A sua marca tem uma reputação em IA. O problema: muda dependendo de que IA o seu cliente usa, quando perguntam e como formulam a pergunta. Realizámos o maior estudo multi-indústria sobre a origem da reputação em IA até à data. Isto é o que cada profissional de marketing precisa de saber.
Por Que Este Estudo É Importante
Sempre que um comprador pergunta ao ChatGPT, Gemini ou Perplexity sobre a sua indústria, essas plataformas de IA constroem uma narrativa sobre a sua marca em tempo real. Essa narrativa é a sua reputação em IA. Ao contrário da cobertura mediática tradicional, não consegue vê-la, rastrear as suas fontes ou prever o que dirá a seguir.
Propusemo-nos a responder a quatro perguntas: De onde a IA obtém o seu conhecimento sobre marcas? Quão consistente é? A sua indústria altera a resposta? As empresas cotadas em bolsa têm vantagem?
Os resultados são desconfortáveis para qualquer pessoa que pense que a visibilidade em IA é um problema simples.
O Que Testámos
Estudámos 24 empresas reais em 8 indústrias: E-commerce, Tecnologia de Saúde, Logística, Consultoria, HR Tech, Alojamento Web, Tecnologia de Marketing e FinTech. Metade estava cotada em bolsa, metade era privada. As empresas variavam desde empresas Fortune 500 até startups.
Administrámos 1,296 prompts através do GPT-5.2 e Gemini 3 Flash, mais 72 sondagens em modo fundamentado via Perplexity. Cada prompt de estabilidade foi repetido cinco vezes por marca para medir a consistência. No total, analisámos 1,311 respostas e codificámos manualmente 3,041 atribuições de fontes.
Isto não é uma publicação de blog com anedotas. É um estudo revisado por pares publicado na revista Discover Artificial Intelligence da Springer.
Descoberta 1: 70% do Que a IA "Sabe" sobre a Sua Marca Não Pode Ser Rastreado
Classificámos cada atribuição de fonte que a IA fez ao discutir marcas. A maior categoria: "Outro / Não atribuível" com 70.2%. A IA sabe coisas sobre a sua marca, mas não conseguimos identificar de onde veio essa informação.
As fontes que conseguimos rastrear:
| Tipo de Fonte | Quota de Todas as Citações |
|---|---|
| Conteúdo próprio da empresa | 14.7% |
| Meios de comunicação Tier-1 | 5.7% |
| Plataformas de avaliação | 4.6% |
| Notícias do sector/comerciais | 1.8% |
| Wikipedia | 1.5% |
| Financeiro/regulamentar | 0.6% |
| Redes sociais | 0.5% |
| 0.4% | |
| Fontes governamentais | 0.1% |
O que isto significa para si: O conteúdo do seu próprio website é a maior fonte identificável de conhecimento de marca em IA. As relações públicas tradicionais (media tier-1) são a segunda. Todo o resto é marginal. Mas os 70% que não consegue influenciar através de qualquer canal direto é o desafio estrutural de que ninguém fala.
Descoberta 2: Os Modelos de IA Contam Histórias Completamente Diferentes sobre a Sua Marca
Comparámos como o GPT-5.2 e o Gemini 3 Flash percecionam as mesmas marcas. A lacuna é dramática.
GPT-5.2 produziu uma pontuação média de sentimento de 0.83 (numa escala de -1 a +1). Isso é extremamente positivo. De facto, 96.4% das respostas do GPT sobre marcas foram positivas.
Gemini 3 Flash produziu um sentimento médio de 0.32. Apenas 51.5% das suas respostas foram positivas.
A correlação entre as pontuações de sentimento dos dois modelos? r = 0.37 -- fraca e não estatisticamente significativa. Os modelos não usam apenas escalas diferentes. Ponderam aspetos completamente diferentes da reputação.
O que isto significa para si: Se apenas audita a sua presença em IA no ChatGPT, está a ver uma imagem artificialmente otimista. Os seus clientes usam múltiplas plataformas de IA. Cada uma conta uma história diferente sobre si.
Descoberta 3: Pergunte à Mesma IA Duas Vezes e Obterá Respostas Diferentes
Repetimos o mesmo prompt cinco vezes para cada marca em cada modelo. A pontuação média de consistência em todas as empresas: 0.54 de similaridade cosseno.
Para colocar isso em contexto: apenas 2.8% de todas as combinações empresa-modelo-prompt excederam o limiar de 0.85 que definimos como "estável". Entretanto, 93.8% ficou abaixo de 0.70, o que classificámos como "variável".
O GPT-5.2 foi ligeiramente mais consistente (0.57) do que o Gemini 3 Flash (0.51), mas nenhum modelo fornece a mesma resposta de forma fiável.
O que isto significa para si: Não existe uma "reputação em IA" fixa. Sempre que alguém pergunta sobre a sua marca, a IA constrói uma narrativa ligeiramente diferente. Uma auditoria com um único prompt captura uma aproximação, não a verdade. Precisa de medições repetidas para compreender a sua presença real em IA.
Descoberta 4: A Sua Indústria Determina Que Fontes a IA Usa
Encontrámos uma relação estatisticamente significativa entre o sector industrial e a distribuição de fontes (qui-quadrado = 143.28, p < 0.001). O tamanho do efeito é pequeno (V de Cramer = 0.08), mas os padrões são reais e acionáveis.
As empresas de consultoria obtêm a mistura de fontes identificáveis mais rica: 30.8% da sua reputação em IA vem de conteúdo corporativo mais notícias tier-1 combinadas. A McKinsey obtém 8% das suas citações rastreáveis de meios como Bloomberg e Financial Times.
As empresas de tecnologia de marketing enfrentam a maior opacidade de fontes: 81.3% da sua reputação em IA não é atribuível. Se está em tecnologia B2B, assuma que a maior parte do que a IA sabe sobre si está incorporado nos seus dados de treino sem origem clara.
As marcas HR Tech apoiam-se fortemente em plataformas de avaliação: 9.6% das fontes identificáveis vêm de G2, Capterra e sites similares -- o mais alto de qualquer sector.
O que isto significa para si: A sua estratégia de conteúdo em IA precisa de corresponder aos padrões de fontes que a IA realmente usa na sua indústria. Uma empresa de consultoria deveria investir em liderança de pensamento e relações com os media. Uma empresa de HR Tech deveria investir em presença em plataformas de avaliação. Um manual genérico não funcionará.
Descoberta 5: Estar Cotado em Bolsa Não Dá Nenhuma Vantagem
Comparámos 12 empresas cotadas com 12 empresas privadas em cada métrica que medimos. Os resultados: estatisticamente idênticos.
- Consistência: Cotadas 0.54 vs. Privadas 0.54 (d = 0.03, insignificante)
- Sentimento: Cotadas 73.9% positivo vs. Privadas 74.5% positivo
- Diversidade de fontes: Sem diferença significativa (entropia de Shannon: 1.43 vs. 1.37)
- Riqueza de citações: As empresas privadas receberam até mais atribuições por empresa (130.0 vs. 123.4)
- Fontes financeiras/regulamentares: Menos de 1% para ambos os grupos
Documentos SEC, cobertura Bloomberg, perfis Crunchbase -- nada disto dá às empresas cotadas uma vantagem mensurável em como a IA as perceciona.
O que isto significa para si: Se é uma empresa privada ou uma startup, não está em desvantagem estrutural. A IA trata uma startup da mesma forma que uma empresa Fortune 500. O campo de jogo é nivelado. A questão não é o tamanho da sua empresa -- é se o seu conteúdo está estruturado para a compreensão da IA.
A Exceção do Modo Fundamentado
Há um ponto positivo em tudo isto. Quando os modelos de IA usam geração aumentada por recuperação (o modo em que procuram ativamente na web antes de responder), a atribuição de fontes torna-se transparente. Testámos isto com o Perplexity, que fornece citações ao nível do URL.
No modo fundamentado, a categoria "não atribuível" encolhe dramaticamente. Consegue ver exatamente de que páginas a IA retirou, verificar a precisão e otimizar em conformidade.
O que isto significa para si: À medida que mais plataformas de IA adotarem modos aumentados por recuperação (como as AI Overviews do Google ou as citações do Perplexity), o problema da opacidade das fontes diminuirá. Mas por agora, a maioria das conversas de IA sobre marcas acontece em modo paramétrico -- onde 70% do conhecimento não tem origem rastreável.
O Que Fazer a Partir de Segunda-Feira
A investigação aponta para três prioridades acionáveis:
1. Audite a Sua Presença em IA em Múltiplos Modelos
Não pergunte apenas ao ChatGPT sobre a sua marca. Pergunte ao Gemini. Pergunte ao Perplexity. Com uma lacuna de sentimento de 0.51 pontos entre modelos e apenas 2.8% de saídas sendo estáveis, precisa de uma abordagem multi-modelo com medições repetidas para compreender a sua reputação real em IA.
2. Invista nas Fontes que Realmente Importam
70% do conhecimento da IA está incorporado em dados de treino e não é rastreável. Dos 30% que consegue influenciar: o conteúdo do seu próprio website (14.7%) e a cobertura de media tier-1 (5.7%) são os dois principais. As plataformas de avaliação importam para indústrias específicas (especialmente HR Tech com 9.6%). As redes sociais e o LinkedIn juntos representam menos de 1%.
Priorize: conteúdo próprio primeiro, media conquistado segundo, fontes específicas da indústria terceiro.
3. Construa um Hábito de Monitorização
A reputação em IA não é estável. Muda com cada consulta, cada atualização de modelo, cada novo dado de treino. Não verificaria os seus rankings no Google uma vez e esqueceria. A monitorização mensal da visibilidade em IA é o mínimo. As auditorias abrangentes trimestrais em todos os modelos são o padrão.
Detalhes do Estudo
- Amostra: 24 empresas, 8 indústrias, 12 cotadas em bolsa + 12 privadas
- Prompts: 1,296 administrados, 1,311 respostas analisáveis
- Modelos: GPT-5.2 (OpenAI), Gemini 3 Flash (Google), Perplexity (modo fundamentado)
- Atribuições de fontes: 3,041 codificadas por dois codificadores treinados independentes
- Iterações de estabilidade: 5 repetições por prompt por marca por modelo
- Publicação: Springer Discover Artificial Intelligence (revisto por pares)
- Recolha de dados: 20 de fevereiro de 2026
A Conclusão
A IA está a construir uma reputação para a sua marca, quer a gira ou não. A questão é se compreende de onde vem essa reputação (maioritariamente não rastreável), quão estável é (não muito) e quão diferente parece em todas as plataformas (dramaticamente diferente).
As marcas que vencerem a quota de recomendação na era da IA não serão as que têm os maiores orçamentos ou os históricos mais longos. Serão as que compreendem como a IA raciocina sobre elas -- e estruturam o seu conteúdo em conformidade.