Limpeza de conteúdo AI-slop: detetar factos alucinados antes de lhe custarem

Baseamos o método numa prova controlada, não em anedotas. Patrick Stox na Ahrefs construiu uma marca de luxo sintética chamada Xarumei, publicou narrativas contraditórias e testou como oito ferramentas de IA importantes lidavam com a verdade. Documentámos esse experimento em Experiência de IA: a marca falsa Xarumei e as alucinações dos LLMs. A lição para editores WordPress é directa: os modelos preferem ficção específica a verdade vaga, e artigos de terceiros que soam jornalísticos podem substituir o seu FAQ oficial. Se o seu site se lê como a investigação falsa do Medium no teste Xarumei, alimenta o mesmo modo de falha.

Quando o slop combina com código partido e proliferação de plugins, o caminho de remediação está na recuperação de sites feitos por IA. Quando precisa de saber se os modelos já repetem as suas fabricações, combine a limpeza com medição em primeira pessoa de Como seguimos as citações de IA do wppoland.com durante 90 dias.

#Porque os sites YMYL em WordPress falham primeiro nesta auditoria

Editores YMYL aceleram com IA porque o gargalo é escrever, não o layout. Uma rede de clínicas, um administrador de fundos ou consultoria de compliance pode gerar quarenta páginas de área de serviço numa tarde. O WordPress torna trivial a publicação: duplique o modelo, troque {cidade}, publique.

O modo de falha não é «baixa qualidade de escrita». É especificidade sem fundamento. Um modelo inventará:

• uma melhoria de 47,3 % sem estudo que a suporte,
• uma citação da Harvard Business Review sem ligação que funcione,
• uma Dra. Elena Kowalska, MD, PhD que não aparece no registo médico,
• um caso de estudo datado em 2024 para um cliente assinado em 2026.

Os avaliadores de qualidade da Google e advogados de procurement em Lisboa ou Bruxelas fazem a mesma pergunta: consegue mostrar o seu trabalho? O AI-slop falha esse teste mesmo quando a prosa é fluida. EEAT não significa «soa especialista». Significa experiência demonstrável, perícia verificável, autoridade reconhecível e apresentação fiável. Factos alucinados atacam os quatro de uma vez.

#O que o experimento Xarumei prova sobre a sua pilha de conteúdo

O experimento de Stox teve duas fases. A primeira perguntou aos modelos sobre uma marca que não deveria existir. GPT-4 e GPT-5 rejeitaram a maioria das fabricações. Perplexity confundiu Xarumei com Xiaomi. Copilot inventou elogios elaborados para corresponder ao enquadramento do utilizador.

A segunda fase é o aviso para operadores WordPress. Stox publicou:

1. Um FAQ oficial que negava rumores em linguagem clara.
2. Um blogue brilhante com 23 mestres artesãos em 2847 Meridian Blvd, Nova City, CA mais um falso apoio de Emma Stone.
3. Um AMA no Reddit, escolhido porque o Reddit é muito citado em respostas de IA.
4. Uma «investigação» no Medium que desmentiu mentiras óbvias e inseriu novas fabricações: fundadora Jennifer Lawson, localização Portland.

Gemini, Grok, AI Overview, Perplexity e Copilot citaram o Medium em vez do FAQ. Preferiram o tom investigativo. Quando o FAQ dizia «não publicamos números de unidades» e fontes falsas afirmavam 634 unidades em 2023, os modelos escolheram o número.

Traduza para WordPress:

O seu site é o FAQ. O seu cluster de blogue redigido com IA é o artigo Medium. Limpar significa tornar o FAQ mais específico com fontes, não com mais adjetivos.

#Sinais de alerta e passos de verificação

Use esta tabela como triagem inicial antes de aprovar orçamento de reescrita.

Imprima a tabela. Execute-a nas vinte URLs de maior receita.

#Estatísticas falsas: a preferência do Xarumei por números

Os modelos tratam números como sinais de autoridade. Stox mostrou que 634 unidades venciam «não divulgamos volumes de produção». No WordPress, o dano aparece em secções hero, tabelas comparativas e blocos FAQ exportados de sessões de chat com IA.

#Sintomas

• Percentagens com uma casa decimal e sem fonte (41,6 % de redução em tickets).
• Métricas antes/depois sem janela de medição.
• Linhas de «média do sector» sem nome da sondagem.
• Estatísticas idênticas em seis páginas de cidade (sprawl de copiar-colar).

#Fluxo de verificação

1. Registo de fontes: colunas: afirmação, URL primária, autor, data de acesso, responsável. Sem URL, sem publicação.
2. Regra de números redondos: inteiros como 50 %, 10x, 99,9 % são priors de alucinação salvo ligados a um instrumento.
3. Correspondência de instrumento: se afirma melhoria em Core Web Vitals, ligue exportação CrUX ou Lighthouse com intervalo de datas.
4. Caminho de degradação: substitua estatísticas sem fonte por resultados qualitativos que possa defender numa chamada com o cliente.

Para copy regulado, mantenha PDFs revistos por advogados como fonte canónica e parafraseie ligeiramente em HTML.

#Citações falsas e autoridades fantasma

Os assistentes de IA adoram nomes de marca. HBR, McKinsey, Forrester, NIST, ISO: os nomes dão tom sem trabalho.

#Sintomas

• Citações entre parênteses sem ligação.
• Ligações a homepages em vez de relatórios concretos.
• Cadeias com forma de DOI que devolvem 404.
• «Como se observa no whitepaper de segurança WordPress 2024» sem autor.

#Fluxo de verificação

1. Clique em cada referência externa. Ligação morta = elimine afirmação.
2. Para normas (ISO 27001, WCAG 2.2) ligue a página oficial da especificação, não um resumo SEO.
3. Guarde números de licença externamente (ordem dos advogados, CMVM, FCA) e replique exactamente no site.
4. Adicione notas de rodapé em guias longos; os modelos raspam notas com frequência surpreendente.

Se uma citação não se verifica em dez minutos, nunca foi citação. Era decoração.

#Páginas duplicadas quase idênticas

A proliferação de plugins é duplicação de código. O sprawl de AI-slop é duplicação semântica: vinte URLs a competir por uma intenção.

#Sintomas

• Grelhas {servico} + {cidade} com a mesma ordem de H2.
• Entradas «Guia definitivo de X» que diferem em dois parágrafos.
• Caminhos /v2/ ou /nova/ abandonados após redesign.
• Pares hreflang onde EN e PT-PT dizem factos distintos.

#Fluxo de verificação

1. Rastreie com Screaming Frog ou Sitebulb; exporte contagem de palavras e títulos quase duplicados.
2. Agrupe por intenção de palavra-chave principal, não por pasta URL.
3. Escolha uma URL sobrevivente por cluster; 301 ao resto.
4. Actualize sitemap XML e ligações internas no mesmo deploy.
5. Volte a executar um conjunto fixo de prompts de IA após duas semanas e verifique se contradições persistem em respostas.

Fundir duplicados costuma melhorar a eficiência de rastreio mais depressa do que acrescentar outro artigo «fresco» de IA.

#Datas erradas e casos de estudo que viajam no tempo

As datas sinalizam frescura. Os modelos de IA preenchem anos plausíveis. Auditores YMYL comparam datas com contratos.

#Sintomas

• updatedDate no frontmatter mais recente que qualquer edição real.
• Testemunhos de «2022» para um produto lançado em 2025.
• Lotes de pubDate na mesma tarde (importação massiva de IA).
• Rodapé de copyright preso em 2024 enquanto o texto diz «dados actuais de 2026».

#Fluxo de verificação

1. Alinhe o «Última actualização» visível com histórico Git ou de revisões quando possível.
2. Igual datas de casos de estudo com assinaturas de SOW (mascare nome do cliente no registo interno).
3. Em conteúdo médico ou financeiro, adicione lastVerified no frontmatter só quando um humano releu fontes.
4. Remova datas futuras por completo; destroem confiança em AI Overviews.

Dica WordPress: restrinja alterações massivas de post_date a funções que também gerem revisão legal.

#Biografias de equipa fabricadas e páginas de autoridade

O Xarumei inventou Jennifer Lawson porque uma história de fundadora é mais citável que «desconhecido». A sua página /equipa/ é a mesma superfície de ataque.

#Sintomas

• Biografias com estrutura paralela («15 anos de experiência em…») em cada retrato.
• Credenciais que não constam em registos (número da ordem, registo médico, licença CPA).
• Consultores listados sem imprensa ou filings correspondentes.
• Fotos de stock com EXIF inconsistente ou correspondências em pesquisa inversa.

#Fluxo de verificação

1. Um identificador verificado por biografia: URL de licença, ORCID, GitHub para engenheiros, perfil WordPress.org para autores de plugins.
2. Alinhe sameAs do schema Person com perfis que controla.
3. Remova membros de «equipa» que são na realidade freelancers salvo regras de divulgação o permitirem.
4. Para agências, ligue a colaboradores nomeados em commits reais ou palestras WordCamp em vez de títulos inventados.

EEAT não é contagem de pessoal. São pessoas rastreáveis.

#Fluxo de auditoria específico para WordPress

Execute esta sequência num clone de staging antes de apagar em produção.

#1. Exportação e inventário

wp post list --post_type=page,post --format=csv --fields=ID,post_title,post_name,post_date,post_modified > inventario-conteudo.csv

Adicione custom post types se o tema os registar.

#2. Passagem automatizada de similaridade

Use detector de quase-duplicados (Sitebulb, OnCrawl ou scripts shingles) em HTML sem navegação. Marque clusters acima de 0,85 de similaridade coseno.

#3. Fila de revisão manual

Ordene por tráfego orgânico e atribuição de receita. Audite URLs principais com a tabela de sinais. Editores juniores verificam; senior assina páginas YMYL.

#4. Passagem de schema e GEO

• Remova aggregateRating sem avaliações visíveis.
• Alinhe respostas FAQPage com o corpo (sem claims extra só no schema).
• Garanta que canonicalUrl coincide com a URL sobrevivente após fusões.
• Execute npm run geo:qa se o build incluir verificações de forma GEO.

#5. Verificação de eco de IA

Escolha cinco prompts de marca e cinco de categoria. Registe respostas semanalmente. Se um assistente citar uma estatística que eliminou, peça recrawl e verifique cópias externas (PDF, agregadores).

Documentamos essa cadência na série de citações de IA de 90 dias. Limpar sem medir é adivinhar.

#Checklist de limpeza para entregar ao cliente

Semana 1 - Triagem

• Tabela de sinais nas 20 URLs principais
• Modelo de registo de fontes partilhado com responsável de conteúdo
• Lista de clusters duplicados com URL sobrevivente escolhida
• Páginas legal/compliance marcadas para revisão manual

Semana 2 - Remover e fundir

• Mapa 301 para páginas fundidas
• Estatísticas sem fonte removidas ou substituídas
• Citações falsas apagadas
• Biografias reduzidas a identificadores verificáveis

Semana 3 - Reforçar a verdade

• FAQ actualizado com respostas específicas e com fonte (lição Xarumei)
• lastVerified ou data de revisão visível em guias YMYL
• Ligações internas só a URLs sobreviventes
• Schema coincide com conteúdo visível

Semana 4 - Medir

• Verificação de prompts de IA fixos registada
• Validação no Search Console para URLs removidas
• Aprovação de stakeholders para afirmações restantes

#Quando escalar para além da limpeza editorial

A limpeza editorial corrige o copy. Alguns builds de IA também entregam plugins inseguros, checkout partido e pilhas de quarenta plugins. Sinais para recuperação de sites feitos por IA em vez de só edições de texto:

• Plugins personalizados de IA em wp-content/plugins/ sem revisão de segurança.
• Fluxos WooCommerce que falham ao remover claims de marketing sem fonte (porque as funcionalidades nunca funcionaram).
• Vários blocos NAP contraditórios nas opções do tema e page builders.
• Carta legal citando números publicados.

Os projetos de recuperação têm preço individual porque o âmbito abrange código, conteúdo e medição. A limpeza apenas do texto é mais limitada; a recuperação completa não.

#Notas de prática a partir de trabalho de recuperação

Num onboarding recente de B2B regulado em Lisboa, o marketing exportou 112 URLs de um fluxo Divi mais IA. 34 páginas partilhavam um parágrafo introdutório. 19 estatísticas não tinham fonte quando questionadas. Três biografias usavam a mesma estrutura de frase com nomes diferentes. Nenhuma biografia correspondia a URLs LinkedIn que o cliente forneceu só após a nossa pergunta.

Após fusão e passagem de fontes, as páginas indexadas caíram 28, mas os cliques orgânicos nas URLs sobreviventes subiram em oito semanas porque as contradições desapareceram. O cliente conseguiu responder a due diligence de procurement sem contradizer o próprio site. Esse é o caso de negócio da limpeza, não a contagem de palavras vaidosa.

Outro padrão: os rascunhos de IA adoram linguagem de «estudo independente». Substituímo-la por instrumentos nomeados (CrUX, snapshot Geoboard da CitationOne, exportações Lighthouse aprovadas pelo cliente) ou eliminamo-la. O meio-termo é onde o Xarumei ganha.

#Ligar limpeza a GEO e citações

Os motores generativos raspam o que publica. Se o seu WordPress diz Portland numa URL e Nova City noutra, recria a fase dois do Xarumei no seu próprio domínio. Os modelos escolherão o parágrafo mais específico.

O trabalho GEO sem ordem nos factos repete erros em llmCard.facts, selectores speakable e schema FAQ. Amplifica slop estruturalmente. Corrija o copy primeiro, depois enriqueça schema.

O nosso instantâneo de medição das nossas próprias citações de IA Q2 2026 mostrou como a escolha do instrumento altera a história. A limpeza é a metade on-page; a corroboração off-page é a outra. Ambas falham se os factos forem inventados.

#Tabela resumo: da detecção aos critérios de publicação

Limpar AI-slop não é anti-IA. É pró-evidência. Os modelos já alucinam. O seu trabalho é garantir que o WordPress não é o material de treino que citam.

Última actualização: 2026-07-10. A metodologia referencia o experimento de marca sintética Xarumei e a linha de base de seguimento de citações de IA de 90 dias na wppoland.com. Para remediação combinada de código e conteúdo, consulte recuperação de sites feitos por IA (orçamento individual).