carregar, são sites carregados de propaganda, vários elementos visuais, com designs que eles tentam fazer um design arrojado, e isso onera a máquina. Então esses sites que deveriam, são super relevantes, têm muitos acessos para os humanos, eles têm uma relevância muito, mas muito pequena. A gente tem esses dados numa pesquisa, depois até se vocês quiserem procurar, a gente pode ajudar, estou batendo um papo com o Fabrício, a gente vai fazer uma coisa legal e compartilhar com vocês, mas a gente tem uns dados nessa pesquisa, e basicamente assim, a representação de citações

canais que a gente conhece, é muito baixo, muito baixo. Muito por conta dessa questão de engenharia, tem outros componentes também. Então o primeiro componente é a batalha de engenharia. Quem é o site que tem um HTML semântico, mais limpinho, bonitinho, e aqui o simples, o feijão com arroz, é o melhor. É aquela internet quase que da Wiki, né, tipo da Wikipedia, por exemplo, que é uma página branca, padrão, muito estruturada, toda vez que o robô chega lá, ele fala assim, aqui eu sei, aqui eu sei onde que estão as evidências, aqui eu sei onde que estão os exemplos, aqui tem a tabela comparativa, etc, etc.

Ele tem um sitemap muito redondinho. Ele tem um robots.txt, um LLM.txt, falando assim, ó, vem, pode entrar aqui, fique à vontade. Aqui tá o sitemap, vai lá, faz aquilo. Ele tem muito markdown dentro da estrutura da HTML, falando se quer o título, se quer o texto. Então, tem esses N componentes semânticos nesse sentido. É a primeira batalha. Aí, vamos pra segunda batalha. A batalha semântica. E aí, pra tentar abstrair isso antes da batalha semântica, eu gosto de dar um exemplo muito legal, que é a história da raiz quadrada.

A raiz quadrada começou com os produtores rurais no agro. Eu gosto do agro, porque eu trabalhava com agro antes, um bom tempo.

E começou no agro, que era o seguinte, fazendeiro lá na Babilônia, é difícil falar com fazendeiro na Babilônia, mas bom, o agricultor na Babilônia, ele tava lá e falava assim, pô, eu quero plantar um quadrado aqui de 10 metros quadrados de arroz. E aí ele pensava assim, puta, mas eu quero fazer uma cerca nesse negócio. Qual que é o lado do quadrado que vai ter área de 10 metros quadrados? Aí ele pensava assim, aí começou, ah, agora eu quero fazer um quadrado de 100 metros quadrados.

Aí ele pensava, qual que é o lado do quadrado que vai ter 100 metros quadrados? E esse conceito do lado do quadrado que tem a área tal,

começou a extrapolar depois pra geometria. E aí da geometria, quando chegaram nos árabes, os árabes foram colocar isso também pra álgebra. E o conceito, o termo que era o lado do quadrado, que é muito evidente o que é, o lado do quadrado. Eu quero um quadrado de área tanto, qual é o lado que eu preciso ter pra fazer esse quadrado de área tanto? Os árabes falaram, em vez de fazer lado quadrado, eles falaram assim, vamos fazer o seguinte, vamos usar uma palavra, qual que é o número que origina o quadrado de área tanto?

E eles usavam uma palavra que tinha a ver mais com a origem daquilo. O número que origina o quadrado de área tanto.

Aí foi pro latim. Aí quando foi pro latim, o termo, também usando essa semântica de origem de alguma coisa, era o radix. Radix do quadrado total. Radix do quadrado de área 10. Só que, quando começaram a estudar botânica, o pessoal utilizando o latim, eles foram pensar também, qual que é o negócio que origina a planta? O que fica lá embaixo da planta? Ah é, o radix. Então o radix, o raiz radix, é o negócio que origina a planta.

Só que pro ser humano cognitivamente processar, toda vez que a gente tem uma palavra, que a gente tem um objeto, alguma coisa concreta e visual,

Simples pra gente imaginar aquilo e materializar. Versus a gente pensar num conceito mais metafórico e alegórico de, por exemplo, raiz. Quando eu falo raiz pra vocês, a primeira coisa que vem na cabeça é raiz. Alguém vai pensar na raiz do bonsai, outro da raiz da mandioca, etc. Vão ter várias raízes que vão vir na cabeça da gente. Só que a gente não vai pensar muito naquele segundo nível da derivada que é a raiz é a origem, não sei o que e tal.

Não vem. E aí vieram os portugueses. Não vou fazer piada de português, prometo. Tinha que ser os portugueses que foram traduzidos no latim para...

o português e trouxeram para você a raiz. Então a operação vai chamar raiz quadrada. Essa brincadeira, ela na verdade foi um negócio que só complicou para toda a civilização lusófona para entender matemática, porque seria tão mais simples se você falasse para as crianças, falasse assim, ó criança, agora a gente vai apresentar um negócio que é o lado do quadrado. Sabe o quadrado? O quadrado tem a área. Então você tem que saber o lado do quadrado.

Aí falaram, não, criançada, agora a gente vai aprender um negócio que se chama raiz quadrada. Eita desgrama, o que é o raiz quadrada desse negócio? Não, raiz quadrada é de não sei o que. Aí, Bateu, o que você está contando essa história da Babilônia?

perdi todo mundo aqui, a gente estava falando de Geo, quando você foi parar lá na Babilônia na raiz quadrada, qual que é o ponto? No SEO antigo, vamos supor que você quer ranquear o seu site para que quando alguém pesquisasse raiz quadrada de 9, o seu site ranqueasse bem. Então, como é o match de string, match das palavras, letrinhas lá, você tinha que ter esses blocos, esses chunkings de raiz quadrada de 9, muito redondinho no seu texto lá no final, raiz quadrada de 9, raiz quadrada de 9.

Aí você pensa, vou para o Geo, as pessoas estão perguntando raiz quadrada, então tem que ter escrito raiz quadrada aqui, só que é um pouco mais amplo, você está fazendo um

e o contexto semântico. Então, no contexto todo, às vezes o match de string não vai ser o que vai dar o resultado mais efetivo. Peraí, Matheus, como assim? Como assim que, talvez, num texto que tem escrito o lado do quadrado 9, ele, semanticamente, ele vai estar muito mais próximo nesse processo do espaço vetoral semântico do que um texto que tem a raiz quadrada de 9. E aí, aquele momento do meme que vai fazer com a cabeça assim. Então, peraí, quer dizer que tudo que eu sabia de SEO, tipo,

Talvez não vai funcionar geou. Exatamente. Você sabe disso. Talvez não vai funcionar geou. Isso na linguística a gente chama de isomorfismo semântico. Que é quando, basicamente, você tem esse contexto de palavras que tem essa similaridade semântica nesse campo semântico. E aí, qual que é o ponto? Imagina só. Então, você vai falar assim, pô, como que eu vou produzir um texto pra fazer esse tipo de coisa? Eu vou ter que contratar, então, um monte de doutor em linguística lá na USP, na Unicamp, em universidades pra produzir esse tipo de conteúdo? Talvez, tipo, teoricamente,

deveria ser fazer isso, mas existem ferramentas hoje, como a tal da inteligência artificial, que você poderia fazer processos diferentes para fazer esse tipo de contexto. Então isso mostra muito porque o texto que é bom para o humano, o raiz quadrado de 9, ele é bom para o humano. O texto que vai ser bom para o robô, não necessariamente, ele vai parecer muito intuitivo para o humano. Porque ninguém fala lá do quadrado 9. Então ninguém vai falar assim, nossa, que convergente português aqui, esse negócio de texto está meio estranho, tal, tal, tal.

Mas, semanticamente, você conseguiu projetar ele muito próximo. Então, você tem a batalha, a primeira

batalha, que é a batalha de engenharia. E depois você tem a segunda batalha, que é a batalha semântica, de como semanticamente você consegue produzir um texto que vai estar muito próximo desse tipo de contexto. Eu vou dar um parênteses para quem talvez seja, meu Deus, o que o Matheus está falando? Estou perdido aqui no negócio? O que é o embedding? A gente fala com alguma frequência, mas se você é ouvinte novo ou nunca ouviu falar desse termo, o embedding é basicamente a representação semântica nesses vetores numéricos que o Matheus comentou, multidimensionais.

Literalmente você joga um dicionário, por exemplo, lá, você treina a sua rede neural e ela começa mais ou menos a entender que, olha, essa palavra aqui, o exemplo clássico que o pessoal deu no paper, acho que no Word to Back, é o rei e a rainha. Então, a palavra rei está mais ou menos próxima da palavra rainha, a palavra homem está mais ou menos próxima da palavra mulher. E você consegue, inclusive, fazer operações matemáticas com esses significados. Então, você pega ali a palavra rei, você subtrai

dela o vetor matemático que representa homem e você faz uma soma do vetor matemático que representa mulher e o resultado disso de rei menos homem mais mulher vai dar um vetor matemático que representa a palavra rainha. É muito próximo de onde está ali nesse espaço semântico a palavra rainha. Então é por isso que a gente consegue fazer essas coisas que o Matheus está falando. Em vez de fazer exatamente o termo raiz quadrada, você consegue buscar o lado do quadrado que ele consegue entender o significado semântico

daquilo. E é uma coisa que mudou totalmente a área de processamento de linguagem natural, que é uma dessas áreas da IA. Exatamente, Fabrício. Então, assim, o ponto é, isso faz desconto também no processo de conseguir ser mais relevante. E o que isso significa na prática? Significa que, de repente, o departamento de marketing da sua empresa fala assim, quero investir para conseguir ser bem ranqueado no CHPT. Vamos supor que eu sou um banco.

Eu falo assim, vou contratar uma matéria de 100 mil reais, 50 mil reais nesses jornaizões famosos, etc.

contratar, tipo, o James Cameron, vou contratar um roteirista, tipo, vencedor de vários Oscars, vou contratar, tipo, Machado de Assis pra escrever meu texto aqui e você vai gastar uma fortuna e, de repente, vai ter zero menção no chat GPT. Por quê? Talvez, do ponto de vista de engenharia, você tá distribuindo em canais que estão poucos otimizados, não tão conseguindo chegar ainda na segunda parte do campeonato e, talvez, também, semanticamente, você tá muito distante disso.

Um exemplo muito claro, não posso citar nomes, existe uma empresa farmacêutica gigante

no Brasil, que ela é muito forte em genéricos. Só que ela não gosta de se chamar de genéricos. Ela não gosta de associar o termo dela de genéricos. E o que acontece? Quando alguém chega na farmácia e fala assim, tem que tomar um remédio. Aí o farmacêutico fala, tem tais variações de genéricos aqui. Qual que você quer? Daí o usuário vai falar assim, deixa eu perguntar para o GPT, quais são as melhores marcas de genéricos? Ou quais dessas marcas são genéricos aqui?

Como o conteúdo muito brilhante para humanos, não estou desmerecendo, muito brilhante para humanos e animal de conseguir posicionar esse share of mine,

etc. Foi muito efetivo pro Manos lá, mas você falou zero sobre genéricos. Quando as pessoas perguntam na prática pro GPT quais são os melhores genéricos, ser invisível, invisível. Você pode patrocinar coisas no maior reality show do Brasil, quando você tá o nome, ou você pode patrocinar em outros canais, no NFL, no Super Bowl, que na hora que o bendito pessoal pesquisar no GPT. Mas, ah, Matheus, qual que é a relevância disso? Tá, acho que é legal trazer esse dado, né? O Brasil, no mundo, na verdade, assim, hoje você tem na ordem de

2.6 bilhões de promptes acontecendo diariamente já no XGPT. Quando a gente vai pro Brasil, o Brasil é o terceiro maior país do mundo em termos de usuários do XGPT. A gente só perde pros Estados Unidos e pra Índia. O brasileiro adora internet, adora tudo que é coisa nova, assim, então, nisso a gente é bom. Não, a gente é bom em várias coisas, vai, gente. E aí acontece. Em termos de volume de promptes no Brasil, dá algo em torno de 147 milhões de promptes diários.

Na prática, assim, se fosse um prompt por pessoa por dia, mais da metade da população brasileira estaria consultando o XGPT hoje.

por dia. E esses dados são de uns três meses atrás. Então, provavelmente, você ainda tem uma crescente, esse número provavelmente cresceu, aumentou. Então, é muito relevante. Ah, mas como que você mede isso? Porque as pessoas falam, ah, no meu site ainda está aparecendo pouca coisa, pouco acesso do chat GPT ou dos bots. Exatamente, está aparecendo pouca coisa do chat GPT dos bots. Por quê? Não só quando tem a menção, vocês já repararam que nem sempre que o GPT, ele coloca o link para o seu site.

E tem os porquês disso. E aí, pode fazer um episódio disso. Tem os porquês disso. Então, assim,

ponto é, às vezes você pode ter uma marca que tem 70% de visibilidade no dado prompt, ou seja, as pessoas perguntam quais são os melhores bancos de investimento e seu banco aparece 70% das vezes nesse prompt, só que às vezes desses 70%, a quantidade de vezes que o link para o seu site aparece são, sei lá, 10%. Você tem uma quantidade enorme de tráfego que está impactando e aí quando a gente pesquisa no GPT e a gente não vê o site, o que a gente faz?

A gente volta, a gente vai no Google e joga lá, site e tal. E aí às vezes a gente vai clicar na propaganda

Google, e aí vai aumentar. E aí depois você vê umas matérias assim, eu tenho certeza que se vocês forem na internet agora vocês vão achar assim, a galera tá falando que o SEO morreu, que não sei o que, mas na verdade está aumentando o volume de buscas vindo do Google, no meu site, na verdade está aumentando o número de cliques no mídia paga, sim, está aumentando. Porque a jornada não é linear como a gente tá imaginando. E não só isso, às vezes a pessoa quer saber uma loja física, ela faz o que?

Ela vê no GPT, joga no Google Maps, joga no Waze, vai pro Waze, ou ela tá na loja física já, e aí você não tem nenhum tracking disso, como é que você influencia o cara que tá na loja física.

Então, assim, ah, Matheus, mas isso aí é muito etéreo, muito achismo, né? A gente vai ter que acostumar com esse negócio de probabilidade estatística cada vez mais agora nesse mundo de A, que ele começa a aumentar cada vez mais, num ponto assim. Mas tá impactando. E quando a gente olha pra um dado que tem 147 milhões de profits diários no nosso país, e que todas as pesquisas variam de 47% a 62%, mais ou menos, de o grau de número de consumidores que confunda uma ferramenta de A antes do processo de compra, eu tenho certeza que a sua empresa, os seus clientes,

parte deles já consultaram o GPT pra saber alguma coisa da sua empresa, pra saber comparar a sua empresa com outra empresa, pra saber se o seu produto é confiável ou não. Porque assim, se a pessoa pergunta pro GPT se tem que terminar com a namorada ou não, imagina então pra escolher, por exemplo, um smartphone, poxa, muito mais tranquilo de perguntar esse negócio pro GPT. Então, acho que é a grande dificuldade, e aí que é o ponto, Marcos, que você tinha comentado, ah, a gente quer ser uma empresa de agência, de SEO, a gente viu que o buraco era muito mais embaixo, né? Você tem muita solução no mercado hoje, montando, a gente viu que

na verdade, você tem um desafio que é pavimentar primeiro a infraestrutura disso tudo, de como que você consegue criar uma infraestrutura de capturar todas essas informações, tratar e tratar com relevância estatística. Porque é caro fazer monitoramento. Você tem que fazer amostra, dependendo do tipo de monitoramento, você vai ter tipo 2 mil prompts que você vai ter que fazer para responder uma pergunta. Dependendo, você consegue ter menos prompts.

Vou dar exemplo, eu trabalhava com o agronegócio. O agronegócio é muito baixo em termos de presença digital. Ele tem pouco conteúdo. Não é nem porque o pessoal é pouco digitalizado. Às vezes é porque é uma indústria muito regulada mesmo. O defensivo agrícola é extremamente regulado.

Então não é que as empresas podem sair fazendo propaganda sobre o meu defensivo é o melhor para matar o percevejo, etc. Você tem uma certa regulação, então você tem pouca presença. Pouca presença, tem uma pouca dispersão semântica nesse espaço litoral semântico. Então você consegue, às vezes, com uma amostra menor, já conseguir ter uma resposta mais efetiva. Mas se você vai para o varejo, você vai para outras indústrias que são mais hipercompetitivas, você fazer uma consulta de 40, 100 prompts, às vezes a sua empresa, por exemplo, você vai fazer uma consulta de 100 prompts, se a sua empresa aparece,

menos de 5% das vezes, e você usou uma amostra de 50 prompts, você já consegue, às vezes, estar invisível ou não, ou ter muito ruído estatístico nesse processo. Então, é um jogo difícil. E aí, vocês vão perguntar, Matheus, mas tá, você está falando isso tudo, você é o cara que vocês estão vindo aqui falando, só que existem abordagens, né? Acho que é legal que... E aí, mais do que nunca, as empresas hoje precisam, tipo, acho que aproximar muito, forte, os times técnicos, cientistas de dados, engenheiros de dados,

desenvolvedores, matemáticos, físicos, etc, pra dentro do time de marketing. Você vai precisar trazer essa galera pra dentro do time de marketing. Porque você vai precisar começar a olhar primeiro quais são as métricas que fazem sentido monitorar ou não, quais são as métricas que fazem atacar, como produzir esses tipos de conteúdo, como tomar esses tipos de decisões. Porque se a gente for fazer isso de qualquer maneira, basicamente a gente vai rasgar dinheiro, mas rasgar muito dinheiro, muito dinheiro, muito dinheiro.

É tipo assim, a gente vai transformar um marketing que poderia ser muito orientado a dados num marketing que é muito

mais complexo que é, por exemplo, o marketing de out of home. Que aí você fala assim, qual que é o impacto de um outdoor lá na Marginal Tietê? E como que você metrifica o impacto de um outdoor na Marginal Tietê? Isso é um baita desafio pra todo mundo da indústria de marketing. É complexo. Tem N modelagens que você pode fazer pra fazer esse impacto de awareness, mas é muito difícil fazer esse impacto. Então, o ponto assim, quando a gente vai pra IA, ele tem essa complexidade grande, só que ele é muito mais metrificável, obviamente. Só que assim, você como empresa, você vai querer usar a estratégia de, vou,

atacar tanto pra awareness e spray and pray, ou você vai poder querer começar a atacar. Então, assim, acho que pra galera técnica aí, assim, procurem, tipo, comece a se aproximar dos times, comecem a olhar, e tomem cuidado, porque, assim, e aí entra o ponto das heurísticas. Qual que acontece, Marcos? Você falou assim, poxa, indústria de SEO, o que aconteceu muito na indústria de SEO? O pessoal se apegava muito a componentes que funcionavam, tipo, word stuffing.

Ah, não, então faz o seguinte, como existem infinitas maneiras que as pessoas podem perguntar e chegar na sua empresa, eu vou fazer um monte de tag aqui, que eu vou ficar com um monte de gente

começando, fazendo um brainstorm de como o ser humano pode perguntar, e eu vou ficar escrevendo um monte de hashtag ali no teu texto lá no fundo, tá, tá, tá, tá, tipo, marcando. Cara, era um negócio muito doido, assim, muito doido. Porque o pessoal se apegava nas heurísticas. Aí, de repente, o Google falava assim, não, vocês estão achando que vocês são espertos? Espera aí. Ele dava uma sacudida, assim, no caminhão, jogava o pessoal pra lá, e tem empresas brasileiras, cases grandes brasileiras, assim, que foram, tipo, de milhões de faturamento a zero, muito rápido, porque se apegavam muito nessas heurísticas. O ponto é, como que a gente, então, olha pro GIO e como ele...

se prevê em relação a isso. Quando a gente olha pro Dio, e é unanime, a gente concorda com todo mundo, a gente tá falando que os LLMs são um black box, são uma caixa preta, assim. Se alguém fizer pra você assim, eu entendo muito bem os pesos das redes neurais, eu craqueei, o código... Lá de ser vagabundo, cara. A gente estuda também, cara. A gente sabe que é esse negócio. Então, assim, é um sistema black box. Só que você fala, pô, Matheus, mas então como é que resolve isso?

É irresolvível? Não. Tem muita coisa na engenharia e na ciência, que hoje são sistemas black box também, que a gente conseguiu encontrar

mecanismos de fazer isso. Vou dar exemplo, né? Tipo, eu trabalhava muito com drone lá em 2010 e usando métodos estocásticos pra utilizar sistemas de controle drone, que é como fazer o drone ficar estável sob chuva e sob vento. Quer dizer que eu ficava, tipo, brisando, fazendo todos os cenários impossíveis, impossíveis do drone bater de cima pra baixo, de baixo pra cima, de red moinho, de saci pererê e tal, não sei o que. Tipo, não, não, não.

Ninguém faz isso. É a mesma coisa do carro autônomo, por exemplo, da Tesla ou do carro autônomo. Não é que ele tenha um mundo paralelo, que ele fez todos os cenários possíveis, etc. Não. Você não tem uma

analítica 100% daquele processo. Então, você vai aplicar o sistema de controle mecânico. Você vai começar a monitorar todas as entradas. Aí tem um black box, acontece o evento. Aí tem as saídas. E aí você vai começar a pensar assim, eu desejaria que a saída fosse tal coisa. E essa é a entrada que eu estou colocando. Aí você vai criar um controlador que vai estar capturando esses resultados da saída, vai estar passando nessa máquina e você vai estar colocando de novo.

Acho que esse é um pouco do que a gente tem feito aqui em termos de começar a ajudar as pessoas a montar essa infraestrutura. Montar esse base primeiro e fornecer

as APIs, pro pessoal olhar e falar assim, deixa agora eu especializar no meu mercado e aprender com isso, só que a gente já consegue economizar pra vocês um tempo pra caramba de oferecer esse tipo de infraestrutura. Porque a gente sabe que a gente poderia tacar neurística lá, mas a gente tacar neurística, a gente vai ficar no spray and pray. Você pode querer mandar foguete pra Lua usando astrologia ou astronomia. Dá pra mandar dos dois jeitos. Dá pra mandar. Tentar, pelo menos.

Dá pra tentar, dá pra tentar. Então, assim, acho que é um ponto... Acho que o legal é a gente estar conversando com vocês aqui, que é uma audiência bem técnica, porque é pra mostrar um pouco de como que é muito, muito amplo esse universo. E é um universo, assim, que é muito legal, que tem muita, mas muita oportunidade. Por quê? Imagina assim, eu sou uma empresa de chinelos. Eu não vou falar o nome, eu sou uma empresa de chinelos.

E aí eu tenho loja no shopping. E aí eu penso assim, meu concorrente é a empresa de chinelos B. Só que, na verdade, as pessoas que estão chegando perto dos namorados no Natal, elas perguntam,

PPT, me dê dicas de presente de Natal. E às vezes o seu concorrente é a empresa de chocolate de perfume. E como é que você começa a ganhar espaço, visibilidade, nesse tipo de pergunta? Então a batalha de marketing ficou muito mais divertida. Porque o teu concorrente não é mais a empresa de chinelo. O teu concorrente é a empresa de chocolate. O teu concorrente real é a empresa de perfume. E como é que você consegue fazer toda essa estratégia de monitoramento e construção de conteúdos focado nesse tipo de coisa?

Ah, e aí tem uma coisa muito legal. Aí você fala, pô, Matheus, então beleza, a gente tem que otimizar o site,

conteúdo, e aí, essa semana, semana não, depois desse mês, na verdade, o Pinterest, o Pinterest tá desesperado, né, vocês acompanharam lá, putz, perdendo receita pra caramba por causa de publicidade, etc, aí o CEO falou assim, não, mas veja bem, eu sou, as pessoas buscam mais no Pinterest do que no Google, no que no GPT, então a gente, na verdade, pode ser uma powerhouse de AI, etc, etc, não sei o que, assim, estão se esforçando lá, mas eles fizeram um negócio muito legal, tecnicamente, que foi o seguinte, eles fizeram, como o Pinterest é todo baseado em imagens, eles fizeram um trabalho

com um monte de doutor de Stanford e fala assim, cara, se alguém pergunta assim, por exemplo, minha prima, minha prima é super fã de Florence and the Machine. Então ela vai lá no Pinterest, no Google e fala assim, gostaria de comprar vestidos na vibe da Florence and the Machine que passem uma vibe do álbum XPTO dela. Aí a Yava fala assim, tá bom, deixa eu pesquisar na internet então alguma coisa desse estilo. Só que provavelmente no Pinterest deve ter um monte de fotos que passam esse estilo.

Só que na hora que você pega um algoritmo tradicional, o que ele vai fazer da imagem? Ele vai pegar a imagem, ele vai

escrever exatamente a imagem, só que ele não vai compor o look and feel, ele vai escrever a imagem, aí ele vai fazer o embed daquilo, aí vai fazer a aproximação semântica, vai tentar te encaixar alguma coisa que tá próxima disso. E aí eles começaram a pensar assim, poxa, como é que a gente consegue, então, não só essa questão de otimizar o texto, mas otimizar a imagem? E aí eles fizeram um modelo muito legal, que é usando modelos de visuais pra produção, que é basicamente você conseguir reconstruir imagens, que você sabe que no processo inverso de

tradução pra texto, no processo inverso de embedding, vão estar otimizadas pro chat GPT, ou pra IA, ou pra busca semântica, que é a busca de IA. Só que daí você fala, pô, Matheus, mas e aquele papo lá do ser rápido ou não pra entrar na busca? Então, aí que vai ficando mais divertido ainda esse negócio aqui, é muito legal. Por quê? Quando você tem um conceito que todo mundo fala nesse O, que tem no G.O. também, que é o conceito de autoridade semântica. Autoridade em dado assunto. Matematicamente, a abstração disso,

conceito que vem da física e estatística, que é um conceito de massa probabilística. Então, na física, quando um corpo tem muita massa, ele atrai, ele tem um campo gravitacional maior, ele atrai outros corpos de outras massas. Quando a gente fala que ele tem uma massa probabilística maior, ele atrai mais eventos para acontecerem ao redor dessa massa probabilística. Então, um site, na verdade, que ele tem mais autoridade, ele é um site que, matematicamente, nessa abstração dos embeddings, ele é um site que tem uma massa probabilística maior e começa a atrair essa massa

massa probabilística. Então, na prática, quando a gente fala daquele vetor e etc, é quase como se fosse uma galáxia. Então vão ter sites que vão atrair mais vezes a acontecer, vão ter mais processos de estação, só que isso é dinâmico. Tudo é dinâmico. Existem maneiras de influenciar para você começar a ter peso ou menos peso nesses tipos de sites de massa probabilística. Você está falando uma galáxia no sentido que é uma galáxia com um buraco negro supermassivo que atrai mais estrelas e mais galáxias em volta delas. Exatamente. Se a gente for fazer a analogia da galáxia, o buraco negro

chama Wikipedia. Assim, majoritariamente o modelo, todos os LNMs foram treinados fortemente na Wikipedia, por quê? A Wikipedia, até uma dica aí pra quem tá ouvindo, a Wikipedia você consegue, você tem uma comunidade de curadoria da Wikipedia que ela é muito rígida. Se você posta alguma coisa de propaganda da sua empresa hoje na Wikipedia, dou 30 minutos, eles vão tirar do ar. Eles vão falar assim, isso aqui não é uma página de classificado nem propaganda, isso aqui é uma enciclopédia.

Então, ó, a galera, alguém vai derrubar. E tem uma galera aqui que é muito forte, segundo ela. Então, existe meio que

o reinforcement learning. E a galera do GPT, a galera quando foi criado os elementos, fala assim, cara, na Wikipedia a gente confia. Desde a quinta série, quando a gente ia fazer um trabalho de escola lá, que a gente ia na Wikipedia, imprimia e colocava na folha sulfite e falava assim, essa aqui eu confio porque tá na Wikipedia. Exatamente, a galera confia na Wikipedia. Então, Wikipedia, ele é um site que conseguiu ser esse buraco negro nessa galáxia, que ele vai atrair muita massa, muito evento, porque ele vai ser muito autoritário nesse ponto.

O quanto que ele vai continuar sendo mantendo autoritário? Ele vai e não vai. Depende.

ele ajuda muito na influência do pré-treino, ele ajuda muito na influência da construção dos query fanouts, ele ajuda muito em certos setores, mas a partir de que você tem uma dispersão muito grande de conteúdo, você vai começar a ter essa dinâmica que vai fluindo ao longo do tempo. Porque igual, eu não sei se da época de vocês, eu sou lá de Pouso Alegre, sou de Minas, e aí o professor de história falava assim, você tem que fazer hoje, Matheus, um trabalho sobre o Egito Antigo.

O que a gente fazia? A gente ia lá na livraria, na livraria pública de Pouso Alegre, na biblioteca de Pouso Alegre, e aí a gente falava assim, o bibliotecário, o tio Carlos, tem que fazer um trabalho aqui,

no Egito Antigo, ele fala, não, deixa comigo. Aí ele ia lá pra dentro, no balcãozinho, lá nos livros. Aí o primeiro livro que ele trazia, qual? A Barça, que era a Wikipedia impressa, né? A Barça, só que a Barça, tipo... Mas se o professor não vai gostar se você colocar só a Barça, não. Tem que colocar mais coisa. Aí ia lá, começava a trazer outras coisas. Ah, tem um livro de história, não sei lá onde, não sei o que. Ele traz e colocava pra ti.

Aí a dinâmica da época era assim, a gente deixava o documento, o RG lá, aí pegava os livros tudo, colocava no braço, ia na loja de xerox, tirava os xerox tudo daquilo lá, voltava, aí recortava aquilo e fazia, tipo, citações.

faz hoje, só que na época, no papel, a gente pegava lá, consultava no nosso reguezinho, que era as prateleiras da biblioteca, fazia citações antes de colocar aqui, o segundo, a gente não sei o que, citações, a Barça diz isso, não sei quem diz isso, entregava o professor de história. Só qual que é a diferença? A diferença é que o GPT, ou as IAS, que são esses bibliotecários, eles estão numa biblioteca que é um catálogo imenso, que as coisas estão rodando o tempo todo, tem livro novo chegando, livro velho saindo, livro novo chegando,

tem gente pegando livro emprestado, tem não sei o que, tem mais bibliotecários consultando e etc. Então, é muito mais dinâmico, mas o paralelo é um pouco desse. E aí, onde entra um pouco o Dio? O Dio vai entrar um pouco de assim, pô, o que chama a atenção desse bibliotecário? Ah, ele, saber que ele foi algumas vezes lá e aquilo tá funcionando bem. Ah, beleza. A capa do livro tá muito clara pra ele assim, ó, nesse livro de história tem Egito Antigo.

É tipo, esse livro de história tem Egito Antigo, esse livro tem letras grandes que você consegue ler muito rápido, etc. Esse livro aqui,

tá em português e tá muito claro, etc. Então isso começa... Ah, aí lembrei de outro assunto que é legal, assim. Segredo também, pra quem tá assistindo exclusivo aí, pra quem tá ouvindo hoje o podcast do IA Sob Controle, saiba que vocês devem ter muito se perguntado assim, ah, mas por que o GPT pesquisa em inglês às vezes? Eu pesquiso lá em português, aparece assim, Search in the Web. O GPT, ele é como se... Vamos fazer uma analogia como se fosse um ser humano, assim.

A gente tem a nossa língua materna. Então a gente tem a nossa língua materna, a gente aprende outros idiomas, a gente aprende a abstrair nesses outros idiomas também.

também. Só que quando o bicho pega, quando, sei lá, vem um negócio cabuloso, assim, o que a gente faz? A gente recolpa o português. Porque ele fala, cara, esse negócio é tão complexo que eu quero, tipo, deixa eu cognitivamente processar esse negócio aqui no idioma, que eu tenho mais confiança, que eu sei que aquela palavra tal significa aquilo mesmo, e eu vou preocupar só com o conteúdo. Exatamente a mesma coisa acontece com o LLM.

Porque ele, 70% do conjunto de treinos, 60% do conjunto de treinos foi em inglês. Então, o processo matemático tem todo, tipo, propagação de erro, redução de ruído estatística,

etc, mas ele atribui a muito mais confiança no processamento do conteúdo em inglês, porque ele, teoricamente, cognitivamente, ele reduz mais. Até em termos de tokens, né, também, né? Em termos de tokens, por exemplo, a palavra em inglês, o inglês ele consome bem menos token do que, por exemplo, um token em português ou em outros idiomas. Tá, Matheus, mas o que isso significa na prática? Isso significa na prática que, às vezes, se você for um restaurante na Paulista e você quer, e tá super competitivo a Paulista pra conseguir um restaurante, porque chega o turista lá e quer assim, melhor dos restaurantes da Paulista,

E assim, ele quer que o dele se destaque, todo mundo tá fazendo lá, o que é o melhor, o que é o melhor, o que é o melhor, e aí tem um cara lá que fala assim, pô, deixa eu fazer em inglês também. E aí quando vem esse cara que começou a fazer em inglês o conteúdo em português e inglês, ele começou a destacar. Por quê? Porque ele tem esse processo, ele tá conseguindo cair mais em resultados dos query fanouts quando um dos query fanouts pesquisa em inglês.

Então, tem vários, só que isso é tudo heurística, assim, você montar um negócio baseado só nesses hackzinhos, tipo, cara, boa sorte, mas a partir do momento que vira standard de jogo, tipo, assim,

já não vai ser mais diferencial. Então, what's next? Como é que você cria uma infraestrutura pra você, com seu time, tá aprendendo e, obviamente, tá conseguindo fazer sempre os pontos, fazer sempre o básico, fazer sempre conseguir conquistar esse tipo de coisa, né? Então, acho que isso que a gente tem olhado muito e, novamente, é um momento muito legal pra quem é técnico conseguir se aproximar de negócio e conseguir... Eu, pelo menos, desde moleque, eu sonhava um dia que eu pudesse ganhar dinheiro fazendo matemática e estatística.

Chegou depois de 30 anos de vida e agora... E é muito legal, assim. É um negócio muito divertido, muito legal. Porque o tempo todo tá muito dinâmico, tá muito dinâmico. Tem muita coisa aprendendo, tem muita coisa nova. E a fronteira vai ser um pouco nisso, né, Marcos? Pra quem tá ouvindo aí, o Marcos e o Fabrício falaram assim, ah, o Matheus veio até fantasiado hoje aqui. Ele veio com óculos... Ele tocou com o Ray-Ban Meta Display, que é aquele óculos da Meta que tem a telinha, né? E aí, ele tem uma funcionalidade que é o mapa. E aí você pergunta,

Aí ele vai fazer o seguinte. Vamos pesquisar e ele vai mostrar. Só que a telinha é tão de desgramada de pequena que ele só mostra um card por vez. E o ponto é o seguinte. A meta vai colocar propaganda ali nesse negócio? Quem pagar vai aparecer primeiro? Pode ser que sim, pode ser que não, mas se um outro cara faz um óculos que não é propaganda e se propõe a ser o melhor, garanta que a galera vai começar a usar o outro óculos. Então o ponto vai ter que ser...

Então o espaço é muito curto. E o ponto é como é que você ganha esse espaço? Como é que você compete nesse espaço? Porque filosoficamente pensando,

Golnes, voltando lá, Marcos, que eu falei assim, porque que o Geo, ele já nasceu, mas já nasceu fazendo que vai morrer já. Quando o AGI chegar, você já sabe que é um negócio que você não vai ter que otimizar, porque vai ser tão esperto, o cara vai entender, porque se não tiver inglês, português, ele vai ser multilingue, cresceu numa escolinha que tem 200 idiomas já de uma vez, então ele vai ser tão esperto que o site demora pra carregar, não tem problema, eu penso lá, eu olho e tal, e aí o ponto é o seguinte, mas imagina pra negócio, imagina nesse contexto absurdo que, vou perguntar assim, eu quero comprar um relógio,

para comprar um smartphone. E ele vai falar assim, Matheus, olha, o melhor lugar que vai te entregar na sua casa em duas horas, com o menor preço, com a melhor qualidade de entrega, etc. É tipo, sei lá, o Mercado Livre. Então, aí o Mercado Livre investiu um infinito em logística, infinito em logística para ser uma mega empresa de fulfillment, etc. Ele vai conseguir entregar isso. Só que então quer dizer que você vai quebrar todo o varejo, porque vai ser super comoditizado, esse tipo de coisa.

Aí vem um pouco do GIO. Porque veja bem, porque daí ele vai te dar opções. Tem o Mercado Livre, que vai te dar o melhor preço, o melhor entrega, papapá,

outro canal tal, tem outro canal tal, mas, Matheus, vamos supor que eu não sou vegano, mas vamos supor que eu fosse vegano. Matheus, eu sei que você é vegano, e é o seguinte, existe uma loja de celulares que fica no sul da Bahia, num convento, que as freiras fazem os celulares muito bem, com muito capricho, etc, etc, só que o celular só vai chegar, exatamente o mesmo celular, o iPhone, só que elas colocam uns adesivos na capa do iPhone lá, só que esse celular vai chegar na sua casa,

mês que você vai pagar o dobro do preço. Aí tem as opções. Aí é muito doido, né? Porque tem um amigo meu que ele é viciado em chocolates especiais. Não vou falar quem é, não. Mas tem um amigo meu que é viciado em chocolates. Conhecedores conhecerão. Então, por exemplo, esse tipo de consumidor, ele vai estar disposto a pagar pra esse mercado. Então, assim, você vai ter uma fronteira, a última milha da fronteira, ela vai ser quase que contextual, esse semântico.

E eu acho isso animal. Animal. Porque imagina que é legal. Você vai poder, por exemplo, tá,

na garagem, no Acre, e tá fazendo um produto que é muito legal e não vai ter mais essa barreira de você não conseguir chegar num cliente que tá lá em São Paulo por ele não saber que você existe. Porque a IA vai ter mapeado todo o universo e vai saber, cara, na verdade, o melhor pão de queijo não tá em Pouso Alegre, sul de Minas. Ele tá lá em Goiânia, lá no bairro tal da Dona Miranda e não sei o quê. E eu falo assim, eu como bom apreciador de pão de queijo, eu tô disposto a experimentar, ao viajar pra Goiânia pra saber.

legal agora que nesse cenário distópico e singular de A, eu vou poder saber, falar assim, cara, eu vou lá pra esse, então eu vou lá, eu quero saber se é lá em Goiânia que tem o melhor podcast, que eu duvido, como bom mineiro, duvido que Goiânia tem o melhor podcast, mas vamos lá, então eu quero ir lá provar, e eu vou lá provar, e você vai conseguir levar audiência pra esse tipo de pessoas, só que até chegar lá, obviamente, tô falando desse cenário que tudo que é terreno baldio, que a gente vê aqui já vai ser data center, de que a gente vai ter processamento abundante e tal, na prática é muito bonito, mas

na realidade, a gente tá vendo lá o Sun Altman com o japonês do SoftBank, com o Donald Trump lá, tretando e não conseguindo colocar o Stargate ainda, faz um ano que fala que ia fazer, até agora não saiu do papel. Então, assim, a teoria vai ser muito bonita, só que na prática, talvez vai demorar mais um pouco. Então, na prática, quando demora mais um pouco, cara, o GO vai ser muito relevante, a otimização vai ser muito relevante.

Então, otimizar, por exemplo, pro meta display, quando eu tô aqui e perguntar, e você ser o primeiro que vai aparecer aqui, isso vai ser muito relevante. Só que o mais legal é, com o custo de aquisição de cliente, que não vai ser igual, por exemplo, nas mídias pagas,

metas que você tem no Google e em outros lugares ou retail media, que quem paga mais leva. Não. Quem for mais esperto vai levar. Quem conseguir fazer o feijão com arroz simples, talvez um site de Wikipedia mais utilizado semanticamente e que talvez tenha dois acessos por dia, tipo, talvez o Juquinha vai ser o cara, por exemplo, que vai influenciar os resultados das eleições esse ano. Porque o Juquinha é um cara que fez uma página no Wikipedia muito boa e comparou todos os candidatos otimizados de uma maneira que quando as pessoas perguntarem no chat IPT quem é o melhor candidato pra tal coisa, o Juquinha vai ser o site mais indexado. Ele não vai ser a Fundação de TudoVar,

não vai ser a USP, não vai ser outros N partidos, não vai ser outros N influenciadores. E olha outra coisa também. Há influenciadores que estiverem ouvindo. Talvez influenciadores. Vocês são muito influentes para humanos. Mas como que está o seu conteúdo? Está em vídeo? Porque se achar que o GPT está lendo, baixando o seu vídeo, transcrevendo o seu vídeo para não sei o que, para ver se o que está falando é bom, você perguntar para o São Atom, ele vai falar.

Não, sim, estamos. Agora somos multimodais, somos muito focados nisso, etc. Mas voltando do Pinterest, antes que eu falei, eu não falei, eu falei, todo mundo vai ler.

do print, otimizar a imagem. Só que você fala, pô, Matheus, o texto feijão com arroz deve ser bom. Sim. Só que quando a gente faz esse processo da massa probabilística, seguinte, quando você consegue levar a imagem também, o embedding da imagem dentro dessa nuvem semântica, você ganha mais massa por probabilística também. Você consegue ter mais peso nesse vetor e influenciar mais. Só que aí o ponto é o ponto de ótimo. O ponto de ótimo é o seguinte, quanto você consegue ser rápido o suficiente pra que vou colocar texto e vou colocar imagem, só que do ponto que não demora

carregar, eu consigo passar na nota de corte antes do portão do Enem fechar, é tipo assim, tá todo mundo correndo lá pra fechar o portão do Enem. E aí você fala assim, não, mas eu tô levando uma mochila com um monte de livro nas costas. Se eu conseguir passar essa corrida e chegar antes que fechem os portões do Enem, pra tá lá dentro com essa mochila nas costas, eu vou fazer a prova do Enem com a mochila nas costas. Então eu vou acertar muito mais questões.

É meio que isso. Só que o ponto é o seguinte, você tá com a mochila nas costas, é pesado. Se você se banca que você vai conseguir tá otimizado com um monte de engenharia pra correr tão rápido com os outros, que é só texto, e passar, show de bola, tu vai tá lá do outro lado. Mas se não, tu vai cair,

apontar, vai estar muito bonito, mega otimizado, mas novamente você vai estar que nem os outros caras lá que estão melhor contra todo mundo, mas ainda não conseguem mostrar pra IA que você é o melhor do mundo. Falei demais, né galera? Então, Matheus, eu vou te fazer uma segunda pergunta na sua próxima participação aqui do podcast. Eu tenho várias ainda que eu gostaria de te fazer. Esse é um assunto que me fascina. Obrigado por essa aula que você deu pra mim, pro Fabrício, pra todo mundo que escuta aqui. E essa é só a parte 1 do Papo, que a gente vai

sim, continuar, porque tem muita coisa que eu quero te perguntar ainda, pra gente poder aprender junto aqui. Mas nesse meio tempo, pra quem quiser seguir esse papo direto com você, pra onde que vai? Quem quiser pode me seguir no Instagram, é matheusborges.insta, matheus, sem H, né, matheusborges.insta. Na Rankia, na nossa empresa, vocês vão ver que tem pouco conteúdo pra nós, humanos. Brincadeira, como a gente tá se posicionando como uma empresa de pesquisa, a gente tá começando a produzir conteúdos muito técnicos nesse sentido, então justamente o que a gente quer conversar, que produzia sem

Então vai ter muita coisa de DGO. Mas tem um canal no Medium meu também, Matheus Souza Bordes. É bem mais técnico também. Eu falo um pouco de matematicamente por que tem essa diferença de produzir inglês versus português. Por que um conteúdo bom e bem escrito não quer dizer que vai ser bem ranqueado. Como que faz o embedding. E tem muita coisa legal que a gente está fazendo. Essa coisa do sistema de controle. Imagina um conceito para próximos episódios.

Venham falar sobre embedding reverso. Os acadêmicos estão vindo agora e falam assim, nossa, esse cara é muito busteiro.

vamos ver, vamos conversar e temos dados para provar então tem muita coisa legal assim que dá para conversar, mas é assim lá, mateusborges.insta, aí eu vou estar produzindo bastante conteúdo nessa coisa, e tem o linkedin da Rankia, Rankia com Q R-A-N-Q-I-A Rankia, beleza? Excelente, a gente vai sim deixar aqui na descrição, é claro, obrigado mais uma vez, parabéns mais uma vez e para você que está escutando esse episódio, eu quero convidar você mais uma vez

aqui na descrição do episódio e pegar o link para você dar uma espiadinha no site e, quem sabe, já fazer a sua pré-inscrição para ir comigo, com o Fabrício, com o Paulo Silveira, com o Marcelo Almeida da PM3, lá para o Vale do Silício, para o berço de tudo que a gente está conversando aqui há anos. A gente vai conhecer junto essas empresas. Vão ser cinco dias, de 31 de agosto ao dia 4 de setembro, mas corre porque, como o Fabrício falou na semana passada, já estão acabando as vagas. E precisa de um tempo,

porque tem o lance de visto, tem que ver a passagem, etc. Então, quanto antes você fizer, se você quiser ir com a gente, melhor para não ficar de fora, porque vai ser muito legal, muito interessante, muito divertido também, por que não, né? Então, passa aqui na descrição e pega o link. E eu e o Fabrício voltaremos na sexta-feira com o nosso resumão das notícias do mundo da inteligência artificial. Até lá! Este podcast foi produzido pela Alura. Mergulhe em tecnologia.

E Faculdade FIAP. Let's Rock the Future. Edição Rede Gigahertz de Podcasts.