Estudo de citações de IA: as IAs citam GitHub?

O GitHub é uma fonte primária no sentido estrito: suas páginas são escritas por quem desenvolve o software. O README explica o que um projeto faz, a página de versões informa o que mudou em cada uma e o registro de problemas (issues) mostra quais bugs são conhecidos e se já foram corrigidos. Os modelos de IA usam essas páginas como evidência quando descrevem uma ferramenta.

Quatro tipos de páginas do GitHub costumam aparecer nas respostas:

• As páginas iniciais dos repositórios, cujo README serve como descrição oficial de um projeto de código aberto.
• Versões e registros de alterações, usados em perguntas como "qual é a versão mais recente" ou "desde quando existe esse recurso".
• Issues e discussões, citadas quando alguém pergunta sobre um bug, uma limitação ou uma solução alternativa.
• Os alertas de segurança do GitHub Advisory Database, que documenta vulnerabilidades conhecidas em pacotes de código aberto.

Os perfis de organização também contam. Uma empresa que mantém seus SDKs, plugins ou integrações em uma organização pública no GitHub deixa para os modelos de IA um rastro verificável de que o produto existe e recebe manutenção.

As citações se concentram em intenções técnicas. Prompts típicos: "alternativa de código aberto ao Jira", "como instalar a ferramenta de linha de comando do Stripe", "esse pacote npm ainda é mantido?", "melhor gerenciador de senhas auto-hospedado" ou "como corrigir a vulnerabilidade do Log4j". Em todos esses casos, o repositório é a prova mais direta que um assistente pode oferecer.

Perguntas sobre negócios do dia a dia raramente chegam ao GitHub. Ninguém precisa de um repositório para encontrar "um encanador de confiança em São Paulo" ou "o melhor escritório de contabilidade para uma startup". Por isso, as citações do GitHub se concentram em perguntas sobre empresas de software, de cibersegurança e de serviços de TI, e são marginais nos outros setores.

O idioma também pesa. A documentação no GitHub é escrita majoritariamente em inglês, então as respostas em inglês chegam a ela com muito mais naturalidade do que as respostas em português, francês ou espanhol, que tendem a citar tutoriais traduzidos ou veículos locais.

A diferença vem sobretudo da maneira como cada modelo busca informação. O Gemini baseia muitas respostas na Pesquisa Google, onde os repositórios se posicionam bem para nomes de projetos, então um link do GitHub pode acompanhar a resposta. O ChatGPT combina o que aprendeu no treinamento com resultados em tempo real da sua busca na web e inclui o link de um repositório principalmente quando a pergunta cita um projeto específico.

O Perplexity pesquisa na web a cada pergunta e mostra suas fontes, mas em comparações costuma se apoiar em análises e sites de fabricantes em vez dos repositórios. O Grok acrescenta posts do X, onde desenvolvedores anunciam versões e discutem bugs. O Claude cita fontes com menos frequência por padrão e tende a descrever um projeto com as próprias palavras, a menos que a busca na web esteja ativada.

Parte da influência do GitHub não aparece na contagem de citações. O código público e a documentação hospedados no GitHub alimentam os dados de treinamento de muitos grandes modelos, por isso um assistente pode explicar como funciona uma biblioteca sem nomear a página de onde aprendeu.

Aqui, uma citação significa que a resposta indicou como fonte uma página de github.com: um repositório, uma issue, um alerta de segurança ou a documentação do GitHub. Um conselho como "hospede seu código no GitHub", sem link, é uma recomendação do serviço, um sinal diferente que esta taxa não capta.

Os sites criados com o GitHub Pages ficam em github.io ou em domínios próprios, então devem ser lidos como sites independentes. Para uma marca, o caso valioso é um de seus próprios repositórios aparecer em uma resposta sobre sua categoria: uma referência técnica que o assistente consegue verificar, algo que páginas de marketing raramente obtêm.