Industrializando a Humanização

As postagens de trabalhos temporários e ofertas de serviço em plataformas informais como Upwork e Fiverr apresentam intensamente a palavra ‘humanize’ atualmente, com uma variedade de empregos e prestadores propondo diferentes níveis de ocultação do fato de que um artigo foi escrito, ou parcialmente escrito, ou coescrito, com IA.

A tendência ‘Humanize’ em postagens reais no Upwork.

A demanda por serviços humanos e automatizados que possam reescrever a saída ‘poluída’ por IA de modo que pareça que um humano se sentou e suou por algumas horas, sugere que se chegou a um consenso universal de que o ‘toque humano’ é necessário para conexão e divulgação – e que o enorme volume de conteúdo na era da IA tornará essa conexão essencial novamente.

Eu pessoalmente gostaria de pensar assim, mas não é necessariamente o caso – sobretudo porque as próprias diretrizes do Google sobre o assunto tratam da qualidade do texto, e não dos meios pelos quais foi criado.

A verdade é que ainda não sabemos exatamente quanto ou que tipo de IA estamos dispostos a tolerar, nem a extensão em que podemos racionalizar os benefícios que bilhões de nós recebem da IA diariamente contra a sensação de ‘cumplicidade’ e sedução moral em relação às implicações mais amplas da tecnologia.

Os anúncios de emprego mencionados acima refletem isso também; lá, criadores e empresas estão ávidos por automação, presumivelmente porque desejam publicar em escala, o que é exatamente a prática que o Google promete punir especificamente em seu algoritmo de classificação. Ao mesmo tempo, buscam métodos tanto automatizados quanto humanos de ‘industrializar’ a humanização.

Lembra-me um pouco uma das melhores piadas nas rotinas de comédia neurodivergentes de Steven Wright nos anos 1980:

‘Na minha casa, eu tenho uma lareira de micro-ondas. Posso deitar-me em frente ao fogo à noite em apenas 8 minutos.’

A Forma do Lixo que Está Por Vir

Como de costume, esses pensamentos são inspirados pela minha busca diária no Arxiv, onde hoje me deparei especialmente com um artigo de Jochen Madler na empresa de automação de marketing Sitefire, intitulado SlopShape: Identificando Conteúdo Web Comercial Gerado por IA.

Normalmente eu descarto artigos com autores únicos, com base no princípio de ‘Victor Frankenstein’, mas a premissa deste é espartana, e a metodologia de teste robusta.

O estudo essencialmente afirma que quando uma postagem gerada por IA é completamente reescrita, mesmo por humanos, ela mantém uma assinatura arquitetônica distinta que reside em um nível muito superior ao nível de palavras, compreendendo uma ‘forma’ característica que não pode ser erradicada por nenhuma quantidade de reformulação ou correção superficial do texto:

Comparação de padrões estruturais em postagens escritas por humanos e por IA. Escrita humana tende a usar combinações de estruturas mais raras, enquanto todos os cinco modelos de IA favorecem combinações mais convencionais. Fonte

Obviamente, pode‑se contornar essa questão (se a considerar uma questão) planejando realmente o curso da escrita por conta própria, e ou não usando IA nenhuma, ou usá‑la apenas nos componentes separados que você planejou.

No entanto, como atestam os anúncios frenéticos no Upwork, isso não é o que se deseja; pode‑se inferir do tom desses anúncios que o conteúdo do artigo deve preferencialmente não apenas ser estruturado por IA, mas ideado por IA – ou seja, que um LLM sugeriria tópicos adequados alinhados aos objetivos gerais de uma empresa ou entidade.

Depois disso, espera‑se plenamente que a IA produza vários rascunhos progressivos do conteúdo, com o irritante componente humano intervindo apenas para um fechamento e um toque casual de humanidade (embora, idealmente, esse processo acabasse evoluindo para um fluxo de trabalho em Python).

Recursos Marcantes

O autor do novo artigo obteve esses insights coletando alguns milhares de posts de blogs corporativos imediatamente anteriores ao lançamento e difusão do ChatGPT (2020‑2022) e inferindo prompts a partir deles.

Ou seja, ele usou Gemini 3 Flash para ler os artigos reais escritos por humanos e reverter um prompt projetado para produzir um trabalho semelhante em alguns dos principais LLMs, a saber GPT5.4, Kimi 2.5, DeepSeek V3.2, Claude 4.6 e Gemini 3.

Esses prompts foram então usados para criar cinco versões de IA de cada um dos posts humanos reais, das quais características foram extraídas e que eventualmente descreveriam a ‘forma’ específica de conteúdo de cada LLM nos cinco modelos; e Madler observa que ‘postagens de IA compartilham uma forma ordenada e auto‑anunciadora’.

Todo o estudo é uma nova execução do projeto StoryScope do COLM 2026, em agosto, uma colaboração entre a University of Maryland e a Google DeepMind, que aplicou essencialmente a mesma metodologia à ficção, constatando que histórias geradas por IA convergem para um intervalo mais estreito e previsível de estruturas narrativas do que a escrita humana:

Do estudo StoryScope, uma comparação em scatter‑plot dos padrões narrativos em ficção humana e gerada por IA. Histórias escritas por humanos ocupam uma região distinta, enquanto histórias de cinco principais modelos de IA se agrupam mais próximas, indicando maior semelhança em suas escolhas narrativas subjacentes. Fonte

Madler decidiu refazer o StoryScope em blogs corporativos devido ao amplo incentivo financeiro para automatizá‑los, em comparação com o campo mais excêntrico da escrita de ficção, e ao grande grau em que já estão automatizados (50 % de automação de conteúdo online em maio de 2026, segundo um estudo Graphite citado no trabalho de Madler).

Talvez a análise mais interessante seja a desmontagem das características extraídas do material produzido por IA com base nas postagens humanas anteriores a 2022:

‘Os valores mais comumente produzidos pelos modelos de IA se agrupam no que chamamos de post de blog organizado e auto‑anunciador: ele promete o resultado já no título, expõe sua tese e anuncia sua estrutura antes da primeira seção, fala em tom editorial‑explicativo e encerra com uma etapa que resume ou reformula a tese.’

‘Em um post típico de IA, o resultado é prometido no título: “Como reduzir o tempo de integração pela metade.” A tese é declarada e o fluxo anunciado antes da primeira seção: “Neste post, abordaremos por que a integração estagna, três soluções que funcionam e como medir a diferença.”‘

‘E o fechamento reitera a tese: “Em resumo, a integração estruturada economiza tempo.” Os valores mais humanos descrevem posts sem esses marcos: sem fluxo de seção anunciado, sem escalada de importância e sem seção final que reitera a tese.’

Uma Premissa Falha

Por acaso, a maioria dos tropos e clichês presentes nos modelos descritos foi derivada das restrições obsessivas por SEO da cena de marketing pré‑LLM. Onde achamos que a IA aprendeu esses hábitos?

Cópias de marketing padronizadas eram sempre odiadas, muito antes da IA, e sempre produzidas em escala, muito antes de as máquinas poderem fazê‑las bem; e, devido à exigência de conformidade com práticas de SEO, algumas convenções horríveis foram estabelecidas, como colocação de palavras‑chave, e design elaborado de links.

No último caso, a IA pode, portanto, ter aprendido a lição errada, já que os corpora apenas de texto nos quais foi treinada removeram tantas das táticas voltadas para SEO que estavam originalmente incluídas no material fonte, como diagramas estratégicos, explicadores visuais; e, sobretudo, hiperlinks.

Seções inteiras de um artigo podem ter sido criadas para enquadrar um hiperlink ou uma incorporação do YouTube que um cliente desejava promover; mas quando os dados foram treinados em um LLM, a incorporação ou o link foi removido, e o texto projetado para destacá‑lo ficou despojado de seu contexto original.

Portanto, pode‑se argumentar que o grande erro ao projetar metodologias de treinamento em torno de tal material foi tratar o conteúdo da web como se fosse literatura do século XIX (totalmente autônoma) em vez de multimídia (significativamente afetada por fatores não textuais como vídeo, hiperlinks e ilustrações).

O outro grande erro foi treinar com material que as pessoas já odiavam, e que foi forçado a assumir sua forma impopular por regras que provavelmente já não são válidas.

Atenção, Humanos

No entanto, se você acreditar nas tendências da Upwork, há uma demanda significativa por mais do mesmo, produzido em escala por LLMs e ‘humanizado’ através do processo menos idiossincrático disponível, na maior velocidade e ao menor custo possível.

Tudo isso, para produzir o efeito de atenção: a ideia de que alguém como você (ou seja, em posse de um sistema endócrino, no mínimo) sentou‑se por algumas horas e pensou no que queria dizer a você.

A percepção de receber atenção humana é significativa para nós mesmo quando não é útil; portanto, certamente vale a pena industrializar.

Não consigo evitar sentir que o artigo de Madler de alguma forma provavelmente agravará a situação, já que identifica traços característicos de alta dimensão que agora, presumivelmente, podem ser abordados com mais IA, de modo que as assinaturas padrão assumam uma forma mais humana à medida que os modelos evoluem.

Primeira publicação quinta‑feira, 17 de setembro de 2026