A busca do ChatGPT é o recurso que permite ao ChatGPT pesquisar na web antes de responder. Quando uma pergunta exige informações atuais ou específicas, o modelo escreve consultas de busca, recupera páginas de um índice de busca, lê os trechos mais relevantes e escreve uma resposta com links para as páginas que usou. Sem a busca, o ChatGPT responde apenas com base no que aprendeu durante o treinamento.
O processo é uma forma de geração aumentada por recuperação: o sistema primeiro recupera o texto e depois gera a resposta a partir dele. A qualidade e as fontes da resposta dependem do que a etapa de recuperação retorna.
Quando o ChatGPT decide fazer uma busca na web?
O usuário pode ativar a busca explicitamente, mas na maioria das conversas o próprio modelo decide. Ele faz a busca quando a pergunta provavelmente exige informações mais recentes que seus dados de treinamento ou específicas demais para confiar na memória.
Os gatilhos típicos incluem:
- Perguntas sobre eventos recentes, preços, horários ou disponibilidade.
- Pedidos de recomendações ou comparações de produtos.
- Perguntas sobre um negócio local, uma pessoa ou uma empresa específica.
- Pedidos que mencionam uma URL ou pedem ao modelo que verifique uma fonte.
Para explicações gerais, tarefas de escrita ou ajuda com código, o ChatGPT muitas vezes responde sem fazer busca. Por isso, a mesma marca pode aparecer em uma resposta porque uma página foi recuperada e em outra porque o modelo se lembrou dela do treinamento, e as duas respostas podem dizer coisas diferentes.
Como o ChatGPT transforma uma pergunta em buscas?
O modelo escreve as próprias consultas de busca a partir do prompt e da conversa anterior, então o que chega ao mecanismo de busca geralmente é diferente do que o usuário digitou. Uma pergunta de acompanhamento como "qual deles é mais barato?" é reescrita como uma consulta completa que nomeia os produtos discutidos antes.
Perguntas amplas costumam ser divididas em várias consultas mais específicas, executadas separadamente. Uma pergunta sobre o melhor software de contabilidade para uma pequena agência pode gerar consultas sobre preços, sobre recursos para agências e sobre avaliações recentes. Cada consulta retorna seu próprio conjunto de resultados, então uma página pode entrar na resposta por meio de uma consulta que o usuário nunca digitou.
Se os primeiros resultados deixarem uma lacuna, o modelo pode buscar novamente depois de lê-los. Como resultado, o conjunto de páginas recuperadas depende tanto da forma como a conversa é redigida quanto do seu tema.
De onde vêm os resultados da busca?
A busca do ChatGPT usa provedores de busca terceirizados, sendo o Bing, da Microsoft, o mais conhecido, junto com páginas que a OpenAI obtém com seus próprios rastreadores. Uma página que o Bing não indexou, ou que o rastreador de busca da OpenAI não consegue acessar, tem menos caminhos para entrar em uma resposta. O Bing Webmaster Tools mostra se o Bing indexou as páginas de um site.
A OpenAI usa bots distintos para tarefas distintas, e cada um tem seu próprio user agent (o nome que um bot envia quando solicita uma página):
| Bot | Finalidade |
|---|---|
| OAI-SearchBot | Rastreia páginas para que possam aparecer nos resultados da busca do ChatGPT |
| ChatGPT-User | Obtém uma página em tempo real quando a solicitação de um usuário exige |
| GPTBot | Coleta conteúdo para treinar modelos futuros |
Como os bots são separados, um site pode bloquear o treinamento com o GPTBot e ainda permitir o OAI-SearchBot, ou o contrário. As regras para cada bot são definidas no robots.txt, o arquivo na raiz do site que informa aos rastreadores quais URLs eles podem acessar. O que são rastreadores de IA? explica como esses bots se comportam em diferentes empresas de IA.
Como o ChatGPT escolhe trechos e os cita?
Depois que as páginas são recuperadas, o sistema remove menus, rodapés e outros elementos estruturais da página e divide o texto restante em trechos. Nem todos os trechos cabem na janela de contexto do modelo, o limite de quanto texto ele consegue ler de uma vez, então uma etapa de ranqueamento mantém os trechos que melhor correspondem à pergunta.
Em seguida, o modelo escreve a resposta a partir desses trechos. As frases que dependem de uma fonte específica recebem uma citação, exibida como link no texto ou como um chip de fonte, e a lista completa de fontes aparece ao lado da resposta. O processo geral é descrito em como a busca com IA escolhe quais fontes citar.
Vários fatores fazem o resultado variar entre execuções:
- O modelo faz amostragem das palavras, então duas respostas ao mesmo prompt raramente são idênticas.
- As consultas que ele escreve podem variar um pouco, o que muda as páginas recuperadas.
- O índice de busca muda à medida que páginas são adicionadas, atualizadas ou removidas.
Uma única verificação mostra uma resposta possível. Para saber com que frequência uma marca ou página aparece, você precisa executar os mesmos prompts muitas vezes.
O que a busca do ChatGPT significa para um site?
Para que uma página influencie uma resposta do ChatGPT, ela precisa estar acessível, indexada e legível. Na prática, o OAI-SearchBot e o ChatGPT-User não devem estar bloqueados no robots.txt, a página deve estar no índice do Bing e o texto principal deve estar presente no HTML, em vez de ser carregado apenas por scripts que os rastreadores talvez não executem.
A etapa de ranqueamento de trechos favorece textos que respondem a uma pergunta por si só. Uma frase de abertura clara, uma definição, uma lista de opções ou uma tabela com valores reais é mais fácil de selecionar do que um parágrafo que depende dos três anteriores. Páginas de produtos também se beneficiam quando o produto é mencionado em sites de avaliação, artigos de comparação e fóruns, porque o ChatGPT muitas vezes monta respostas de recomendação a partir dessas páginas de terceiros.
Quando um usuário clica em uma citação, a visita chega como tráfego de referência de IA, geralmente com chatgpt.com como referenciador e muitas vezes com um parâmetro utm_source=chatgpt.com adicionado ao link. Muitos usuários leem a resposta sem visitar nenhuma fonte, então a contagem de cliques deixa de fora boa parte da exposição de uma marca. Acompanhar com que frequência uma marca é mencionada ou citada em prompts repetidos oferece uma medida mais completa.
