André HP: De 2008 a 2026, o que muda quando as máquinas passam a responder

Existe uma diferença fundamental entre uma máquina que encontra e uma máquina que responde. A primeira te entrega dez caminhos e deixa a decisão com você. A segunda decide por você e te entrega a conclusão. Passei dezoito anos trabalhando para a primeira. Hoje trabalho para a segunda. E a tese deste artigo é que essa transição, que parece apenas uma mudança de interface, é na verdade a maior redistribuição de visibilidade digital desde a invenção do buscador.

Digo redistribuição, e não evolução, de propósito. Evolução sugere continuidade suave, em que quem estava bem posicionado continua bem posicionado. Não é o que está acontecendo. Quando a unidade de valor muda do clique para a citação, o mapa de vencedores é redesenhado. Marcas que dominavam os dez links azuis descobrem que dominância em ranking não se converte automaticamente em presença nas respostas. Marcas que nunca conseguiram competir no ranking descobrem uma porta que não existia. E a maioria do mercado ainda não percebeu que a porta abriu.

Para explicar o que muda, preciso contar o que era. Não por nostalgia, mas porque cada era da busca deixou uma camada de aprendizado que continua valendo na seguinte. As leis que aprendi contando links em 2008 explicam por que o keyword stuffing derruba visibilidade em um modelo de linguagem em 2026. A base técnica que consolidei operando 200 mil acessos por dia explica por que tantas marcas são invisíveis para as IAs hoje. Quem entende a sequência inteira enxerga a virada atual com outros olhos: não como uma novidade caída do céu, mas como o capítulo mais recente de uma história que vem se escrevendo há duas décadas, sempre na mesma direção.

2008-2012: a era em que a máquina contava votos

Entrei no mercado em 2008, quando SEO ainda era um jogo de diretórios, trocas de link e táticas que funcionavam até a próxima atualização. Quem não viveu aquela época tem dificuldade de imaginar o quanto o jogo era mecânico. Cadastrar o site em centenas de diretórios era uma tarefa de estagiário com meta semanal. Trocar links era uma economia paralela, com moeda, intermediários e tabela de preços. Artigos eram escritos para carregar uma âncora de texto exato, não para serem lidos por alguém.

E tudo isso funcionava por uma razão simples: a máquina daquela época não entendia nada. Ela contava. O coração do Google era uma ideia brilhante e ingênua ao mesmo tempo: tratar cada link como um voto de confiança e ranquear a web pela contagem ponderada desses votos. A ingenuidade não estava na matemática, que era elegante. Estava na premissa de que os votos seriam espontâneos. A partir do momento em que o voto vale dinheiro, alguém industrializa a produção de votos. Foi exatamente o que o mercado fez, e por alguns anos a manipulação venceu.

Digo sem constrangimento que aprendi muito observando aquele período, inclusive observando o que eu decidi não fazer. Porque a segunda metade dessa era foi a conta chegando. Em 2011, o Panda passou por cima das fazendas de conteúdo, sites que produziam milhares de textos rasos por dia apenas para capturar cauda longa. Em 2012, o Penguin desmontou as redes de links, e vi operações milionárias perderem 80%, 90% do tráfego em uma madrugada, sem aviso e sem recurso. Empresas inteiras, com folha de pagamento e escritório, construídas sobre uma brecha que deixou de existir entre um dia e outro.

O padrão dessas quedas era sempre o mesmo, e foi ele que virou a minha primeira lei: morria o que tinha sido construído para explorar uma brecha; sobrevivia o que tinha sido construído para servir o usuário. Manipulação de sinais compra posição emprestada. Funciona até o dia exato em que o buscador aprende a detectar o padrão, e aí o custo de reconstrução costuma ser maior do que todo o ganho acumulado. Dali em diante, passei a aplicar um teste antes de qualquer decisão de estratégia: isso sobrevive à próxima atualização de algoritmo? Se a resposta fosse "talvez", não entrava no plano.

Há um corolário dessa lei que considero ainda mais útil, porque serve de filtro em qualquer negociação: se a estratégia depende de não ser descoberta, ela já é um passivo no balanço que ainda não foi contabilizado. Nunca precisei de uma tática que eu não pudesse explicar, na mesma frase, para o cliente e para o buscador. Não por prudência jurídica, e sim por leitura de mercado: eu tinha visto o que acontecia com quem apostava no contrário.

Anos depois, essa primeira lei ganharia sua confirmação mais elegante, medida em laboratório. Mas não vou me adiantar.

2013-2017: a era da escala

A segunda fase da minha trajetória foi menos sobre entender a máquina e mais sobre aguentar o próprio sucesso. E ela começou com a máquina dando os primeiros sinais de que queria deixar de contar e começar a compreender. Em 2013, o Hummingbird reescreveu o núcleo do buscador para interpretar consultas inteiras em vez de palavras isoladas. Em 2015, o RankBrain colocou aprendizado de máquina dentro do ranking. Eram sinais discretos, quase acadêmicos, de uma transição que só se completaria anos depois. Poucos prestaram atenção. Eu comecei a prestar.

Mas o que definiu essa era para mim foi operação. Como estrategista de SEO do modafeminina.biz, levei o projeto ao posto de maior site de moda feminina em língua portuguesa em 2015, segundo o Similar Web, com cerca de 200 mil acessos por dia. E o que ninguém conta sobre liderar uma categoria é que o problema muda de natureza. Nos primeiros milhares de visitas diárias, a pergunta é "como crescer". Nas centenas de milhares, a pergunta vira "como não quebrar".

Volume desse tamanho não perdoa erro. Um crawl mal configurado desperdiça o orçamento de rastreamento do robô em páginas inúteis e deixa o conteúdo importante fora do índice. Um cache mal dimensionado transforma um pico de tráfego em queda de servidor. Uma arquitetura de informação confusa dilui a autoridade interna e faz o site competir contra si mesmo. Um padrão editorial frouxo, multiplicado por milhares de páginas, vira um passivo de qualidade que nenhuma força-tarefa depois conserta. Ou tudo isso aguenta a escala, ou o site derruba a própria operação.

Foi ali que consolidei a segunda lei: a infraestrutura é o pré-requisito invisível de tudo. É o tipo de trabalho que ninguém posta no LinkedIn. Não rende case bonito, não aparece em slide de resultado, não impressiona em reunião. Mas decide, silenciosamente, se todo o resto vai funcionar. Ninguém aplaude o encanamento, e nada funciona sem ele.

Na época, eu formulava essa lei em termos de buscador: o Google precisa conseguir rastrear, indexar e renderizar o que você publica. Duas décadas depois, ela ganharia uma reformulação que a tornou mais atual do que nunca: nenhuma IA cita o que ela não consegue rastrear, entender e extrair. A frase mudou; o encanamento é o mesmo. E continua sendo, hoje, o ponto onde a maioria dos projetos de visibilidade em IA já tropeça antes de começar.

2018-2021: a era em que a máquina aprendeu a ler

Em 2018 aconteceu a virada intelectual da minha carreira, e ela não veio de um lançamento de produto: veio de um paper. O BERT, publicado pelo Google AI, ainda estava a mais de um ano de entrar na busca, mas a matemática dele já dizia tudo: a máquina passaria a converter texto em vetores semânticos e a comparar significados, não strings. Bidirecionalidade, atenção, representação contextual. Para a maior parte do mercado, era jargão de pesquisa. Para mim, era um aviso de demolição.

O raciocínio que fiz na época cabe em um parágrafo. Se o buscador representa um texto como um ponto em um espaço de significados, então duas páginas com palavras diferentes e o mesmo sentido ficam próximas, e duas páginas com as mesmas palavras e sentidos diferentes ficam distantes. Nesse mundo, a densidade de palavra-chave, a métrica que sustentava a disciplina inteira, vira ruído. Repetir o termo vinte vezes não aproxima a página da consulta: no limite, afasta, porque degrada a qualidade do texto. O que aproxima é cobertura: o quanto o conteúdo ocupa, de forma completa e coerente, o território semântico daquele assunto.

Tomei então uma decisão que na época soava herética: abandonei a lógica de palavra-chave e reescrevi minha metodologia do zero, em torno de três pilares. Profundidade tópica: tratar cada assunto na profundidade que ele exige, e não na profundidade que o calendário editorial permite. Intenção do usuário: entender o que a pessoa realmente quer resolver quando digita aquilo, porque a mesma consulta pode esconder intenções opostas. E amplitude semântica: cobrir as entidades, os atributos e as perguntas adjacentes que formam o contexto do tema, porque é o conjunto que posiciona o conteúdo no espaço vetorial, não o termo isolado.

SEO e os motores de buscas como sobreviver? Vamos gerar tráfego

Lembro das reações. Colegas de mercado achavam exagero apostar tudo em uma mudança que ainda não tinha chegado à página de resultados. A ferramenta de pesquisa de palavra-chave continuava no centro de todos os fluxos de trabalho, e eu estava dizendo que ela tinha virado um instrumento auxiliar. Mas a tese não ficou no papel, e foi testada no mundo real no mesmo ano: o salaovirtual.org se tornou o maior site de beleza em língua portuguesa em 2018 com cobertura completa de um universo de entidades, com procedimentos, produtos, técnicas, ingredientes e efeitos, cada um na profundidade que a intenção pedia, em vez de páginas caçando variações de termo. Quando o BERT finalmente entrou na busca, em 2019, o site já estava construído para o mundo que chegava.

Dessa fase ficou a terceira lei, talvez a mais rentável de todas: as grandes viradas da busca são anunciadas em papers anos antes de chegarem ao mercado. Quem lê pesquisa se antecipa; quem lê só checklist de agência chega sempre atrasado. A vantagem competitiva em busca nunca esteve na tática do momento, que todo mundo copia em seis meses. Esteve sempre em enxergar a direção antes, porque posicionamento leva anos para construir e a fila anda por ordem de chegada.

Foi também nessa era, em 2019, que fundei o SEO Prime, que se tornou o maior mastermind de profissionais de SEO do Brasil. A motivação era uma lacuna: faltava no país um ambiente onde profissionais sênior pudessem falar sem palco, sem case maquiado, sem métrica de vaidade. O que eu não previa era o quanto aquilo me transformaria. Ensinar em público exige um rigor que trabalhar sozinho não exige. Cada tese que eu levava para aquela sala, inclusive a tese herética dos vetores, voltava testada, contestada ou validada por dezenas de operadores com dados próprios. Palestrei ali sobre praticamente todo o espectro da disciplina, de crawl budget a SEO programático, de dados estruturados a leitura de atualizações. E aprendi a quarta lei: se você não consegue explicar e defender seu método diante de pares que têm dados para contestá-lo, você não tem um método. Tem uma impressão.

2022-2023: a era em que a máquina aprendeu a escrever

A quarta fase começou antes de o mundo perceber que ela tinha começado. Em 2022, na era dos modelos davinci da OpenAI, quando o acesso era só por API, playground e chave de desenvolvedor, sem interface de chat e sem mercado formado, eu estava testando geração de texto em escala. E quero ser preciso sobre a motivação, porque ela explica o resultado: eu não estava brincando com uma tecnologia nova por curiosidade. Estava tentando resolver um problema editorial concreto, que era produzir notícia com padrão de redação, velocidade de máquina e supervisão humana.

A diferença entre esses dois pontos de partida é enorme. Quem testa por curiosidade faz demo. Quem testa contra um problema real descobre rápido onde a tecnologia quebra: onde o modelo inventa, onde perde o padrão, onde o custo por texto inviabiliza a operação, onde a supervisão humana é indispensável e onde é desperdício. Foram esses aprendizados operacionais, e não a tecnologia em si, que viraram o produto.

Desse trabalho nasceu o Zeus, o primeiro robô brasileiro a escrever notícias com inteligência artificial. Ele passou a ser alugado para redações, jornais e agências de comunicação, que o usavam para dar conta das pautas de alto volume, os resultados, as cotações, os resumos do dia, enquanto os times humanos se concentravam no que máquina nenhuma fazia: apuração, análise e pauta própria. Quando o ChatGPT foi lançado, em novembro de 2022, e o mundo inteiro descobriu de uma vez a IA generativa, o Zeus já rodava dentro de redações brasileiras havia meses.

No mesmo ano, fechei um ciclo pessoal: o suadecoracao.com chegou ao topo da vertical de decoração, o terceiro site que levei à liderança de categoria em língua portuguesa, e o primeiro já com produção de conteúdo assistida por IA. A mesma base técnica da era da escala, a mesma arquitetura semântica da era do BERT, agora com velocidade de máquina e supervisão humana. Três líderes de categoria em três eras diferentes do algoritmo, com o mesmo método de fundo, era a validação que faltava de que o método não dependia da era.

Uma máquina que escreve já era uma revolução para a produção de conteúdo, e o mercado passou 2023 inteiro discutindo exatamente isso: produtividade, escala, o futuro da redação. Mas eu enxergava ali o embrião de algo maior, e essa percepção definiu tudo o que fiz depois. Se a máquina escreve bem o suficiente para publicar, ela escreve bem o suficiente para responder. E uma máquina que responde não é uma ferramenta de produção. É um novo intermediário entre as marcas e as pessoas. Toda a minha carreira tinha sido sobre o intermediário anterior. Era óbvio para onde eu tinha que ir.

O Zeus, aliás, nunca parou de evoluir. Trocou de modelos conforme as gerações avançaram, ganhou camadas de pesquisa, verificação e estruturação semântica, e hoje é o motor de produção de conteúdo da Geostack. A versão atual incorpora tudo o que aprendi sobre a nova era: ela escreve considerando como um modelo de linguagem lê, extrai e cita um texto, e não apenas como um leitor humano percorre a página. Cada texto nasce com estrutura de resposta, evidência verificável e trechos autocontidos prontos para citação.

2024-2026: a era em que a máquina passou a responder

E então a busca virou resposta. ChatGPT, Gemini, Perplexity, Claude e Copilot passaram a ser a primeira consulta de uma parcela crescente das pessoas, antes do Google, antes de qualquer buscador. O próprio Google acelerou a canibalização da sua página de resultados com os AI Overviews, respostas geradas ocupando o topo, acima dos links que sustentaram a economia da web por 25 anos. E o comportamento desses sistemas guarda pouca semelhança com o buscador clássico: eles não mostram dez opções. Eles leem várias fontes, ponderam, sintetizam e entregam uma conclusão, citando quem consideraram confiável e omitindo todo o resto.

Pense no que isso significa na prática com um exemplo que uso sempre. Alguém pergunta a uma IA: "qual o melhor CRM para pequenas empresas?". A resposta vem pronta, com três ou quatro nomes, os pontos fortes de cada um e uma recomendação. Não existe página dois. Não existe posição sete. Existem as marcas que a máquina disse, e todas as outras. Para as ditas, a IA funciona como o conselheiro mais influente do mundo. Para as omitidas, aquela conversa simplesmente não aconteceu.

Foi para essa era que fundei a Geostack em 2024, a primeira agência brasileira dedicada exclusivamente a Generative Engine Optimization. A decisão de nascer 100% focado em GEO, em vez de adicionar GEO ao cardápio de uma agência tradicional, foi deliberada: disciplina nova exige método próprio, ferramenta própria e, principalmente, cabeça desimpedida de hábitos da disciplina anterior. Passamos os primeiros anos construindo exatamente isso: metodologia, ferramentas proprietárias de monitoramento que testam prompts em escala nas APIs dos principais modelos, e seis frameworks de trabalho que depois publicamos com metodologia aberta e licença livre de uso.

Mas faltava um passo, e na minha visão era o passo que o mercado brasileiro inteiro devia: prova experimental. O campo de GEO tem um estudo fundador, dos pesquisadores de Princeton, publicado no arXiv e apresentado no KDD 2024, que demonstrou que técnicas de otimização elevam a visibilidade de uma página nas respostas de motores generativos em até 40%. Era ciência de verdade, com método e dados. Só que era ciência em inglês, sobre consultas em inglês. E modelos de linguagem não se comportam de forma idêntica em todos os idiomas: a base de treinamento em português é outra, as fontes disponíveis são outras, o ecossistema de sites é outro. Afirmar que os achados valiam para o Brasil era, até então, um ato de fé.

Então eu testei. Construí um banco de 200 consultas reais em três domínios, finanças, saúde e turismo, simulei um motor generativo de duas etapas, com recuperação de fontes e síntese com citações, e apliquei os nove métodos de otimização do estudo original, num total de 6.000 execuções experimentais. Publiquei o resultado como preprint com DOI no Zenodo, depositei no SSRN, no Figshare e em outros repositórios acadêmicos, e abri o dataset completo sob licença CC BY 4.0, para que qualquer pessoa possa conferir, replicar ou contestar.

Os números confirmaram o padrão de Princeton, agora em português. Adicionar estatísticas ao conteúdo elevou a visibilidade nas respostas de IA em 34,2%. Citações diretas de especialistas e fontes nomeadas elevaram em 26%. Referências a fontes verificáveis elevaram em 22,3%. Tudo com significância estatística de p menor que 0,01. E no sentido oposto, o velho keyword stuffing, a tática que definiu a era em que a máquina contava, derrubou a visibilidade em 25,2%.

Pare um momento nesse último número, porque ele fecha um círculo de dezoito anos. A primeira lei que aprendi, observando o Panda e o Penguin destruírem operações inteiras, dizia que o que é construído para enganar o algoritmo tem prazo de validade. Era uma lei empírica, baseada em observação. Em 2026, ela virou uma medição de laboratório: a tática de manipulação mais clássica da história do SEO não apenas parou de funcionar na era generativa, ela passou a custar um quarto da visibilidade de quem insiste nela. A máquina que responde premia evidência e pune truque, com números na frente.

O que muda, afinal, quando as máquinas passam a responder

Agora posso responder à pergunta do título com o rigor que ela merece. A resposta tem cinco partes, e cada uma delas tem consequência prática direta.

SEO e os motores de buscas como sobreviver? Vamos gerar tráfego

8 Técnicas SEO para Aparecer na Primeira Página do Google

Muda a unidade de valor: do clique para a citação. Por 25 anos, o funil da visibilidade digital foi ranking, clique e visita, e todas as métricas, ferramentas e contratos do mercado foram construídos em torno dele. Quando a resposta vem pronta, esse funil não existe: existe citação. A marca citada captura atenção, confiança e intenção de compra no momento exato da dúvida, dentro de uma resposta que o usuário tende a tratar como conselho, não como propaganda. A marca não citada não perdeu posições: deixou de existir naquela conversa. É por isso que resumo a era em uma frase: a citação é o novo clique. E a consequência prática é que o objeto de otimização mudou de lugar. Antes, otimizava-se uma página para uma consulta. Agora, otimiza-se uma marca, com tudo o que se diz sobre ela, para um espaço de perguntas.

Muda a matemática da visibilidade: de gradual para binária. No ranking, a distribuição de resultado era uma curva: o primeiro lugar levava mais, mas o quinto ainda recebia algo, e até a segunda página capturava migalhas mensuráveis. Na síntese, a distribuição é um degrau: quem está na resposta está, quem não está não existe. Isso tem três consequências. A métrica central muda de posição média para taxa de citação e share of voice em IA, medidos sobre um conjunto fixo de prompts. O custo da ausência explode, porque ausência não é tráfego reduzido, é invisibilidade total no momento da decisão. E o risco competitivo muda de perfil: no ranking, um concorrente que subia te empurrava um degrau; na resposta, um concorrente que entra pode simplesmente te substituir.

Muda o lugar da autoridade: do seu site para o consenso. Essa é, na minha leitura, a mudança mais profunda das cinco, e a menos compreendida. Uma máquina que responde não escolhe a melhor fonte: reproduz a versão mais provável, aquela que mais fontes independentes repetem da mesma forma. O modelo confia pouco no que você declara sobre si mesmo, porque autodeclaração é o sinal mais barato que existe. Confia no que agregadores, comparadores, veículos de imprensa, plataformas de review e bases de conhecimento registram sobre você. A autoridade migrou definitivamente para onde a marca não controla, e isso inverte a alocação de esforço de todo o mercado: a maior parte do trabalho que gera citação acontece fora do seu site. É o motivo pelo qual organizei essa lógica na Pirâmide de Consenso, o primeiro dos frameworks que publiquei: o peso de uma fonte é inversamente proporcional ao controle que você tem sobre ela.

Muda o que conta como prova. Sistemas treinados para não afirmar o que não conseguem sustentar desenvolvem uma hierarquia implícita de evidência. Adjetivo institucional não sobe nessa hierarquia: "somos líderes de mercado" é ignorado ou atribuído à própria empresa, o que anula o efeito de recomendação. Número com metodologia sobe: período, amostra, método aberto, fonte nomeada. Meu próprio estudo é o exemplo que uso: "os métodos de GEO funcionam" é uma opinião; "estatísticas elevaram a visibilidade em 34,2%, com p menor que 0,01, em 6.000 execuções com dataset aberto" é um ativo citável, que outros passam a repetir. A régua editorial subiu para todo mundo, e favorece quem tem coragem de publicar dado verificável em vez de slogan.

E muda o que não parecia que ia mudar: o tempo passou a jogar a favor de quem começa cedo, com juros compostos. No ranking, uma posição podia ser disputada a qualquer momento por quem chegasse com mais recurso. Na resposta, a barreira é outra: modelos de linguagem são alimentados por consenso construído ao longo do tempo, com menção consistente, entidade bem definida e reputação distribuída em fontes que eles leem e releem. Nada disso se compra de um dia para o outro, nem com orçamento grande. Cada trimestre de presença construída agora vira base para o seguinte, e a distância entre quem começou e quem adiou cresce sozinha. Acredito que em 3 a 5 anos, share of voice em IA será uma métrica tão fundamental quanto posição no Google é hoje, discutida em conselho de administração. A busca sempre puniu quem chegou atrasado. A resposta pune com invisibilidade, e cobra juros.

O que fazer com tudo isso: um roteiro para quem está atravessando a virada

Diagnóstico sem prescrição é metade de um artigo, então fecho a análise com o que eu recomendaria a três perfis diferentes de leitor, com base no que essas cinco mudanças implicam na prática.

Para quem lidera uma marca estabelecida, que domina o ranking da sua categoria: o seu risco é a falsa sensação de segurança. Dominância em links azuis não se converte automaticamente em presença nas respostas, porque os sistemas que respondem pesam fontes que o seu SEO talvez nunca tenha trabalhado: comparadores, plataformas de review, bases de conhecimento, imprensa setorial. O primeiro passo é medir sem complacência: um conjunto fixo de prompts da sua categoria, testado com protocolo, nos principais modelos. Se a sua marca aparece menos do que a posição no Google sugeriria, e é o cenário mais comum que encontro, você tem uma lacuna entre o ativo que construiu e o ativo que a nova era exige. A boa notícia é que quem tem autoridade real acumulada costuma precisar mais de tradução do que de reconstrução: transformar a reputação existente em evidência citável e presença nas fontes que os modelos leem.

Para quem opera uma marca desafiante, que nunca venceu nos dez links azuis: a virada é a sua janela, e falo isso com base em dado, não em otimismo. Tanto o estudo de Princeton quanto a minha replicação encontraram o que chamamos de efeito equalizador: páginas mal ranqueadas ganham proporcionalmente mais visibilidade com técnicas de GEO do que as que já estão no topo. A vantagem estrutural que protegia os líderes do ranking não se transfere inteira para o novo ambiente. Mas janelas fecham, e essa fecha do jeito mais silencioso possível: pelo acúmulo de consenso dos concorrentes que começaram antes. Se há um momento na história recente da busca em que o desafiante tem chance real de disputar de igual para igual, é agora, enquanto a maioria da sua categoria ainda discute se "esse negócio de IA" merece orçamento.

Para quem é profissional de busca e sente o chão se mover: a sua experiência vale mais do que o mercado está dizendo, desde que você a traduza. A base técnica que você domina continua sendo o pré-requisito de tudo. A semântica que você aprendeu depois do BERT é exatamente o que os modelos generativos leem. O que muda é a camada de cima: as métricas, o objeto de otimização, o peso do off-site. Meu conselho prático é o mesmo que dei a mim em cada virada: vá para a fonte primária. Leia o paper de Princeton, não o resumo do paper em thread. Monte seu próprio conjunto de prompts e meça você mesmo, porque intuição de ranking não prevê comportamento de síntese. E desconfie de quem prometer que é tudo igual com nome novo, na mesma medida em que desconfia de quem prometer que nada do que você sabe serve mais. As duas afirmações são vendas, não análises.

Nos três casos, a sequência de trabalho é a mesma e a ordem importa: primeiro a base técnica, porque nada existe sem ela; depois a medição com protocolo, porque sem régua todo relatório é impressão; depois a evidência citável e as entidades bem definidas dentro de casa; e só então, sustentando tudo, a construção de consenso fora de casa, que é onde a citação de fato se decide. Quem inverte a ordem, começando pelo volume de conteúdo, compra atividade em vez de resultado.

O que não muda

E aqui está a conclusão que dezoito anos me autorizam a escrever: por baixo de todas as viradas, a natureza do jogo permaneceu a mesma. A máquina que contava votos, a que aprendeu a ler e a que aprendeu a responder premiaram, no fim, o mesmo comportamento: ser genuinamente útil, de forma que a máquina consiga entender e comprovar.

O que cada era fez foi subir o preço da simulação. Em 2008, bastava parecer relevante: a contagem de votos era manipulável, e a utilidade podia ser encenada com link e repetição. Em 2018, era preciso ser semanticamente completo: a máquina que lê significado não se impressiona com termo repetido, mas ainda avaliava cada página isoladamente. Em 2026, é preciso ser verificável, citável e confirmado por terceiros: a máquina que responde cruza fontes, pesa consenso e desconta tudo o que só você diz sobre si mesmo. O atalho ficou mais caro a cada década, e a construção honesta ficou relativamente mais barata. Se eu pudesse mandar uma única frase para o André de 2008, seria essa: o mercado inteiro vai passar vinte anos aprendendo, na marra, que não havia atalho.

As quatro leis que colecionei no caminho continuam todas em vigor, apenas reformuladas. O que engana o algoritmo tem prazo de validade, e agora esse prazo foi medido em laboratório. A infraestrutura é o pré-requisito invisível, e agora ela se chama "o que a IA consegue rastrear, entender e extrair". As viradas são anunciadas em papers, e o paper da era atual saiu em 2023, para quem quis ler. E método que não sobrevive ao escrutínio de pares não é método, razão pela qual publiquei o meu, com dados abertos, para ser contestado.

E marca continua sendo o único ativo que nenhum algoritmo penaliza. Vale registrar que essa era uma tese ética que virou vantagem técnica: demanda por nome, menções espontâneas, retenção e reputação distribuída eram, na era do ranking, sinais desejáveis; na era da resposta, são a própria matéria-prima do consenso que os modelos internalizam. Os três sites que levei à liderança chegaram lá sem nenhuma tática que precisasse ser escondida, e atravessaram todas as atualizações. Hoje, esse mesmo caminho é o único que existe: não há black hat escalável para IA generativa. Existe marca, ou não existe citação.

De 2008 a 2026, a máquina mudou três vezes de natureza: contou, leu, respondeu. Minha função, no fundo, nunca mudou: entender como ela lê o mundo antes dos outros, e preparar as marcas para serem a resposta. Antes, isso significava ser encontrado. Agora, significa ser dito. E ser dito pela máquina que milhões de pessoas consultam todos os dias é, hoje, a forma mais valiosa de existir na internet.

André HP é fundador da Geostack, primeira agência brasileira dedicada exclusivamente a Generative Engine Optimization, criador do Zeus, fundador do SEO Prime e autor da replicação do estudo GEO de Princeton em português brasileiro, publicada com DOI e dataset aberto.

SEO e os motores de buscas como sobreviver? Vamos gerar tráfego

8 Técnicas SEO para Aparecer na Primeira Página do Google

Novas técnicas de SEO - Use e veja o seu blog decolar

Espero que tenha curtido o conteúdo sobre:
André HP: De 2008 a 2026, o que muda quando as máquinas passam a responder
Em SEO temos diversos artigos sobre este tema.