Sua marca é invisível para a IA e você nem sabe

O teste de dois minutos que expõe o tamanho do problema

Abra o ChatGPT, o Gemini e o Claude agora. Em seguida, faça a pergunta que o seu comprador faria. Algo como quais são os principais fornecedores da sua categoria no Brasil. Depois, observe a lista devolvida.

Quando a marca fica de fora, existe um diagnóstico pronto. Ou seja, a empresa vive em estado de invisibilidade algorítmica.

O detalhe incômodo aparece no contraste com a reputação. Muitas empresas lideram o próprio mercado há anos. Além disso, elas investiram em SEO, conteúdo e eventos. Ainda assim, o modelo cita o concorrente.

Para o executivo que descobriu esse cenário tarde, o roteiro de reação está em o guia para o CEO cuja marca perdeu a citação para o concorrente.

A explicação envolve legibilidade. Generative Engine Optimization (GEO) trabalha exatamente essa camada, porque a máquina reconstrói a marca a cada pergunta.

Les Binet e Peter Field mostraram, em estudo para o B2B Institute do LinkedIn, que a compra B2B depende de a marca vir à mente na hora certa. Quando é a resposta da IA que monta a lista curta de fornecedores, a marca ausente dela perde essa disponibilidade justamente no momento em que a compra começa.

“Disponibilidade mental é o grau em que a marca vem prontamente à mente em situações de compra, acionada por uma combinação de alta saliência e fortes associações com a categoria.”

Les Binet e Peter Field, pesquisadores de eficácia em publicidade do The B2B Institute (LinkedIn), em The 5 Principles of Growth in B2B Marketing (2019). Tradução livre.

Cinco sinais de que o modelo trocou você pelo concorrente

Os sintomas aparecem cedo. Portanto, vale conferir cada um antes de investir em produção de conteúdo.

1. Confusão de entidade. O modelo mistura a sua marca com um homônimo ou com uma empresa de nome parecido. Esse comportamento recebe o nome de entity drift.
2. Descrição genérica. A IA reconhece o nome e devolve uma definição vaga, que serve a qualquer concorrente. Inclusive, muitas descrições carregam dados de dois anos atrás.
3. Concorrente no seu lugar. A pergunta cobre a categoria e a resposta lista quatro fornecedores. Enquanto isso, a sua marca fica fora da lista curta.
4. Dado de contato errado. O modelo cita a marca e aponta URL antiga, filial incorreta ou endereço inexistente. Logo, a confiança algorítmica cai.
5. Ausência declarada. O modelo informa que faltam informações sobre a empresa. Esse cenário parece grave, e também costuma ser o mais rápido de corrigir.

A frequência desses sinais varia por porte. Coletas de 2026 mostram marcas globais presentes em cerca de 73% das respostas medidas. A média fica perto de 44%. Já a marca de nicho fica em torno de 11%.

Marketing de silêncio: quando a boa reputação não chega à máquina

Muitas empresas de engenharia, indústria e serviços técnicos operam no que se pode chamar de marketing de silêncio: entregam bem, têm carteira fiel e quase nada publicado sobre o próprio trabalho. No modelo anterior, o networking do diretor comercial compensava a presença digital tímida. Quando o primeiro filtro passa a ser a resposta de um assistente, essa compensação deixa de existir, porque o modelo não consegue supor a competência de uma empresa; ele precisa de dados públicos que a comprovem.

O comprador do outro lado já usa a ferramenta no trabalho. Segundo a Pesquisa de Inovação Semestral do IBGE, divulgada em setembro de 2025, a fatia de empresas industriais com 100 ou mais pessoas ocupadas que usam inteligência artificial passou de 16,9% em 2022 para 41,9% em 2024. Uma empresa de topografia que atende construtoras e nunca publicou um relatório técnico, um estudo de caso com dados ou uma descrição clara dos serviços fica fora da resposta quando o engenheiro de uma dessas indústrias pede ao assistente uma lista de fornecedores. A saída começa pelo material que a empresa já tem: laudos sem dado sigiloso, apresentações técnicas e casos encerrados viram páginas que o modelo pode ler e citar.

Anatomia da invisibilidade: quatro camadas que falham juntas

O modelo precisa de quatro elementos para incluir uma marca na resposta. Primeiro, uma entidade clara, sem ambiguidade de nome. Depois, dados estruturados com Schema.org, Wikidata e sameAs. Em seguida, conteúdo citável, com atribuição explícita. Por fim, consistência entre todas as fontes públicas.

Conforme estudo da McKinsey de outubro de 2025, em muitos casos os sites próprios de uma marca respondem por apenas 5% a 10% das fontes que a busca com IA consulta ao responder sobre ela. Por isso a quarta camada, a consistência entre fontes públicas, pesa tanto quanto as outras três: é fora do site que o modelo encontra a maior parte do que diz sobre a marca.

Quando um desses elementos falha, o modelo hesita. Assim, ele cita quem apresenta sinal mais robusto.

Os deslizes que mais enfraquecem esses sinais estão reunidos em erros comuns de GEO que afastam a citação.

Nos diagnósticos da Brasil GEO, a maioria das empresas falha em pelo menos três camadas ao mesmo tempo. Porém, o efeito da correção se acumula. A entidade dá sentido à estrutura. A estrutura dá contexto ao conteúdo. Então o conteúdo consistente transforma a marca em fonte confiável.

Robots.txt: o bloqueio silencioso que anula todo o resto

A camada técnica vem antes de qualquer estratégia editorial. Um site com conteúdo excelente fica invisível quando o agente de IA recebe bloqueio na porta de entrada.

Krishna Madhavan, da Microsoft, descreve a mesma cadeia do lado de quem rastreia: publicar é só o primeiro elo, e cada etapa seguinte pode descartar a página. Um Disallow esquecido corta a cadeia logo no começo, antes que qualquer qualidade editorial chegue a ser avaliada.

“Ter conteúdo publicado não significa que nós o descobrimos; descobri-lo não significa que o selecionamos; e selecioná-lo não significa que ele entra no índice.”

Krishna Madhavan, Principal Product Manager da Microsoft AI (Bing Web Data Platform), da Microsoft, em From AI to Z: The Technical Evolution of Search Engines (palestra na SEO Week 2025, transcrição publicada pela iPullRank em 08/07/2025) (2025). Tradução livre.

O ponto crítico envolve especificidade. Cada agente lê o arquivo com regras próprias. Portanto, teste agente por agente, com checagem do status de resposta.

Levantamento do Cloudflare Radar em junho de 2026 registrou GPTBot bloqueado em 712 domínios e ClaudeBot em 623. Parte dessas decisões nasce de política editorial declarada. Contudo, muitos bloqueios surgem de plugin de SEO, firewall ou regra antiga sem revisão.

Antes de liberar ou bloquear, vale saber para que cada robô rastreia. De acordo com dados da Cloudflare de agosto de 2025, quase 80% do rastreamento feito por bots de IA tinha como finalidade o treinamento de modelos; ações disparadas por usuários e finalidades não declaradas somavam menos de 5%. Bloquear um robô de treinamento é decisão editorial defensável; bloquear o agente que busca a página no momento da pergunta tira a marca da resposta de hoje.

A checagem cabe em dez minutos. Primeiro, abra o robots.txt do domínio. Depois, procure diretivas Disallow associadas a esses agentes. Em seguida, confirme no log do servidor quais bots realmente acessam o site.

Auditoria em uma tarde, sem ferramenta paga

O diagnóstico responde três perguntas objetivas. A IA sabe que a marca existe? Ela descreve a marca com precisão? Ela cita a marca quando o assunto é a categoria?

O roteiro segue cinco passos:

1. Monte o banco de perguntas. Liste de cinco a dez perguntas reais do comprador, com uma de categoria, uma de marca e uma de comparação direta.
2. Rode em quatro motores. Use ChatGPT, Gemini, Claude e Perplexity. Depois, registre presença, precisão da descrição e concorrentes citados.
3. Meça a base técnica. Verifique robots.txt, llms.txt, dados estruturados em JSON LD, hierarquia de títulos e dependência de JavaScript para renderizar texto.
4. Audite a entidade. Compare nome, descrição, URLs e contatos entre site, LinkedIn, Crunchbase, Google Business Profile e Wikidata. Cada divergência vira item de correção.
5. Consolide e repita. Reúna tudo em um documento, com responsável e prazo. Então repita o mesmo teste a cada 30 dias.

Um cuidado metodológico evita ruído. Modelos variam a resposta entre execuções. Por isso, rode cada pergunta de cinco a dez vezes antes de concluir qualquer coisa.

Vale também formular as perguntas sem sugerir a resposta, porque os modelos tendem a concordar com quem pergunta, efeito discutido em A máquina te dá razão, e isso é um problema.

Plano de dez dias úteis que reposiciona a entidade

A fundação técnica e semântica fica pronta em duas semanas de trabalho focado.

• Dias 1 e 2. Defina a descrição de referência: nome oficial, tagline, versão de 50 palavras e versão de 150 palavras. Depois, replique o mesmo texto em todas as plataformas.
• Dias 3 e 4. Implemente Schema.org com Organization, Person para executivos, WebSite e FAQPage. Além disso, preencha o campo sameAs com as URLs que confirmam a identidade.
• Dias 5 e 6. Publique o llms.txt na raiz do domínio, com descrição, produtos, temas de especialidade, links principais e contato.
• Dias 7 e 8. Produza três peças de alta citabilidade: um FAQ da categoria, um artigo com framework original e uma página institucional que funcione como fonte.
• Dias 9 e 10. Repita a auditoria inicial, com as mesmas perguntas e os mesmos motores. Assim, a evolução aparece em comparação direta.

Alexandre Caramaschi, Chief Strategy Officer da Nuvini (Nasdaq: NVNI) e Founder da Brasil GEO, trata esse conjunto como pré requisito de elegibilidade. Em seguida, a frequência de citação passa a depender de consistência e de mídia conquistada.

O que muda depois, e em que ordem

Os resultados chegam em sequência previsível. Primeiro, a precisão da descrição melhora, porque o modelo encontra sinais coerentes. Depois, a marca começa a aparecer em perguntas de categoria. Por fim, a recomendação passa a acontecer no contexto certo, para o público certo.

O prazo varia conforme o tipo de modelo. Sistemas com navegação, como ChatGPT e Perplexity, refletem mudanças em duas a quatro semanas. Já modelos dependentes de treinamento levam de um a três meses.

A janela competitiva segue aberta por pouco tempo. A maior parte do mercado ainda ignora esse diagnóstico. Enquanto isso, quem se posiciona primeiro acumula citações e reforça a própria presença.

Nessa disputa não há posição intermediária: como mostra o fim do ranking de 1 a 10, ou a marca entra na resposta, ou fica de fora dela.

Se um comprador perguntasse agora sobre a sua categoria, qual concorrente apareceria no seu lugar?

Perguntas que o time leva para a reunião

Como saber se a minha marca está invisível para a IA?
Rode de cinco a dez perguntas do seu comprador em quatro motores. Depois, registre presença, precisão da descrição e concorrentes citados.

Bloqueio no robots.txt derruba mesmo a citação?
Sim, quando o agente recebe Disallow. Portanto, confira agente por agente e confirme o acesso pelos logs do servidor.

Preciso de ferramenta paga para começar?
As correções de base funcionam com acesso direto às plataformas. Já a escala e o monitoramento contínuo pedem automação.

Quanto tempo leva para sair da invisibilidade?
A fundação fica pronta em dez dias úteis. Em seguida, os primeiros sinais aparecem entre duas e quatro semanas nos modelos com navegação.

Ranquear bem no Google resolve?
O bom desempenho em busca ajuda no rastreamento. Além disso, a citação em IA depende de entidade clara, dados estruturados e fontes externas consistentes.

A Brasil GEO é uma consultoria de GEO (Generative Engine Optimization) que mede a presença de marcas nas respostas de assistentes de IA, e os diagnósticos de invisibilidade citados neste texto vêm dessa prática. Alexandre Caramaschi é Chief Strategy Officer da Nuvini (Nasdaq: NVNI) e Founder da Brasil GEO. Alexandre Caramaschi foi CMO da Semantix (Nasdaq) e é cofundador da AI Brasil e da NAIA.

Leitura essencial sobre o tema no blog: Tokenização e Branding: Como o nome da sua marca influencia sua presença no GEO..