Se você perguntar ao ChatGPT qual é o melhor notebook para comprar, a resposta será provavelmente construída a partir de sinais como especificações técnicas, testes especializados, avaliações de consumidores, histórico da marca, disponibilidade, comparação de preços e consenso entre diferentes fontes. Essa lógica aparece, por exemplo, em pesquisas como o estudo “Generative Engine Optimization”, publicado por researchers da Princeton University, Georgia Tech, Allen Institute for AI e IIT Delhi, que analisou como sistemas generativos selecionam e sintetizam informações de diferentes fontes para formular respostas. Agora, faça outra pergunta: “Qual é uma boa empresa de software para o setor financeiro?”, “Qual consultoria tributária devo contratar?”, “Qual empresa de logística atende melhor a uma operação internacional?” ou “Qual assessoria de imprensa conhece de fato o meu mercado?”. Para responder a esse tipo de pergunta, a lógica muda completamente.
Serviços, especialmente aqueles prestados no mercado B2B, raramente acumulam milhares de avaliações públicas. Quase nunca existem rankings consolidados, notas de consumidores ou indicadores objetivos que permitam comparar qualidade com a mesma facilidade usada para escolher um produto. Em muitos casos, o comprador não encontra uma resposta pronta nem consegue avaliar diretamente a competência de cada fornecedor antes de iniciar uma relação comercial. É nesse ponto que surge uma questão importante: como uma inteligência artificial diferencia uma empresa da outra quando não há uma métrica clara de desempenho?
A resposta passa por um conjunto de evidências indiretas, mas está cada vez mais claro o papel central da imprensa nessa dinâmica. Quem é citado como fonte em reportagens? Quais empresas aparecem com frequência em veículos reconhecidos? Quais executivos participam das discussões relevantes do setor? Quais organizações são lembradas quando determinado mercado ou problema é colocado em debate? Esses elementos não foram criados para “alimentar” uma inteligência artificial. Eles existem como resultado do trabalho jornalístico e da circulação pública de conhecimento. Ainda assim, acabam funcionando como marcadores de autoridade para sistemas que precisam organizar informações e formular recomendações. Essa hipótese encontra respaldo em pesquisas sobre como modelos de linguagem aprendem representações a partir de grandes volumes de texto e em estudos sobre a influência de fontes e sinais de autoridade na recuperação e na geração de informação. O próprio Google, ao explicar seus sistemas de busca, afirma que a qualidade das páginas é avaliada, entre outros fatores, pela presença de conteúdo confiável e por sinais de experiência, especialização, autoridade e confiabilidade — o chamado E-E-A-T.
No campo acadêmico, trabalhos como “Language Models are Few-Shot Learners”, de Tom B. Brown e outros pesquisadores da OpenAI, publicado nos anais da NeurIPS, mostram como modelos de linguagem aprendem padrões e associações a partir de grandes corpora textuais. Isso não prova que uma menção jornalística isolada faça uma IA recomendar determinada empresa, mas sustenta uma afirmação mais precisa: a circulação recorrente de informações públicas em fontes reconhecidas pode contribuir para o repertório textual a partir do qual sistemas de IA identificam entidades, temas e relações de autoridade.
Isso muda a forma como podemos olhar para a comunicação corporativa. Durante muito tempo, uma publicação na imprensa foi entendida principalmente como uma oportunidade de alcançar leitores, fortalecer uma marca ou gerar visibilidade para uma pauta específica. Hoje, ela também passa a integrar um conjunto de evidências que ajuda sistemas de IA a interpretar quais empresas demonstram conhecimento consistente sobre determinado assunto. A diferença é sutil, mas importante: não é que uma reportagem torne uma empresa melhor; ela torna mais observável uma competência que, de outra forma, poderia permanecer restrita aos clientes, aos parceiros e ao próprio mercado.
Essa distinção é especialmente relevante em mercados B2B. Quando uma empresa vende um refrigerante, um celular ou um automóvel, existem milhões de consumidores produzindo sinais sobre aquela experiência. Quando vende inteligência tributária, infraestrutura de tecnologia, logística internacional ou consultoria especializada, esses sinais simplesmente não existem na mesma escala. O comprador pode até receber indicações, consultar referências e analisar casos anteriores, mas dificilmente encontrará um volume de avaliações públicas capaz de produzir uma comparação objetiva entre fornecedores.
O mercado sempre resolveu essa assimetria por meio da confiança. Indicações, histórico, relacionamento e credibilidade têm peso decisivo nas decisões de contratação porque ajudam a reduzir o risco de escolher uma empresa cuja qualidade ainda não foi comprovada na prática. A inteligência artificial não elimina essa lógica. Na verdade, amplia sua importância ao tentar transformar sinais dispersos em respostas para perguntas cada vez mais específicas, inclusive aquelas relacionadas à escolha de fornecedores e parceiros de negócio.
Como esses modelos precisam responder mesmo quando não há métricas objetivas disponíveis, eles recorrem aos sinais públicos de credibilidade que conseguem identificar. E poucos sinais são tão relevantes quanto o reconhecimento editorial construído ao longo do tempo. A presença recorrente em reportagens, a participação de executivos em discussões qualificadas e a associação de uma empresa a temas nos quais ela efetivamente possui conhecimento ajudam a formar um histórico público. Não se trata de uma garantia automática de qualidade, mas de uma evidência que pode ser considerada quando outras formas de comparação não estão disponíveis.
Isso também muda o papel da assessoria de imprensa. Seu trabalho deixa de produzir apenas exposição e passa a contribuir para a formação do repertório público sobre uma empresa. Cada entrevista, cada análise publicada e cada executivo que se torna uma fonte qualificada ajudam a construir um histórico que pode ser consultado não apenas por clientes, investidores ou parceiros, mas também pelas tecnologias que organizam e interpretam essas informações. A relevância, nesse caso, não está em aparecer uma única vez, mas em construir uma associação coerente entre a empresa, seus especialistas e os assuntos sobre os quais ela tem autoridade para falar.
É por isso que a inteligência artificial não reduz o valor do jornalismo nem da assessoria de imprensa, mas lhes atribui uma nova função. Quanto mais os modelos de IA forem utilizados para apoiar decisões entre empresas, maior tende a ser o valor dos ambientes capazes de produzir um tipo de evidência que a própria empresa não consegue fabricar sozinha, ou seja, o reconhecimento construído por terceiros, em espaços nos quais a credibilidade depende da seleção editorial e da relevância do conhecimento compartilhado.
No fim, a inteligência artificial pode até automatizar textos, mas seu efeito mais importante sobre a comunicação talvez seja o de aumentar o valor dos sinais públicos de credibilidade que o jornalismo ajuda a construir.
Fonte da notícia: Estadão | As Últimas Notícias do Brasil e do Mundo https://www.estadao.com.br/tecmundo/inteligencia-artificial/o-novo-papel-da-imprensa-nas-recomendacoes-feitas-por-ia/
Eduardo Cosomano
