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

TL;DR

Abra cinco landing pages de SaaS em cinco abas: uma ferramenta de produtividade, um monitor de API, um builder de chatbot, um revisor de contratos, um analytics de e-commerce. Cinco mercados que não têm nada em comum. Cicle entre as abas. Você não vê diferença nenhuma. Todas têm o hero centrado com gradiente from-blue-500 via-violet-500 to-pink-500, o título em text-6xl font-bold, os três cards em grid-cols-3, a fonte Inter, o "Trusted by 500+ teams" com cinco logos cinza. Troque os nomes das marcas e ninguém percebe.

Isso é AI slop: o conteúdo (texto, imagem, código, som, vídeo) que sai por padrão dos grandes modelos generativos quando ninguém impõe direção, gosto ou restrição. Em 2026, uma fatia enorme das páginas publicadas no último ano vem direto de v0, Bolt, Lovable, Replit Agent, ChatGPT ou Claude, e dá para ver. Tudo se parece porque os modelos convergem para os mesmos vícios de treino: Tailwind por padrão, Inter ou Geist, #3b82f6 (blue-500) com #8b5cf6 (violet-500), três cards, gradiente roxo-azul-rosa, "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
• Inter ou Geist em tudo, sem hierarquia além de font-bold versus font-normal
• Botão primário arredondado com gradiente e hover:scale-105
• Footer com quatro colunas inúteis: "Produto / Empresa / Recursos / Legal"

Se o 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 é venenoso, não é podre, apenas não vale nada. É a metáfora exata: calórico sem ser nutritivo. É o que são quase todos os outputs brutos de LLM.

A expressão AI slop apareceu no Twitter (X) em meados de 2024. Andy Baio, jornalista e desenvolvedor, costuma ser creditado por colar a palavra ao fenômeno, em paralelo a discussões no Reddit e no 4chan onde "slop" já circulava para imagens medianas de Midjourney. Simon Willison, criador do Datasette e blogueiro prolífico sobre LLMs, popularizou o termo na comunidade tech a partir do fim de 2024. No começo de 2025, ele já aparecia na MIT Technology Review, na The Verge, na 404 Media, na Wired, e chegou às páginas editoriais do Guardian e do New York Times.

Em português, ainda não há tradução firmada. Papinha de IA, mingau generativo, caldo de IA: nenhuma vingou. A maioria dos profissionais 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 dividem os mesmos sintomas: convergência, falta de direção, redundância, superprodução.

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

2. Slop textual. Posts de blog, descrições de produto, posts no LinkedIn, ensaios, roteiros de YouTube, e-mails de marketing. Sintomas: introduções genéricas, listas 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 onde nenhum humano respiraria, transições que não levam a nada.

4. Slop em vídeo. Sora, Veo 3, Runway, Pika. Sintomas: câmera flutuando sem intenção, mãos com seis dedos, raccord que estoura depois de quatro segundos, cross-fades automáticos, trilha stock genérica.

O que AI slop NÃO é

Para deixar claro: AI slop não é sinônimo de "feito com IA". Um dev que usa Claude Code para escrever um linter custom com direção 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 o ChatGPT para um brainstorm de 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 o seu site, o seu artigo ou o seu vídeo lado a lado com cinco outros outputs da mesma ferramenta. Pergunte: consigo distinguir o meu a 50 metros, sem ler nada, só pela silhueta? Se sim, não é slop. Se não, é slop.

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

Slop por negligência versus slop por design

Há dois tipos de slop. O slop por negligência é produzido por quem 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 quase sempre transitório, porque o criador melhora quando puder.

O slop por design é produzido cinicamente, em série, para SEO ou farming: redes de blogs spammy, lojas de revenda no Etsy, 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 buscadores.

Um detector automático não distingue os dois: sinaliza padrões. Mas, como pessoa, distinga na sua cabeça. O 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 uma ruptura única: é commoditização contínua, à medida que os modelos descem a barreira de qualidade mínima e os deployers ficam mais baratos.

---

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

Os números aproximados

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

• Algo entre 50% e 60% das novas páginas publicadas entre 2025 e 2026 contém 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 de 2026 carrega assinatura estilística de LLM identificável: proporção anormal de em-dashes, tricólons, conclusões do tipo "o futuro de...".
• Listings de produto na Amazon, no Etsy e na Shopify tiveram explosão de descrições slop entre 2024 e 2026, a ponto de algumas plataformas passarem a rodar heurísticas internas de detecção.

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 inteiro.

2. Os modelos passaram do limiar do "passável". Em 2023, GPT-4 e Claude 2 produziam código que muitas vezes nem 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 hacker que lança dez sites por mês ganha de quem pole um por 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 do artigo. É ela que 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 de features → How it works (3 etapas) → Pricing 3 planos → FAQ → CTA → Footer 4 colunas | | Lovable | blue-500 primário, 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 primário, 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 do navegador | Times New Roman fallback ou system-ui | Sem estrutura imposta, mas tende a empilhar seções | | Claude Artifacts | segue o projeto, se houver; senão, defaults do Tailwind | segue o projeto | segue o projeto ou estrutura neutra | | Gemini Code | cores do Material Design 3 | 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). Veem os mesmos exemplos. Tiram, logicamente, os mesmos padrões.

Força 2: RLHF homogêneo. O Reinforcement Learning from Human Feedback é feito por anotadores que recalibram os modelos para outputs "que as pessoas preferem". Mas esses anotadores vivem na mesma bolha cultural 2020-2025 (São 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, Chatbot Arena) são os mesmos para todos os modelos. Se um benchmark recompensa "clareza" e "clareza" na prática vira "defaults do Tailwind", todos os modelos convergem para os defaults do Tailwind.

A convergência é estrutural. Não some com um modelo maior. Some só se os modelos forem deliberadamente diversificados no treino 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, e dá para diagnosticá-lo em sete dimensões. Eis o resumo, com anti-pattern e antídoto para cada uma.

| # | Dimensão | Anti-pattern | Antídoto | |---|----------|--------------|----------| | 1 | Paleta | #3b82f6 (blue-500) primário, #8b5cf6 (violet-500) accent, gradiente roxo→rosa no hero | No máximo três cores, uma dominante e não-Tailwind. Compor a paleta a partir de uma referência fora da bolha tech (uma foto de Saul Leiter, um pôster suíço dos anos 60, uma capa da Penguin) | | 2 | Tipografia | Inter ou Geist em tudo, dois pesos, hierarquia só por tamanho | Misturar duas famílias de contraste forte (display + neutra). Usar pesos 300/500/800 e itálico. Evitar Inter, Geist, Roboto, Open Sans, Lato e Poppins (a base 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, mesmo traço fino e arredondado, emoji nos títulos ("⚡ Performance", "✨ Magic") | Set custom (20-50 ícones bastam para 5-10 anos de identidade) ou alternativas (Iconoir, Phosphor, Pixelarticons). Nada de emoji em título B2B | | 6 | Animação | Framer Motion fade-in-up 0.5s ease-out, hover:scale-105, cursor spotlight, marquee de logos infinito | Sem animação, ou animação específica ao universo. Easing não-padrão, timing não-redondo (470ms, não 500ms). Faça o teste do mudo: se o conteúdo morre sem a animação, é slop animado | | 7 | Estrutura | nav fixa → hero centrado → trust logos em grayscale → 3 features → how it works em 3 etapas → 3 testimonials → pricing 3 planos → FAQ accordion → CTA → footer 4 colunas | A estrutura segue o conteúdo, não o contrário. Não tem testemunho real? Apague a seção. Preço único? Não force três planos |

---

4. A assinatura visual de 2026

Se fosse preciso descrever o AI slop de 2026 numa linha só, seria esta: blue-500 (#3b82f6) + violet-500 (#8b5cf6) + gradiente blue→pink + Inter (ou Geist) + shadcn/ui + Lucide + rounded-2xl + shadow-md.

Por que essas duas cores e não outras? O 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 naturais quando ninguém escolhe.

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

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

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

A distribuição das cores primárias na web mudou de forma drástica. Em 2020, o azul ocupava cerca de 35% das landings de SaaS, com diversidade saudável ao lado (verde 18%, vermelho 12%, preto 14%). Em 2026, azul mais roxo somam mais de 80%, e as demais cores caíram para frações irrisórias. Não é complô da Tailwind: é convergência estatística dos modelos generativos. E o efeito prático é a intercambiabilidade total entre produtos que deveriam ser diferentes, exatamente a das cinco abas do TL;DR.

---

5. O padrão dos 3 cards: por que `grid-cols-3` virou o meme 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 ou três linhas de descrição.

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

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

O código padrão sai literalmente assim de v0, Bolt e Lovable, com variações 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. Note o pacote inteiro de tells num só bloco: text-center no h2 e no p, o max-w-2xl mx-auto que centraliza o subtítulo, o ícone Rocket em text-blue-500, o hover:shadow-lg transition sem duração definida, e a frase "que mantêm seus usuários engajados" que não diz nada.

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 de verdade irregulares (não o bento slop com seis blocos perfeitamente geométricos). Formato slide. Formato pergunta-resposta. Qualquer coisa menos três cards.

Se você precisa dos três cards porque o brief manda, diferencie radicalmente. Tamanhos diferentes. Cores diferentes. Um com imagem, um com gráfico, um com citação. Não faça três clones com o ícone trocado.

---

6. Slop textual: 20 frases banidas em português

Slop textual é mais antigo que slop visual. Está massivo desde 2023, com a generalização do ChatGPT para blog de SEO, descrição de Amazon, post de LinkedIn e e-mail de marketing. Os modelos de 2026 são melhores que os de 2023, mas ainda traem a origem.

Eis a tabela das 20 frases que você precisa banir da sua escrita. Aparecem aqui apenas como anti-exemplos. A 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, em ordem decrescente de gravidade.

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

Tic 2: vírgula antes do "e" final. Em português padrão não se usa vírgula antes do "e" que fecha uma enumeração: escreve-se "vermelho, branco e azul", nunca "vermelho, branco, e azul". Os LLMs produzem a vírgula sobrando por inércia da vírgula de Oxford do inglês. Indício forte.

Tic 3: maiúscula caprichosa. O LLM coloca maiúscula em palavras comuns 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 modelo cai no pleonasmo tentando reforçar um ponto que já estava feito.

Tic 5: a lista que devia 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. Escalável 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 lista de três itens separados por vírgula. A estrutura é ritmicamente satisfatória, mas vira tique quando aparece em todo parágrafo.

Como escrever anti-slop textual

• Corte a primeira frase. Sempre. Se o seu artigo começa com "Num mundo onde...", apague tudo até achar uma frase que não caberia em nenhum 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 que pequena.
• Bana transições ocas. "Além disso", "vale ressaltar", "é interessante notar". Se a ideia precisa ser acrescentada, acrescente sem preâmbulo.
• Varie o tamanho das frases. Slop tem comprimento médio uniformíssimo. Escrita humana alterna. Frase curta. Frase mais longa, que desenvolve uma nuance numa subordinada e respira. Frase curta de novo.

---

7. Slop no código

Código gerado por LLM tem família própria de slop. O problema não é que não funcione, porque 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 modelo viu Spring e Java demais e reproduz o padrão em todo lugar.

Marcador 3: try/catch defensivo e burro.

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

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

Capturar o erro só para logar e seguir como se nada tivesse acontecido é quase sempre defeito.

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 "por via das dúvidas" antes de qualquer uso real. O humano adiciona prop quando precisa de prop.

Marcador 6: imports excessivos. Arquivo de 30 linhas com 15 imports do shadcn, do framer-motion e de hooks que não são usados. O training data tem muito exemplo copiado 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 de 2018-2023, ignorando que em 2024-2026 o padrão é Suspense, React Query ou Server Components.

Marcador 8: ternário aninhado. isLoading ? "loading" : isError ? "error" : data ? "success" : "idle". Comprime em menos tokens, fica ilegível. O humano usa if em sequência dentro de uma função pequena.

Marcador 9: console.log esquecidos. No vibe coding, o LLM enche o código de console.log para ajudar a depurar. Eles ficam. Um audit pega.

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 as chamadas intermediárias antes da lógica de negócio. Média acima de 4 = over-abstraction slop.
• Variância dos nomes. Liste as 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

O Google publicou várias Helpful Content Updates entre 2022 e 2025. O princípio é recompensar conteúdo escrito para humanos e penalizar conteúdo escrito para rankear. A partir de março de 2024, o Google passou a integrar sinais de detecção de AI slop ao 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 foi isso que vi".
• Expertise. Slop reproduz o conhecimento comum, não a especialização.
• Authoritativeness. Slop não é assinado, ou é assinado por autores fictícios.
• Trustworthiness. Slop não cita fontes, ou inventa.

AI Overviews e os answer-engines. O Google AI Overviews (lançado em 2024) gera respostas sintéticas no topo das SERPs. As fontes citadas são, de forma desproporcional, conteúdo humano de referência: Wikipedia, sites institucionais, mídia estabelecida. Slop quase nunca é citado. Conclusão prática: um site slop até pode rankear no orgânico, mas dificilmente será citado num AI Overview, no Perplexity, no Claude ou no ChatGPT com busca. No longo prazo, slop perde a visibilidade dos answer-engines, que vão abocanhando uma fatia crescente do tráfego de descoberta.

Perplexity filtra ativamente fontes slop. Em 2025, sobre 1.000 queries comerciais, citou Wikipedia ou mídia estabelecida em 78% dos casos, contra 12% para SaaS recentes e quase nunca para sites slop.

Brave Search integrou em 2024 um sinal explícito de "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 são precisos sinais humanos explícitos: autores reais com foto, bio e LinkedIn ativo; data de publicação e de última atualização visíveis; fontes externas verificáveis; comentários ativos; markup Schema.org adequado. E os anti-sinais derrubam: bio genérica ("a Maria é apaixonada por tecnologia"), foto de autor gerada por IA (já detectável), nada atualizado há meses, citações vagas, volume suspeito (50 artigos por dia para um único autor).

---

9. Como um auditor de slop detecta tudo isso

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

Funciona em três camadas. Camada 1 — heurísticas estáticas. Parseia HTML, CSS e classes Tailwind atrás de assinaturas conhecidas: bg-blue-500 ou bg-violet-500 como classe principal; grid-cols-3 em seções de "features"; font-inter ou font-geist exclusivas; estrutura de hero centrado mais três 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 a média ponderada. A saída é assim:

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

Visual:
  Paleta              82  (defaults do Tailwind)
  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 um token de cor custom
  2. Quebrar a grade de 3 cards em layout assimétrico
  3. Reescrever o subtítulo do hero (padrão slop)

Dá para rodar via CLI (npx sailop audit ./src, npx sailop fix ./src/app/page.tsx --suggest, npx sailop watch) ou conectar o servidor MCP e chamar do Claude Code: "Audita minha landing page com o Sailop". As regras são open source no repositório. Achou uma regra injusta? Abra uma issue. As regras evoluem com o mercado: bg-blue-500 não era sinal de 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 o ESLint, mas para a sua direção artística.

Estudo de caso: post de LinkedIn slop versus reescrita humana

Para tornar concreto o que dissemos sobre slop textual, eis um exemplo real (gerado pelo GPT-5 com o prompt "post de 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 numa base de 14 mil assinantes de uma marca de moda (faturamento de R$ 12M/ano). > > Resultado bruto: taxa de abertura subiu 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 depois de abrir, e daí mais cancelamentos. > > Conclusão provisória: IA não é alavanca de fidelização. É alavanca de atenção de curto prazo. Para fidelizar, o humano ainda ganha. > > Vou aprofundar por mais três meses com uma segunda marca (cosmético, base de 6 mil). Quem quiser os números antes, me chama.

O slop tem oito linhas vagas. A reescrita tem oito linhas específicas. Mesmo comprimento. Quatro vezes mais informação. 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 bruto. A palavra "slop" vem do inglês agrícola e designa a papa servida aos porcos: calórica, sem valor. Hoje o termo se aplica a qualquer output bruto de IA que se reconhece de cara 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 depois 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) Inter ou Geist exclusivos. (4) Footer em quatro colunas Produto/Empresa/Recursos/Legal. (5) Copy começando com "Descubra" ou "Libere". Se três dos cinco aparecem, é quase certo que é um site de IA não retrabalhado.

> Preciso abandonar o Tailwind?

Não. O problema não é o Tailwind, é o uso bruto dos defaults. Linear usa Inter Display. Vercel usa Geist (que eles mesmos criaram). Esses sites não são slop porque há trabalho por cima. Você pode usar Tailwind, usar 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. O Google não penaliza explicitamente "conteúdo de 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 de SEO, com quedas de tráfego orgânico de 70% a 95% documentadas no 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: entre 50% e 60% das novas páginas publicadas no último ano carregam porção substancial de conteúdo gerado por IA. Nem 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 uns 42% em 2025 e uns 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 a sua tese). Se publica o output bruto, publica slop por definição. Princípio: a IA acelera, não substitui a direção.

> O que um auditor de slop faz na prática?

É um linter de direção artística. Audita o seu frontend e devolve um score de 0 a 100 sobre o quanto o site cheira a output bruto de v0/Bolt/Lovable. Aponta os padrões problemáticos (paleta Tailwind padrão, grid-cols-3, copy genérica, Inter exclusivo) e sugere fixes. Roda em CLI ou via servidor MCP dentro de Claude Code, Cursor ou qualquer IDE compatível. Regras open source.

---

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

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

Consequências práticas no Brasil e no mundo:

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

O mercado se polarizou. De um lado, o slop quase de graça. 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 próprios como o Bento Grid da Anthropic ou os sistemas custom de Linear, Vercel, Resend e 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 estampam "no AI used" como argumento de venda.

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

---

12. Como se prevenir no 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. Um site que tem de funcionar sem JavaScript sai diferente. Um vídeo que tem de caber num plano-sequência de 30 segundos sai diferente. Slop foge das restrições. Encare-as.

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

3. Documente o processo. Slop não tem making-of: sai de um prompt e pronto. Se você publica o seu processo (versões intermediárias, descartes, escolhas defendidas), assina o 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, o training data dos próximos modelos vira majoritariamente slop. Os modelos passam a se treinar nos próprios outputs. A diversidade cai a cada geração. Os outputs convergem para um atrator central cada vez mais estreito.

Os 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 não reingerir slop. Laboratórios menos cuidadosos, ou fine-tunes comunitários, não têm essas salvaguardas.

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

---

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 de propósito para produzir ou detectar conteúdo não-slop. Inclui linters de design (como o 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 de forma simétrica, com seis tiles perfeitos.

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

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

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

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

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

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

MCP (Model Context Protocol) — Protocolo aberto introduzido pela Anthropic em 2024 para conectar ferramentas externas a LLMs. O 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 de IA não retrabalhado".

Vibe code — Expressão popularizada por Andrej Karpathy em 2024: código escrito no feeling com LLM, sem releitura detalhada. O modo canônico de produzir 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 a Helvetica no século XX, com o Bootstrap nos anos 2010, com o Material Design entre 2014 e 2020. O slop de 2026 é mais uma etapa.

Mas, desta vez, a convergência é mais ampla. Não toca só a tipografia, nem 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 o próprio 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.

Uma ferramenta de auditoria como o Sailop é um item dessa caixa, não a solução. É um detector, um termômetro. Se o seu site marca 74/100 no score de slop, ele 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, ela vira um Walmart visual. Se recusarmos, vira um patchwork de novo interessante.