A pesquisa com IA está a dividir-se em dois: motores de resposta e assistentes

Uma divisão silenciosa tornou-se evidente no último ano: as ferramentas vagamente designadas por «pesquisa com IA» separaram-se em dois produtos com comportamentos, citações e playbooks de otimização distintos. As marcas que medem ambos como um único canal retiram conclusões erradas dos seus próprios dados.

As duas superfícies

Motores de resposta — Google AI Overviews, Perplexity e ferramentas semelhantes — comportam-se como uma camada de recuperação sobreposta à pesquisa. O utilizador faz uma pergunta, o motor recupera documentos e a resposta chega com citações visíveis. A lista de citações é a nova primeira página; não estar nela é a nova segunda página.

Assistentes — ChatGPT, Gemini, Claude, Copilot nos seus modos de conversação — comportam-se como consultores. Apoiam-se mais no conhecimento de treino e menos na recuperação em tempo real, as citações faltam com frequência ou são vagas, e as recomendações surgem como pré-seleções («Quais são as melhores ferramentas para X?»). Não há uma lista de citações a conquistar, mas uma pré-seleção na qual é preciso entrar.

Os números

A divisão ocorre enquanto a economia do clique subjacente à pesquisa se contrai. O conjunto de dados do Pew Research Center de março de 2025 — 68 879 pesquisas no Google de 900 adultos norte-americanos — mostra que 18 % das pesquisas geraram um resumo de IA; nessas páginas, os utilizadores clicaram num resultado clássico em 8 % dos casos, contra 15 % em páginas sem resumo, e clicaram numa fonte dentro do próprio resumo em apenas 1 % dos casos [1]. A análise da Ahrefs sobre 300 000 palavras-chave quantifica a perda de cliques da primeira posição por efeito dos AI Overviews em 34,5 % em abril de 2025, subindo para cerca de 58 % em dezembro de 2025 [2]. Em paralelo, o estudo da Ahrefs sobre 75 000 marcas mostra que as menções web das marcas correlacionavam 0,664 com a presença nos AI Overviews — uma associação mais forte do que a das backlinks [3]. A atenção está a migrar, nas duas superfícies ao mesmo tempo, para o nível da resposta — exatamente por isso é preciso medi-las em separado em vez de as calcular em média.

Porque a divisão importa

• Modos de falha diferentes. Nos motores de resposta, a visibilidade pode ser corrigida tratando páginas individuais — afirmações extraíveis, clareza de entidade, factos comprovados. Nos assistentes, a visibilidade depende mais da forma como a marca é descrita no corpus com que o modelo aprendeu — de modo amplo e consistente.
• Horizontes temporais diferentes. As correções de página movem as citações dos motores de resposta em dias ou semanas. O comportamento dos assistentes muda mais lentamente, porque segue a descrição da sua marca em toda a web e não uma página isolada.
• Métricas diferentes. A visibilidade nos motores de resposta é auditável prompt a prompt: que fontes foram citadas. A visibilidade nos assistentes exige repetir o mesmo prompt, porque as pré-seleções variam consoante a sessão e as atualizações do modelo.

O que vemos nos dados de monitorização

Executar o mesmo conjunto de prompts calibrado para compradores nas duas superfícies torna a divisão mensurável. Três padrões repetem-se com regularidade:

1. Marcas citadas de forma constante nos AI Overviews faltam, com frequência, às pré-seleções dos assistentes para a mesma pergunta — e vice-versa. Os dois valores correlacionam-se, mas não são idênticos.
2. As pré-seleções dos assistentes favorecem marcas cuja classificação clara de categoria é repetida por muitas fontes independentes. «O que é» tem de ser inequívoco antes de «quão bom é» contar.
3. A posição conta nas duas superfícies. Uma menção na primeira frase de uma resposta vale muito mais do que uma no último parágrafo — com ou sem citações visíveis.

A conclusão prática

Deixe de comunicar a «visibilidade em IA» como um único indicador. Acompanhe as citações dos motores de resposta e as menções nos assistentes como duas tendências separadas — com conjuntos de prompts próprios e backlogs de melhoria próprios. O trabalho de conteúdo sobrepõe-se — afirmações claras e descrições de entidade consistentes ajudam ambos —, mas a medição não pode ser agregada, porque as superfícies falham por razões diferentes.

Se quiser ver hoje como a sua marca se distribui pelas duas superfícies, o diagnóstico de linha de base gratuito da Novaxilabs reporta-as em separado, motor a motor, com os prompts utilizados em cada caso.

Referências

1. Pew Research Center, «Google users are less likely to click on links when an AI summary appears in the results», julho de 2025. pewresearch.org
2. Ahrefs, «AI Overviews Reduce Clicks by 34.5%» (abril de 2025) e atualização de dezembro de 2025. ahrefs.com/blog/ai-overviews-reduce-clicks
3. Ahrefs, «An Analysis of AI Overview Brand Visibility Factors (75K Brands Studied)», 2025. ahrefs.com/blog