A estratégia digital na era da inteligência artificial tem uma contradição difícil de ignorar: empresas tentam otimizar seus sites para sistemas cujos critérios internos não conseguem observar. Quando uma resposta gerada por IA destaca um concorrente, não existe um painel que explique claramente por que aquela fonte foi escolhida, citada ou recomendada.
Uma decisão recente do órgão britânico de concorrência pode aumentar a transparência dos rankings do Google. Ainda assim, conhecer melhor os critérios não elimina o trabalho fundamental. Para aparecer em mecanismos tradicionais ou em respostas de IA, um site precisa apresentar informações que uma máquina consiga encontrar, interpretar e verificar.
A CMA quer mais transparência nos rankings do Google
Em 17 de junho de 2026, a Competition and Markets Authority (CMA), autoridade de concorrência do Reino Unido, anunciou duas exigências vinculantes para os serviços de busca do Google. A medida foi possível depois que a empresa recebeu o status de importância estratégica no mercado britânico, onde responde por mais de 90% das pesquisas.
A primeira exigência é especialmente relevante para profissionais de SEO, editores e empresas que dependem da busca. O Google deverá classificar resultados orgânicos com critérios objetivos e não discriminatórios. A regra inclui os resultados apresentados dentro de AI Overviews, não apenas os links tradicionais da página de pesquisa.
O Google também deverá oferecer mais transparência às empresas sobre o funcionamento dos rankings, avisar com antecedência sobre mudanças significativas nos sistemas de classificação e disponibilizar um processo claro para contestar decisões. Segundo a comunicação oficial da CMA, o prazo para implementar as obrigações relacionadas ao ranking é de seis meses.
Essas mudanças representam um tipo de recurso que os profissionais da web nunca tiveram de forma estruturada. Durante décadas, atualizações e quedas de visibilidade foram investigadas do lado de fora, com base em correlações, testes e observação de concorrentes. Um processo de reclamação documentado pode permitir que empresas questionem rebaixamentos que pareçam inconsistentes com os critérios anunciados.
O alcance inicial é limitado ao Reino Unido, a implementação ainda levará meses e o Google poderá contestar detalhes das exigências. Mesmo assim, a direção é relevante. Regras digitais adotadas em um mercado importante podem influenciar práticas de produto e debates regulatórios em outras regiões.
A abertura da “caixa-preta” mudaria menos do que parece
Imagine que os principais mecanismos revelassem exatamente como escolhem páginas, fontes e citações. A transparência encerraria muitas discussões e ajudaria a separar evidência de folclore. Seria mais fácil avaliar se determinados arquivos, marcações ou padrões realmente influenciam a seleção feita por modelos de IA.
Algumas hipóteses populares já encontram resistência em pesquisas. Dados em grande escala citados pelo autor indicam que o arquivo llms.txt não produz o efeito amplo que muitas pessoas esperam. Testes controlados também não sustentam a ideia de que o schema markup, isoladamente, funcione como um atalho automático para conquistar citações em respostas de IA.
Outro problema aparece quando uma página tenta se promover com listas genéricas e afirmações como “a melhor da categoria”. Ao mencionar diversos concorrentes para construir a comparação, o conteúdo pode fornecer ao sistema um conjunto de alternativas mais verificáveis. A página ganha uma citação, mas a recomendação final pode ir para uma das marcas que ela própria apresentou.
Conhecer a fórmula reduziria a incerteza, mas não mudaria a natureza do trabalho. Um sistema ainda precisa localizar a resposta, extrair seu significado sem ambiguidade e encontrar motivos para confiar nela. Se a informação essencial depende de uma interface que o crawler não executa, está escondida em uma narrativa confusa ou aparece sem qualquer confirmação, a divulgação dos critérios não resolve o problema.
O debate também está deixando de tratar respostas de IA como um fenômeno sem responsável. O artigo do Search Engine Journal cita uma decisão de um tribunal de Munique segundo a qual o AI Overview pode ser entendido como uma manifestação do próprio Google, sujeita à responsabilidade da empresa. Isso reforça a ideia de que respostas geradas são produtos com proprietários, regras e consequências.
Para quem mantém um site, porém, a variável mais controlável continua sendo a legibilidade do conteúdo. A empresa não decide quando um regulador abrirá o algoritmo, mas decide se suas informações estão disponíveis no HTML, organizadas de forma coerente e apoiadas por evidências.
Como auditar se um site é legível por IA
Esperar a implementação de uma regra britânica não é uma estratégia operacional. A melhor resposta é verificar agora o que mecanismos de busca, agentes e modelos conseguem acessar. A auditoria deve seguir três etapas: renderização, estrutura e verificabilidade.
1. Comece pela renderização
O conteúdo principal existe no HTML recebido pelo crawler ou só aparece depois que o navegador executa JavaScript? Muitos buscadores conseguem renderizar páginas, mas nem todos os fetchers usados por ferramentas de IA executam scripts completos. Interfaces totalmente dependentes do cliente podem deixar preços, descrições, respostas e dados institucionais invisíveis.
Abra as páginas mais importantes com JavaScript desativado e observe o que permanece. Também inspecione a resposta HTML original, não apenas o DOM final mostrado pelas ferramentas do navegador. Título, conteúdo principal, informações do produto, perguntas frequentes e dados de contato devem continuar identificáveis.
Isso não significa abandonar aplicações modernas. Significa usar renderização no servidor, geração estática ou uma estratégia equivalente para entregar o conteúdo substantivo desde a primeira resposta. JavaScript pode enriquecer a experiência sem ser o único lugar em que a informação existe.
2. Avalie a estrutura das respostas
Uma pessoa consegue ler uma narrativa longa e combinar pistas distribuídas ao longo do texto. Uma máquina precisa identificar trechos que respondam a perguntas específicas com contexto suficiente para funcionar de maneira independente.
Verifique se as dúvidas mais importantes do público possuem respostas diretas. Use títulos descritivos, parágrafos com assunto explícito, listas quando houver etapas e tabelas quando a comparação depender de campos repetidos. A hierarquia deve refletir relações reais, não apenas decisões visuais.
Uma boa passagem autocontida informa de quem ou do que está falando, apresenta a resposta e inclui as condições que limitam sua validade. Evite depender de pronomes vagos, introduções excessivas ou referências como “isso”, “a solução acima” e “o serviço mencionado anteriormente” quando o trecho pode ser extraído fora de contexto.
Dados estruturados continuam úteis para declarar entidades e propriedades de maneira padronizada, mas não substituem conteúdo claro. O schema deve representar fielmente o que o usuário encontra na página, e não funcionar como uma camada paralela com alegações ausentes no texto visível.
3. Termine pela verificabilidade
Depois que uma máquina encontra e interpreta uma afirmação, ela precisa decidir se pode confiar nela. Informações fundamentais — quem é a empresa, o que oferece, onde atua, quais são seus preços, políticas, autores e credenciais — devem aparecer de forma clara e consistente.
Inconsistências entre páginas institucionais, perfis públicos, dados estruturados e documentos externos dificultam a confirmação. Padronize nomes, descrições, endereços, datas e relações entre marcas e profissionais. Atualize páginas antigas quando uma informação mudar, em vez de manter versões conflitantes acessíveis.
Afirmações fortes precisam de suporte proporcional. Metodologias, fontes primárias, datas, autores identificados e limitações tornam o conteúdo mais verificável. Evite transformar slogans em fatos. Dizer que um produto é “líder” ou “o melhor” sem explicar a métrica obriga o sistema a procurar confirmação em outros lugares.
A verificabilidade também depende de reputação fora do domínio. Documentação oficial, registros públicos, pesquisas, avaliações e referências editoriais independentes ajudam mecanismos a conectar uma entidade às afirmações feitas em seu próprio site.
Uma lista prática para páginas prioritárias
Ao revisar uma página comercial, institucional ou editorial, confirme os seguintes pontos:
- o conteúdo essencial aparece na resposta HTML sem depender exclusivamente de JavaScript;
- título, descrição e seção principal deixam claro qual pergunta a página responde;
- cada resposta importante pode ser compreendida como uma passagem autocontida;
- listas, tabelas e títulos representam a estrutura real da informação;
- nomes de empresas, produtos, pessoas e locais são usados de maneira consistente;
- dados estruturados correspondem ao conteúdo visível;
- afirmações importantes possuem fonte, data, autoria ou metodologia;
- informações desatualizadas ou contraditórias foram corrigidas;
- um crawler consegue distinguir conteúdo editorial de navegação, anúncios e elementos decorativos.
Transparência ajuda, mas legibilidade é o trabalho permanente
As exigências da CMA podem tornar o ecossistema de busca mais previsível e oferecer caminhos reais para empresas questionarem decisões. Isso é relevante, especialmente quando AI Overviews passam a ocupar uma parte maior da jornada de pesquisa.
Entretanto, a abertura da caixa-preta não deve ser o centro do planejamento de um site. Reguladores e tribunais trabalham em países e prazos próprios. A arquitetura do conteúdo pode ser melhorada agora.
Um site legível por IA apresenta respostas no HTML, organiza essas respostas para extração e oferece elementos que permitam verificá-las. Esse conjunto funciona tanto em um ambiente opaco quanto em um cenário de maior transparência. Quando os critérios forem revelados, a empresa poderá entender melhor o motivo dos resultados; até lá, já terá construído a base que os sistemas precisam ler.
