Neste episódio discutimos a profunda mudança no paradigma de busca provocada pela ascensão da Inteligência Artificial Generativa (IAG) e dos Large Language Models (LLMs).

Ele foi baseado no artigo que publiquei ontem e que foi iniciado depois que vi o vídeo apresentado pela Professora Jenna Hartel, que oferece uma análise detalhada do artigo de conferência de Olaf Sundin, que teoriza sobre como a IAG está forçando uma reavaliação dos conceitos de busca, de fontes e de avaliação de informação.

Para escrever o texto do blog, usei o trabalho de Sundin como ponto de partida para argumentar que a IAG está causando a “morte das fontes”, uma vez que os sistemas agora fornecem respostas diretas em vez de direcionar os usuários para documentos de origem.

Nós então concordamos que essa mudança mina a avaliação tradicional da informação e concluímos que a solução para os profissionais de SEO (Search Engine Optimization) é focar no SEO semântico, tornando o conteúdo estruturado e semanticamente rico, para que seja uma fonte de fatos confiável que alimente os algoritmos de IA.

Este episódio baseou-se no post do Blog Semântico e oferece uma visão abrangente dos fundamentos, do desenvolvimento e das aplicações avançadas das ontologias no cenário tecnológico entre 2022 e 2025.

Procuramos definir ontologias como a espinha dorsal da compreensão semântica em sistemas de Inteligência Artificial (IA), detalhando seus componentes essenciais (classes, propriedades e axiomas) e distinguindo-as dos Grafos de Conhecimento (KGs).

Você vai ouvir sobre a Engenharia de Ontologias, incluindo metodologias de desenvolvimento e a crescente sinergia com Large Language Models (LLMs), que são utilizados tanto para acelerar a criação de ontologias quanto para torná-las mais precisas por meio delas.

Finalizamos o episódio ilustrando a versatilidade das ontologias em diversos cenários de uso, como a IA Explicável (XAI), a recuperação semântica de informações e a integração de dados heterogêneos em setores como saúde e construção civil.

Olá! Recentemente, tive uma daquelas conversas que nos fazem parar para refletir sobre a velocidade com que o mundo da busca está evoluindo.

Neste episódio, mergulhamos no coração dessa mudança, explorando a sinergia entre três forças que estão transformando a maneira como acessamos e criamos informação na web: os modelos de linguagem de grande escala (LLMs), como o GPT ou o Gemini, os grafos de conhecimento (KGs) e os mecanismos de busca que usamos todos os dias.

Por um lado, temos a fluidez da linguagem dos LLMs e, por outro, a precisão e a factualidade dos KGs, que mapeiam entidades e suas relações. O que acontece quando eles se unem? A busca deixa de ser apenas uma lista de links para se tornar um sistema inteligente, capaz de entender a intenção semântica da sua pergunta, resolver ambiguidades e entregar respostas diretas e precisas, em vez de apenas links azuis.

Discutimos as técnicas que tornam isso possível, como a Geração Aumentada por Recuperação (RAG), que combate a obsolescência dos LLMs e reduz as temidas "alucinações" ao consultar fatos diretos de KGs.

E, claro, como International SEO Specialist e consultor focado em Semantic SEO, a grande questão que me move é: como isso redefine a otimização de sites? O foco agora se move da palavra-chave para o significado, a estrutura e a qualidade semântica do conteúdo. É um chamado para o conteúdo de valor que demonstra E-E-A-T (Experiência, Expertise, Autoridade e Confiança) e para a implementação correta de dados estruturados (Schema.org), garantindo que sua marca seja uma entidade bem definida no mapa de conhecimento do buscador.

Por fim, deixamos uma reflexão: a comodidade de ter respostas prontas da IA nos fará perder a descoberta acidental e o pensamento crítico que vem de explorar a web?

Junte-se a nós para entender essa complexa, mas fascinante, interconexão e descubra as novas prioridades para o seu SEO.

Você pode usar o meu Notebook para fazer perguntas e saber mais sobre esse assunto: https://notebooklm.google.com/notebook/a98aa6db-9931-473f-836c-6a0b0f4bb3a6

Esse episódio oferece uma definição detalhada de **SEO Semântico**, contrastando-o com as práticas tradicionais de SEO baseadas no volume de busca e em palavras-chave. A estratégia de SEO semântico é apresentada como um método que foca na **construção de significado** e no alinhamento de conceitos para ajudar os mecanismos de busca a compreender o conteúdo, aumentando sua qualidade percebida e sua relevância.

Enfatizamos que o SEO Semântico não utiliza palavras-chave e se diferencia de termos como Entity SEO e Topic Cluster, embora utilize **entidades** para resolver ambiguidades. A essência desta abordagem reside na **análise de domínio do conhecimento** e na estruturação do projeto "de dentro para fora" da organização, em vez de focar externamente em concorrentes ou tendências de busca.

Hoje temos um episódio diferente. Nós fazemos uma análise sobre o ODKE+, um pipeline que promete resolver um grande problema do uso de grafos em projetos de SEO Semântico: a atualização e confiabilidade dele.

O artigo apresenta o ODKE+, um sistema de nível de produção desenvolvido pela Apple para a extração automática de conhecimento em domínio aberto de fontes da web, utilizando Large Language Models (LLMs) e ontologias. Este sistema é projetado para manter grafos de conhecimento (KGs) atualizados e completos, abordando os desafios de volume, variedade, veracidade e velocidade da informação online. O ODKE+ emprega um pipeline modular que inclui componentes como um Iniciador de Extração para detectar fatos obsoletos, um Extrator de Conhecimento híbrido (baseado em padrões e LLMs guiados por ontologia), e um Corroborador com um LLM leve para verificação de fundamentação (grounding), garantindo alta precisão factual de 98.8% em milhões de fatos ingeridos. O sistema suporta modos em lote e de streaming, melhorando significativamente a cobertura e a frescura dos dados em comparação com métodos tradicionais.

Este episódio se baseia em um artigo, escrito por Alexander Rodrigues Silva do blog Semântico SEO, que apresenta uma análise aprofundada sobre o funcionamento interno dos Modelos de Linguagem de Grande Escala (LLMs), particularmente o mecanismo Transformer e seu componente central de Atenção. O autor compartilha seis descobertas surpreendentes que surgiram de uma série de interações com seu agente de Inteligência Artificial, oferecido como serviço denominado agente+Semântico. As explicações focam em como as palavras adquirem significado contextual por meio de vetores iniciais e diálogos internos de Consulta, Chave e Valor, mostrando que o significado é codificado como direções geométricas em um espaço multidimensional. Por fim, o texto desmistifica o conceito de "aprendizado" da máquina, comparando-o a um processo matemático de otimização, como uma bola rolando morro abaixo na função de custo.

O episódio de hoje, extraído do "Blog Semântico" por Alexander Rodrigues Silva, oferece uma definição detalhada de SEO Semântico, contrastando-o com as práticas tradicionais de SEO baseadas em palavras-chave. O autor explica que o SEO Semântico foca na construção de significado e no alinhamento conceitual para melhorar o entendimento dos mecanismos de busca sobre o conteúdo, qualificando-o como de alta qualidade. Essa estratégia se distingue por não utilizar pesquisa de palavras-chave ou volume de buscas, focando-se em prover metadados que conectam dados semanticamente, aumentando a relevância do conteúdo. Além disso, o texto esclarece que, embora utilize entidades para resolver ambiguidades, o SEO Semântico não é sinônimo de Entity SEO ou Topic Cluster. A principal diferença reside na abordagem, onde o SEO Semântico olha "de dentro para fora" da organização, analisando profundamente o domínio do conhecimento para estruturar a estratégia de otimização.

Neste episódio oferecemos uma visão abrangente da Análise de Domínio (AD), apresentando-a como uma abordagem sociocognitiva e metodológica central para a Organização do Conhecimento (OC) na Ciência da Informação (CI). Os textos que usamos como base examinam o desenvolvimento histórico e conceitual da AD, creditando sua introdução na CI a autores como Hjørland e Albrechtsen e discutindo como ela se opõe a abordagens mais formalistas ao enfatizar o estudo de domínios como comunidades discursivas inseridas na divisão social do trabalho. Há uma discussão detalhada sobre as onze abordagens iniciais de Hjørland para a AD, incluindo estudos bibliométricos, análise de usuários e análise de documentos, com ênfase na sua aplicação combinada. Além disso, os artigos acadêmicos exemplificam a aplicação da AD em contextos específicos, como na análise da produção científica em periódicos brasileiros e na relação entre OC e Arquivologia, enquanto o transcrito do YouTube complementa com reflexões sobre o papel da AD como metodologia que fundamenta os sistemas de informação.