A orientação LLM não transfere a mesma forma que a orientação SEO fez
Por cerca de duas décadas, a disciplina de SEO operou com base em uma suposição silenciosa que acabou sendo um de seus recursos mais valiosos. A orientação de um mecanismo de pesquisa viajou. Se o Google disse que os sitemaps eram importantes, o Bing disse que os sitemaps eram importantes. Se o Bing disse que os dados estruturados mereciam um esforço real, o Google disse o mesmo. Os profissionais otimizaram para o Google com razoável confiança de que o trabalho seria realizado em outros mecanismos, e na maioria das vezes isso aconteceu. Essa portabilidade não foi sorte. Foi o produto de uma camada de sobreposição estruturalmente grande que os principais motores de busca construíram em conjunto, tijolo por tijolo, ao longo de vinte anos.
Esse mundo não existe na terra do LLM. Os principais provedores treinam em diferentes corpora, executam diferentes crawlers sob diferentes políticas, encaminham diferentes consultas através de diferentes sistemas de recuperação e aplicam diferentes processos de alinhamento que moldam a resposta final de maneiras que os sinais upstream não podem prever. A orientação de qualquer fornecedor, incluindo a orientação do Google sobre seus próprios produtos Gemini, é um ponto de dados. Os profissionais que levam adiante o hábito de SEO, o hábito de tratar a orientação de um mecanismo como se fosse o mapa inteiro, otimizarão com confiança para uma plataforma e perderão as outras.
Barra lateral: enquanto eu finalizava este artigo, o Google publicou novas orientações sobre como otimizar seus recursos generativos de IA. Seu enquadramento é explícito: da perspectiva da Pesquisa Google, a otimização para pesquisa de IA ainda é SEO. Esse enquadramento é preciso para a Pesquisa Google. Não se estende a ChatGPT, Claude, Perplexity ou qualquer outro LLM, e é exatamente dessa armadilha que trata este artigo.
Os padrões compartilhados que tornaram a orientação de SEO portátil
A era da orientação portátil foi construída com base na colaboração real, não na coincidência. O protocolo Sitemaps tornou-se propriedade conjunta do Google, Yahoo e Microsoft em novembro de 2006, quando os três mecanismos concordaram formalmente em oferecer suporte a um protocolo comum na versão 0.90, com base nos Sitemaps 0.84 anteriores do Google de junho de 2005. Cinco anos depois, em 2 de junho de 2011, os mesmos três mecanismos lançaram o Schema.org, com a adesão de Yandex logo depois, para criar um vocabulário comum para marcação de dados estruturados. Esse foi o anúncio feito no palco do SMX Advanced. Eu fazia parte da equipe do Bing na época, e o que me impressionou na época é o que ainda importa agora. Os motores eram concorrentes, mas decidiram que um vocabulário compartilhado servia a todos. Os webmasters têm um conjunto de regras. A web obteve dados mais limpos. Os motores obtiveram sinais melhores. Todo mundo ganhou.
O padrão se repetiu com o robots.txt, a convenção de 1994 que se tornou RFC 9309 na IETF em 2022, formalizando o que todo rastreador sério já honrou. E repetiu-se novamente, mais recentemente, com IndexNow, o protocolo Microsoft Bing e Yandex lançado em outubro de 2021. IndexNow agora é suportado por Bing, Yandex, Naver, Seznam e Yep. O Google testa o protocolo desde 2021, mas não o adotou.
Essa camada de sobreposição é exatamente a razão pela qual a orientação do Google parecia segura de seguir, mesmo que você se preocupasse com o tráfego do Bing. Os sinais usados pelos motores não eram idênticos, mas as entradas que aceitavam, os protocolos que respeitavam e os padrões que anunciavam eram. A otimização tinha um substrato compartilhado.
Onde as pilhas LLM realmente divergem
O ambiente LLM não possui um substrato compartilhado de tamanho comparável. As diferenças não são cosméticas e não são temporárias. Eles estão incluídos na forma como os sistemas são construídos.
Comece com dados de treinamento. OpenAI assinou acordos de licenciamento divulgados com a News Corp no valor de até US$ 250 milhões em cinco anos, Axel Springer em cerca de US$ 13 milhões por ano, Reddit em cerca de US$ 70 milhões por ano, além do Financial Times, Condé Nast, Hearst, Vox Media, The Atlantic, Associated Press, Le Monde e outros. O Google tem seu próprio acordo com o Reddit, estimado em US$ 60 milhões por ano, garantindo acesso à API de dados em tempo real. A Anthropic não divulgou publicamente acordos equivalentes de licenciamento de editores, e esse status não divulgado é em si o ponto de contato do profissional. Os corpora que alimentaram estes modelos, e que continuam a atualizá-los, não são os mesmos documentos. Os profissionais não podem saber o que um determinado fornecedor pagou e o que não pagou.
A infraestrutura do rastreador diverge em seguida. OpenAI executa três bots separados: GPTBot para treinamento, OAI-SearchBot para indexação de pesquisa e ChatGPT-User para recuperação iniciada pelo usuário. A Anthropic executa três deles: ClaudeBot para treinamento, Claude-SearchBot para pesquisa e Claude-User para recuperação iniciada pelo usuário. Perplexity executa PerplexityBot e Perplexity-User. O Google introduziu o Google-Extended em setembro de 2023 como o agente de usuário que controla se o Google pode usar o conteúdo de um site para treinar o Gemini, totalmente separado do Googlebot que lida com a indexação de pesquisa tradicional. Não existe um único agente de usuário de IA. Cada provedor exige uma regra separada, e as regras não são traduzidas de maneira clara entre os provedores porque os bots não realizam trabalhos equivalentes de maneiras equivalentes.
As arquiteturas de recuperação divergem estruturalmente. Historicamente, o ChatGPT usou o índice do Bing como sua principal fonte de pesquisa na web, e essa conexão parece ainda ser a principal, embora a OpenAI continue a construir infraestrutura adicional junto com ela. A Perplexity construiu seu sistema de recuperação em um pipeline baseado em Vespa que trata documentos e partes de subdocumentos como unidades recuperáveis de primeira classe. O Gemini do Google usa o próprio índice do Google mais a base do Knowledge Graph. Claude usa o Brave Search como parceiro de recuperação. A mesma consulta, quatro sistemas de recuperação diferentes, quatro visões diferentes sobre quais fontes existem e quais fontes valem a pena serem reveladas.
Depois vem a camada de alinhamento, onde o SEO não tinha equivalente algum. Depois que um modelo é treinado em seu corpus, os provedores realizam um pós-treinamento para moldar como o modelo realmente se comporta: tom, padrões de recusa, formato, postura de segurança, o que conta como uma boa resposta. A abordagem principal da OpenAI tem sido RLHF, ou Reinforcement Learning from Human Feedback, onde avaliadores humanos pontuam os resultados do modelo e o modelo aprende a produzir respostas altamente avaliadas. A Antrópica desenvolveu a IA Constitucional, que treina modelos para criticar e revisar seus próprios resultados em relação a um conjunto escrito de princípios. Estas metodologias produzem comportamentos comprovadamente diferentes nos produtos finais. O mesmo conteúdo recuperado, alimentado em dois modelos alinhados por duas metodologias, pode gerar duas respostas materialmente diferentes sobre a mesma marca.
Quando a orientação de um provedor falha comprovadamente na portabilidade
O exemplo mais claro de orientação que não é portado é llms.txt. Jeremy Howard, da Answer.AI, propôs o arquivo em setembro de 2024 como um manifesto de redução, colocado na raiz de um site, que guiaria os LLMs para o conteúdo mais importante. A proposta foi aceita por toda a comunidade SEO. Yoast construiu um gerador. As agências adicionaram a criação de llms.txt aos seus catálogos de serviços. Os oradores da conferência declararam-no essencial.
Em meados de 2026, nenhum grande provedor de LLM confirmou que consome o arquivo. Não é OpenAI. Não Antrópico. Não é o Google. Análises de log de servidor em centenas de milhares de domínios mostram que os principais rastreadores de IA não solicitam /llms.txt rotineiramente. John Mueller, do Google, comparou-a publicamente com a meta tag de palavras-chave obsoleta. Gary Illyes confirmou no Search Central Live em julho de 2025 que o Google não oferece suporte a llms.txt e não planeja fazê-lo.
Já escrevi sobre isso em outro lugar, então não vou repetir os detalhes técnicos aqui. O que importa para este argumento é a lição estrutural. Schema.org teve sucesso porque três motores o construíram juntos e depois o aplicaram juntos. O Llms.txt foi proposto por um pesquisador, escolhido por fornecedores de ferramentas e ignorado pelas plataformas que deveria servir. O modelo de padrões compartilhados que deu ao SEO sua orientação portátil não está disponível para profissionais de LLM na mesma escala, porque as plataformas não estão construindo os padrões juntas. Eles estão construindo seus próprios pipelines.
A Inversão de Gêmeos
A ilustração mais clara de até que ponto a portabilidade da orientação se degradou está dentro de uma empresa. O Google publica sua própria documentação de SEO na Search Central, a orientação canônica que a indústria segue há duas décadas. Esses documentos enfatizam os sinais tradicionais de classificação, EEAT, qualidade do conteúdo, acessibilidade técnica e dados estruturados. Essa orientação ainda é útil para a própria Pesquisa Google.
O Google também fabrica o Gemini, o modelo que alimenta as visões gerais de IA e a superfície separada do modo AI do Google. E o comportamento de citação dessas superfícies não parece acompanhar a orientação que a mesma empresa publica para os seus próprios resultados de pesquisa.
No final de 2024, cerca de três quartos das páginas citadas nas visões gerais de IA também estavam classificadas entre as 12 primeiras do Google para a mesma consulta. No início de 2026, depois que o Google atualizou as visões gerais de IA para Gemini 3 em janeiro, o Ahrefs analisou 4 milhões de URLs de visão geral de IA e descobriu que apenas 38% das páginas citadas também apareciam entre as 10 primeiras para a mesma consulta. Uma análise separada do BrightEdge colocou a sobreposição mais próxima de 17%. O trabalho pós-atualização do SE Ranking descobriu que o Gemini 3 substituiu aproximadamente 42% dos domínios citados anteriormente nas versões anteriores do modelo e gera 32% mais fontes por resposta.
A lacuna aumenta ainda mais quando você olha para o Modo IA do Google, que é uma superfície de conversação separada que funciona na mesma família Gemini. Os dados da Semrush mostram que o AI Mode e AI Overviews chegam a conclusões semanticamente semelhantes 86% das vezes, mas citam os mesmos URLs apenas 13,7% das vezes. Apenas 14% das citações do Modo AI estão classificadas no tradicional top 10 do Google.
Parece, até agora, que a relação canônica mudou. As orientações de SEO publicadas pelo Google ainda são o caminho mais limpo para a classificação na Pesquisa Google. Mas essa classificação não é mais um proxy confiável para ser citada pelas próprias superfícies de IA do Google. A mesma orientação, o mesmo conteúdo, o mesmo domínio, podem produzir três resultados significativamente diferentes na Pesquisa Google, nas visões gerais de IA e no modo IA, mesmo que todos os três vivam dentro da mesma empresa. O antigo manual de seguir as orientações do mecanismo de busca e confiar que as outras superfícies do mecanismo se comportariam de forma consistente não parece estar gerando os mesmos retornos de antes.
O que ainda é portado e por que é menor do que parece
Uma camada universal sobrevive. A acessibilidade do rastreador ainda é importante em todos os provedores. O conteúdo factual de fonte primária ainda ganha mais citações do que a reformulação do agregador. Uma estrutura recuperável limpa ainda ajuda cada sistema a entender do que se trata uma página. A presença nas fontes de alta autoridade que todos os principais LLMs citam desproporcionalmente, Wikipedia, YouTube, Reddit, principais meios de comunicação, ainda funciona como um multiplicador de força entre plataformas. Ganhar visibilidade nessas fontes dá ao conteúdo a chance de aparecer em qualquer LLM que se baseie nelas.
Mas a camada universal é muito menor do que era na era SEO. A análise da Qwairy de 118.000 respostas de IA em ChatGPT, Perplexity, Google AI Mode e Claude descobriu que apenas 11% dos domínios citados apareceram em múltiplas plataformas. Os outros 89% eram específicos da plataforma. Uma marca que ganha citações na Perplexity pode ser praticamente invisível em Claude. Uma marca que é referência regular no ChatGPT pode nem aparecer nas visões gerais de IA. O mesmo conteúdo pode ser a resposta certa para um sistema e a resposta errada para o sistema próximo a ele.
O que isso significa para o trabalho
A implicação prática é não abandonar toda a esperança. É que os profissionais precisam parar de tratar a orientação de qualquer provedor de LLM como um mapa universal e começar a tratá-la como uma entrada entre várias. Leia o que todos os principais fornecedores publicam sobre seus próprios sistemas. Teste sua visibilidade em todas as plataformas, não apenas na plataforma que você mais usa. Trate a divergência como padrão e a sobreposição como exceção, e não o contrário.
Não foi assim que o SEO funcionou, e a diferença é importante. O antigo reflexo era otimizar para o Google e confiar na portabilidade. A nova realidade é que seguir uma orientação do LLM, até mesmo a orientação do Google sobre o Gemini, deixará você otimizado para uma fatia do cenário e potencialmente cego para o resto. A disciplina está sendo reconstruída com base em um trabalho específico de plataforma que não existia na era do SEO, e os profissionais que reconhecerem isso primeiro passarão os próximos dois anos definindo os padrões que todos os outros seguem.
A sobreposição diminuiu. Agora você tem mais trabalho do que nunca para realizar.
Se você tiver alguma ideia sobre onde a divergência entre os fornecedores é mais acentuada em seu próprio trabalho, entre em contato diretamente. Eu realmente gostaria de ouvir o que está aparecendo nos dados.
Mais recursos:
Esta postagem foi publicada originalmente em Duane Forrester Decodes.
Imagem em destaque: Rawpixel.com/Shutterstock; Poesia de Paul/Jornal do mecanismo de pesquisa
