A equipe do Bing descreve como o aterramento difere da indexação de pesquisa
A equipe do Bing da Microsoft publicou uma estrutura que descreve como os requisitos de indexação mudam quando o objetivo é fundamentar respostas de IA em vez de classificar os resultados da pesquisa.
A postagem identifica cinco áreas de medição onde a empresa afirma que os dois sistemas divergem. Ele também nomeia “abstenção” como uma opção de design para recuperação baseada em IA.
O que a Microsoft descreveu
A postagem argumenta que a indexação de pesquisa tradicional e a indexação de base compartilham a mesma base, mas atendem a objetivos diferentes.
A pesquisa tradicional, escreve a equipe, pergunta “quais páginas um usuário deve visitar?” A camada de base pergunta “quais informações um sistema de IA pode usar de forma responsável para construir uma resposta?”
A Microsoft identifica cinco categorias em que os requisitos de medição diferem.
Quanto à fidelidade factual, a equipe observa que alguma incompatibilidade de classificação é tolerável na pesquisa tradicional porque o usuário pode clicar e avaliar. Para fundamentar, a postagem descreve a divisão do 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 origem, a equipe do Bing considera a atribuição útil na pesquisa tradicional, mas “um sinal central” na fundamentação. Nem todo conteúdo indexado é igualmente importante como evidência para uma resposta de IA, acrescenta a equipe.
Quanto ao frescor, a Microsoft observa uma clara diferença no custo. Conteúdo desatualizado na pesquisa é um problema de classificação. Na fundamentação, diz a postagem, “um fato obsoleto produz uma resposta enganosa”.
Para cobertura de fatos de alto valor, a postagem explica que um documento perdido na pesquisa é recuperável porque existem resultados alternativos. Na fundamentação, o índice deve garantir que “os factos e fontes específicos sobre os quais as pessoas provavelmente perguntarão estão realmente disponíveis e fundamentados”.
Nas contradições, a pesquisa tradicional pode colocar uma fonte acima de outra e deixar o usuário decidir. Um sistema de aterramento não pode fazer isso. “Um sistema de IA que arbitra silenciosamente entre fontes contraditórias é aquele que pode afirmar com segurança a coisa errada”, diz a equipe.
Abstenção e recuperação iterativa
A postagem também cobre duas diferenças de design entre os sistemas.
A Microsoft pede recusa em responder “abstenção”. Para um sistema de aterramento, esse é um resultado válido quando o suporte está ausente, obsoleto ou conflitante. A pesquisa tradicional não precisa fazer esse julgamento porque apresenta opções para um ser humano avaliar.
A recuperação iterativa é a outra diferença. A pesquisa tradicional é normalmente uma interação única em que uma consulta entra e os resultados classificados saem. Os sistemas de aterramento podem precisar fazer perguntas de acompanhamento, refinar a recuperação com base em resultados intermediários e combinar evidências de múltiplas fontes.
Erros nas etapas iniciais de recuperação “aumentam as etapas subsequentes de raciocínio de maneiras que nenhum revisor humano detectaria em tempo real”, acrescenta a postagem.
Contexto
Esta postagem do blog surge após uma série de ações da Microsoft para desenvolver suas ferramentas básicas e dar visibilidade às editoras.
Em fevereiro, a Microsoft lançou o painel de desempenho de IA nas Ferramentas do Google para webmasters, fornecendo aos sites seus primeiros dados de citação no nível da 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 consulta para página ao painel no mesmo mês. Na SEO Week em abril, Madhavan apresentou quatro recursos adicionais para o painel, incluindo Citation Share e rótulos de intenção de consulta fundamentados.
Esta postagem é mais conceitual do que os anúncios anteriores. Não introduz novas ferramentas ou recursos. Em vez disso, estabelece os princípios de engenharia que a empresa descreve como orientadores da evolução do seu índice.
Por que isso é importante
Esta estrutura esclarece o que a Microsoft afirma que seus sistemas precisam do índice para respostas de IA.
A Microsoft afirma que a fundamentação depende do mesmo rastreamento, qualidade e compreensão da web que a pesquisa, mas respostas fundamentadas exigem evidências precisas, atualizadas, atribuíveis e consistentes. Fatos obsoletos, fontes fracas e contradições representam riscos quando o conteúdo é usado para respostas.
Olhando para o futuro
A postagem oferece uma visão sobre por que alguns conteúdos são mais fáceis de serem citados pela IA. Se os recursos Citation Share e rótulo de intenção visualizados na SEO Week forem lançados, eles poderão ajudar a testar se as prioridades de medição descritas aqui aparecem nos dados reais do editor.
Imagem em destaque: TY Lim/Shutterstock
