Felipe Gasparetto, diretor-executivo de Martech e Insights da Convert, empresa de soluções de digital business e performance do Grupo Dreamers
Entramos em uma nova camada da internet em que não basta estar disponível, é preciso ser interpretável. Um estudo da McKinsey revela que marcas com liderança consolidada no mercado tradicional aparecem até 60% menos em respostas de IA do que em buscas convencionais. O dado expõe uma ruptura silenciosa: durante anos, as marcas aprenderam a disputar ranking. Agora, precisam disputar síntese.
Esse cenário inaugura o que podemos chamar de Era Agêntica, um contexto em que sistemas inteligentes deixam de apenas recuperar informações para montar respostas. E, ao fazer isso, deixam de ser intermediários neutros para assumir um papel editorial, ou seja, selecionam, organizam e, inevitavelmente, filtram quais marcas existem dentro da narrativa.
Na prática, isso desloca o problema de visibilidade. Não se trata mais de “estar na primeira página”, mas de ser incorporado como parte da resposta. É uma mudança sutil, mas estrutural: sai o clique, entra a citação.
Transformar essa leitura em execução exige uma mudança de postura. O ponto de partida deixa de ser exclusivamente o usuário e passa a incluir também o modelo. Isso implica auditar a presença da marca diretamente nas plataformas de IA, e perguntar ao ChatGPT, ao Gemini ou a outros sistemas quais problemas sua empresa resolve e, mais importante, como ela é descrita, em que contexto aparece e com quem é comparada.
Aqui surge um novo desafio, que é o da consistência semântica. Diferente do SEO tradicional, em que bastava otimizar palavras-chave, agora é preciso garantir que a marca seja compreendida de forma estável nos dados que alimentam esses modelos. Não é apenas sobre o que a marca diz, mas sobre como o ecossistema fala sobre ela.
Por isso, a construção de autoridade segue uma lógica de dentro para fora, mas não termina aí. Site institucional, páginas de produto, FAQ, blog e perfis sociais deixam de ser canais e passam a funcionar como infraestrutura de dados. Sem essa base clara, consistente e semanticamente organizada, a marca até pode aparecer, mas dificilmente será escolhida. Ao mesmo tempo, olhar apenas para os ativos próprios é insuficiente.
Em setores como bens de consumo e serviços financeiros, mais de 65% das fontes utilizadas por sistemas de IA vêm de editores, conteúdos gerados por usuários e sites afiliados. Isso revela um ponto crítico: a autoridade deixou de ser construída apenas pela marca e passou a ser distribuída pelo ecossistema.Ou seja, não basta produzir, é preciso circular, ser citado, ser referenciado. A disputa deixa de ser por espaço e passa a ser por legitimidade contextual.
Nesse cenário, as métricas também mudam e talvez esse seja o sinal mais contraintuitivo. O tráfego vindo de plataformas de IA ainda representa menos de 1% do volume total, mas dados da Ahrefs (empresa global de tecnologia especializada em SEO e marketing digital) mostram que esses usuários convertem até 23 vezes mais do que os oriundos da busca orgânica tradicional. Eles não chegam para explorar, chegam para decidir.Isso acontece porque a jornada já vem parcialmente resolvida.
Quando a resposta vem pronta, o clique deixa de ser uma simples descoberta e passa a ser validação.Por isso, já não se trata apenas de alcance, mas da qualidade da influência. A lógica do share of search (métrica que mede o quanto uma marca é buscada em relação aos seus concorrentes e que por anos funcionou como um termômetro de demanda e lembrança) começa a perder centralidade.
Em seu lugar, o share of model (a ideia de medir com que frequência e em que contexto uma marca aparece nas respostas geradas por modelos de IA) emerge como um novo indicador, não de visibilidade bruta, mas de presença efetiva nas respostas e recomendações geradas por sistemas de IA.
No limite, estamos falando de uma mudança mais profunda, a da economia da atenção para a economia da recomendação algorítmica. Os times que entenderem essa transição primeiro terão vantagem. Porque, mesmo com métricas ainda imperfeitas, mapear, medir e aprender com esse tráfego agêntico não será apenas uma otimização, será uma forma de antecipar como as marcas serão escolhidas em um ambiente onde nem sempre haverá uma segunda chance de aparecer.
Imagem do Topo: Divulgação
