Antes de verificar os factos da IA: o que ela realmente diz sobre as marcas

Ser recomendado não é o topo da escada

Medimos a visibilidade em IA como uma escada de cinco passos: a IA lê o seu site, cita as suas páginas, menciona a sua marca, recomenda-a e descreve-a corretamente. A maioria das ferramentas, e das equipas de marketing, deixa de contar no passo quatro. Se a IA o recomenda, o trabalho parece concluído.

1. 4
   Recomendada

   A IA põe a sua marca em primeiro lugar ou apresenta-a como a melhor opção.

2. 5
   Descrita corretamente

   O que a IA diz sobre si é verdadeiro: os preços, os produtos, os mercados e os pontos fortes corretos.

Mas uma recomendação assente em factos errados pode custar mais do que nenhuma recomendação. O comprador chega à espera do preço antigo, da funcionalidade que não existe ou do país de entrega errado, e a venda falha no último passo. Nada nas suas análises mostra porquê. Por isso tratamos «descrita corretamente» como um passo próprio, com a sua própria medição.

O que vimos na nossa primeira análise

Cada resposta que um modelo de IA dá sobre uma marca contém pequenas declarações factuais: «custa X por mês», «está disponível em Y», «integra-se com Z». A estas chamamos afirmações. As afirmações com a mesma formulação contam apenas uma vez.

4010Respostas de IA

754respostas que nomearam a marca

31 447fontes citadas

4 modelos de IA

6 mercados4 idiomas

31 diasde respostas

Período da investigação7 ago 2026 – 19 set 2026

Recolhemos 4010 respostas do ChatGPT, do Gemini, do Perplexity e do Google AI Overviews, a perguntas de compradores em seis mercados: viagens de aventura, marketing de arquitetura, comércio eletrónico, software de CRM, terapia online e ferramentas de IA. No total, essas respostas citaram 31 447 fontes. A IA mencionou a marca em causa em 754 das 4010 respostas (18,8%). Esta média esconde uma grande dispersão: em dois mercados, a IA nomeou a marca em mais de metade das respostas. Nos outros quatro, nomeou-a em cerca de 2% a 11% delas. As afirmações só podem surgir de respostas que nomeiam a marca, pelo que a análise de afirmações usa um subconjunto dessas respostas:

As respostas analisadas provieram do ChatGPT, do Gemini e do Google AI Overviews, para perguntas de compradores em quatro dos seis mercados: software de CRM, comércio eletrónico, viagens de aventura e marketing de arquitetura. Em média, cada resposta continha 3,8 afirmações sobre a marca (2166 menções de afirmações em 567 respostas). Consoante o mercado, a IA fez entre 48 e 985 afirmações distintas sobre a marca.

Uma menção de afirmação é uma afirmação numa resposta. A mesma afirmação pode surgir em várias respostas, por isso há mais menções (2166) do que afirmações distintas (2084). 13 afirmações surgem em dois modelos de IA, pelo que as linhas dos modelos de IA somam 2097 afirmações distintas, e não 2084.

Poucas equipas de marketing conseguiriam listar tudo o que a IA diz sobre elas. Quase nenhuma o verificou.

Três veredictos, não dois

Para verificar uma afirmação, é preciso algo com que a comparar: os seus próprios factos. O que vende, a quem, onde e a que preço. Cada afirmação é depois comparada com esses factos e recebe um de três veredictos:

O terceiro veredicto é importante. Uma simples verificação de verdadeiro/falso obriga cada afirmação a entrar numa de duas caixas. Na prática, grande parte do que a IA diz sobre uma marca não é confirmada nem desmentida por nada do que a marca escreveu.

A maior lacuna: o que nunca escreveu

Quando uma marca não indica algo com clareza, a IA não fica em silêncio. Preenche a lacuna com avaliações, páginas antigas, artigos comparativos escritos por concorrentes ou o seu próprio treino. A afirmação «não abrangida» do exemplo pode até ser verdadeira. Mas a marca não a escolheu e não a consegue ver a menos que procure.

Isto muda o trabalho. Corrigir o que a IA diz de errado é apenas metade. A outra metade é indicar os factos sobre os quais a IA continua a adivinhar, em linguagem simples, em páginas que a IA consiga encontrar.

Elogiado, mas errado

Os modelos de IA são, na sua maioria, simpáticos com as marcas. Na nossa investigação, 68,8% das 2084 afirmações eram positivas, 27,5% neutras e apenas 3,7% negativas. Num relatório de sentimento, isto parece uma boa notícia. Mas uma afirmação positiva não é uma afirmação correta:

O sentimento diz-lhe o que a IA pensa de si. Não lhe diz se a IA tem razão. Precisa de ambos, e precisa deles por afirmação, não como uma única pontuação média.

Cada modelo de IA conta a sua própria história

Para comparar os modelos de IA de forma justa, agrupámos as 2084 afirmações por significado em 157 temas, como os preços de uma marca, a facilidade de utilização ou a área de entrega. Depois contámos que modelos de IA abordaram cada tema:

Cerca de um terço dos temas surgiu nos três modelos de IA. Mas 41,4% surgiram em apenas um. Um comprador que pergunta ao ChatGPT e um que pergunta ao Gemini podem ouvir falar de partes diferentes da mesma marca.

As fontes diferem ainda mais. As respostas por trás das afirmações citaram 952 sites diferentes. 83,8% desses sites foram citados por apenas um modelo de IA, 11,8% por dois e apenas 4,4% (42 sites) pelos três. Cada modelo de IA constrói a imagem da sua marca a partir do seu próprio conjunto de páginas.

Uma nota sobre estes números. Um passo de agrupamento automático ordena as afirmações por temas, pelo que as fronteiras entre temas não são exatas. Dois modelos de IA que abordam o mesmo tema podem, ainda assim, dizer coisas diferentes sobre ele. E um site citado por apenas um modelo de IA pode ser conhecido pelos outros.

Isto é importante para a exatidão, porque um modelo de IA pode citar o preço atual enquanto outro repete o antigo. Quando isso acontece, o erro não está na «IA em geral». Situa-se normalmente nas páginas específicas em que um modelo de IA se apoia, ou no que esse modelo aprendeu no treino. Isso torna-o algo rastreável, verificando cada modelo de IA em separado e analisando as fontes que as suas respostas citam.

Página em direto ou memória?

As respostas de IA recorrem a duas camadas: o que o modelo de IA encontra na web neste momento (Em direto), e o que o modelo aprendeu no treino (Memória). A origem de uma afirmação errada determina como a corrige. A resposta por trás da afirmação dá a primeira pista: citou fontes ou não?

Na nossa investigação, 78% das respostas por trás das afirmações citaram pelo menos uma fonte. Em conjunto, citaram 6504 fontes: 3785 páginas diferentes em 952 sites diferentes. A percentagem diferiu muito consoante o modelo de IA:

Para a maioria das afirmações há uma página que pode rastrear. No caso do Gemini, quase metade das respostas não citou nada, pelo que as suas afirmações são mais difíceis de rastrear até uma página.

Uma nota sobre esta divisão. Uma resposta sem fontes citadas não prova que o modelo de IA não usou páginas da web. Os modelos de IA também diferem na forma como mostram as fontes, e as respostas do ChatGPT nesta amostra foram recolhidas com a pesquisa na web ativada. Trate os dois casos como pistas a investigar, não como causas exatas, e não leia a tabela como uma classificação dos modelos de IA.

O que fazer a respeito

Usamos os mesmos quatro passos para a exatidão que para todas as outras partes da visibilidade em IA:

1. 1
   Ver

   Anote os seus factos: produtos, preços, mercados, quem serve. Depois recolha o que a IA realmente afirma sobre si, em vários modelos de IA, a partir de respostas reais.

2. 2
   Compreender

   Ordene cada afirmação: confirmada, contradita ou não abrangida. Verifique que modelo de IA a diz e que fontes a resposta usou.

3. 3
   Agir

   Corrija as afirmações contraditas na origem: primeiro as suas páginas, depois as páginas de terceiros que as respostas citam. Transforme as afirmações «não abrangidas» frequentes em factos claros e fáceis de encontrar.

4. 4
   Medir

   Continue a verificar. Uma correção numa página em direto pode surgir rapidamente. Uma lacuna de memória fecha-se lentamente, ao longo das atualizações dos modelos.

O Vosapio executa estes quatro passos por si: recolhe as respostas, extrai as afirmações, verifica-as com os factos que introduz e guarda as fontes por trás de cada resposta. Veja como o Vosapio monitoriza a visibilidade em IA, ou compare os planos para marcas e os planos para agências.

Para agências

Faça a mesma verificação para cada cliente. Mostre a cada cliente que afirmações a IA faz sobre ele, que modelo de IA as diz e que fontes estão por trás delas. É uma forma rápida de iniciar uma conversa com o cliente com dados em vez de opiniões, e de acordar que páginas corrigir primeiro.

Método e limitações

• Conjunto de dados completo. 4010 respostas do ChatGPT, do Gemini, do Perplexity e do Google AI Overviews a 297 perguntas de compradores monitorizadas em seis mercados e quatro idiomas (inglês, alemão, francês e romeno), recolhidas entre 7 de agosto e 19 de setembro de 2026 (em 31 dias). As respostas citaram 31 447 fontes.
• Os 19% são uma média, não uma referência. Reúne seis mercados de dimensões muito diferentes, e o maior mercado teve uma das taxas mais baixas. Se uma taxa de menções é alta ou baixa depende do mercado, da marca e das perguntas feitas.
• Análise de afirmações. 567 respostas do ChatGPT, do Gemini e do Google AI Overviews a 79 perguntas, em quatro dos seis mercados e quatro idiomas. As afirmações foram extraídas automaticamente entre 24 de setembro e 10 de outubro de 2026. Todos os valores de afirmações, sentimento e fontes neste artigo provêm destas 567 respostas.
• Como foram selecionadas as 567 respostas. Apenas as respostas que mencionam a marca podem conter afirmações sobre ela: foi o caso de 754 das 4010 respostas. Para cada marca, a análise recolhe as respostas mais recentes que a mencionam e que ainda não foram analisadas, e para após 500 respostas ou 500 afirmações por execução. As 567 são as respostas que produziram pelo menos uma afirmação. Não é uma amostra aleatória: tende para as respostas mais recentes e para as marcas que a IA mais menciona.
• Amostra pequena. Quatro mercados e três modelos de IA na análise de afirmações. Os números descrevem esta amostra. Não são uma estimativa para todas as marcas nem para todos os modelos de IA.
• Agrupamento. Os totais de afirmações só consideram duas afirmações iguais quando a formulação coincide, pelo que são superiores a uma contagem por significado. Para a comparação entre modelos de IA, um passo automático agrupou ainda as 2084 afirmações por significado em 157 temas.
• Extração automática. Um modelo extrai as afirmações e o respetivo tom de cada resposta. Algumas afirmações serão divididas, fundidas ou rotuladas incorretamente.
• Ainda sem taxas de exatidão. As marcas ainda não tinham introduzido os seus próprios factos, pelo que nenhuma afirmação tem veredicto. Não publicamos percentagens de afirmações certas ou erradas e atualizaremos este artigo quando as tivermos.
• Os factos vêm da marca. Uma afirmação só pode ser verificada com aquilo que a marca escreve. Uma marca com poucos factos recebe mais veredictos «não abrangida».
• Sem nomes de marcas. Os nossos valores são agregados. Nenhuma das marcas por trás deles é identificada.