Uma proposta de Generative Engine Optimization pode parecer impecável e ainda esconder uma operação que usa publicidade como se fosse validação editorial. Antes de discutir escopo e preço, faça o fornecedor provar o método no próprio domínio. O mercado ainda vende hipóteses como leis.
Motores generativos operam como uma cadeia. A pergunta pode acionar busca, gerar subconsultas, recuperar documentos, reorganizar trechos, selecionar fontes e só então escrever a resposta. Cada etapa altera o resultado. Uma execução isolada, portanto, não mede posição. O mesmo prompt pode produzir outra lista de fontes minutos depois. Medição defensável exige várias rodadas, paráfrases, separação por motor, resposta bruta guardada e dispersão reportada.
Os motores também se comportam de formas diferentes. A Muck Rack analisou mais de 25 milhões de links (https://muckrack.com/blog/what-is-ai-reading-may-2026) em 17 setores. O ChatGPT citou fontes em 96% das respostas, o Gemini em 82% e o Claude em 55%. Estratégia e medição precisam ser separadas por plataforma; a média simples mistura ambientes informacionais distintos.
Num benchmark sério, o comprador precisa auditar tanto a infraestrutura que permite à IA encontrar o conteúdo quanto a régua usada para dizer que o trabalho funcionou. O resultado pode ser debatido e refeito. Uma revisão crítica de 45 estudos de GEO (https://arxiv.org/abs/2607.14035) concluiu que nenhuma técnica revisada demonstrou efeito causal estável, longitudinal e entre plataformas sobre descoberta orgânica.
A regra para assinar
A maior especulação está no dinheiro. Ser citado pode gerar reconhecimento, visita, consideração ou venda, mas são etapas diferentes. Taxas como “visitante de IA converte cinco vezes mais” descrevem bases e períodos específicos e não são coeficientes universais de retorno.
Peça que os testes sejam rodados ao vivo na próxima reunião. Um fornecedor sério pode até reprovar num item. O que o qualifica é conhecer o defeito, explicar o risco e mostrar o processo de correção.
Conteúdo original, experiência de primeira mão e autoria verificável também carregam sinais favoráveis. O Google recomenda material útil, exclusivo e criado por especialistas. A dose permanece aberta. Ninguém demonstrou um número ideal de autores, uma quantidade universal de artigos ou uma frequência de publicação capaz de produzir citação.
Já sabemos que é possível influenciar como motores generativos encontram, interpretam e citam conteúdo, mas ainda não existe receita capaz de produzir descoberta orgânica estável em diferentes plataformas. Essa diferença entre influência e garantia organiza o debate.
A empresa pode agir sem esperar a ciência terminar. Rastreamento, indexação, identidade canônica, conteúdo original e medição repetida entram como fundação. Mídia conquistada, autoria e formatos editoriais entram como hipóteses fortes a testar. Llms.txt, schema e recursos semelhantes só recebem orçamento de visibilidade quando um experimento próprio justificar a aposta.
Todo fornecedor deveria declarar se cada recomendação está demonstrada, correlacionada ou em teste. O contrato precisa registrar linha de base, motores, prompts, número de execuções, grupo de controle, dados brutos e critério de parada.
GEO já tem evidência suficiente para operar. O que ainda falta é licença para prometer certeza onde o sistema continua probabilístico. Garantia de citação é sinal de reprovação: nenhum fornecedor controla o que um motor de terceiro recupera ou recomenda.
O case alexandrecaramaschi.com: de domínio inexistente a entidade reconhecida em GEO
O domínio alexandrecaramaschi.com foi registrado em 19 de março de 2026. Em 10 de agosto, 144 dias depois, meu nome já aparecia associado a Generative Engine Optimization em respostas de IA, resultados de busca, publicações externas e bases acadêmicas.
Ressalva importante: contar menções sem verificar a precisão produz uma métrica enganosa. Uma IA citar seu nome com a biografia de outra pessoa não representa visibilidade, mas sim, risco reputacional.
O trabalho foi construir uma entidade verificável
O domínio passou a funcionar como fonte canônica da pessoa. Cargo, biografia, formação, empresas, publicações e áreas de atuação foram organizados com uma redação consistente.
Ao redor dessa fonte foram conectadas outras superfícies:
- uma identidade acadêmica com ORCID;
- uma entidade no Wikidata;
- um paper publicado na SSRN, com DOI;
- páginas institucionais na Brasil GEO;
- artigos assinados em plataformas externas;
- entrevistas, palestras e cobertura de imprensa;
- perfis profissionais com a mesma descrição factual.
O paper Algorithmic Authority (https://papers.ssrn.com/sol3/papers.cfm?abstract_id=646068 ) documentou a sprint inicial: 206 commits, 61 páginas, 92 URLs indexáveis e evolução do Entity Consistency Score de 20% para 80%.
Isso significa que o nome passou a aparecer em diversas respostas da amostra. Ainda não significa presença universal. O resultado variava por modelo, prompt e tipo de pergunta.
Também surgiu uma diferença importante entre dois testes:
- Quando a pergunta continha meu nome, os modelos começaram a responder com mais precisão.
- Quando a pergunta era genérica, como “quem atua com GEO no Brasil?”, a disputa continuava muito mais difícil.
O primeiro caso mede reconhecimento assistido. O segundo mede descoberta espontânea de categoria. Um fornecedor sério precisa separar os dois.
Em menos de cinco meses, foi possível transformar um domínio recém-registrado em uma infraestrutura pública capaz de sustentar a associação entre uma pessoa e uma categoria emergente.
O case não prova que existe uma fórmula para “dominar o ChatGPT”. Também não permite atribuir o resultado a uma única técnica. Ele comprova algo mais útil: entidades digitais podem ser construídas, desambiguadas, corroboradas e medidas.
Ao auditar um fornecedor de GEO, eu pediria que ele demonstrasse exatamente isso: marco zero datado, prompts fixos, respostas brutas, precisão da entidade, taxa de menção por motor e fontes externas independentes.
Sem essa sequência, existe storytelling. Com ela, começa a existir evidência.
