Presença em IA é o quanto sua marca aparece, é descrita corretamente e é recomendada nas respostas do ChatGPT, do Gemini, do Claude e do Perplexity quando alguém pesquisa a sua categoria. Tem três camadas: se o modelo conhece a marca, se cita ela quando o comprador pede opções, e em que posição ela entra na resposta.
A distância entre a primeira camada e a segunda é maior do que quase todo mundo imagina.
A Victorious, agência americana de marketing digital, mediu isso no segundo trimestre de 2026 com 175 marcas de cinco setores (jurídico, saúde, SaaS, serviços financeiros e varejo online), em oito plataformas: ChatGPT, Claude, Gemini, Copilot, Perplexity, Google AI Overviews, Google AI Mode e Meta AI. Quando pediram que as IAs descrevessem as marcas, a taxa de reconhecimento foi de 96%. Quando a pergunta virou pesquisa de categoria, do tipo "quais são os melhores escritórios de advocacia dos EUA", 89% das marcas nunca foram mencionadas.
A IA já sabe quem você é. Ela só não te recomenda.
É aí que a comparação com o SEO fica útil. Não porque as técnicas sejam as mesmas, e sim porque o momento é o mesmo: metodologia ainda não consolidada, nomenclatura em disputa, poucas equipes com rotina, e muita gente descobrindo tarde que a categoria já tinha dono.
Por que isso virou problema de marketing agora?
Porque o momento em que o comprador monta a lista de opções mudou de lugar, e o marketing continuou medindo o lugar antigo.
O mesmo estudo separou dois estágios de pergunta e achou comportamentos bem diferentes. Em perguntas de problema, do tipo "como sei se preciso de um advogado?", a taxa de marcas nomeadas foi de 0,10%. A IA respondeu com material educativo: vídeo, site de governo, comunidade profissional. Em perguntas de categoria, a nomeação de marca foi 12 vezes maior, e as fontes citadas passaram a ser diretório e site de comparação.
O modelo troca de fonte conforme o estágio da pergunta. Aparecer bem num estágio garante pouco sobre o outro, e essa diferença não existe no Google da mesma forma, onde a mesma página serve consultas de estágios diferentes sem mudar de natureza.
Tem um número no estudo que costuma incomodar mais que o resto. Em pesquisa de categoria, 99,99% das citações vieram de domínio de terceiro. De 150 marcas analisadas, só quatro foram citadas a partir do próprio site.
Isso desloca o eixo do trabalho. Seu conteúdo próprio continua sendo o que ensina o modelo a te descrever com precisão. A recomendação se decide em material que você não controla.
Do lado do comprador, o uso já é maioria. Segundo a Averi, em análise de 680 milhões de citações publicada em março de 2026, 73% dos compradores B2B usam ferramentas de IA em alguma etapa da pesquisa de compra. Do lado de quem vende, a rotina ainda não existe: o mesmo levantamento aponta que só 22% dos profissionais de marketing monitoram presença em IA hoje, e menos de 26% planejam produzir conteúdo pensado para citação em IA.
A defasagem entre uso e medição é o que define uma janela. Ela não fica aberta por decreto, fica aberta enquanto a maioria não olha.
Presença em IA é SEO com outro nome?
Parte da infraestrutura é a mesma. O modelo precisa conseguir rastrear seu site, entender a estrutura do conteúdo e achar resposta ali dentro, e isso é trabalho de SEO técnico de sempre. Quando o HTML inicial chega vazio porque a página só se monta no navegador, nada do que vem depois importa, e esse problema tem nome e solução conhecida, como está em renderização no servidor.
A métrica é que muda. SEO mede a posição de uma URL para uma consulta escrita. Presença em IA mede o que o modelo fala da sua marca como entidade, em respostas que variam conforme a formulação da pergunta e o histórico da conversa. Uma é sobre página, a outra é sobre marca. A separação entre as duas disciplinas está destrinchada em diferença entre GEO e SEO.
A própria categoria ainda está se nomeando. No roadmap de SEO da Aleyda Solís, referência global da área, a seção se chama "Optimize for AI Search (GEO, AEO, LLMO)" e trata os três termos como sinônimos. Quando nem a nomenclatura fechou, o mercado está no começo.
Na prática, presença em IA se organiza em torno de duas perguntas. O modelo consegue ler e interpretar o que você publica? E o que a web diz sobre você é suficiente para ele te recomendar quando alguém pede opções?
A primeira é técnica e se resolve em semanas. A segunda é reputacional e leva trimestres. Quase toda equipe que começa esse trabalho subestima a segunda, porque a primeira dá resultado rápido e passa a sensação de que o problema era aquele.
O que costuma ser vendido como SEO para IA cobre bem a primeira pergunta e quase nada da segunda. Auditoria técnica, dado estruturado, sitemap limpo, HTML legível: tudo isso é necessário, e nenhum resolve o problema de autoridade de marca, que é o que decide a recomendação. Tratar SEO para IA como checklist técnico é a forma mais comum de trabalhar seis meses sem mover o indicador de presença em IA um ponto.
O que separa a marca que aparece da que some?
Separa o volume de material de terceiro falando dela. Não o tamanho do site próprio, nem a qualidade do blog.
A Victorious cruzou a taxa de menção com sinais de presença na web. Domínios de referência apareceram com correlação de 0,49, e menções de terceiros na web com 0,45. Nada disso surpreende quem viu o SEO nascer.
O corte mais direto é outro: marcas com menos de 2.000 páginas indexadas mencionando elas tiveram taxa de menção de só 3%.
Volume de material de terceiro falando da sua marca é o que sustenta a citação. Assessoria de imprensa, comparativo em site especializado, presença em diretório de categoria, entrevista de liderança, review de cliente. É a mesma economia de reputação de sempre, com um leitor novo no meio. Um recorte da Averi ajuda a dimensionar quem está de fora: 51% das marcas de tecnologia B2B não têm nenhuma citação.
Autoridade de marca, nesse contexto, não é slogan institucional. É a soma entre clareza de posicionamento, cobertura temática e recorrência de menção fora do seu domínio. Quando esse conjunto está difuso, o modelo tem menos material para conectar a sua empresa à pergunta do comprador, e a presença em IA cai por falta de matéria-prima, não por falta de esforço.
Vale reparar no que esses números fazem com a pauta de conteúdo. Publicar no próprio blog continua valendo, porque é assim que o modelo aprende a te descrever com precisão e é isso que evita que ele invente atributo errado sobre você. Mas se a meta é entrar na lista quando o comprador pede opções, uma peça no seu domínio compete com 49.391 citações que, no estudo, vieram quase todas de fora. O raciocínio completo está em onde a IA busca informações sobre marcas além do site oficial, e o tamanho da exclusão está em vitrine de marcas na IA.
Tem ainda a camada de plataforma, que costuma passar batida. O reconhecimento ficou acima de 83% em todos os setores no Google AI Mode, no Gemini, no ChatGPT, no AI Overviews e no Copilot, e abaixo de 55% no Perplexity em SaaS e em varejo online. No Meta AI em SaaS, 46%. Medir numa plataforma só e concluir alguma coisa sobre "a IA" é erro de amostra.
Como medir presença em IA sem se enganar?
Três perguntas dão o retrato:
| O que olhar | A pergunta | O que o resultado diz |
|---|---|---|
| Citação | A marca aparece na resposta? | Visibilidade básica |
| Contexto | Aparece ligada a quê? | Qualidade da percepção |
| Posição | Vem antes ou depois de quem? | Força competitiva |
A base de prompts é o que sustenta ou destrói o indicador. Ela precisa ter a linguagem real de compra do seu nicho, e precisa estar separada por estágio: perguntas de problema de um lado, perguntas de categoria e comparação do outro. Sem essa separação, o número consolidado esconde exatamente onde você perde, porque o estágio de problema quase nunca nomeia marca e puxa a média para baixo sem dizer nada acionável.
Vale fixar também em quais plataformas você mede. Presença em IA não é um número só, é um número por plataforma, e juntar tudo numa média esconde o caso mais comum de todos: ir bem no ChatGPT e não existir no Perplexity.
O resto é disciplina de método. Mesmos prompts, mesmo período, mesmos critérios para você e para cada concorrente. Comparação feita fora disso vira ruído. Quem quiser rodar na mão antes de contratar qualquer coisa encontra o passo a passo em como medir presença da marca em IA sem ferramenta, e a métrica comparativa está explicada em share of voice em IA.
O retrato tem prazo de validade curto. A resposta muda quando o modelo atualiza, quando um concorrente publica, quando um comparativo novo entra no ar. Medir uma vez e guardar o print não é diagnóstico, é anedota.
Tem uma armadilha que derruba qualquer leitura e não aparece em tabela nenhuma: marca com nome ambíguo. Se a sua empresa divide o nome com outra, parte das menções registradas pode ser da outra, com o sentimento dela junto. O painel fica bonito e o dado é de outro negócio. A checagem é abrir a resposta inteira e ler sobre quem o modelo estava falando.
O que muda para time interno e para agência?
Muda a régua, e muda o relatório.
Para o time interno, o painel de visibilidade ficou incompleto se ele para no Google. A pergunta operacional agora é dupla: onde eu ranqueio, e quando a IA recomenda meu mercado, eu entro ou fico de fora. São duas perguntas diferentes, com duas fontes de dado diferentes, e a segunda não sai do Search Console.
Para agência, muda o escopo do que se entrega. Relatório de posição em SERP, share de mídia e menção em social não cobrem a camada onde a decisão começa. E tem um risco de percepção no meio: o cliente pode acreditar que está bem posicionado enquanto o comprador dele recebe recomendações que pulam a marca. Quando isso vira evidência em vez de sensação, a conversa sai do "precisamos publicar mais artigos" e vai para "precisamos aumentar a chance de a sua marca ser citada quando o mercado fizer esta pergunta".
Para quem produz conteúdo, o efeito é sobre clareza de posicionamento. Quando o modelo resume a sua marca, ele condensa sinais dispersos da web em poucas linhas. Proposta de valor ambígua vira descrição genérica, e descrição genérica não entra em lista curta.
Por que o Brasil está atrasado nessa conversa?
Porque quase tudo que existe de estudo, ferramenta e metodologia foi feito olhando o mercado americano, e ninguém replicou aqui ainda.
O estudo da Victorious é americano. Não existe equivalente brasileiro publicado com esse tamanho de amostra, o que já diz algo sobre o estágio da discussão por aqui. E quando alguém audita site brasileiro de verdade, o resultado aparece: numa auditoria própria em 24 sites de startups nacionais, 7 deles tinham conteúdo que a IA não alcançava, como está em por que 7 de 24 blogs não entram na resposta da IA.
A lista de ferramentas de rastreamento de presença em IA do roadmap da Aleyda Solís tem catorze produtos. Nenhum deles tem posicionamento para o mercado brasileiro. Categoria em português, concorrente brasileiro, fonte brasileira: território pouco disputado.
Isso tem dois efeitos opostos, e vale segurar os dois na cabeça. O ruim é que você não tem benchmark: não dá para saber se 12% de share of voice na sua categoria é bom ou péssimo, porque ninguém publicou a média. O bom é que a disputa pela citação em português ainda está aberta, e o custo de entrar agora é uma fração do que vai ser quando as catorze ferramentas traduzirem a interface.
É o que a TATU rastreia: quais prompts da sua categoria citam sua marca, em que posição, quais concorrentes aparecem junto e quais fontes a IA usou para montar aquela resposta.
Quanto o mercado já está colocando nisso?
Mais do que o discurso sugere, e concentrado em quem já tem estrutura.
Segundo a Conductor, em levantamento com mais de 250 executivos de empresas enterprise, majoritariamente americanas, publicado em janeiro de 2026, 94% das empresas planejam aumentar investimento em AEO e GEO em 2026, e em 2025 destinaram em média 12% do orçamento de marketing digital a isso. No mesmo levantamento, 97% relataram impacto positivo no funil de marketing em 2025.
Do outro lado, a Averi mediu que o tráfego vindo de busca com IA converte a 14,2%, contra 2,8% do orgânico do Google. É um recorte de volume pequeno contra um canal maduro, e por isso não sustenta a conclusão de que um substitui o outro. Sustenta outra coisa: quem chega pela recomendação da IA chega mais adiantado na decisão, porque já passou pela etapa de comparação.
O mesmo estudo achou que só 11% dos domínios são citados por ChatGPT e Perplexity ao mesmo tempo. Ganhar numa plataforma não transfere para a outra, e isso tem consequência direta no orçamento.
O contorno realista, então, é de trabalho contínuo de reputação, com medição por plataforma, e não de campanha com data para acabar. Para quem precisa dimensionar custo antes de decidir, a comparação entre planilha, ferramenta e consultoria está em quanto custa monitorar presença de marca em IA.
Por onde começar nos próximos 30 dias?
Com um recorte pequeno, medido antes de produzir qualquer coisa, nesta ordem.
- Liste as perguntas que decidem compra no seu nicho. Vinte a trinta prompts já dão um retrato honesto, desde que sejam as perguntas que o comprador faz de verdade, com as palavras dele.
- Separe esses prompts por estágio, problema de um lado e categoria do outro. Sem isso, a média mente.
- Rode o diagnóstico antes de produzir qualquer coisa. Saber que você aparece em seis de trinta prompts, sempre depois do mesmo concorrente, muda a pauta de conteúdo do trimestre inteiro.
- Cheque se o seu site é legível para a máquina. Se o conteúdo principal só existe depois do JavaScript, o resto do trabalho não chega a acontecer.
- Vá onde a IA busca. Em pesquisa de categoria ela cita diretório, comparativo e conteúdo de terceiro, e a correlação de 0,49 com domínios de referência aponta para lá.
- Meça de novo em trinta dias, com os mesmos prompts e nas mesmas plataformas.
Vale dizer o que nada disso resolve. Medir não muda a resposta do modelo. Depois do diagnóstico, alguém ainda precisa publicar, corrigir informação desatualizada em fonte externa e conquistar espaço em material de terceiro, e isso leva meses. Ganho de presença em IA se parece mais com construção de autoridade de marca do que com ajuste de campanha.
A parte incômoda dos 89% é que a maioria dessas marcas provavelmente acha que está bem. Elas ranqueiam no Google, têm tráfego, têm 96% de reconhecimento quando a IA é perguntada direto sobre elas. E somem na hora em que o comprador pede uma indicação.
O paralelo com o começo do SEO se fecha justamente aí. Não foi a falta de ferramenta que deixou marca para trás naquela época, foi a demora em aceitar que a régua tinha mudado. Quem começou a medir cedo teve anos de vantagem composta sobre quem começou depois, e a vantagem não veio de truque, veio de ter mais ciclos de correção.
Para ver como a sua marca aparece hoje em ChatGPT e Gemini, rode o diagnóstico em usetatu.com/lp-diagnostico.
