O que é AI slop? Guia 2026 para reconhecer, evitar e detestar

TL;DR

AI slop é o conteúdo (texto, imagem, código, som, vídeo) que sai por padrão dos grandes modelos generativos quando ninguém impõe direção, gosto ou restrição. Em 2026, algo entre 50% e 60% das páginas web publicadas no último ano vêm direto de v0, Bolt, Lovable, Replit Agent, ChatGPT ou Claude — e isso aparece. Tudo se parece porque os modelos convergem para os mesmos vícios de treinamento: Tailwind por padrão, Inter ou Geist, paleta #3b82f6 (Tailwind blue-500) com #8b5cf6 (Tailwind violet-500), três cards em grid-cols-3, hero com gradiente roxo-azul-rosa e frases tipo "Liberte todo o potencial". Slop não é só feio: é invisível. E invisível, na web, é morto.

Cinco sinais para reconhecer em 30 segundos:

• Hero com gradiente azul-roxo, título em text-6xl e subtítulo começando com "Descubra" ou "Liberte"
• Três cards alinhados em grid-cols-3 com ícone Lucide, título curto, duas frases vagas
• Tipografia Inter ou Geist em tudo, sem hierarquia além de font-bold vs font-normal
• Botão primário arredondado com gradiente e hover que faz scale leve
• Footer com quatro colunas inúteis: "Produto / Empresa / Recursos / Legal"

Se seu site marca três dessas caixas, você faz parte do problema. Continue lendo.

---

1. Definição precisa de AI slop

Etimologia

A palavra slop vem do inglês agrícola do século XIX: a papa morna servida aos porcos — restos de cozinha, grãos estragados, água, tudo o que não dava para vender. Não venenoso, não podre, apenas sem valor. É a metáfora exata: calórico sem ser nutritivo, que é o que são quase todos os outputs LLM brutos.

A expressão AI slop apareceu no Twitter (X) no verão de 2024. Andy Baio, jornalista e desenvolvedor, é geralmente creditado por ter colado a palavra ao fenômeno, em paralelo a discussões no Reddit e 4chan onde "slop" já circulava para imagens Midjourney medianas. Simon Willison, criador do Datasette e blogueiro prolífico sobre LLMs, popularizou o termo na comunidade tech a partir do outono de 2024. Em janeiro de 2025, o termo entra na MIT Technology Review, The Verge, 404 Media, Wired, e acaba na seção editorial do Guardian e do New York Times.

Em português brasileiro, ainda não há tradução firmada. Papinha de IA, mingau generativo, caldo de IA. Nenhuma vingou. A maioria dos profissionais tech usa o anglicismo direto: AI slop ou só slop. É o que faremos aqui.

Quatro famílias de slop

O termo cobre quatro mídias distintas que compartilham os mesmos sintomas: convergência, falta de direção, redundância, superprodução.

1. Slop visual. Sites, ilustrações, ícones, infográficos, designs Figma, posts de Instagram. Sintomas: paleta Tailwind padrão, gradiente azul-roxo, layout grid-cols-3, tipografia Inter, muito ar, pouca identidade.

2. Slop textual. Posts de blog, descrições de produto, posts no LinkedIn, ensaios, scripts do YouTube, e-mails de marketing. Sintomas: introduções genéricas, listas com bullets sem hierarquia, conclusão que repete a introdução, vocabulário oco ("perfeito", "inovador", "potencializar", "robusto"), zero opinião.

3. Slop sonoro. Música gerada (Suno, Udio), vozes sintéticas (ElevenLabs), podcasts inteiros (NotebookLM). Sintomas: estrutura A-B-A-B previsível, mix supercomprimido, vozes que respiram em lugares não humanos, transições que não levam a lugar nenhum.

4. Slop em vídeo. Sora, Veo 3, Runway, Pika. Sintomas: câmera flutuando sem intenção, mãos com seis dedos, raccord que estoura depois de 4 segundos, transições cross-fade automáticas, música stock gerada.

O que AI slop NÃO é

Para esclarecer: AI slop não é sinônimo de "feito com IA". Um dev que usa Claude Code para escrever um linter custom com direção artística própria não produz slop. Um designer que passa pelo Midjourney para gerar uma referência antes de redesenhá-la não produz slop. Um redator que usa ChatGPT para fazer brainstorm de um sumário e depois escreve o texto na própria voz não produz slop.

Slop é o output bruto, sem intervenção humana substancial, publicado tal qual. É a linha que separa a ferramenta do substituto. Quando o humano perde a mão sobre o resultado final, o resultado é slop.

O teste do sósia

Teste simples para decidir se algo é slop. Coloque seu site, seu artigo ou seu vídeo lado a lado com cinco outros outputs da mesma ferramenta. Pergunte-se: consigo distinguir o meu a 50 metros, sem ler o conteúdo, só pela silhueta? Se sim, não é slop. Se não, é slop.

É o que se chama em branding de "logo recognition test" — capacidade de identificar uma marca apenas pela silhueta tipográfica. Estendido ao design web, vira teste diagnóstico de slop. Linear se reconhece a 50 metros. Vercel, Stripe, Cal.com também. Um site v0 bruto não se reconhece a distância nenhuma, porque é intercambiável com mil outros.

Slop por negligência vs slop por design

Existem dois tipos de slop. O slop por negligência é produzido por alguém que queria fazer bem mas não teve tempo, orçamento ou competência para intervir no output da IA. Indie hackers apressados, fundadores em MVP, freelas sobrecarregados. Esse slop é compreensível e geralmente transitório — o criador melhora quando puder.

O slop por design é produzido cinicamente, em série, para SEO ou farming. Redes de blogs spammy, lojas Etsy de revendedores, fazendas de conteúdo no Pinterest. Esse slop é intencional e persistente — o criador sabe que está produzindo slop e esse é exatamente o objetivo. É o slop que pesa na experiência web global e justifica a reação dos motores de busca.

Sailop não distingue os dois. Sinaliza padrões. Mas como usuário, distinga na sua cabeça: seu MVP que um dia vai sair do slop não é o mesmo problema que a fazenda intencional. A gravidade moral não é a mesma.

A curva de crescimento

Para visualizar a explosão, eis a curva estimada do AI slop no conteúdo novo indexado pela web:

Crescimento do AI slop no conteúdo web novo (% aproximado)
2022  | █                                            2%
2023  | ███                                          8%
2024  | ████████                                     18%
2025  | ███████████████████████                      42%
2026  | ████████████████████████████████             58%
2027  | █████████████████████████████████████ (proj) 70%

Em quatro anos, o slop saiu de fenômeno marginal para padrão dominante. Não é ruptura única: é commoditização contínua à medida que os modelos descem na barreira de qualidade mínima e os deployers ficam acessíveis.

---

2. Por que 2026 é o ano do pico do AI slop

Os números aproximados

Ninguém tem um contador preciso do AI slop na web. As estimativas variam. Mas eis o que a maioria das análises publicadas em 2025 e início de 2026 mostra, em traços largos:

• Cerca de 50% a 60% das novas páginas web publicadas entre 2025 e 2026 contêm uma porção substancial de conteúdo gerado por IA (texto ou código)
• Os domínios novos ativos praticamente dobraram entre 2023 e 2026, com explosão de sites "one-page" gerados por v0, Lovable e Bolt
• No LinkedIn, a maioria dos posts longos publicados em 2026 carrega assinatura estilística LLM identificável (proporção anormal de em-dashes, estrutura tricólon, conclusão "the future of...")
• Listings de produto na Amazon, Etsy e Shopify viram explosão de descrições slop entre 2024 e 2026, ao ponto de algumas plataformas implementarem heurísticas de detecção internas

Por que agora e não antes

Três fatores convergiram entre o fim de 2024 e o fim de 2025:

1. A barreira do "deploy" caiu. v0, Bolt e Lovable lançaram produtos que levam uma ideia de zero a uma URL .vercel.app em menos de cinco minutos. Antes, era preciso pelo menos um dev. Hoje, qualquer pessoa com cartão publica um site completo.

2. Os modelos passaram do limiar de "passável". Em 2023, GPT-4 e Claude 2 produziam código que muitas vezes não rodava. Em 2025, GPT-5, Claude Opus 4.5 e Gemini 2.5 produzem código que roda, faz deploy e parece "pro" à primeira vista. A barreira de qualidade mínima foi vencida.

3. A economia da atenção acelerou. Em 2026, publicar rápido vale mais do que publicar bem. Indie hackers que lançam dez sites por mês ganham dos que polem um durante seis meses. Essa pressão econômica empurra mecanicamente para o slop.

Tabela: assinatura visual completa por ferramenta

Para entender a convergência, eis a tabela mais importante deste artigo. Ela explica por que tantos sites se parecem.

| Ferramenta | Paleta padrão | Tipografia padrão | Estrutura típica | |------------|---------------|-------------------|-------------------| | v0 (Vercel) | gradiente from-violet-500 via-purple-500 to-pink-500, neutro zinc, accent violet-500 | Geist Sans + Geist Mono | Hero centrado → trust logos → 3 cards features → How it works (3 etapas) → Pricing 3 planos → FAQ → CTA → Footer 4 colunas | | Lovable | blue-500 primary, purple-500 accent, gray-50 fundo, gray-900 texto | Inter (variable) | Hero centrado → 3 features → "How it works" → Testimonials (3) → Pricing 3 → FAQ → Footer 4 colunas | | Bolt (StackBlitz) | blue-500 ou indigo-500 primary, pink-400 accent | Inter ou system-ui | Hero centrado assimétrico → Features grid (3-6) → Animações Framer Motion → CTA → Footer simples | | Replit Agent | Variável, frequente green-500 ou Tailwind blue | Inter, às vezes Roboto | Mais utilitário: nav → conteúdo → footer minimal | | ChatGPT Canvas | HTML cru, paleta navegador | Times New Roman fallback ou system-ui | Sem estrutura imposta, mas tendência a listar seções | | Claude Artifacts | Segue o projeto se fornecido, senão Tailwind defaults | Segue o projeto | Segue o projeto ou estrutura neutra | | Gemini Code | Material Design 3 colors | Roboto / Google Sans | Padrões Material 3: top bar, cards, FAB | | Midjourney v7 | Luz dourada, contraste alto, profundidade exagerada | n/a | n/a | | Sora / Veo 3 | Luz suave, balanço de brancos neutro | n/a | n/a | | Suno / Udio | n/a | n/a | Estrutura A-B-A-B-bridge-A-outro |

A mecânica da convergência

Por que a convergência é tão forte? Três forças se somam:

Força 1: training data compartilhado. Todos os modelos são treinados em subconjuntos fortemente sobrepostos da web (Common Crawl, GitHub público, Wikipedia, Reddit, Stack Overflow). Viram os mesmos exemplos. Tiram, logicamente, os mesmos padrões.

Força 2: RLHF homogêneo. O Reinforcement Learning from Human Feedback é feito por anotadores humanos que recalibram os modelos para outputs "que as pessoas preferem". Mas os anotadores vivem na mesma bolha cultural 2020-2025 (San Francisco, Lagos, Manila), e preferem os mesmos padrões "modernos" (clean, minimal, Tailwind). Essa preferência se propaga via RLHF.

Força 3: convergência por avaliação. Os benchmarks públicos (HumanEval, MMLU, ChatGPT Arena) são os mesmos para todos os modelos. Se um benchmark recompensa "clareza" e "clareza" se traduz na prática como "Tailwind defaults", todos os modelos convergem para Tailwind defaults.

Essa convergência é estrutural. Não some com um modelo maior. Some apenas se os modelos forem deliberadamente diversificados no treinamento e no RLHF — o que é tecnicamente possível mas comercialmente desincentivado.

---

3. As 7 dimensões do slop visual

Slop visual não é uma coisa só. É um feixe de sinais. Você pode diagnosticá-lo em sete dimensões. Eis o resumo, com anti-pattern e antídoto para cada.

| # | Dimensão | Anti-pattern | Antídoto | |---|----------|--------------|----------| | 1 | Paleta | #3b82f6 (Tailwind blue-500) primário, #8b5cf6 (violet-500) accent, gradiente roxo→rosa em hero | Três cores no máximo, uma dominante não-Tailwind. Compor a paleta a partir de uma referência fora da bolha tech (foto Saul Leiter, pôster suíço anos 60, capa Penguin) | | 2 | Tipografia | Inter ou Geist em tudo, dois pesos, hierarquia só por tamanho | Misturar duas famílias com contraste forte (display + neutro). Usar pesos 300/500/800 e itálico. Evitar Inter, Geist, Roboto, Open Sans, Lato, Poppins (70% do training set) | | 3 | Layout | Três cards horizontais em grid grid-cols-1 md:grid-cols-3 com ícone, título curto, duas frases | Quebrar a simetria. Cinco features em vez de três. Hero alinhado à esquerda. Layout assimétrico estilo editorial | | 4 | Copy | Frases vagas ("Liberte o poder de", "Eleve seu negócio", "Solução completa para a empresa moderna") | Específico, concreto, datado, com número. "Gera uma página Next.js em menos de 800ms num MacBook M1" em vez de "performance rápida" | | 5 | Iconografia | Lucide React em tudo, ícones com mesmo traço fino arredondado, emojis nos títulos ("Performance", "Magic") | Set custom (20-50 ícones bastam para 5-10 anos de identidade) ou alternativas (Iconoir, Phosphor, Pixelarticons). Sem emoji em título B2B | | 6 | Animação | Framer Motion fade-in-up 0.5s ease-out, hover scale 1.05, cursor spotlight, marquee de logos infinito | Sem animação ou animação específica ao universo. Easing não-padrão, timing não-redondo (470ms, não 500ms). Cortar o som: se o conteúdo morre sem animação, é slop animatório | | 7 | Estrutura | Nav fixa → hero centrado → trust logos grayscale → 3 features → how it works 3 etapas → 3 testimonials → pricing 3 planos → FAQ accordion → CTA → footer 4 colunas | Estrutura segue conteúdo, não o contrário. Sem testemunhos reais? Apaga a seção. Pricing único? Não force três planos |

---

4. A assinatura visual 2026

Se houvesse que descrever a assinatura padrão do AI slop em 2026 numa única linha, seria esta: Tailwind blue (#3b82f6) + violet (#8b5cf6) + gradiente blue→pink + Inter (ou Geist) + shadcn/ui + Lucide + rounded-2xl + shadow-md.

Por que essas duas cores especificamente? Tailwind CSS, criado por Adam Wathan em 2017, virou framework dominante a partir de 2020. Sua paleta foi pensada como "good defaults" — cores acessíveis, contrastadas, modernas. O blue-500 (#3b82f6) e o violet-500 (#8b5cf6) ficam no meio das suas faixas, então são as escolhas padrão naturais.

Quando um LLM gera código Tailwind, há duas razões para pender para essas cores:

• Viés de frequência no treinamento. Os exemplos de Tailwind no training data usam desproporcionalmente blue-500 e violet-500 porque são os exemplos canônicos da doc e dos tutoriais.

• Viés cognitivo "centro de faixa". Quando um modelo precisa escolher uma nuance, escolhe a mediana. blue-500 é literalmente a mediana de blue-50 a blue-950.

Imagine que você abre cinco sites diferentes em cinco abas: ferramenta de produtividade comercial, monitoramento de API, builder de chatbot, revisão de contratos jurídicos, analytics e-commerce. Cinco verticais distintos. Você cicla entre as abas. E não vê nenhuma diferença visual. Todos: hero centrado com gradiente azul-roxo de fundo, título text-6xl font-bold, subtítulo text-xl text-gray-600, dois botões lado a lado. Todos: seção "Trusted by 500+ teams" com cinco logos cinza. Todos: três features cards. Todos: pricing em três planos com um "Most popular" destacado. Você poderia trocar os nomes das marcas e ninguém perceberia. Slop é exatamente isto: a intercambiabilidade total entre produtos que deveriam ser diferentes.

A distribuição das cores primárias na web mudou drasticamente: em 2020, azul ocupava cerca de 35% das landing pages SaaS, com diversidade saudável (verde 18%, vermelho 12%, preto 14%, etc.). Em 2026, azul mais roxo somam mais de 80%, e as outras cores caíram para porcentagens irrisórias. Não é complô da Tailwind: é convergência estatística dos modelos generativos.

---

5. O padrão dos 3 cards: por que `grid-cols-3` virou o meme viral do slop

Se houvesse um único sinal para reconhecer um site de IA, seria este. A grade de três cards de features. Cada card com ícone em cima, título curto, duas a três linhas descritivas.

Por que exatamente três? Porque os LLMs foram massivamente treinados em landing pages 2018-2024 onde a convenção era três features em destaque. Três é o número de Cachinhos Dourados: suficiente para mostrar que você tem várias coisas a dizer, não tantas a ponto de cansar. E alinha bem em três colunas no desktop, uma no mobile.

Os modelos absorveram essa convenção e a reproduzem em todo lugar, ao ponto de virar meme. No Twitter, desde o fim de 2024, screenshots de "yet another grid-cols-3" são compartilhados como piada recorrente.

O código padrão sai literalmente assim de v0, Bolt e Lovable, com variantes mínimas:

<section className="py-20 bg-white">
  <div className="container mx-auto px-4">
    <h2 className="text-4xl font-bold text-center mb-4">
      Por que escolher a gente
    </h2>
    <p className="text-xl text-gray-600 text-center mb-12 max-w-2xl mx-auto">
      Conheça os recursos que tornam nossa plataforma especial
    </p>
    <div className="grid grid-cols-1 md:grid-cols-3 gap-8">
      <div className="p-6 rounded-lg border border-gray-200 hover:shadow-lg transition">
        <Rocket className="h-10 w-10 text-blue-500 mb-4" />
        <h3 className="text-xl font-semibold mb-2">Performance rápida</h3>
        <p className="text-gray-600">
          Tempos de carregamento ultrarrápidos que mantêm seus usuários engajados.
        </p>
      </div>
      {/* Card 2 */}
      {/* Card 3 */}
    </div>
  </div>
</section>

Reconhece esse código? Deveria.

O antídoto. Se você tem três coisas a dizer, diga de outro jeito. Uma página narrativa longa em scroll. Um layout Bento à la Apple, mas com tiles realmente irregulares (não o bento slop com seis blocos perfeitamente geométricos). Formato slide. Formato pergunta-resposta. Qualquer coisa menos três cards.

Se você precisa fazer três cards porque o brief impõe, diferencie radicalmente. Tamanhos diferentes. Cores diferentes. Um com imagem, um com gráfico, um com citação. Não faça três clones com ícone que muda. Para mais detalhes sobre essa armadilha específica, veja como evitar que um site Lovable pareça um site Lovable.

---

6. Slop textual: 20 frases banidas em PT-BR

Slop textual é mais antigo que slop visual — está massivo desde 2023, com a generalização do ChatGPT para blog SEO, descrições Amazon, posts no LinkedIn e e-mails de marketing. Os modelos 2026 são melhores que em 2023, mas ainda traem origem.

Eis a tabela das 20 frases que você precisa bani-las da sua escrita. Aparecem aqui apenas como anti-exemplos. O nível de gravidade vai de 1 (suspeita) a 5 (confissão de slop).

| # | Frase típica de slop | Gravidade | |---|----------------------|-----------| | 1 | "Descubra a experiência fluida" | 5 | | 2 | "Liberte todo o potencial de" | 5 | | 3 | "Revolucione seu [setor/negócio]" | 5 | | 4 | "No mundo cada vez mais conectado de hoje" | 5 | | 5 | "Aproveite o poder de" | 5 | | 6 | "Mergulhe em" / "Mergulhe no universo de" | 5 | | 7 | "Eleve seu negócio ao próximo nível" | 5 | | 8 | "Uma solução completa e robusta" | 4 | | 9 | "A maneira definitiva de" | 5 | | 10 | "Uma experiência inigualável / sem precedentes" | 5 | | 11 | "Tecnologia de ponta" / "Tecnologia de última geração" | 4 | | 12 | "Otimize seu fluxo de trabalho" | 4 | | 13 | "Desbloqueie novas possibilidades" | 4 | | 14 | "Pensado para a empresa moderna" | 4 | | 15 | "Na intersecção entre [X] e [Y]" | 4 | | 16 | "Adaptado às suas necessidades" | 3 | | 17 | "Junte-se a milhares de clientes satisfeitos" | 4 | | 18 | "Aprovado pelas maiores empresas do mercado" | 4 | | 19 | "Vale destacar que" / "É importante notar que" | 3 | | 20 | "Gere resultados significativos / mensuráveis" | 4 |

Agora os marcadores tipográficos do slop textual. Eis os tics, em ordem decrescente de gravidade.

Tic 1: o em-dash (—) à exaustão. ChatGPT e Claude usam em-dashes onde um humano poria vírgula, parênteses ou nada. Se seu texto tem mais de um em-dash a cada 200 palavras, provavelmente é slop. Conte. É revelador.

Tic 2: vírgula de Oxford em série. Em português padrão, não se usa vírgula antes do "e" final ("vermelho, branco e azul"). Os LLMs a produzem por padrão quando traduzem do inglês. Indício forte.

Tic 3: maiúscula caprichosa. LLMs colocam maiúscula em palavras não-próprias por inércia anglo-saxã: "A Inteligência Artificial Transforma Nossas Sociedades". Nenhum revisor brasileiro escreve assim.

Tic 4: pleonasmos. "Uma vantagem vantajosa", "uma inovação inovadora", "transformar a transformação". O LLM produz pleonasmos tentando elaborar um ponto já feito.

Tic 5: a lista que deveria ser frase. O LLM lista onde um humano fala: "As vantagens: – rápido, – confiável, – escalável." em vez de "É rápido, confiável e escalável." Ou melhor: "É rápido. E confiável. Escalabilidade fica para depois."

Tic 6: frases terminando em "e muito mais". "...ferramentas de produtividade, apps de calendário, e muito mais." Sinal quase universal de slop.

Tic 7: tricólon abusivo. O LLM ama listas de três itens separados por vírgula. A estrutura é ritmicamente satisfatória mas vira um tique.

Como escrever anti-slop textual

• Corte a primeira frase. Sempre. Se seu artigo começa com "Num mundo onde...", apague tudo até achar uma frase que não caberia em outro assunto.
• Seja datado. Anos, números, datas concretas. "Em 2024, a Tailwind lançou..." vale mais que "Recentemente, a Tailwind lançou...".
• Cite nomes próprios. Ferramentas, pessoas, empresas, produtos. Slop é anônimo. Escrita humana é povoada.
• Tome posição. Slop não se molha. Escrita humana defende uma tese, mesmo pequena.
• Bana transições ocas. "Além disso", "vale ressaltar", "é interessante notar". Se a ideia precisa ser adicionada, adicione sem preâmbulo.
• Varie o tamanho das frases. Slop tem comprimento médio uniformíssimo. Escrita humana alterna frase curta. Frase mais longa que desenvolve uma nuance com subordinada. Frase curta. Frase média com vírgula. Etc.

Para o prompt completo que diz aos modelos como escrever sem cair em slop, veja o prompt anti-slop para Claude, GPT e Gemini.

---

7. Slop no código

Código gerado por LLM tem família própria de slop. Não é que não funcione — funciona. É que carrega marcadores típicos de "escrito por modelo querendo parecer profissional".

Marcador 1: comentários inúteis. O LLM põe // Returns the sum of a and b em cima de return a + b;. O training data pedagógico hipercomenta para explicar a estudantes; em produção, é ruído.

Marcador 2: over-abstraction prematura. Três linhas embrulhadas numa classe que herda de uma interface mockada num teste — para uma função que poderia ser one-liner. O LLM viu Spring/Java demais e reproduz o padrão em todo lugar.

Marcador 3: try/catch defensivo e estúpido.

// SLOP
try {
  await criticalOperation();
} catch (error) {
  console.log("Erro:", error);
}

// HUMANO
await criticalOperation();
// Deixa subir, o caller decide o que fazer
// Ou pega um tipo específico de erro e age

Catch para logar e seguir como se nada tivesse acontecido é quase sempre erro.

Marcador 4: naming genérico. As variáveis se chamam data, result, handler, manager, helper, util, service. As funções são processData, handleRequest, manageState. Nenhuma informação no nome.

// SLOP
const handler = (data) => {
  const result = data.map(item => processItem(item));
  return result;
};

// HUMANO
const tagOrders = (orders) =>
  orders.map(order => ({
    ...order,
    isLate: order.deliveryDate < Date.now()
  }));

Marcador 5: boilerplate sobre-tipado. O LLM cria interface ButtonProps com 12 props "para o caso de" antes de qualquer uso real. O humano adiciona props quando precisa.

Marcador 6: imports excessivos. Arquivo de 30 linhas com 15 imports do shadcn, framer-motion, hooks que não são usados. O training data tem muitos exemplos copiados de tutorial onde nem tudo é usado. O modelo reproduz.

Marcador 7: useEffect mal colocado. O LLM gera useState + useEffect + fetch porque é o que domina o training data 2018-2023, ignorando que em 2024-2026 o padrão é Suspense, React Query ou Server Components.

Marcador 8: ternários aninhados. isLoading ? "loading" : isError ? "error" : data ? "success" : "idle". Comprimem em menos tokens, ficam ilegíveis. O humano usa if em sequência numa função pequena.

Marcador 9: console.log esquecidos. Quando vibe coding com LLM, ele adiciona console.log para ajudar. Eles ficam. Sailop sinaliza.

Diagnóstico rápido de uma codebase

• Razão comentários/código. Acima de 30%? Slop pedagógico. Abaixo de 5%? Código humano (que comenta o porquê, nunca o quê).
• Profundidade de abstração. Para cada utilitária, conte chamadas intermediárias antes da lógica de negócio. Média acima de 4 = over-abstraction slop.
• Variância dos nomes. Liste variáveis de uma função. Mais de 30% sendo data, result, temp, value, item? Slop.

---

8. Por que Google e os motores de IA penalizam slop

Google publicou várias Helpful Content Updates entre 2022 e 2025. Princípio: recompensar conteúdo escrito para humanos, penalizar conteúdo escrito para rankear. A partir de março de 2024, Google começou a integrar sinais explícitos de detecção de AI slop no algoritmo, sem dizer abertamente.

EEAT (Experience, Expertise, Authoritativeness, Trustworthiness) virou o framework dominante. Slop falha tipicamente nas quatro dimensões:

• Experience. Slop não viveu o que descreve. Não tem "testei X durante seis meses e eis o que vi".
• Expertise. Slop reproduz o conhecimento comum, não a expertise especializada.
• Authoritativeness. Slop não é assinado, ou é assinado por autores fictícios.
• Trustworthiness. Slop não cita fontes, ou inventa.

AI Overviews e os answer-engines. Google AI Overviews (lançado em 2024) gera respostas sintéticas no topo das SERPs. As fontes citadas são desproporcionalmente conteúdo humano de referência (Wikipedia, sites institucionais, mídia estabelecida). Slop é raramente citado. Conclusão prática: um site slop pode rankear em orgânico, mas quase nunca será citado em AI Overview, Perplexity, Claude ou ChatGPT com busca. A longo prazo, slop perde a visibilidade dos motores answer-engine — que tomam parcela crescente do tráfego de descoberta.

Perplexity filtra ativamente fontes slop. Em 2025, sobre 1000 queries comerciais, citou Wikipedia ou mídia estabelecida em 78% dos casos, contra 12% para sites SaaS recentes e quase nunca sites slop.

Brave Search integrou em 2024 um sinal explícito "AI-generated content probability" que pondera o ranking. Foi o primeiro motor a assumir publicamente uma política anti-slop.

Para passar pelo filtro EEAT em 2026, é preciso de sinais humanos explícitos: autores reais com foto, bio e LinkedIn ativo; data de publicação e última atualização visíveis; fontes externas verificáveis citadas; comentários ativos; markup Schema.org adequado. Inversamente, anti-sinais te derrubam: bio genérica ("Maria é apaixonada por tecnologia"), foto de autor gerada por IA (já detectável), sem atualização há meses, citações vagas, volume suspeito (50 artigos/dia para um único autor).

Mais detalhes sobre como diagnosticar isso em detectar um site gerado por IA em 30 segundos: 17 sinais.

---

9. Como o Sailop detecta tudo isso

Sailop é um toolkit npm (CLI + servidor MCP) que audita seu frontend para detectar padrões de AI slop. Instala localmente ou roda direto do Claude Code, Cursor, ou qualquer IDE compatível com MCP.

Funciona em três camadas. Camada 1 — Heurísticas estáticas. Sailop parseia HTML, CSS e classes Tailwind procurando assinaturas conhecidas: presença de bg-blue-500 ou bg-violet-500 como classe principal; padrões grid-cols-3 em seções "features"; tipografias font-inter ou font-geist exclusivas; estrutura HTML hero centrado + 3 seções simétricas. Camada 2 — Heurísticas semânticas. Analisa o texto: introduções "No mundo de hoje", "Descubra", "Liberte"; vocabulário oco; tricólons abusivos; conclusão que repete a introdução. Camada 3 — Score multidimensional. Cada dimensão recebe nota de 0 a 100; o score global é média ponderada. Saída tipo:

SAILOP REPORT — landing.tsx
─────────────────────────────────────
Score slop geral:    74 / 100
Risco:               ALTO

Visual:
  Paleta              82  (Tailwind defaults)
  Tipografia          71  (Inter exclusivo)
  Layout              89  (grid-cols-3 detectado)
  Animações           45

Textual:
  Hero copy           78  ("Descubra fluido...")
  Body copy           56
  CTA copy            83  ("Comece hoje mesmo")

Top 3 fixes:
  1. Trocar bg-blue-500 por token de cor custom
  2. Quebrar a grid de 3 cards em layout assimétrico
  3. Reescrever subtítulo do hero (padrão slop)

Você pode rodar via CLI (npx sailop audit ./src, npx sailop fix ./src/app/page.tsx --suggest, npx sailop watch), ou conectar o MCP server e chamar do Claude Code: "Audita minha landing page com Sailop". As regras são open source no repo. Se você acha uma regra injusta, abre uma issue. As regras evoluem com o mercado — bg-blue-500 não era sinal slop em 2020, virou em 2024.

O objetivo não é dizer "seu site é ruim". É dar sinais mensuráveis para você discutir, comparar e fazer evoluir. Como ESLint, mas para sua direção artística. Para entender por que essa cor azul específica virou epidemia, leia Tailwind azul e gradiente roxo: a assinatura da IA em 2026.

Estudo de caso: post LinkedIn slop vs reescrita humana

Para tornar concreto o que foi dito sobre slop textual, eis um exemplo real (gerado por GPT-5 com prompt "post LinkedIn sobre IA em marketing") seguido de uma reescrita humana.

Slop:

> Em um mundo cada vez mais conectado, a inteligência artificial redefine as regras do marketing. > > Acompanhei mais de 50 empresas em sua transformação digital, e posso confirmar: a IA não é mais opção, é necessidade. > > Eis 5 razões pelas quais a IA vai revolucionar sua estratégia de marketing: > > Personalização em escala > Análise preditiva de comportamentos > Automação de tarefas repetitivas > Otimização contínua de campanhas > ROI mensurável e aprimorado > > O futuro do marketing está nas mãos de quem souber tirar proveito desta revolução. > > E você, em que estágio está sua transformação IA? > > #IA #Marketing #Inovação

Reescrita humana:

> Testei GPT-5 + Klaviyo durante três meses sobre uma base de 14k assinantes de uma marca de moda (faturamento R$ 12M/ano). > > Resultado bruto: taxa de abertura saiu de 22% para 31%. Taxa de clique estável. Cancelamentos dobraram. > > Hipótese: a personalização aumenta a abertura porque os assuntos soam pessoais. Mas também aumenta a decepção na abertura — daí mais cancelamentos. > > Conclusão provisória: IA não é alavanca de fidelização. É alavanca de atenção de curto prazo. Para fidelização, o humano ainda ganha. > > Aprofundo o estudo em mais três meses com uma segunda marca (cosmético, base 6k). Quem quiser os números antes, me chama.

O slop tem 8 linhas vagas. A reescrita humana tem 8 linhas específicas. Mesmo comprimento. Quatro vezes mais valor informacional. E impossível de confundir com outros dez posts.

---

10. FAQ

> O que é exatamente AI slop?

AI slop é todo conteúdo (texto, imagem, código, som, vídeo) produzido por um modelo generativo sem direção humana substancial, e publicado tal qual. A palavra "slop" vem do inglês agrícola e designa a papa servida aos porcos: calórica, sem valor. O termo se aplica hoje a qualquer output bruto de IA que se reconhece imediatamente como tal.

> Então é proibido usar IA?

Não. Um dev usando Claude Code para escrever um linter custom com direção própria não produz slop. Um designer usando Midjourney como referência antes de redesenhar não produz slop. Um redator usando ChatGPT para brainstorm e escrevendo na própria voz não produz slop. Slop é o output bruto sem intervenção humana substancial. A linha que separa é a responsabilidade editorial humana.

> Como reconhecer um site Lovable em 30 segundos?

Cinco sinais bastam. (1) Hero centrado com gradiente azul-roxo. (2) Três cards de feature em grade horizontal. (3) Tipografia Inter ou Geist exclusiva. (4) Footer em quatro colunas Produto/Empresa/Recursos/Legal. (5) Copy começando com "Descubra" ou "Libere". Se três de cinco aparecem, é quase certamente um site IA não retrabalhado.

> Tailwind precisa ser abandonado?

Não. O problema não é Tailwind, é o uso bruto dos defaults. Linear usa Inter Display. Vercel usa Geist (que eles criaram). Esses sites não são slop porque há trabalho em cima. Você pode usar Tailwind, Inter, e ainda assim ter identidade — desde que componha cores custom, hierarquia tipográfica trabalhada e layouts não-padrão. O default é o problema, não a ferramenta.

> Quanto pesa o slop no Google?

Bastante. Google não penaliza explicitamente "conteúdo IA", penaliza conteúdo non-helpful — e slop cai sistematicamente nessa categoria por falta de experience, expertise e especificidade. As Helpful Content Updates entre 2022 e 2025 derrubaram em massa redes de sites slop SEO, com quedas de tráfego orgânico de 70% a 95% documentadas em Search Engine Land. E nos answer-engines (Perplexity, AI Overviews, Brave) o slop é ainda mais penalizado: quase nunca citado.

> Quantos sites são slop em 2026?

Estimativa razoável: cerca de 50% a 60% das novas páginas web publicadas no último ano carregam porção substancial de conteúdo gerado por IA. Não tudo é slop puro (parte é IA assistida com retrabalho humano), mas a fração de slop bruto cresceu de cerca de 8% em 2023 para cerca de 42% em 2025 e cerca de 58% em 2026. Projeção para 2027: 70%.

> Como usar IA sem fazer slop?

Use o output como ponto de partida, nunca de chegada. Mude no mínimo: a paleta (cores custom), a tipografia (algo além de Inter/Geist), a estrutura (sem grid-cols-3), a copy (reescrita sobre sua tese). Se publica o output bruto, publica slop por definição. Princípio: a IA acelera, não substitui a direção.

> O que o Sailop faz na prática?

Sailop é um linter de direção artística. Ele audita seu frontend e devolve um score de 0 a 100 sobre quanto seu site cheira a output bruto de v0/Bolt/Lovable. Aponta os patterns problemáticos (paleta Tailwind padrão, grid-cols-3, copy genérica, tipografia Inter exclusiva) e sugere fixes. Roda em CLI ou via MCP server dentro de Claude Code, Cursor ou qualquer IDE compatível. Open source nas regras.

---

11. O efeito econômico: por que o frontend virou commodity

O frontend era, até 2023, profissão de valor agregado. Conceber, designar, integrar, animar uma interface exigia competências raras. A partir de 2024, com v0 e Lovable, a produção de uma interface "passável" virou commodity. O preço marginal de uma landing page caiu para perto de zero.

Consequências práticas no Brasil e no mundo:

• Freelas de frontend júnior viram a diária comprimida. Um dev que cobrava R$ 800/dia para integrar uma landing em 2022 cobra R$ 400-500 em 2026, porque o cliente gera 80% sozinho.
• Agências de design web pequenas (1-5 pessoas) sumiram em massa entre 2024 e 2026. As sobreviventes se reposicionaram em verticais com forte direção artística (luxo, cultura, brand identity).
• Estúdios premium (Locomotive em Montreal, Resn em Wellington, ToyFight, Dept) viram preços subir, porque vendem agora o anti-slop como produto explícito.

O mercado se polarizou. De um lado, o slop quase grátis. Do outro, o sob medida premium que se valorizou. O meio sumiu.

Sintomas do mercado anti-slop premium em 2026:

• Marketplaces de templates curados (Curtain, Studio Freight, Cuberto) que vendem designs complexos com garantia de unicidade.
• Design systems únicos como o Bento Grid da Anthropic ou os sistemas custom de Linear, Vercel, Resend, Cal.com que definiram identidade forte.
• Foundries tipográficas independentes (Pangram Pangram, Klim Type, Grilli Type) vendendo fontes custom para marcas que querem fugir de Inter/Geist.
• Fotógrafos e ilustradores que marcam explicitamente "no AI used" como argumento de venda.

Efeito colateral inesperado: a imprensa premium e as newsletters pagas estão crescendo desde 2024. Lógica simples: se a web fica indistinguível de slop, humanos pagam por canais onde slop não passa. Substack dobrou a receita entre 2023 e 2026. Monocle, The New Yorker, Le Monde Magazine viram vendas em papel se estabilizar ou subir pela primeira vez em 15 anos.

---

12. Como se prevenir a longo prazo

Três princípios para construir trabalho que não envelhece em slop:

1. Trabalhe a restrição. Restrições fortes (técnicas, estéticas, narrativas) são o antídoto ao slop. Se você faz um site que precisa funcionar sem JavaScript, produz algo diferente. Se faz um vídeo que precisa caber num plano-sequência de 30s, produz algo diferente. Slop foge das restrições. Encare-as.

2. Coloque o corpo no trabalho. Filme-se. Grave a própria voz. Fotografe sua mesa. Desenhe à mão. Os artefatos físicos (grão, imperfeição, microdecisões) são quase impossíveis de fabricar com LLM em 2026, e ainda serão em 2030.

3. Documente o processo. Slop não tem making-of. Sai de um prompt. Se você publica seu processo — versões intermediárias, descartes, escolhas defendidas —, assina seu trabalho como humano. O making-of vira anti-slop premium.

O cenário do "slop collapse"

Cenário que preocupa pesquisadores como Bender, Marcus e Gerard: o model collapse ou slop collapse. À medida que a web se enche de slop produzido por IA, o training data dos próximos modelos vira majoritariamente slop. Os modelos se treinam nos próprios outputs. A diversidade diminui a cada geração. Os outputs convergem para um attractor central cada vez mais estreito.

Estudos empíricos iniciais (2023-2025) mostram que o risco é real mas modulável. Laboratórios sérios (Anthropic, OpenAI, Google, Mistral) filtram ativamente o training data para evitar reingerir slop. Mas laboratórios menos cuidadosos, ou fine-tunes comunitários, não têm essas salvaguardas.

Se o slop collapse acontecer, veremos um fenômeno inesperado: a qualidade dos modelos pára de subir. Pode até cair. Seria reviravolta histórica: pela primeira vez desde 2020, modelos regredindo em qualidade.

---

13. Glossário

AI slop — Conteúdo (texto, imagem, código, som, vídeo) produzido por modelo generativo sem direção humana substancial, publicado bruto.

Anti-slop — Toda prática, ferramenta ou produto desenhado explicitamente para produzir ou detectar conteúdo não-slop. Inclui linters de design (como Sailop), marketplaces de templates únicos, redatores anti-IA.

Bento grid — Layout em tiles assimétricos inspirado nas caixas bento japonesas, popularizado pela Apple em 2022-2023. Vira slop quando aplicado simetricamente com seis tiles perfeitos.

Default bias — Viés cognitivo que empurra à escolha do default quando não há restrição forte. Mecanismo principal do slop: os LLMs escolhem o default Tailwind, a default Inter, o default grid-cols-3.

EEAT — Acrônimo Google para Experience, Expertise, Authoritativeness, Trustworthiness. Framework de avaliação de qualidade. Slop falha nas quatro dimensões.

Framer Motion — Biblioteca de animação React popular. Vira slop quando usada com parâmetros padrão (fade-in-up, 0.5s, ease-out).

Geist — Família tipográfica sans-serif criada pela Vercel. Default do v0. Virou sinal slop por convergência.

Helpful Content — Framework editorial Google de 2022: conteúdo deve ser útil ao humano, não otimizado para rankear. AI slop é a antítese.

Inter — Família sans-serif criada por Rasmus Andersson, default do web 2020-2026. Excelente fonte, mas onipresente, logo invisível, logo sinal slop.

MCP (Model Context Protocol) — Protocolo padrão introduzido pela Anthropic em 2024 para conectar ferramentas externas a LLMs. Sailop expõe suas funções de auditoria via MCP.

shadcn/ui — Biblioteca de componentes Radix UI + Tailwind, default do v0. Componentes neutros que viram slop quando usados crus.

Tailwind blue-500 — Código #3b82f6. A cor mais presente na web 2024-2026. Quase sinônimo visual de "site IA não retrabalhado".

Vibe code — Expressão popularizada por Andrej Karpathy em 2024: código escrito por feeling com LLM, sem releitura detalhada. Modo canônico de produção do slop em código.

---

Conclusão

AI slop não é fenômeno estético. É convergência econômica: quando o custo marginal de produção cai a zero e todo mundo usa as mesmas ferramentas, tudo converge para o mesmo output. Foi assim com Helvetica no século XX, Bootstrap nos anos 2010, Material Design entre 2014 e 2020. O slop de 2026 é mais uma etapa.

Mas dessa vez, a convergência é mais ampla. Não toca só a tipografia, ou só os componentes. Toca o código, a copy, a estrutura, as cores, as animações, a voz editorial, os vídeos, o som. Tudo ao mesmo tempo. E se autoalimenta: o slop produzido vira training set do próximo modelo, que produz slop ainda mais convergente.

A saída não é técnica nem legislativa. É artística. Precisamos de humanos que decidam assinar seu trabalho. Que coloquem corpo, voz e opinião no que publicam. Que aceitem perder tempo para ganhar identidade. Que escolham a restrição em vez do default.

Sailop é uma ferramenta nessa caixa. Não a solução. Um detector, um termômetro. Se seu site marca 74/100 no score slop, Sailop te avisa. O que você faz depois é com você.

A web de 2027 vai ser o que a gente fizer dela. Se aceitarmos o slop como novo padrão, a web vira um Walmart visual. Se recusarmos, vira um patchwork de novo interessante.