AI slop é um problema de processo

Dois dicionários resolveram a questão do vocabulário no ano passado. Em novembro, o australiano Macquarie Dictionary escolheu AI slop como palavra do ano e o definiu como conteúdo de baixa qualidade feito por IA generativa, muitas vezes com erros, que ninguém pediu. Em dezembro, os editores do dicionário Webster, nos Estados Unidos, escolheram simplesmente slop: “conteúdo digital de baixa qualidade, produzido geralmente em grande quantidade por meio de inteligência artificial”. O presidente da editora, Greg Barlow, disse à Associated Press: “É quase uma palavra de desafio quando se trata de IA.”

O desenvolvedor Simon Willison propôs o teste mais simples em maio de 2024: “se é gerado sem critério e empurrado para alguém que não pediu, slop é o termo perfeito para isso”.

Para uma empresa, a palavra dá nome a um julgamento que os clientes agora fazem em um segundo. Nossa leitura é que o slop não é uma propriedade da ferramenta. É o que sai de um processo sem referências, sem regras e sem ninguém que diga não. Isso significa que tem conserto.

Como o slop aparece no trabalho

Slop não é só o vídeo estranho em um feed. Pesquisadores do BetterUp Labs e do Stanford Social Media Lab deram um nome à versão de escritório na Harvard Business Review: workslop, trabalho feito com IA que parece bom, mas não tem substância. Em sua pesquisa com 1'150 profissionais de escritório em tempo integral nos Estados Unidos, 40 por cento tinham recebido algo assim no mês anterior, e cada caso levou cerca de duas horas para ser resolvido.

O marketing tem a sua própria versão: o post que poderia ser de qualquer empresa, a imagem com aquela luz brilhante conhecida, o texto que não diz nada em três parágrafos. Cada um custa pouco para ser feito, e quem paga é o leitor.

Por que acontece

Quatro causas aparecem repetidamente.

A primeira é o padrão. A equipe de IA aplicada da Anthropic explicou em novembro passado por que o próprio modelo, sem direção, continua produzindo os mesmos designs seguros: ele faz amostragem do centro mais provável do que já viu. Eles chamam isso de convergência distribucional e observam que os usuários chamam o resultado de estética AI slop. Um estudo na revista Patterns encontrou o mesmo em imagens. Os pesquisadores deixaram um modelo de imagem e um modelo de legendas se alimentarem mutuamente por 100 rodadas, 700 vezes, e todas as execuções derivaram para alguns poucos motivos genéricos, que eles chamaram de música de elevador visual. Eles suspeitam que o ingrediente que falta é a pressão corretiva da interação humana.

A segunda é a falta de referência. Um prompt descreve, uma referência mostra. Sem imagens reais do produto e da luz, o modelo preenche as lacunas com a sua média.

A terceira é a falta de regra. O modelo não sabe que a sua marca nunca usa degradês, nunca chama nada de solução e sempre mostra o produto real. Se essas regras não estiverem escritas onde a máquina as lê, para a máquina elas não existem.

A quarta é a falta de revisão. Willison foi direto: “compartilhar com outras pessoas conteúdo gerado artificialmente sem revisão é falta de educação”.

O público percebe, mesmo quando não sabe dizer

A evidência mais forte deste ano vem de um teste da Ipsos e da Newhouse School da Syracuse University, publicado em maio. Eles mostraram 20 anúncios a 3'000 consumidores americanos: dez feitos por pessoas para marcas como Febreze, H&M e Chewy, e dez feitos inteiramente por IA a partir do mesmo briefing, usados exatamente como foram gerados. Só 25 por cento de quem viu um anúncio de IA estava pelo menos razoavelmente confiante de que ele tinha sido feito por IA. Mesmo assim, os anúncios humanos foram 14 por cento mais fortes na medida da Ipsos para efeito de curto prazo nas vendas e 17 por cento mais fortes no efeito de longo prazo na marca. Os autores resumiram em uma frase: ser crível não é o mesmo que ser convincente.

As atitudes declaradas apontam na mesma direção. Em uma pesquisa de junho da The Harris Poll com a 4As e a Infillion, 73 por cento dos consumidores disseram que teriam menos propensão a confiar em um anúncio que suspeitassem ter sido feito com IA, e 63 por cento disseram que teriam menos propensão a comprar de uma marca que usa anúncios gerados por IA.

Uma pesquisa global com 22'000 consumidores em 22 mercados, encomendada pela empresa de verificação de anúncios DoubleVerify e divulgada em julho, acrescenta a nuance que importa. 42 por cento disseram que uma publicidade de IA de baixa qualidade ou estranha prejudicaria sua opinião sobre uma marca, enquanto 40 por cento viam com bons olhos anúncios de IA bem acabados e profissionais. O CEO da empresa, Mark Zagorski, resumiu: “Não é a IA em si que determina o engajamento. É a qualidade do resultado.”

As plataformas estão reagindo

As plataformas passaram da tolerância às regras. Em sua carta para 2026, o CEO do YouTube, Neal Mohan, dedicou uma seção ao controle do AI slop e disse que o YouTube está ampliando os sistemas que usa contra spam e clickbait para reduzir a disseminação de conteúdo repetitivo e de baixa qualidade. Em julho, segundo o TechCrunch, o YouTube detalhou o que não pode mais gerar receita com publicidade: vídeos genéricos, repetitivos ou feitos a partir de modelos prontos, conteúdo feito para angustiar e personas de IA discutindo temas sensíveis, como saúde e finanças.

O Pinterest acrescentou em outubro de 2025 configurações que permitem ver menos imagens de IA nas categorias em que elas se acumulam: beleza, arte, moda e decoração. O Deezer disse em julho que as faixas inteiramente geradas por IA passaram de metade de todas as novas músicas entregues à plataforma por dia em seu pico de junho, mas responderam por apenas 1 a 3 por cento das reproduções. O Deezer as mantém fora de suas recomendações algorítmicas e playlists editoriais.

A direção é a mesma em toda parte. Feito com IA é permitido. Feito em massa, sem cuidado, é rebaixado.

Como mantemos o slop do lado de fora

Fazemos imagens, filmes e posts com IA todos os dias, então tivemos de responder a isso na prática, com uma etapa para cada causa.

Estilos definidos. No Reel, cada estilo é construído a partir de referências reais, com luz, lente e cenário escolhidos como um fotógrafo escolheria, e testado até o cliente aprovar. Cada imagem e cada clipe seguem essa receita, então a centésima imagem se parece com a primeira.

Regras da marca no cérebro. O Studio registra uma única vez o DNA, a voz, o posicionamento e as regras de texto de uma marca e os fixa. O Twin guarda as regras da empresa e a forma como ela escreve em seu cérebro de IA, para que cada assistente trabalhe dentro delas em vez de adivinhar.

Pessoas nas ideias e nas escolhas, e uma revisão antes de qualquer coisa sair. No Reel, ideias, referências e estilos são acordados antes de qualquer coisa ser feita, cada resultado é verificado antes de o cliente vê-lo, e uma pessoa escolhe cada imagem e cada clipe usados. No Tempo, cada ideia é testada antes de ser agendada, e uma pessoa aprova cada post.

Queremos que a IA faça, verifique e acelere o máximo possível do trabalho. As ideias, as escolhas e a responsabilidade pelo que sai ficam com as pessoas, porque é ali que a qualidade é decidida e onde um nome está em jogo.

O que uma empresa pode fazer

Comece pelas quatro causas. Reúna vinte imagens reais de que você se orgulha e use-as como referência. Escreva as regras da sua marca onde todas as ferramentas possam lê-las: as cores, as palavras que você usa e as que nunca usa, como o produto deve aparecer sempre. Nomeie a pessoa que escolhe e dê a ela o direito de dizer não à maior parte do que a máquina produz. Coloque uma revisão entre o gerador e o público, todas as vezes.

Fazer slop é barato. Ficar conhecido por ele sai caro. A solução não é menos IA. É mais discernimento em torno dela.