Grandes modelos de linguagem como ChatGPT, Perplexity e Gemini estão se tornando um novo ponto de partida para as pessoas descobrirem produtos, empresas e informações na internet.
Para os profissionais de marketing, isso cria um problema novo: como saber se a sua marca está visível nas respostas geradas por IA?
À primeira vista, o caminho óbvio é tratar a busca com IA como SEO. Você digita um prompt, confere se a sua marca aparece e anota o resultado. Só que isso não funciona bem.
O monitoramento tradicional de posições se baseia em resultados de busca relativamente estáveis. A busca com IA se comporta de outro jeito: uma única verificação pode mostrar uma versão da resposta, mas não o quadro completo da visibilidade real da sua marca.
Segundo um estudo de 2026 da Universidade de St. Gallen, a visibilidade em IA deve ser medida de forma probabilística, não determinística. Em termos simples: em vez de perguntar “Minha marca apareceu nesta resposta?”, pergunte “Com que frequência minha marca aparece em verificações repetidas?”.
Por que a busca com IA é diferente
Na busca tradicional, as posições podem mudar, mas normalmente não são totalmente aleatórias. Se a sua página está em terceiro lugar hoje, há uma boa chance de ela estar perto dessa posição amanhã.
A busca com IA é diferente porque os LLMs geram respostas de forma probabilística. Mesmo com exatamente o mesmo prompt, a resposta pode mudar de uma execução para outra.
Isso significa que a sua marca pode aparecer em uma resposta e sumir na seguinte, mesmo que nada relevante tenha mudado na web.
O estudo descreve isso como um problema de inclusão e exclusão. No SEO clássico, uma marca pode cair da posição três para a cinco. Na busca com IA, a mudança tende a ser bem mais binária: ou a sua marca é mencionada, ou não aparece de forma alguma.
Por isso, verificações únicas não são confiáveis. Se a sua marca aparece uma vez, pode ter sido uma inclusão por sorte; se não aparece, uma exclusão por azar. Nenhum dos dois resultados basta para entender a sua visibilidade real em IA.
O que acontece quando você executa o mesmo prompt de novo
Para testar isso, os pesquisadores executaram os mesmos prompts várias vezes seguidas.
Os resultados mostraram que as respostas de IA podem variar bastante, mesmo quando o prompt é idêntico e as verificações acontecem com pouco tempo de diferença.
Nas fontes citadas, a sobreposição entre execuções repetidas foi de apenas 32% a 43%. As menções de marca foram um pouco mais estáveis, mas ainda longe de consistentes. Nas comparações de um dia para o outro, a sobreposição de marcas ficou, em média, entre 45% e 59%.
Mudanças externas, como novas páginas indexadas ou sites atualizados, explicam só parte dessa volatilidade. Boa parte da variação vem dos próprios sistemas de IA.
Então, se você verifica a sua marca uma vez e não a encontra, isso não quer dizer automaticamente que ela não tem visibilidade. Pode ser apenas que ela não tenha sido escolhida naquela resposta específica. O contrário também vale: ver a sua marca uma vez só significa que você apareceu em uma resposta gerada.
As citações de IA são muito concentradas
O estudo também identificou na busca com IA um padrão forte de “o vencedor leva quase tudo”.
Um número relativamente pequeno de domínios com autoridade recebe a maior parte das citações nas respostas geradas por IA. Os pesquisadores mediram essa concentração com o coeficiente de Gini e encontraram uma pontuação média de 0,715 entre as plataformas.
O Google AI Mode teve a maior concentração, com pontuação de 0,782. O Perplexity foi mais distribuído, com 0,671.
Para marcas e publishers, isso importa porque a visibilidade em IA não se distribui de forma igual. Poucas fontes costumam dominar o espaço das respostas, enquanto muitas outras são mencionadas raramente ou nunca.
O que um monitoramento adequado da visibilidade em IA exige
Como as respostas de IA são instáveis, medir bem a visibilidade exige verificações repetidas ao longo do tempo.
Uma única execução de um prompt tem ruído demais para servir a uma análise profissional. Os pesquisadores estimam que, para reduzir o erro de medição a um nível confortável, cada prompt precisa ser executado de 7 a 8 vezes por dia. Na prática, muitas equipes podem começar com verificações diárias e aumentar o número de execuções conforme o orçamento e as necessidades de monitoramento crescem.
Dados de curto prazo também podem enganar. As respostas de IA oscilam de um dia para o outro, e atualizações de modelo podem afetar a visibilidade. O estudo sugere que estimativas estáveis de visibilidade por marca exigem uma janela móvel de observação de cerca de 21 a 24 dias.
A visibilidade também depende muito de como a pergunta é feita. Uma marca pode aparecer para um prompt e não para outro parecido. Um monitoramento confiável deve incluir um portfólio de prompts que cubra diferentes intenções de usuário, formulações e etapas da jornada do cliente.
Conclusão
A visibilidade em IA é uma probabilidade, e essa é a principal diferença entre acompanhar posições no SEO tradicional e monitorar a busca com IA. No SEO, muitas vezes faz sentido perguntar “Em que posição estamos?”. Na busca com IA, a pergunta mais útil é “Qual a chance de sermos mencionados?”.
Uma única verificação não responde a isso, porque mostra só uma versão possível do resultado. Para entender a visibilidade real em IA, os profissionais de marketing precisam de medições repetidas, vários prompts e dados históricos suficientes para separar as tendências reais da variação aleatória. Sem isso, as decisões dependem menos de análise e mais de sorte.
Fonte: Schulte, J., Bleeker, M., & Kaufmann, P. (2026). Don't Measure Once: Measuring Visibility in AI Search (GEO). University of St. Gallen.
