Como a IA escolhe as fontes que cita: as 11 peneiras entre o seu conteúdo e a resposta
Entre o texto que você publica e o nome da sua marca numa resposta de IA existem 11 pontos de descarte. Só quatro deles ficam dentro do seu site.
"A gente precisa aparecer no ChatGPT." Essa é a frase que eu mais escuto desde que o ChatGPT surgiu, e a expectativa é receber uma resposta simples como era o "você precisa investir em SEO".
A banda não toca mais do mesmo jeito. O que parece ser 1 problema são, na verdade, 11.
Entre o texto que você publicou e o nome da sua marca aparecendo numa resposta de IA existem 11 pontos em que o seu conteúdo pode ser descartado. Onze. Cada um com uma causa própria, cada um pedindo um tipo de trabalho diferente, e a maioria deles fora do seu site.
Este artigo é uma ideia de framework das 11 peneiras. Não é um passo a passo, e eu vou insistir nisso mais de uma vez ao longo do texto, porque a tentação de transformar qualquer coisa numerada em checklist é forte e é justamente ela que estraga o raciocínio.
Boa leitura!
De onde vem esse raciocínio
O nome técnico disso é RAG, sigla em inglês para geração aumentada por recuperação. O conceito foi publicado em 2020, em pesquisa acadêmica, e hoje é a arquitetura padrão de praticamente todo produto de IA que responde citando fontes.
A ideia é simples. Um modelo de linguagem sozinho responde com o que sobrou do treinamento dele, aquilo que ficou registrado nos pesos, sem consultar nada. Com RAG, antes de escrever a resposta, o sistema vai buscar informação numa base externa e usa o que encontrou para redigir. É o que permite que a resposta cite um link, traga um dado de ontem, saiba de uma coisa que aconteceu depois do treino.
Só que a literatura descreve RAG em três ou quatro etapas, porque descreve o sistema em tese, geralmente numa base fechada e controlada. O que roda dentro de um ChatGPT ou de um AI Overview, com busca na web ao vivo, decisão de buscar ou não, várias consultas em paralelo, tem bem mais camadas.
Então o que vem abaixo é uma releitura aplicada, não uma citação de artigo científico. É o desenho que eu uso para diagnosticar por que uma marca não aparece, montado a partir da arquitetura pública, do que já foi observado por outras pessoas e do que eu testei aqui, na mão.
Onde eu observei, eu digo. Onde eu inferi, eu digo também. E onde não dá para ver de fora, eu digo que não dá. Bora?
Por que peneira, e não etapa
Etapa sugere fila e fila sugere que você cumpre a primeira, passa para a segunda, e no fim chega ao prêmio. Não é isso que acontece.
Cada um desses onze pontos é uma peneira: uma passagem que descarta a maior parte do que chega e deixa passar pouco. Elas não rodam todas, não rodam sempre na mesma ordem, e algumas simplesmente não acontecem dependendo da pergunta. Você pode passar impecavelmente pelas quatro primeiras e ser descartada numa quinta que nem chegou a rodar.
Eu separo as onze em três zonas, e a divisão é por tempo, não por importância.
Zona 1, o que já estava pronto antes de alguém perguntar. Peneiras 1 a 4. Acontece semanas ou meses antes, no seu ritmo.
Zona 2, o que acontece no instante da pergunta. Peneiras 5 a 8. Acontece em dois segundos, dentro do sistema, e você não vê.
Zona 3, o que sobra na resposta. Peneiras 9 a 11. É a única parte que você lê.
Guarde esta divisão. As quatro primeiras são as únicas que você edita direto, e é nelas que o mercado inteiro está trabalhando. Nas outras sete você não mexe na hora em que elas rodam, o que é bem diferente de dizer que elas não dependem de você: a peneira 6 responde ao que os outros escrevem sobre a sua marca, a 7 responde à largura da sua cobertura, a 9 responde a você ter alguma coisa que só você tem. O que muda é o prazo. A zona 1 muda em semanas. O resto muda em meses.
Zona 1: o que já estava pronto antes de alguém perguntar
Essa zona é a mais confortável, porque o tempo é seu e dá para refazer com calma. É também a que mais engana: fazer bem feito aqui não garante nada adiante, só evita que você seja descartada antes de começar.
Peneira 1. Conteúdo
Existir, e dizer com clareza quem você é e do que trata.
Parece óbvio e é onde mais gente tropeça, por um motivo específico: muito site institucional brasileiro é escrito para impressionar, não para informar.
"Soluções inovadoras que transformam o seu negócio" não diz categoria, não diz para quem, não diz onde, não diz preço, não diz nada. Um sistema que precisa entender do que aquela página trata para poder recuperá-la depois não tem com o que trabalhar.
Onde morre: conteúdo que não afirma nada verificável. Página que fala de benefício sem nunca nomear o que a empresa faz.
O que fazer: escrever a informação sem rodeio. Categoria, o que resolve, para quem, em que lugar, com que diferença. Isso é a parte de entidade do trabalho, e é a mais barata de todas.
Peneira 2. Acesso
O conteúdo existe. A máquina consegue chegar nele?
Aqui entram robots.txt, bloqueio de bot no firewall ou no CDN, paywall, login, e conteúdo que só aparece depois que o JavaScript roda. Cada plataforma de IA tem seus próprios agentes, e alguns deles são separados: um rastreia para treinamento, outro busca na hora de responder. Bloquear os dois achando que está bloqueando um é comum.
Vale um caso recente, porque ele mostra exatamente como essa peneira é mal diagnosticada. Quando o Reddit despencou nas respostas do ChatGPT em agosto, a explicação que mais circulou foi que o Reddit teria bloqueado os bots no robots.txt. Só que aquele disallow está lá desde 2024. Não tinha relação nenhuma com a queda. A causa estava em outra peneira, mais adiante neste texto.
Onde morre: bloqueio que ninguém sabe que existe, quase sempre configurado por outra área (alô TI!)
O que fazer: conferir robots.txt, conferir se o CDN não está barrando agente de IA, e testar a página com JavaScript desligado para ver o que sobra de conteúdo legível.
Peneira 3. Fragmentação
Esta é a que quase ninguém considera, e ela impacta na forma como você escreve.
O sistema não guarda o seu artigo, ele guarda pedaços dele. O texto é quebrado em trechos, e é o trecho que vai ser recuperado, lido e eventualmente usado. A unidade não é a sua página. É um bloco de algumas centenas de palavras que vai ser lido sozinho, sem o título, sem o parágrafo anterior, sem você por perto para explicar.
A consequência prática é direta: um trecho que só faz sentido dentro do contexto do artigo inteiro é um trecho fraco. Se o seu terceiro subtítulo diz "Como funciona na prática" e o parágrafo abaixo começa com "por isso, ele precisa de", esse pedaço, isolado, não informa nada.
Onde morre: texto que depende do resto do texto para significar alguma coisa.
O que fazer: cada seção precisa se sustentar sozinha. Repetir o sujeito em vez de usar pronome. Subtítulo que descreve o conteúdo em vez de fazer graça. Responder a pergunta logo abaixo do subtítulo, e depois desenvolver.
Peneira 4. Indexação
O trecho foi guardado. Ele é encontrável pelos termos que importam?
Aqui acontece uma tradução: o texto vira representação numérica, e a recuperação depois vai comparar significados, não palavras exatas. Isso é bom para você, porque não exige casar a palavra-chave letra por letra (na verdade, já tem um tempão que para SEO também não precisava, sabe, né?). Mas pode ser ruim se o seu conteúdo trata de um assunto usando um vocabulário que ninguém mais usa, porque a proximidade de significado se constrói no vocabulário comum.
Onde morre: conteúdo que fala da categoria com nome próprio inventado pela empresa. Se você chamou o seu produto de "plataforma de orquestração de jornada" e o mercado inteiro chama de CRM, você está indexada longe de onde a pergunta vai cair.
O que fazer: usar o nome que o seu cliente usa, e só depois o nome que você prefere.
Zona 2: o que acontece no instante da pergunta
Essa zona é a que mais decide e a que menos gente olha. Ela roda em dois segundos, dentro do sistema, e não aparece em nenhum relatório.
Peneira 5. Decisão de buscar
O modelo pode simplesmente não buscar.
Se ele julga que já sabe responder, ele responde de memória, sem consultar nada. E quando isso acontece, as quatro peneiras anteriores não valem absolutamente nada naquela resposta. Seu site pode estar perfeito - ele pode sequer ser consultado.
O que dispara busca é sobretudo o formato da pergunta. Um estudo apresentado no SIGIR analisou 11.500 consultas e encontrou que pergunta formulada como pergunta gera resposta de IA em 89,9% dos casos, enquanto consulta solta gera em 51,9%. Quanto mais longa e específica, maior a chance de exigir uma busca.
Dá para testar em cinco segundos: se a resposta não trouxe nenhuma fonte citada, significa que a plataforma te respondeu de memória.
Onde morre: aqui morre a ilusão de controle. Nesta peneira, quem decide é o modelo, e o critério é a pergunta que o usuário fez.
O que fazer: entender as nuances e não tratar tudo como se fosse a mesma coisa. Aparecer na resposta de memória é trabalho de anos de menção acumulada. Aparecer na resposta com busca é trabalho de conteúdo recuperável. E o mais importante: saber em qual dos dois você está medindo, porque isso muda toda a conclusão. Se a sua lista de monitoramento é toda curta e com nome de marca, você está medindo a memória, e vai concluir que produzir mais conteúdo não adianta. Se é toda longa e comparativa, está medindo a busca, e vai concluir o contrário. Nenhuma das duas conclusões vai estar certa.
Peneira 6. Geração de consulta
Se ele decidiu buscar, ele não busca a sua pergunta. Ele escreve outras.
O modelo reformula o que o usuário digitou e dispara várias buscas em paralelo, com recortes diferentes. E aqui está a descoberta que mais mudou o meu trabalho neste ano: nessas consultas que ele escreve, já aparecem nomes de marca que o usuário nunca digitou.
Eu vi isso nos meus testes e conferi com o que outras pessoas estavam observando. O consultor Suganthan Mohanadasan gravou o tráfego de rede de 60 conversas do ChatGPT no fim de julho e publicou em 10 de agosto: marca que aparece já nessa primeira consulta chega à resposta final em 68,9% das vezes; marca que só é encontrada durante a busca chega em 2,1%.
É uma amostra pequena, num período curto, e eu não levaria esses percentuais para uma apresentação de diretoria. Mas a direção do sinal é clara, e bate com o que eu observei por aqui.
Foi também uma mudança nesta peneira que derrubou o Reddit. O ChatGPT passou a usar mais a fonte site, o domínio da própria marca buscada, e menos a busca ampla na web aberta. Caiu Reddit, caiu imprensa, caíram diretórios e fóruns. Sumiu a camada inteira de quem fala sobre marcas, e sobrou quem fala de si.
Onde morre: aqui morre marca que não é lembrada. Se boa parte da disputa é resolvida antes de qualquer servidor ser contatado, então schema, velocidade de página, llms.txt e volume de artigo não influenciam uma consulta que foi escrita antes de qualquer página ser buscada.
O que fazer: ser escrita, citada e comparada por outras pessoas, ao longo do tempo, fora do seu site. Não é tarefa de time técnico. É trabalho de marca, de imprensa, de presença. Entidade e contexto, de novo.
E dá para ver as consultas, sem programar e sem pagar ferramenta: rode o prompt, copie o identificador da conversa na barra de endereço, abra o inspetor do navegador na aba Network, filtre pelo identificador, atualize, clique no primeiro item do tipo fetch e procure por search_model_queries dentro da resposta.
Está tudo lá, inclusive os nomes que ele mesmo escreveu. O passo a passo com prints você encontra na terceira edição da Cite a Fonte, a nossa newsletter no Linkedin.
Peneira 7. Recuperação
Cada uma daquelas consultas volta com um conjunto de resultados.
É a peneira mais parecida com busca tradicional, e por isso é a que menos surpreende. O que muda é a quantidade: não existe "a busca", existem várias, e você pode aparecer em uma e ficar de fora de todas as outras.
Onde morre: cobertura estreita. Você está bem posicionada para o termo da categoria e ausente nos recortes vizinhos, que são justamente os que o modelo escreve.
O que fazer: cobrir os recortes reais da decisão, não só o termo principal. Comparação, preço, alternativa, para qual porte, para qual setor.
Peneira 8. Reordenação
O que voltou é reordenado antes de qualquer coisa ser lida.
Um segundo passe pega o conjunto recuperado e reordena por relevância em relação à pergunta original, agora com um julgamento mais fino. Coisa que veio bem colocada na busca pode descer aqui, e vice-versa.
Onde morre: conteúdo que casa com o termo mas não responde à intenção. Ele é recuperado e depois rebaixado. Por isso a gente reforça sempre que pode: intenção > volume.
O que fazer: pouca coisa direta, e é honesto dizer isso. Essa peneira responde a quão bem o trecho responde à pergunta, o que nos devolve à peneira 3.
Zona 3: o que sobra na resposta
Aqui a decisão já foi tomada e você não participou de nenhuma delas. É a parte que todo mundo lê, mede e transforma em relatório, e é justamente a que menos explica o resultado.
Peneira 9. Seleção
Do que sobreviveu à reordenação, uma parte entra no material que o modelo vai ler para redigir. Uma parte, não tudo. Há limite de espaço, e há preferência por diversidade de fonte, para a resposta não sair inteira de um lugar só.
Isso significa que existe uma competição que não é por qualidade, é por vaga. Duas páginas ótimas dizendo a mesma coisa disputam o mesmo assento, e uma fica de fora.
Onde morre: aqui morre quem repete o consenso. Se o seu texto diz exatamente o que os outros quatro já disseram, você é redundante para o sistema, mesmo sendo bom. É o conceito do "ganho de informação" (information gain) que muita gente tem comentado.
O que fazer: ter alguma coisa que só você tem. Dado próprio, teste, número, recorte brasileiro, posição. É a razão pela qual pesquisa proprietária vale tanto, e não é só por vaidade de marca.
O que dá para observar: nada, de fora. Esta peneira é invisível.
Peneira 10. Síntese
O modelo lê o material selecionado e escreve a resposta.
E aqui acontece a coisa mais chatona deste artigo: o que ele usa para escrever nem sempre é o que ele mostra como fonte. Um trecho seu pode moldar a resposta inteira, dar o número, dar o enquadramento, e não aparecer nenhum link seu no fim. Como pode acontecer o contrário, de um link aparecer sem ter contribuído com quase nada.
Onde morre: morre a sua capacidade de medir. Não é que o seu conteúdo não foi usado, é que não tem como, realmente, saber se foi.
Peneira 11. Atribuição
O que aparece como link para quem leu.
Esta é a única das onze que a maior parte do mercado mede, mas veja, é a última depois de outras dez. Quando alguém diz "não estou aparecendo nas IAs", está descrevendo o resultado desta peneira e atribuindo a causa, quase sempre, à primeira (conteúdo).
O que fazer: parar de tratar citação como a única métrica. Ser reconhecida não é o mesmo que ser mencionada. E dá para estar ótima no fundo do funil, quando perguntam o seu nome, e invisível no meio, quando perguntam pela categoria. O problema é que é no meio que se alcança gente nova.
Quatro coisas que quebram a ordem
Se você leu até aqui como uma escada, vou destruir seus sonhos agora.
As zonas 1 e 2 rodam em tempos diferentes (o que já estava pronto, peneiras 1 a 4, e o instante da pergunta, peneiras 5 a 8). Uma é sua, feita com calma, meses antes. A outra acontece em dois segundos, e não tem nada que você possa fazer para interferir.
A peneira 5 pode cancelar as quatro primeiras (a decisão de buscar cancela conteúdo, acesso, fragmentação e indexação). Se o modelo não busca, todo o trabalho de conteúdo, acesso, estrutura e indexação fica fora daquela resposta específica. Não foi mal avaliado, é que não foi avaliado. Ponto.
A peneira 6, a geração de consulta, não roda uma vez. Rode a mesma pergunta duas vezes e observe: as consultas vão ser diferentes. Não é erro, é o comportamento do modelo. Vale lembrar disso na próxima vez que alguém prometer posição estável, ou prometer posição. Esse tipo de métrica não faz sentido nos tempos atuais (assim como não existe posição em recall de marca).
A 11 pode não corresponder à 10 (a atribuição, que é o link que aparece, pode não corresponder à síntese, que é o texto que foi escrito). A atribuição às vezes é colada depois. Você pode ter sido usada sem ser creditada - e até o contrário...
O que dá para ver, e o que não dá
Prefiro dizer isso com todas as letras, porque é o que separa análise de venda de fumaça.
Dá para observar de primeira mão: acesso, indexação, as consultas geradas na peneira 6 e a atribuição final. As duas primeiras com ferramenta comum de SEO, a terceira com o inspetor de rede e a quarta lendo a resposta.
Dá para inferir com razoabilidade: a decisão de buscar, pela presença ou ausência de fontes citadas, e a recuperação, pelo que costuma aparecer.
Não dá para ver de fora: a fragmentação, a reordenação, a seleção e a síntese. Quatro das onze são caixa preta, e nenhum painel no mercado hoje enxerga dentro delas. Quem disser que enxerga está inferindo, e tudo bem inferir, desde que diga que é inferência - o problema é que a maioria não assume.
Pra fechar
Quando alguém me diz que não está aparecendo no ChatGPT, a primeira pergunta que eu faço não é sobre o site. É: aparecendo em qual pergunta, feita como, com ou sem o seu nome dentro.
Porque a resposta muda o diagnóstico inteiro. Se o modelo respondeu de memória, o trabalho é de anos de presença fora do seu site e nenhum artigo novo vai resolver esse mês. Se ele buscou e você não foi recuperada, é conteúdo. Se foi recuperada e não selecionada, é diferenciação. Se foi usada e não creditada, é medição.
Uma última coisa, e é a que menos envelhece. Essas onze peneiras fazem sentido agora, em agosto de 2026. Ano que vem talvez sejam outras, em outra ordem, com outros processos envolvidos. Isso não é motivo para desespero, é motivo para não decorar. Por isso eu digo e repito: isso não é um checklist.
Quem entende as forças por trás não precisa reescrever a estratégia a cada mudança: a tecnologia muda o como, nunca o porquê. O que se avalia continua sendo se você merece ser a resposta.
Como se busca software de gestão no Brasil
A primeira pesquisa da Rosa Petry está no ar. É anônima e leva poucos minutos. Se você decide, avalia ou influencia esse tipo de compra, responde? E se não é o seu caso, nos ajuda a chegar em quem é.
Responder a pesquisaLeia também
Escrevo com opinião, com dados e com intenção - e os artigos chegam até você pela Cite a Fonte, a newsletter da Rosa Petry no LinkedIn.