Consultoria em IA generativa e otimização para IA (GEO)

Consultoria em IA generativa é o trabalho de colocar uma empresa dentro do circuito dos modelos de linguagem em duas direções simultâneas. Para fora: fazer com que a marca seja recuperável, compreendida e citada quando alguém pergunta a um assistente em vez de pesquisar em um buscador. Para dentro: adotar esses mesmos modelos em processos reais com governança de prompt, de dado sensível e de decisão. A frente externa tem nome próprio — GEO, generative engine optimization — e é a que mais aparece nas conversas que tenho hoje, porque mexe na camada de descoberta da internet.

A resposta curta para quem procura consultoria especializada em otimização para IA generativa é que o entregável mudou de natureza. Não se entrega mais posição em uma lista de resultados; entrega-se probabilidade de aparecer dentro de uma resposta sintetizada, atribuída, que o usuário lê sem clicar em nada. Isso exige três coisas que o marketing digital tradicional não produzia: conteúdo escrito para ser extraído em bloco, uma entidade consistente e verificável fora do próprio site, e dado estruturado suficiente para que a máquina não precise adivinhar quem você é.

A pergunta substituiu a busca, e o intermediário virou um modelo

Vale ser preciso sobre o que mudou, porque a confusão começa aí. O buscador clássico devolvia dez opções e transferia ao humano a decisão de qual abrir. O assistente devolve uma resposta e um punhado de fontes de apoio, escolhidas pelo sistema. A seleção que antes era do usuário passou a ser do sistema. Não houve encolhimento de tráfego apenas: houve transferência de autoridade editorial para um intermediário estatístico.

Isso reorganiza a economia de atenção de um jeito duro. Em uma lista, o quinto colocado ainda recebe alguma coisa. Em uma resposta gerada, quem não é citado simplesmente não existe naquela interação — não há segunda página, não há rolagem, não há consolação. Numa resposta que cita um punhado de fontes, não existe quinto colocado, e essa é a razão pela qual empresas que estavam confortáveis em posições medianas descobriram de repente que estavam fora do jogo. O consolo da posição intermediária, que no buscador ainda rendia clique residual, desapareceu do formato.

GEO não sucede o SEO: ele reaproveita a infraestrutura e troca o critério

O erro estratégico mais comum que encontro é tratar GEO como substituto do SEO e desmontar o que funcionava. É errado por um motivo técnico simples: os assistentes não inventaram um índice paralelo da web. Eles recuperam de índices existentes, de rastreamento próprio e de bases licenciadas. Página que não é rastreável, que demora a renderizar ou que esconde o texto atrás de JavaScript pesado continua invisível — agora com uma penalidade extra, porque perdeu também o canal de citação.

O que muda é o critério de sucesso, não a fundação. O SEO otimiza para o clique; o GEO otimiza para a citação. Um mede posição, o outro mede presença dentro da resposta. Quem quiser entender o mecanismo em detalhe deve ler o que é GEO, generative engine optimization, porque a partir daqui vou tratar das decisões que decorrem dele. A leitura prática é que o SEO virou pré-requisito e deixou de ser o produto: ele garante que você seja alcançável, não que você seja escolhido.

O modelo cita trechos, não páginas — escreva para sobreviver ao recorte

Aqui está a parte técnica que costuma ficar de fora do escopo. Quando um sistema de recuperação prepara conteúdo para um modelo, ele fragmenta o texto em pedaços e compara esses pedaços com a pergunta em espaço vetorial. Não é a sua página que é avaliada, é o fragmento. O mecanismo por trás disso está bem descrito em embeddings e busca vetorial, e a consequência editorial é direta: um parágrafo que só faz sentido depois de ler os três anteriores tem chance baixa de ser recuperado, e chance ainda menor de ser citado sem distorção.

Escrever para extração significa fazer cada bloco carregar contexto suficiente para ser autossuficiente. Responder a pergunta central nos dois primeiros parágrafos, não no fim. Nomear a entidade por extenso em vez de usar pronome três seções seguidas. Colocar a definição, o número e a condição de aplicação no mesmo bloco em que aparecem. Isso não é escrever pior — é escrever com consciência de que o leitor pode ser um recuperador que só vai enxergar um fragmento isolado, sem o resto da página em volta. A mesma lógica governa qualquer sistema de RAG montado internamente, o que explica por que as duas frentes da consultoria se retroalimentam.

Sem entidade reconhecível, não há citação — e entidade se constrói fora do seu site

Um modelo não cita um domínio; ele cita uma entidade sobre a qual acumulou evidência consistente em muitas fontes independentes. Nome, o que a empresa faz, onde opera, quem a lidera, com o que se relaciona. Se essa descrição varia entre o site, o LinkedIn, o diretório setorial, a matéria na imprensa e o perfil no marketplace, o sistema tem sinais conflitantes e resolve o conflito da forma mais segura possível: escolhendo outra fonte.

Daí a exigência de presença distribuída e consistente. Não se trata de espalhar links, e sim de repetir a mesma descrição verificável em superfícies que o modelo já considera confiáveis. Empresas gastam meses reescrevendo o próprio site e nenhuma semana corrigindo a descrição divergente que circula em dez lugares. Por isso priorizo a consistência externa antes da reescrita interna: enquanto as fontes independentes se contradizem, o texto novo do site entra como mais uma versão em disputa, não como a versão correta. É a parte do trabalho que ninguém quer fazer porque não aparece em dashboard e não rende print de antes e depois — mas é a que decide se o sistema tem uma entidade estável para citar.

Medir GEO com o painel do SEO é medir a coisa errada

Se o entregável é citação, o instrumento tem de ser outro. Posição média e volume de busca não descrevem o fenômeno, porque a resposta de um modelo não é determinística: a mesma pergunta, feita duas vezes, produz saídas diferentes. Medição séria exige um conjunto fixo de perguntas que represente a demanda real do mercado, rodado com repetição nos principais assistentes, registrando aparição, contexto e fonte atribuída. O que se acompanha é frequência, não ranking.

E é preciso medir também o erro. Modelos atribuem informação à fonte errada, misturam dados de concorrentes e afirmam coisas que a empresa nunca disse — o mecanismo está explicado em por que a IA inventa. Uma empresa citada com informação incorreta está em situação pior do que a não citada, porque a resposta gerada carrega autoridade percebida e chega ao usuário sem o contraditório de uma lista de links. Corrigir isso é trabalho de fonte primária: publicar o dado certo, de forma inequívoca, onde o recuperador vai buscá-lo.

Dado estruturado deixou de ser enfeite de SEO e virou desambiguação

Marcação semântica sempre foi tratada como um item de checklist técnico com retorno duvidoso. Nesse contexto, ela muda de função. Schema não serve mais para ganhar um rich snippet bonito; serve para declarar, em formato que não depende de interpretação, que esta organização tem este nome, esta localização, este responsável, este serviço, e que este texto é uma resposta a esta pergunta. É a diferença entre deixar a máquina inferir e informar a máquina.

O ganho não é cosmético. Quando o sistema precisa decidir entre duas empresas de nome parecido, ou entre duas leituras possíveis de um serviço, a marcação resolve a ambiguidade a favor de quem a forneceu. Para operar isso sem virar improviso, existe uma sequência mínima de verificação antes de cada publicação, que mantenho documentada em checklists de SEO, GEO e publicação.

Do lado de dentro: o mesmo insumo alimenta a citação e o RAG interno

A outra metade da consultoria é interna, e se liga à primeira por um detalhe pouco óbvio: o acervo estruturado que faz um modelo público citar a sua empresa é exatamente o insumo que faz um assistente interno responder bem sobre ela. Definição inequívoca de serviço, dado com fonte declarada, bloco autossuficiente — quem arruma isso para GEO já arrumou metade do que o RAG interno precisa, e vice-versa. A diferença é que, do lado de dentro, esse acervo circula junto com contrato, folha e base de clientes, o que transforma a adoção em um problema de regra escrita antes de ser um problema de ferramenta — tema que trato à parte em consultoria de inteligência artificial.

Tratar GEO como campanha de três meses — e o erro oposto

O erro mais frequente é tratar GEO como campanha. Contrata-se um pacote de três meses, produz-se conteúdo, mede-se citação, não se encontra o resultado esperado e conclui-se que não funciona. Mas o que se está construindo não é uma campanha, é reputação legível por máquina — e reputação tem inércia nos dois sentidos: demora a subir e demora a cair. Quem começa depois não compra o tempo perdido com orçamento maior.

O segundo erro é o inverso: abandonar o que funciona por medo de ficar para trás. Desmontar SEO, tráfego pago e presença de marca para financiar uma aposta em citação é trocar receita presente por hipótese futura. A leitura correta é que a camada de descoberta passou a ter dois regimes coexistindo, com pesos diferentes por setor e por tipo de decisão de compra. A hipótese de trabalho que uso, e que precisa ser testada setor a setor antes de virar orçamento, é que a compra complexa, de ciclo longo e alto risco, migra mais rápido para a conversa com o assistente, enquanto a compra simples e local segue resolvida no buscador e no mapa. O teste é barato: rodar as perguntas reais do seu mercado e ver onde a decisão está sendo formada.

O que uma consultoria séria faz, no fim, é menos glamouroso do que se vende por aí. Ela audita o que já existe, corrige a fundação técnica que sustenta as duas coisas, reescreve o conteúdo para sobreviver ao recorte, unifica a descrição da entidade em todas as superfícies onde ela aparece, instala uma medição honesta de citação, e coloca a adoção interna sob regra explícita. Nenhum desses itens é uma ideia nova. Juntos, são a diferença entre ser uma fonte que o modelo escolhe e ser uma empresa que ele nunca menciona.

---

Se a sua empresa precisa aparecer nas respostas dos modelos, a primeira pergunta não é quanto conteúdo produzir: é o que os assistentes já respondem hoje quando alguém pergunta pelo seu mercado, e com qual fonte. Costumo começar por aí — medir a citação atual, ver onde a descrição da entidade se contradiz, e só então decidir o que reescrever. Se quiser fazer esse levantamento comigo, no Grupo WYS, o caminho mais direto é o contato; se o formato mais útil for levar o tema para dentro da sua liderança primeiro, há também o caminho das palestras.