Armadilha do espelho GEO 2026

Este artigo examina uma tática difundida em Generative Engine Optimization (GEO): empresas publicam listas "as N melhores empresas de [categoria]" e posicionam a si mesmas em primeiro lugar. Documentamos o mecanismo causal pelo qual modelos de linguagem propagam esse tipo de conteúdo, quantificamos a prevalência e a resposta regulatória do Google (atualização Core de dezembro de 2025), e situamos o fenômeno na literatura acadêmica disponível sobre viés de autopromoção em sistemas de IA.

Esta versão (v2) incorpora três correções metodológicas centrais frente a um rascunho anterior não publicado: atribuição correta do estudo de Dubash & Friedler (WebSci'26), que mede autopromoção de modelos de IA por seus fabricantes — não citação de listicles empresariais — com inclusão explícita da ressalva dos próprios autores sobre multicolinearidade no coeficiente do Google; (2) inclusão de uma contradição real nos dados de mercado (Glenn Gabe/GSQi, jan. 2026) sobre listicles que continuaram ranqueando bem após a penalização documentada; (3) recalibração do modelo de contaminação do corpus de treinamento com os parâmetros reais do paper "Strong Model Collapse" (Dohmatob et al., ICLR 2025 Spotlight).documento distingue explicitamente, em cada seção quantitativa, dado medido de modelo teórico-ilustrativo, seguindo padrão de divulgação científica de transparência epistêmica.

 Generative Engine Optimization, self-promotion bias, source bias, model collapse, LLM citations, listicle manipulation, AI search, information retrieval.