Metodologia de Auditoria da AIBRI (v1.0)

1. Missão e visão

A AIBRI examina como a IA molda estruturalmente a percepção de marcas e produtos em fluxos de busca, comparação e recomendação.

Construímos referências auditáveis de cognição por meio de revisão independente para que empresas, pesquisadores e o público entendam melhor os mecanismos de viés por trás das saídas dos modelos.

2. Métrica central: AIRI Recognition Index

AIRI (AI Recognition Index) é o modelo proprietário de avaliação da AIBRI para medir a participação mental de uma marca dentro de redes neurais de IA. O índice é calculado a partir de quatro dimensões ponderadas.

• Presença: com que frequência e em que ordem uma marca é mencionada em consultas setoriais relevantes.
• Força de associação: quão fortemente a marca é ligada semanticamente a termos centrais como inovação, confiabilidade e segurança.
• Polaridade de sentimento: se o enquadramento do modelo é neutro, positivo ou negativo.
• Precisão factual: o quanto a saída do modelo corresponde aos dados oficiais do mundo real.

3. Protocolo e fluxo de auditoria

A AIBRI segue um processo rigoroso não indutivo para que cada conclusão se baseie em saídas probabilísticas geradas objetivamente, e não em condução humana.

Etapa I: construção do Core Query Set (CQS). Os auditores elaboram um conjunto central de consultas com base nas características do setor e aplicam um princípio de neutralidade que exclui formulações sugestivas. Exemplo: 'Liste os SUVs elétricos médios e grandes mais comuns atualmente no mercado', em vez de 'Quais são os melhores SUVs elétricos?'.

Etapa II: sondagem distribuída em múltiplos nós. As tarefas de auditoria são executadas em nós geográficos distribuídos globalmente. Para modelos específicos, como ChatGPT-4o e Claude 3.5, realizamos múltiplas sessões independentes para reduzir variações aleatórias.

Etapa III: fixação objetiva da evidência — a etapa central. A AIBRI usa links oficiais de compartilhamento do provedor de IA como camada-base de evidência, preservando imutabilidade, verificabilidade pública e contexto de arquivamento, incluindo versão do modelo, carimbo de tempo e parâmetros predefinidos do sistema.

Etapa IV: análise semântica e revisão humana. Auditores como Auditor 01-06 realizam análise multidimensional da evidência fixada, observando não apenas o que a IA disse, mas também o que omitiu e por que respondeu daquela forma.

4. Arquivo de Evidências

Todo boletim de auditoria da AIBRI deve estar vinculado ao Evidence Vault para que os achados centrais permaneçam rastreáveis, revisáveis e verificáveis de forma independente.

• Cada relatório corresponde a um Audit ID único.
• Toda conclusão central citada em um relatório deve referenciar o número do link do diálogo original correspondente.
• Se um link oficial se tornar indisponível por causa do provedor, a AIBRI ativa arquivos de capturas de tela longas como evidência secundária.

5. Declaração de independência da auditoria

• Nenhuma intervenção aceita: a AIBRI não aceita auditorias pagas nem interferência em rankings por parte de qualquer marca.
• Escopo descomercializado: os objetos de auditoria são selecionados com base em relevância de mercado e representatividade setorial.
• Transparência algorítmica: divulgamos a lógica de sondagem, mas não a fórmula exata de ponderação, para reduzir o risco de manipulação por práticas de SEO voltadas à IA.

6. Evolução de versões

Esta metodologia será atualizada periodicamente conforme a tecnologia de IA evoluir, incluindo a transição de sistemas apenas textuais para modelos multimodais.

• V1.0 (atual): focada em auditoria de peso semântico para modelos de geração de texto.
• Próxima fase: auditorias de cognição em modelos visuais e ponderação dinâmica para comparação entre modelos.