Israel gasta milhões para manipular respostas de IA sobre Gaza

O que: Segundo o Intercept Brasil, Israel teria contratado a empresa Clock Tower X, de Brad Parscale, para publicar conteúdos favoráveis ao país e influenciar respostas de chatbots como ChatGPT, Claude, Gemini, Copilot e Perplexity.

Por que: A operação buscaria moldar a forma como sistemas de inteligência artificial apresentam temas como a guerra em Gaza, a relação militar entre Israel e Estados Unidos e acusações contra o governo israelense. O texto afirma que a estratégia tenta inserir essas narrativas tanto nos resultados de busca dos chatbots quanto nos dados usados para treiná-los.

Quem: Brad Parscale, ex-gerente de campanha digital de Donald Trump, supervisionaria a operação. A Clock Tower X criou dez sites, enquanto Mark Ginsberg aparece como autor de várias postagens. Especialistas em desinformação, organizações de pesquisa e empresas de inteligência artificial também são citados.

Onde: Os conteúdos são publicados em sites voltados principalmente ao público americano. A influência foi observada em plataformas de IA e em arquivos da Common Crawl, repositório usado para treinar modelos de linguagem.

Quando: Segundo a matéria, a operação começou em outubro. Entre janeiro e junho de 2026, os dez sites teriam sido indexados 912 vezes pela Common Crawl, com pico de 376 indexações em maio.

Quanto: O contrato inicial entre a Clock Tower X e o governo israelense seria de 46,5 milhões de dólares, equivalentes a 238 milhões de reais. O pagamento mensal de Parscale teria subido de 1,5 milhão para 4,5 milhões de dólares.

Como: A rede publica textos em tom factual, com listas, fontes e linguagem organizada para aumentar a chance de citação por sistemas de IA. Alguns chatbots citaram esses sites sem informar que eles foram criados em nome do governo israelense, embora todos contenham uma declaração exigida pela legislação americana de registro de agentes estrangeiros.

O texto também relata que a Common Crawl arquivou centenas de páginas da rede. A matéria ressalva, porém, que aparecer nesse repositório não prova que o conteúdo tenha sido incorporado ao treinamento de um modelo específico.

Glossário: Envenenamento de LLM é o termo usado para a inserção deliberada de conteúdos em bases de dados ou materiais de treinamento, com o objetivo de influenciar respostas de modelos de linguagem. LLM significa “modelo de linguagem de larga escala”, tecnologia usada em chatbots de inteligência artificial.

O Intercept Brasil vende a ideia de que Israel está “envenenando” a camada de respostas da IA - como se ChatGPT, Claude e cia fossem um prato servido em “modo falsificação” pelo conde Parscale. Já a Washington Examiner fala do mesmo enredo, mas com menos apocalipse: chama de “front websites” e destaca o contrato via FARA, reforçando o dedo no gatilho da operação (e não na feitiçaria). (washingtonexaminer.com)

A Responsible Statecraft foca mais no teatro do “Friends for Peace” e na campanha de textos, tratada como interferência digital orquestrada - com a suspeita de que “paz” aqui é só figurino. (responsiblestatecraft.org)

Enquanto isso, o Quincy Institute vai na linha “eighth front” e analisa a estratégia como disputa de influência, sem transformar cada citação em sentença. (quincyinst-2.s3.amazonaws.com) E Remio ainda coloca um freio: falta evidência pública de “controle duradouro” do comportamento da IA, e nem tudo que entra na Common Crawl vira destino garantido do treinamento. (remio.ai)

Conclusão (framing)
O Intercept Brasil escolhe o enquadramento de “infiltração invisível” para converter uma campanha de conteúdo/SEO em ameaça total ao ecossistema informacional. Outros veículos preferem “campanha de influência” - mais descritiva, menos condenatória.

• A matéria sustenta que há uma operação pró-Israel operando via “rede Clock Tower”, coordenada pelo ex-gerente de campanha de Trump, Brad Parscale, com a empresa Clock Tower X. Segundo o texto, o objetivo seria influenciar como sistemas de IA respondem sobre Gaza.

• O ponto central do artigo é o chamado “envenenamento de LLM”: a ideia de que conteúdo publicado pode acabar no material de treino de modelos como ChatGPT e Claude, alterando respostas sem o usuário perceber. Segundo o texto, isso seria feito por meio de postagens em blogs e estruturas pensadas para serem “recuperáveis” por chatbots.

• Há a alegação de que chatbots passam a citar esses sites e, em alguns casos, aparecem em dados de treinamento. Segundo o texto, o “Drop Site” verificou que a rede foi indexada na Common Crawl (um repositório usado para treinar IA), e que os sites surgiram consistentemente em Gemini e Copilot (para a demonstração descrita).

• O artigo destaca uma “assinatura regulatória” que nem sempre fica evidente ao usuário: todos os sites incluem aviso de distribuição em nome do Estado de Israel por exigência do FARA. Segundo o texto, alguns chatbots não sinalizaram essa origem, embora outros sinalizassem (ex.: Claude, ChatGPT e Gemini).

• A conclusão mais ampla é que volume não é tudo - e que o sistema pode ser frágil. Segundo o texto, estudos citados indicam que poucos documentos podem afetar comportamentos do modelo, e que a presença na Common Crawl não garante necessariamente inclusão no treino de cada modelo.

• A matéria também sugere que a estratégia é de “tom leve” e meias-verdades, para reduzir a rejeição e aumentar a chance de citação. Segundo o texto, especialistas dizem que estrutura e digestibilidade favorecem a captura pelo chatbot.

• Fechamento com intenção provável: a construção do texto aponta para um alerta sobre manipulação opaca em IA e, ao mesmo tempo, para responsabilizar o investimento de Israel em influência digital. O artigo sugere que isso tende a piorar a credibilidade do próprio lado que tenta controlar a narrativa.

Fontes presentes: A matéria se apoia principalmente no Drop Site News (análise dos chats e da Common Crawl) e em falas de especialistas em desinformação/IA como Hervé Letoqueux (Check First) e Alice Lee (NewsGuard). Também usa como “quase fonte” as respostas de chatbots (Claude, ChatGPT, Gemini, Copilot, Perplexity) e referencia estudos/relatórios de terceiros (como Anthropic e Atlantic Council), além de menções a Axios, Times of Israel e Wall Street Journal.

Fontes ausentes: A cobertura quase não dá voz efetiva a quem está sendo acusado: Israel, a Clock Tower X e Brad Parscale aparecem sobretudo como “não responderam”, sem um contra-argumento técnico completo. Também falta o contraditório de empresas de IA e/ou seus detalhes metodológicos (o artigo só registra respostas evasivas/limitações). No caso Hind Rajab, não entram as investigações e testemunhos de organizações forenses/direitos humanos como eixo narrativo (a matéria trata o tema com “dúvida”, mas sem ouvir as peças que sustentam as conclusões contrárias). E, apesar do “enquadramento”, não há especialistas independentes que ataquem a ligação causal entre indexação na Common Crawl e efeito no modelo.

Avaliação do impacto: A seleção tende a amplificar a tese de “envenenamento/infiltração” como se fosse resultado direto, embora o próprio texto admita incerteza sobre treinamento. O viés, quando existe, vai na direção de maximizar a suspeita contra Israel, enquanto reduz a chance de o leitor encontrar a mesma força de evidência do lado “rebatível”.

O que ignorados disseram em outros meios: Parscale negou “campanha de influência” e disse que o conteúdo estaria alinhado a políticas dos EUA/“informação ética” no Washington Examiner. (washingtonexaminer.com) Já entidades ligadas ao caso Hind Rajab afirmam responsabilidade das forças israelenses na morte e detalham achados de investigação. (hindrajabfoundation.org) Sobre Common Crawl, análises externas alertam para falta de curadoria e vieses no arquivo, o que enfraquece leituras fáceis de causa-efeito. (mozillafoundation.org)

• Fonte e metodologia do dado “infiltração”: o texto afirma que a Clock Tower X foi indexada 912 vezes (jan-jun) e que isso indica chance de respostas manipuladas, mas não explica como a indexação se traduz em treinamento por cada modelo (apenas menciona que inclusão na Common Crawl não garante inclusão nos dados).

• Comparações e unidade: há números (ex.: “80% dos tokens do GPT-3”, “de 2,5% vs 85%”, “2 vs 376 vs queda”) sem definir base/intervalos/exatos subconjuntos; muda a leitura se esses recortes forem esclarecidos.

• Conferência independente e controles: quando diz que “nada foi detectado” em amostra de 50 URLs, falta detalhar como a amostra foi sorteada e quais critérios de “erro” foram aplicados.

• Contexto para alegações sensíveis: “manipulação” e “envenenamento de LLM” são centrais, mas o texto não apresenta testes quantitativos de efeito (ex.: magnitude do desvio nas respostas, por tarefa/consultas).

• Responsabilização e respostas: Israel/Parscale não responderam; o texto cita respostas de terceiros, mas omite quando/como foram obtidas e se houve questionamento equivalente a cada chatbot (o que pode alterar a interpretação).

• O que é evidência, o que é interpretação? Segundo o texto, há “contratos”, “indexação” e falas de especialistas; falta checar, caso a caso, quanto isso prova “influência” e não só citação automatizada por modelos. Contraponto: IA pode usar fontes sem que isso mude o “resultado” de forma relevante.

• Qual é a qualidade e o alcance dos testes? A matéria descreve análise com Common Crawl, Claude Fable e demonstrações com chatbots. Pergunta: quais foram as condições, prompts, limitações e margem de erro? Contraponto: o próprio texto diz que “inclusão no repositório não garante inclusão” no treinamento de cada modelo.

• Há confirmação independente das alegações? Segundo o texto, Microsoft Copilot e Gemini não responderam; falta saber se outras organizações (não citadas) reproduziram os resultados. Contraponto: um único laboratório pode estar correto na técnica, mas errar na conclusão sobre impacto político real.

• O “público-alvo” faz diferença no efeito? O artigo afirma que os sites têm poucos visitantes e miram usuários de chatbots. Pergunta: quanto isso atinge pessoas fora do “bolsão” de quem busca esses temas? Contraponto: mesmo com pouco tráfego humano, ainda pode haver efeito sistêmico via treinamento/citação.

• Como lidar com linguagem carregada? Segundo a matéria, há “envenenamento de LLM”, “terrorismo” e “genocídio” em páginas citadas. Pergunta: o leitor deve separar o que é fato verificável do que é disputa narrativa. Contraponto: o texto tende a tratar versões pró-Israel como manipulação, mas não detalha erros ou vieses do lado oposto.

O texto analisado usa imparcialidade apenas de fachada: há muita certeza atribuída a “especialistas”, “estudos” e “pesquisadores”, mas com linguagem carregada que vai além de descrição. O título (“manipular respostas de IA”) é reforçado por escolhas como “envenenamento de LLM”, “infiltrando” e “respostas influenciadas… impossíveis de serem percebidas”, aumentando o impacto sem detalhar sempre o nível de causalidade.

Há eufemismos irônicos e, às vezes, palavras mais intensas do que o necessário: “sem alarde” vira moldura narrativa para sugerir bastidores; “rede altamente especializada” contrasta com “atores mal-intencionados”. Metáforas aparecem em cascata (“espinha dorsal”, “gotade no oceano”, “saco cheio”). O texto recorre a quase ad-hominem em sequência: Parscale não é só citado, é associado a práticas (“GEO”, “manipulação constante”, “mentirada”) e contrastado com a noção de “equilíbrio” como arma retórica.

A discrepância título-corpo existe, mas do tipo clássico de clickbait: o título promete custo (“milhões”), enquanto o corpo prioriza o mecanismo (indexação/treino) e a narrativa operacional; o dado de gasto surge, porém como pano de fundo para provar a escalada, não para sustentar o argumento central.

Em suma, a matéria monta um enredo de vilão e método. Segundo o texto, sites ligados a Parscale entram em arquivos usados para treinar modelos e acabam citados por chatbots; especialistas sustentam que isso aumenta a chance de vieses. Mesmo quando há ressalvas técnicas (inclusão na Common Crawl não garante treino em um modelo específico), o tom segue em “modo trama”: palavras como infiltração e envenenamento fazem o leitor sentir que o resultado é inevitável-mesmo quando a própria reportagem admite a incerteza do “grau” de influência.

1. Fontes citadas diretamente (pessoas/veículos/entidades)

   • Brad Parscale: “afirmação” sobre objetivo contratual em contrato com Israel (segundo a matéria); também respostas atribuídas a ele (ex.: sobre “Friends for Peace”).
   • Axios: equipe de Parscale teria dito ao site que estaria “tendo sucesso” com os chatbots (dados não fornecidos).
   • Drop Site News / Drop Site: narrador operou perguntas aos chatbots e análises com ferramentas (ex.: Perplexity, Claude Fable; verificação manual).
   • Microsoft Copilot / Google Gemini / Claude / ChatGPT / Perplexity: respostas e/ou comportamento descritos a partir de consultas feitas pela reportagem.
   • Common Crawl: usada como “índice”/repositório para ver arquivamento e indexação (conforme descrito).
   • Hervé Letoqueux (Check First): explicações sobre vulnerabilidade da Common Crawl e sobre dificuldade de medir impacto.
   • Anthropic: estudo citado com números e metodologia sobre “backdoor”.
   • Atlantic Council (Laboratório de Pesquisa Forense Digital): estudo citado sobre tentativas de redes russas afetarem LLMs (e ressalva sobre “controle de qualidade”).
   • Responsible Statecraft: citado como fonte original da reportagem sobre contrato mensal (associação de Parscale a objetivos pró-Israel e influência em chatbots).
   • Times of Israel e Time: matérias citadas para posicionamento/declarações associadas a Mark Ginsberg e a um oficial israelense.
   • The New York Times: citado sobre “batidas no telhado” e mudança de armamentos/uso de bombas.
   • NewsGuard (Alice Lee): entrevista citada sobre características que aumentam chance de conteúdo ser captado por chatbots.
   • Common Crawl / CDXJ: índices mencionados como base para amostras e verificação.
   • Instituto Quincy + Stephen Walt: relatório e comentário citados (inclui referência ao livro “Israel Lobby”).

2. Evidências e “provas” apresentadas (metodologia e dados citados)

   • Contratos e exigência legal (FARA): a matéria afirma que os sites trazem aviso de distribuição pela Clock Tower X em nome do Estado de Israel e que isso decorre de legislação FARA; cita também trechos do contrato de Parscale (objetivo de “enquadramento” GPT).
   • Consultas a chatbots com perguntas específicas: exemplo explícito com Drop Site perguntando ao Perplexity e recebendo resposta “sim”; outros testes envolvendo Copilot/Gemini/Claude/ChatGPT/Perplexity (quais citaram quais sites, sem reconhecimento em alguns casos).
   • Fontes listadas e capturas de tela: a matéria diz que os usuários conseguem rastrear fontes quando os chatbots buscam diretamente nos sites, “como mostram as capturas de tela” (evidência visual mencionada, mas não anexada no trecho).
   • Indexação/arquivamento na Common Crawl:
     • uso do Claude Fable para contar frequência de aparição dos sites nos “instantâneos mensais”;
     • amostra de verificação manual de 50 URLs “arquivadas no índice CDXJ”, sem “detectar erros”.
     • números por site e total (ex.: 912 indexações entre janeiro-junho; comparações com janeiro, maio, junho e com rede russa Pravda, via percentuais).
   • Teste de “infiltração em dados de treinamento” (abordagem inferida):
     • demonstração relatada pelo Drop Site sobre “capacidade de produzir artigos usando apenas dados de treinamento” (sem detalhar o protocolo além da lista de chatbots e do resultado geral).
     • atribuição de que Parscale “apareceu consistentemente” apenas em Gemini e Copilot, enquanto Claude/ChatGPT não estariam com os sites nos dados, embora ainda pudessem buscar na web.
   • Citação indireta de conteúdo de páginas: trechos entre aspas retirados de pages dos domínios (Allyvia, Paxpoint, Factsignal etc.) e exemplos de páginas Justorium; além da descrição de “batidas no telhado” contraposta à leitura do NYT.

3. Pontos em que a matéria se apoia mais em atribuição do que em fonte verificável (e casos de “fontes” potencialmente frágeis)

   • “Especialistas em desinformação avaliaram…”: há afirmação genérica sem identificar nominalmente todos os “especialistas” nesse trecho; em compensação, a matéria depois traz nomes (ex.: Hervé Letoqueux, Alice Lee) para partes do argumento.
   • “Common Crawl é a espinha dorsal… treina 80% dos tokens do GPT-3…”: a matéria afirma esse dado sem indicar, no trecho, o estudo/relatório específico que sustenta o percentual.
   • Relatório do Instituto Quincy “elaborado pelo autor desta matéria”: a evidência existe como documento, mas a matéria não detalha metodologia/dados no trecho; indica apenas valores agregados de gasto e contratos.
   • “Contratos triplicou… chegando a…”: a origem quantitativa é apresentada como relato contínuo (Responsible Statecraft como “primeira” menção), mas sem anexar os contratos ou links no trecho.
   • “Friends for Peace”: a matéria sustenta que “não parece existir como organização” e que “seria necessário clicar” para achar aviso no rodapé; quando questionado pelo Wall Street Journal, Parscale teria respondido com frase irônica (“o que você define…”). Aqui, a evidência é mais operacional/observacional do que documental.
   • “O Microsoft Copilot e o Google Gemini não responderam…”: a matéria registra não-resposta como dado, mas sem anexar tentativas/registro de contato.