Ensinando a Inteligência Artificial: Como os Analistas ajudam a formar a Autoridade Algorítmica (GEO)

Se você tem acompanhado esta série de artigos sobre o GEO (Generated Engine Optimization) – conjunto de técnicas para ampliar as probabilidades de que uma marca seja citada na resposta de uma pesquisa por Inteligência Artificial – já sabe que agora o ‘poder’ para decidir a relevância de uma marca ou produto no universo digital está nas mãos de atores externos.

Em resumo, as estimativas (a meu ver conservadoras) apontam que até o final deste ano a maioria das buscas e pesquisas na internet serão respondidas por ferramentas de IA como o ChatGPT, Gemini ou Perplexity. Isso significa que, em breve, a grande maioria das transações digitais serão intermediadas por uma máquina, que vai ajudar o humano a decidir qual a melhor opção de compra. 

Mas, neste processo, por mais paradoxal que pareça, o que a IA faz é ‘ouvir’ o que outros humanos têm a falar sobre uma marca ou produto para decidir se ele deve ou não ser citado em uma resposta – ou seja, se tem Autoridade Algorítmica sobre o tema pesquisado. Isso acontece porque, de certa forma, as IAs são burras. Elas não acumulam informações ou análises em sua memória. Quando são treinadas, as LLMs (Large Language Models – Modelos Largos de Linguagem, o algorítimo base das IAs) passam a acumular pesos, conexões matemáticas que as ajudam a juntar informações e fazer associações a partir delas. 

Assim, quando alguém faz uma pergunta no Claude, por exemplo, o que ele faz para responder é vasculhar a internet em busca de uma resposta que , matematicamente, tenha maior probabilidade de ser correta. Para isso, ela usa algoritmos para filtrar quais conteúdos online são mais confiáveis (o estudo de Princeton que cunhou o termo GEO prova que ela prioriza autoridade e citações).

Como as IAs são programadas para ter medo de alucinar (passar respostas inverídicas ou totalmente imaginárias) e não "formam conhecimento", no sentido humano de compreender um conceito, o que elas fazem é sintetizar o consenso a partir de fontes reconhecidamente isentas e com autoridade sobre o tema. E é aqui que entram os atores externos humanos com poder de ‘ensinar’ as IAs, que podem ser divididos em três grupos: imprensa, consumidores e analistas.

Como os Analistas Ensinam a IA

Já tratamos dos dois primeiros. Agora vamos entender como os especialistas segmentados têm peso neste jogo:

1 - Probabilidade: Como as LLM’s buscam credibilidade e isenção, uma marca citada por um analista de mercado renomado tem uma probabilidade exponencialmente maior de ser selecionada como "Fonte de Verdade" do que uma marca que publica o mesmo conteúdo de forma anônima em seu blog (a IA, de saída, considera que todo o conteúdo do site de uma empresa tem caráter comercial e, por isso, está enviesado, com baixa probabilidade de gerar Autoridade Algorítmica para a marca). 

2 - Analistas como Fontes Primárias: Quando a IA realiza uma busca em tempo real para responder a uma pergunta, o seu componente de recuperação (retriever) busca documentos com alta densidade de informação factual. Assim, relatórios de analistas de mercado (ex: Gartner, IDC ou analistas de corretoras) são frequentemente indexados como "documentos de ouro". Se o analista cita a marca como "líder em inovação" ou "referência em conformidade", essa citação se torna o dado que a IA utiliza para formar a resposta.

3 - A Linguagem de Autoridade (Authoritative Language): outra ‘estratégia’ que as IAs adotam para selecionar o material que deve ser avaliado em sua pesquisa é o uso de Linguagem de Autoridade. Como especialistas utilizam terminologia técnica precisa e estrutura lógica de causa e efeito,  as LLMs interpretam esse padrão linguístico como um sinal de que a informação é técnica e não meramente comercial ou promocional, se tornando um dos fatores que mais aumentam a visibilidade nas respostas de IA.

4 - Análise de Autoria: Uma vez mais, aqui não vale tentar enganar a máquina. A IA cruza o nome do especialista citado com bases de dados externas (LinkedIn, registros profissionais, citações em veículos de imprensa Tier 1 e publicações acadêmicas). Assim ela garante que o autor da análise tem efetivamente a autoridade para se considerado na formação de sua resposta.

5 - Redução do Risco de Alucinação: Como já citei acima, a IA "tem medo" de errar, especialmente em tópicos sensíveis (Saúde, Finanças, Tecnologia). Por isso, ela se utiliza do especialista como ‘âncora de realidade’, pois entende que citar um humano com autoridade verificada reduz o risco de gerar uma alucinação.

Como o Digital PR 3.0 reforça a citação de uma marca por Especialistas

Cada empresa ou produto demanda uma estratégia específica. Mas, em geral, há duas linhas principais de ativações do Digital PR 3.0 para reforçar a presença de uma marca associada a analistas e/ou especialistas reconhecidos de um setor.

1 – Relacionamento com Analistas: é um trabalho focado em inteligência que visa validar a reputação e a tecnologia da empresa perante especialistas técnicos do mercado. O objetivo principal é ajudar a empresa a ser incluída em relatórios de avaliação de fornecedores a partir de briefings regulares, envios de cases de sucesso, participação em pesquisas e respostas a perguntas de analistas para garantir que eles compreendam corretamente a estratégia, produtos e diferenciais da empresa.

2 - Thought Leadership: Outro caminho, que não exclui o anterior, é reforçar a autoridade dos porta-vozes da empresa sobre determinado tema. Para isso, cada porta-voz deve ter um rastro digital de autoridade (artigos de opinião, palestras, participações em podcasts técnicos). Assim, quando seu nome estiver presente em uma reportagem sobre a marca, terá um peso muito maior para as LLMs, ‘ensinando’ a máquina que sua empresa merece ser citada nas buscas sobre seus produto ou serviço.