Os dados de IA generativa do Google Search Console começaram a se recuperar depois de uma falha de registro que reduziu artificialmente as impressões apresentadas desde 13 de agosto de 2026.
O Search Engine Watch identificou a retomada em 19 de agosto. A Hedgehog Digital observou o mesmo movimento em seus próprios dados no dia seguinte.
A notícia reduz a incerteza sobre a queda, mas não encerra a discussão mais importante. A recuperação dos gráficos ainda não confirma que todo o histórico afetado tenha sido recomposto. E o episódio expõe uma tensão que vai muito além do Search Console: as empresas começaram a tomar decisões sobre inteligência artificial em uma velocidade maior do que a maturidade das métricas usadas para justificá-las.
Governança de IA não trata apenas de modelos, privacidade, risco e compliance. Também precisa responder a uma pergunta mais básica: podemos confiar no dado que sustenta a decisão?
Um relatório novo, uma ampliação rápida e um bug
O Google lançou os relatórios de performance de IA generativa em 3 de junho. A distribuição começou por um subconjunto de sites, com painéis dedicados à Busca e ao Discover.
Na Busca, a visualização reúne impressões de páginas exibidas em AI Overviews e AI Mode. Os dados podem ser analisados por URL, país, dispositivo e data. Em agosto, o acesso começou a aparecer para mais propriedades, ampliando a primeira camada oficial de mensuração da presença de sites nas experiências generativas do Google.
Em 13 de agosto, uma falha passou a reduzir as impressões registradas. O Google confirmou em 18 de agosto que o problema estava na geração dos dados e não representava uma perda de visibilidade na Busca. No dia seguinte, os gráficos começaram a subir novamente.
O ciclo completo aconteceu em pouco mais de dois meses:
- lançamento limitado;
- ampliação do acesso;
- crescimento do uso;
- falha de registro;
- confirmação pública;
- recuperação gradual.
É uma sequência comum em produtos digitais jovens. A diferença é que esse produto não organiza apenas informação operacional. Ele começa a influenciar decisões sobre orçamento, conteúdo, autoridade, distribuição e presença de marcas em sistemas generativos.
O que uma impressão de IA realmente permite concluir
Uma impressão é contabilizada quando um link para uma página aparece em uma experiência generativa da Busca. Essa métrica demonstra exposição potencial.
Ela não demonstra, isoladamente:
- que a marca foi mencionada no texto gerado;
- que o usuário viu ou leu a fonte;
- que houve clique;
- que a resposta transmitiu confiança;
- que a exposição influenciou uma busca posterior;
- que existiu conversão ou receita.
O relatório também não informa quais consultas ou prompts originaram a exibição, não separa AI Overviews de AI Mode e não mostra a contribuição específica da página para a resposta.
Isso não torna o dado fraco. Torna a sua definição estreita.
O problema começa quando uma organização apresenta uma métrica de presença como se fosse uma métrica de impacto. Com o bug, esse risco aumentou: além de parcial, o dado ficou temporariamente instável.
Para compreender o que o painel oferece, como agrupar as páginas e como criar uma linha de base, a Hedgehog publicou um guia prático sobre como analisar o relatório de IA generativa do Google Search Console.
Governança também é governança de métricas
Quando se fala em governança de IA, a discussão costuma se concentrar no que entra no sistema: dados de treinamento, informações pessoais, propriedade intelectual, prompts e políticas de uso.
O caso do Search Console chama atenção para o outro lado. Também precisamos governar o que sai dos sistemas de medição e chega às lideranças como evidência.
Uma governança mínima para métricas de IA precisa cobrir cinco pontos:
- Procedência: de qual plataforma vem o dado e qual evento ela registra?
- Escopo: quais produtos, países, dispositivos e jornadas estão cobertos?
- Confiabilidade: existe atraso, amostragem, anomalia ou histórico incompleto?
- Interpretação: qual conclusão a métrica permite — e qual não permite?
- Responsabilidade: quem valida o sinal antes que ele se transforme em decisão?
Sem essa camada, dashboards podem criar uma aparência de precisão maior do que a evidência disponível.
Do sinal à ação: um modelo para decisões sobre AI Visibility
O incidente permite organizar a análise em quatro camadas.
1. Sinal
É o que a ferramenta mostra. Neste caso, uma queda abrupta nas impressões de IA generativa.
O sinal serve para abrir uma investigação, não para antecipar a conclusão.
2. Evidência
É o conjunto de fontes que confirma, limita ou contradiz o sinal. Entram aqui a comunicação do Google, o relatório geral do Search Console, web analytics, logs, monitoramento manual, buscas de marca, leads e vendas.
Quando o painel cai, mas as demais fontes permanecem estáveis, a hipótese de falha de instrumentação fica mais forte.
3. Interpretação
É a explicação proporcional ao que foi comprovado. O Google confirmou um erro de registro nas impressões. Não confirmou perda de ranking, redução de citações ou queda de tráfego causada pelos recursos generativos.
Também não confirmou publicamente, até o momento, a recomposição integral de todo o histórico. Portanto, “os dados estão se recuperando” é uma formulação sustentada; “o problema foi completamente corrigido” ainda exige cautela.
4. Ação
É a decisão tomada depois da validação. Para este incidente, a resposta adequada inclui anotar a janela afetada, preservar os dados brutos, comunicar a limitação, cruzar fontes e evitar mudanças estratégicas baseadas apenas no gráfico.
Esse modelo reduz dois riscos opostos: reagir de forma cara a um falso positivo ou usar a existência de um bug para ignorar uma queda real que aparece em outras métricas.
AI Visibility é uma camada, não o sistema inteiro
O relatório do Google mede uma parte específica da presença orgânica: links exibidos em experiências generativas da Busca.
Ele não mede citações no ChatGPT, recomendações no Gemini, fontes recuperadas pelo Perplexity, descoberta em redes sociais, visualizações no YouTube nem o efeito acumulado dessas interações sobre a demanda de marca.
Por isso, AI Visibility deve ser tratada como uma dimensão de mensuração. Organic Visibility é o sistema que conecta a presença da marca às diferentes superfícies em que descoberta, consideração e decisão acontecem.
SEO forma a base para que páginas sejam rastreadas, renderizadas, indexadas e encontradas. GEO amplia esse trabalho para que a informação possa ser compreendida, recuperada, citada e recomendada por mecanismos generativos.
GEO sem SEO não existe. Mas medir apenas SEO ou apenas GEO também não explica toda a jornada.
Uma organização pode aparecer em um AI Overview, não receber o clique naquele momento e ainda influenciar uma busca de marca ou uma conversão posterior. Também pode acumular milhares de impressões sem gerar qualquer consequência perceptível para o negócio.
A mensuração precisa avançar por uma progressão mais completa:
visibilidade → acessos → engajamento → conversões → receita
Como apresentar métricas de IA para lideranças
O episódio oferece recomendações práticas para empresas que já reportam AI Visibility a conselhos, diretorias ou clientes.
Declare a definição da métrica
“Impressões em IA generativa” precisa vir acompanhada do evento contabilizado, das experiências cobertas e das limitações conhecidas. O nome da métrica não substitui a sua definição.
Diferencie confirmado, observado e inferido
Dados confirmados vêm de documentação ou medições estáveis. Dados observados descrevem um comportamento ainda sujeito a validação. Inferências conectam sinais, mas não devem ser apresentadas como causalidade.
Registre incidentes e quebras de série
Uma anotação em 13 de agosto evita que a queda artificial contamine comparações mensais, metas e avaliações de performance. Se o histórico não for recomposto integralmente, a quebra precisa permanecer documentada.
Evite um indicador único
Nenhuma plataforma consegue representar sozinha toda a jornada de descoberta. Combine presença nos mecanismos generativos com tráfego, engajamento, demanda de marca, pipeline comercial e receita.
Defina quem pode autorizar uma mudança
Um alerta automático não deveria ser suficiente para reescrever conteúdos, alterar prioridades ou cortar investimentos. A decisão precisa de um responsável, critérios de validação e evidências convergentes.
Medir IA exige tanta maturidade quanto implementá-la
O retorno dos dados é uma boa notícia. O relatório do Search Console oferece uma visão oficial que faltava para profissionais e empresas entenderem sua presença em AI Overviews e AI Mode.
Mas o valor de uma métrica não está apenas em sua disponibilidade. Está na capacidade de compreender o que ela representa, verificar sua integridade e conectá-la a decisões proporcionais.
A velocidade dos lançamentos de IA continuará alta. Produtos vão ganhar recursos, coberturas serão ampliadas e novos indicadores chegarão aos dashboards. Incidentes também acontecerão.
A empresa mais madura não será a que acumular mais números sobre IA. Será a que souber separar sinal de evidência, evidência de interpretação e interpretação de ação.
Fontes verificadas
- Google Search Central — anúncio oficial do relatório
- Google Search Console — anomalias de dados
- Search Engine Watch — recuperação dos dados
- Hedgehog Digital — recuperação dos dados de IA
- Hedgehog Digital — ampliação do relatório
- Hedgehog Digital — guia prático do relatório
- Hedgehog Digital — confirmação e análise do bug
