Estudo

Por que a visibilidade nas IAs já não pode ser deduzida dos rankings de busca

Por Simon Vasconcelos Lee 20 de jul. de 2026

Durante cerca de dois anos, existiu um atalho confiável: os assistentes de IA se apoiavam nos índices dos buscadores clássicos para fundamentar suas respostas, de modo que ranquear bem na busca significava ser encontrável pelas IAs. Esse atalho está se rompendo, pipeline por pipeline. Ao longo de 2026, cada grande assistente de IA vem montando sua própria máquina de retrieval: crawlers proprietários, feeds de conteúdo licenciado, índices de passagens, chamadas diretas a fontes vivas. Esta análise mapeia de onde as respostas das IAs realmente vêm em julho de 2026, e o que isso muda para quem quer aparecer nelas.

A era do proxy, e as três forças que a encerram

Quando o ChatGPT começou a navegar na web, ele o fazia por meio do Bing. A maioria dos primeiros produtos de busca com IA funcionava da mesma forma: comprar resultados de uma API de busca estabelecida, ler as primeiras páginas, escrever uma resposta. Enquanto essa arquitetura se sustentou, a visibilidade nas IAs era, em grande parte, um derivado da visibilidade na busca. Se você ranqueava, estava no conjunto de fontes; se estava no conjunto de fontes, podia ser citado.

Três forças estão desmontando esse arranjo.

As próprias APIs de busca estão fechando. A Microsoft aposentou as APIs do Bing Search em 11 de agosto de 2025. O substituto oficial, o Grounding with Bing Search dentro do Azure AI Agents, já não é um índice bruto: é um produto de agente, e comparações publicadas o colocam de 40% a 483% mais caro que a API que substitui. Para qualquer empresa que constrói um assistente de IA, o recado ficou claro: alugar o índice de um rival é uma dependência que pode ser reprecificada ou retirada a qualquer momento.

Os assistentes querem algo que uma página de busca nunca foi projetada para dar. Uma página de resultados é um produto para um humano que percorre e clica: dez links, títulos, trechos. Um modelo de linguagem que compõe uma resposta quer algo totalmente diferente: passagens limpas, densas em fatos, com datas e proveniência, prontas para serem citadas e combinadas. Os dois objetos vêm divergindo há anos; 2026 é quando a divergência virou infraestrutura. O buscador como produto para humanos e o retrieval como função para modelos estão se separando em duas indústrias distintas.

O acesso ao conteúdo está virando um recurso negociado. Em 15 de setembro de 2026, as configurações padrão da Cloudflare mudam: crawlers que misturam busca, treinamento e uso por agentes passam a ser bloqueados por padrão nas páginas que exibem publicidade, para novos domínios e clientes do plano gratuito, e seu programa Pay Per Crawl vira Pay Per Use, que remunera os publishers quando o conteúdo é de fato usado em uma resposta, e não apenas baixado. O que quer que se pense da política de um fornecedor específico, a direção é inequívoca: a era em que um crawler podia ler tudo de graça porque devolvia tráfego está se fechando, porque o tráfego já não volta nas mesmas proporções.

O que um pipeline de retrieval precisa e um buscador não vende

Reduza a resposta de um assistente de IA ao seu encanamento e os requisitos são específicos:

Passagens, não páginas. A unidade de retrieval é um trecho de texto que se sustenta sozinho: um parágrafo com sua data, sua fonte, sua afirmação. Os índices passam a ser construídos em torno de chunks e embeddings tanto quanto de palavras-chave.
Frescor com proveniência. Um modelo precisa saber não só o que uma página diz, mas quando ela o disse, para poder preferir o fato atual ao desatualizado.
O direito de reutilizar. Um buscador mostra um trecho e envia o clique. Um assistente reformula o conteúdo dentro da própria resposta. Essa diferença é jurídica e comercial, não apenas técnica, e é exatamente o que o novo mercado de licenciamento precifica.
Ranqueamento pela utilidade para uma resposta, não pelos cliques. Os buscadores clássicos ranqueiam com grafos de links e comportamento de clique. Um assistente pode fazer algo que nenhum buscador jamais pôde: observar, ao longo de bilhões de conversas, qual fonte citada de fato resolveu a pergunta do usuário e qual provocou uma correção na mensagem seguinte. Esse sinal de feedback pertence a quem opera o assistente, não ao buscador que está por baixo.

Entender esses requisitos explica quase todos os movimentos das grandes empresas de IA desde 2024.

Os seis blocos de construção dos novos pipelines

1. Frotas de crawlers especializados. As grandes empresas de IA operam hoje crawlers separados para propósitos separados, declarados sob user agents distintos: a OpenAI separa o GPTBot, que coleta dados de treinamento, do OAI-SearchBot, que alimenta os resultados de busca; a Anthropic, da mesma forma, separa o ClaudeBot de seus crawlers dedicados de busca e de requisição do usuário. É essa separação que permite a um publisher recusar o treinamento e aceitar o crawler de busca que pode citá-lo. E essas frotas não tentam copiar a web inteira: a prioridade de crawl segue o que os usuários realmente perguntam. Um índice construído para responder perguntas precisa de dezenas de bilhões de páginas bem escolhidas, não das exaustivas centenas de bilhões que um buscador clássico mantém.

2. Conteúdo licenciado, comprado em vez de rastreado. O mercado de licenciamento de conteúdo mudou de forma. Os primeiros acordos eram despejos únicos para treinamento; o crescimento agora está nos acordos de acesso contínuo com atribuição, em que o assistente pode ler e citar o conteúdo vivo de um publisher. O acompanhamento do setor conta 2 acordos desse tipo em 2023, 11 em 2024, 18 em 2025 e cerca de 34 projetados para 2026. Os acordos âncora dão a escala: o acordo da OpenAI com a News Corp é estimado em até 250 milhões de dólares ao longo de cinco anos; o Reddit divulgou 203 milhões de dólares em valor agregado de contratos de licenciamento de dados, com compradores que incluem Google e OpenAI. Alguns acordos agora excluem o treinamento por completo e cobrem apenas retrieval e exibição com atribuição, o que diz claramente o que está sendo comprado: não conhecimento para o modelo, mas presença nas respostas. Para uma grande empresa de IA, mesmo o maior desses acordos é uma linha orçamentária menor comparada a depender do índice de um concorrente.

3. Um índice de passagens, não um buscador copiado. Entre "alugar uma SERP" e "reconstruir o Google" existe um caminho intermediário que a maioria dos construtores está tomando: comprar acesso bruto ao índice de um provedor independente e construir por cima uma camada proprietária de retrieval. O sinal público mais claro vem da própria lista de subprocessadores da Anthropic, que em meados de 2026 nomeia dois provedores de busca na web: a Brave, cujo índice independente ultrapassa 40 bilhões de páginas, listada desde março de 2025, e a TurboPuffer, um banco de dados de busca vetorial e de texto completo, adicionado em maio de 2026. Um índice de palavras-chave mais um armazenamento vetorial mais um ranqueamento interno é, funcionalmente, um pipeline de retrieval: só não é um buscador que alguém navegue.

4. Ranqueamento feito pelo próprio modelo. Nesses pipelines, o modelo não é um consumidor de uma lista ranqueada; ele é o ranqueador. Uma pergunta do usuário é decomposta em várias subconsultas, cada uma disparada contra o índice, e as passagens retornadas são reordenadas e filtradas pelo modelo antes da escrita. Por cima disso vem o feedback conversacional descrito acima: quais fontes encerram conversas, quais provocam correções. É um sinal de ranqueamento que a busca clássica nunca teve, e ele reverte inteiramente para o assistente.

5. Frescor em três camadas. Manter um índice exaustivo atualizado é o hábito mais caro da busca clássica, e os novos pipelines simplesmente se recusam a pagar por ele. Em vez disso, empilham três mecanismos: feeds licenciados em tempo real para domínios de mudança rápida, como notícias e finanças; re-crawl de alta frequência reservado a um pequeno conjunto de sites que mudam com frequência; e, para todo o resto, buscar a página no momento da pergunta. O desperdício do hábito antigo é mensurável: a Cloudflare relata que mais da metade do tráfego de crawlers de IA vai para baixar de novo páginas que não mudaram. A busca sob demanda gasta esse esforço apenas quando uma pergunta realmente o exige.

6. Nenhum crawl: chamar a fonte. A via mais nova dispensa documentos por completo. Para dados estruturados e vivos, preços, disponibilidade, horários, documentação, um assistente cada vez mais chama diretamente a fonte autoritativa por meio de conectores e protocolos abertos como o MCP. Para essa classe de pergunta, a cópia em qualquer índice é sempre inferior à própria fonte. Uma parcela crescente do que parece "busca" dentro de um assistente é, na verdade, tool calling: a pergunta deixa de ser "quem ranqueia para isso" e passa a ser "qual fonte o assistente escolhe chamar".

Um retrato de quem faz o quê, datado de julho de 2026

As peças acima são montadas de forma diferente por cada player, e os arranjos vão continuar se movendo. No momento em que escrevemos: o Google fundamenta o Gemini em sua própria pilha de busca e não precisa de nada externo. A OpenAI ainda documenta o Bing como fonte de dados para a busca do ChatGPT, enquanto constrói seu próprio crawl e mantém o maior portfólio de acordos com publishers, cerca de duas dúzias de acordos anunciados; testes independentes também observaram repetidamente o ChatGPT recorrendo ao índice do Google para algumas respostas, um arranjo que a OpenAI não documenta. A Anthropic compõe acesso licenciado a índice com uma camada interna de retrieval e licenciamento seletivo. A Perplexity construiu seu próprio índice sem ser uma hyperscaler, o que encerrou a questão da viabilidade. A Meta compra acesso por meio de acordos; a xAI se apoia nos dados da própria plataforma, mais crawl. Os construtores menores não montam nada disso: alugam APIs de retrieval projetadas para modelos de linguagem, uma categoria que silenciosamente se tornou a verdadeira sucessora das APIs de busca aposentadas.

Trate este parágrafo como uma fotografia, não como um mapa: os arranjos individuais mudam a cada trimestre. A direção não mudou desde 2024, e só aponta para um lado: todo assistente sério está caminhando para uma máquina de retrieval que ele controla.

O que isso muda se você quer aparecer nas respostas das IAs

A consequência prática é fácil de enunciar: um ranking de busca já não diz se os assistentes de IA mencionam você. Ele nunca disse tudo, mas durante a era do proxy era uma aproximação utilizável. Já não é, por três razões estruturais.

A visibilidade se fragmentou em pipelines. Cada assistente agora lê a web por meio de sua própria combinação de crawl, licença e índice. A mesma pergunta, feita a quatro assistentes, é fundamentada em quatro conjuntos de fontes diferentes. Não existe um ranking único a inspecionar, e não há como calcular de fora a sua presença nessas respostas. O que se pode fazer é medição direta: fazer aos assistentes as perguntas que o seu mercado faz, repetidamente, e registrar quem é citado, em que termos e a partir de quais fontes. Essa série, motor por motor, é a única verdade observável que este cenário ainda oferece.

Suas superfícies agora servem três vias ao mesmo tempo. Um conteúdo pode chegar a uma resposta porque foi rastreado, porque foi licenciado ou porque a fonte foi chamada. As três vias recompensam as mesmas propriedades: páginas que enunciam fatos com clareza, com datas, em texto que uma máquina pode transportar inteiro; dados estruturados e arquivos legíveis por máquina que dizem sem ambiguidade o que você é; e, cada vez mais, interfaces que um modelo pode chamar diretamente. Ser citável e ser chamável estão virando duas formas distintas de visibilidade, e a segunda é nova: ela não existia na era da busca, e se conquista com APIs e conectores, não com conteúdo.

A transição recompensa quem mede os dois mundos. A busca clássica não saiu de cena: vários assistentes ainda fundamentam respostas em índices clássicos hoje, diretamente ou por intermediários, e os rankings clássicos ainda alimentam parte dos conjuntos de fontes. A postura razoável durante a transição não é abandonar a otimização de busca, mas parar de lê-la como proxy: manter o trabalho de busca e medir as próprias respostas das IAs, para que, quando um pipeline mudar sob os seus pés, os seus dados percebam antes do seu pipeline de clientes.

A separação do retrieval vai continuar se alargando. Conteúdo sob contrato é invisível em qualquer página de resultados; fontes chamadas por conectores nunca aparecem em um crawl; o índice de cada assistente diverge um pouco mais a cada trimestre. Tudo nessa direção enfraquece a inferência e fortalece a observação. Nossa própria abordagem decorre disso, e é o método por trás do nosso trabalho de medição: submeter as perguntas do mercado aos motores em uma cadência fixa, registrar as respostas e deixar que a série, não os rankings, diga onde você está. O instrumento para isso é o Epovest Tracking.