Uso IA pesado para produzir este canal: o checklist que roda antes de publicar
O Dani Geek — arte original
A pesquisa mais citada sobre o assunto diz que ninguém separa texto de IA de texto humano no faro: o acerto fica em 50%. Por isso aqui dentro o filtro é escrito, com regra, exemplo e uma lista do que vai pro lixo inteiro.
Este site e os canais da marca são produzidos com IA pesada. Essa é a arquitetura do trabalho: agentes fazem a parte repetitiva, eu decido o que importa e o que sai. A pergunta honesta é qual é o filtro, não se “usa ou não usa”.
O termo tem dono e tem data
“Slop” não é gíria solta de timeline. Simon Willison, criador do Datasette, publicou em 8 de maio de 2024 o post Slop is the new name for unwanted AI-generated content, creditando a cunhagem ao usuário @deepfates no X. A definição dele é operacional e vale mais que qualquer lista de sinais: slop é o conteúdo gerado sem cuidado e empurrado em quem não pediu. Willison já propunha ali a regra mínima de ética pessoal com IA, que é simplesmente não publicar slop. O exemplo que ficou foi o guia de viagem da Microsoft recomendando o banco de alimentos de Ottawa como atração turística.
Em dezembro de 2025 a Merriam-Webster fechou o ciclo e elegeu “slop” a palavra do ano, definida como conteúdo digital de baixa qualidade, produzido geralmente em quantidade por meio de inteligência artificial.
Guarde a definição do Willison, porque ela contém a boa notícia para quem produz com IA: o defeito está na ausência de revisão, não na origem do rascunho.
Faro não é filtro
A intuição de que “dá pra sentir” é falsa, e isso está medido.
O estudo de Jakesch, Hancock e Naaman na PNAS, de 2023, rodou 6 experimentos com cerca de 4.600 participantes sobre 7.600 autoapresentações (perfil profissional, hospedagem, namoro). O acerto ficou entre 50% e 52%, o mesmo que moeda ao ar. Pior: as heurísticas que as pessoas usam são exploráveis. Como “texto com errinho é humano” é uma delas, um modelo instruído a errar um pouco passa por mais humano que humano de verdade.
Quem lê texto de IA o dia inteiro desenvolve algum faro. Mesmo assim, faro cansa, varia com o humor e não sobrevive a um dia com seis peças na fila. Por isso o que roda aqui é lista, e a lista roda antes de o texto existir como peça publicável.
O rastro dá para medir
Kobak e colegas, da Universidade de Tübingen, analisaram 15 milhões de resumos do PubMed entre 2010 e 2024 e publicaram o resultado na Science Advances, em julho de 2025: pelo menos 13,5% dos resumos de 2024 carregam sinal de LLM. O método é elegante e é o que interessa para quem revisa. Eles não procuraram “estilo”, procuraram excesso de vocabulário: palavras cuja frequência saltou depois do ChatGPT. Underscore, utilize, intricate, crucial, pivotal, comprehensive, align. Um dos verbos da lista cresceu 28 vezes. A lista completa e o código estão no GitHub.
Do outro lado, a Wikipédia mantém pelo WikiProject AI Cleanup uma página pública de sinais de escrita de IA: ênfase indevida em importância e legado, paralelismo negativo, regra de três, travessão e negrito em excesso, conexões vagas do tipo “associado a”. A própria página traz a ressalva que todo mundo ignora: nenhum sinal isolado prova nada, e detector automático erra bastante.
Dois grupos que não conversam entre si, um medindo corpus científico e outro limpando enciclopédia, chegaram ao mesmo inventário de tiques. É por isso que dá pra virar checklist.
O checklist que roda aqui
Cinco regras. Todas verificáveis por outra pessoa, que é o teste que separa regra de gosto.
1. Travessão fora. O modelo adora travessão porque ele resolve qualquer relação lógica sem que o texto precise escolher uma. Ponto, vírgula ou dois-pontos obrigam a decidir.
2. Paralelismo negativo fora. O tique aparece em vários disfarces. Antes: “Não é sobre ter mais ferramentas, é sobre ter a arquitetura certa.” Depois: “Você precisa de uma arquitetura melhor para as ferramentas que já tem.” A frase perde o balanço e ganha a afirmação.
3. Regra de três fora, quando a matéria não tem três. Antes: “fluxos testados, ferramentas honestas, resultados reais.” São dois itens reais e um de enfeite. Dois bastam.
4. Vocabulário de importância fora. Em português os marcadores têm sotaque próprio: “vale ressaltar”, “é importante destacar”, “nesse sentido”, “marca um momento crucial”, “um divisor de águas”. Nenhuma dessas expressões carrega informação. São enchimento que o modelo usa para ganhar ritmo.
5. Afirmação sem teste fora. Antes: “essa integração economiza horas do seu dia.” Depois: “rodei esta integração por três semanas na produção do canal; ela cobre a transcrição e falha no agendamento, que continuo fazendo à mão.” Se eu não rodei, não escrevo.
As quatro primeiras são cosméticas e um revisor atento conserta. A quinta é estrutural, e ela não se conserta: reescrever a frase sem ter feito o teste só produz mentira mais bem escrita.
O que vai pro lixo inteiro
Nem tudo passa por conserto. Estes rascunhos morrem:
- Texto que serviria para qualquer ferramenta. Se eu trocar o nome do produto e o parágrafo continuar de pé, o parágrafo não observou nada.
- Estrutura de resposta de chat. Abertura que anuncia o que virá, fechamento que repete o que veio, seções simétricas com o mesmo tamanho.
- Número sem fonte primária. Aconteceu na pesquisa deste próprio post: eu tinha uma estatística sobre adoção de IA por trabalhadores brasileiros que apareceu num resumo de busca e que eu não consegui confirmar na página original do estudo. Ela não está aqui. Também tinha uma citação do Sam Altman sobre travessões que só encontrei via agregador, e ela também não está aqui.
- Peça que existe só porque o calendário pediu. Volume é o mecanismo do slop, segundo a própria definição da Merriam-Webster.
O custo não é estético
Quem acha isso frescura de redator tem um número para olhar. A pesquisa do BetterUp Labs com o Stanford Social Media Lab, publicada na HBR em setembro de 2025, ouviu 1.150 trabalhadores americanos em tempo integral sobre o que os autores chamaram de “workslop”, o slop que circula dentro da empresa. 40% receberam material assim no mês anterior. 54% ficaram irritados. E o dado que eu levaria para qualquer reunião: 42% passaram a considerar o remetente menos confiável. O custo estimado ficou em torno de US$ 186 por funcionário por mês.
Ou seja, o preço do tique não é feiura. É a pessoa do outro lado decidir que o seu material não merece leitura atenta. Essa decisão é difícil de reverter.
O buraco que eu ainda não tapei
Kobak mediu inglês. A Wikipédia cataloga inglês. A lista de marcadores lexicais de LLM em português brasileiro, com frequência medida antes e depois do ChatGPT, eu não encontrei, e olhei. As cinco expressões que citei ali em cima são impressão de quem revisa muito texto, não medição, e eu acabei de escrever um post inteiro dizendo que impressão não serve como filtro.
Então o próximo passo aqui é medir: rodar o corpus do canal, mais o que eu conseguir de arquivo público em PT-BR anterior a 2022, e comparar frequências. Se der certo, vira lista pública com código junto, no mesmo formato do pessoal de Tübingen.
Antes disso, uma pergunta de gente que revisa: qual expressão em português você já corta no automático quando revisa um texto de IA? Me manda no X ou no Threads, @odanigeek. Se aparecerem vinte respostas repetindo as mesmas cinco expressões, isso já é dado, e a lista começa por elas.