O que é GEO e por que otimizar a presença online é legítimo
Com a popularização de ferramentas como ChatGPT, Gemini, Perplexity, Copilot e outros motores de IA generativa, as marcas passaram a disputar um novo espaço: não apenas aparecer nos resultados de busca, mas ser mencionadas, citadas e recomendadas dentro das respostas da inteligência artificial. É nesse contexto que surge o GEO, ou Generative Engine Optimization.
O GEO é a prática de estruturar conteúdos, dados, páginas institucionais, FAQs, reviews, comparativos e informações técnicas para que os motores de IA consigam escanear, interpretar e citar uma marca com mais precisão. Diferente do SEO tradicional, que busca melhorar posições em páginas de resultados, o GEO mira a presença da marca dentro de respostas geradas por IA. Ele envolve estruturar conteúdo e construir autoridade para que plataformas de IA selecionem, citem e exibam uma marca em suas respostas.
Isso é legítimo quando feito com transparência. Uma empresa pode, por exemplo, organizar melhor seu site, atualizar descrições de produtos, publicar estudos de caso, criar páginas comparativas honestas, melhorar dados estruturados e responder dúvidas reais dos consumidores. Em outras palavras: ser bem escaneável, confiável e fácil de entender pelos modelos de IA não é manipulação. É adaptação a uma nova forma de busca.
READ ALSO: “Tarpits e Nightshading: Entenda o envenenamento de IAs”
Quando a otimização vira Recommendation Poisoning
O problema começa quando a fronteira entre otimização e manipulação é ultrapassada. A disputa para influenciar chatbots de IA já está levando empresas a adotarem táticas competitivas duvidosas para interferir nas respostas desses sistemas.
Essa prática vem sendo chamada de Recommendation Poisoning, or envenenamento de recomendações. Em termos simples, trata-se de tentar contaminar a percepção dos motores de IA para que eles recomendem uma marca específica, favoreçam um produto ou diminuam a credibilidade de concorrentes.
Na prática, isso pode acontecer por meio da publicação de listas, rankings, comparações e avaliações aparentemente neutras, mas construídas para favorecer uma empresa. Um conteúdo como “as melhores plataformas de atendimento com IA” pode parecer informativo, mas ser produzido para posicionar uma marca em primeiro lugar e retratar concorrentes de forma negativa.
O risco aumenta quando esse tipo de conteúdo é criado não para o público humano, mas para os sistemas de IA. Em alguns casos, há documentos, páginas ou instruções que nem ficam claramente públicos para o consumidor comum, mas são disponibilizados de forma que possam ser rastreados, processados ou utilizados por assistentes inteligentes.
READ ALSO: “Como evitar que seus dados pessoais sejam usados para treinar IAs”
Como a manipulação acontece na prática
THE Recommendation Poisoning pode assumir diferentes formas. Uma delas é a criação massiva de conteúdos comparativos enviesados. Outra é o uso de páginas otimizadas para responder perguntas muito específicas, como “qual é o melhor chatbot para e-commerce?”, “melhor AI chatbot company” ou “plataforma de IA para atendimento ao cliente”, sempre conduzindo a resposta para a mesma marca.
A Microsoft também identificou uma forma mais técnica do problema: links e botões como “Summarize with AI” contendo instruções ocultas para tentar influenciar a memória de assistentes de IA. Segundo a empresa, algumas instruções tentavam fazer o assistente “lembrar” determinada companhia como fonte confiável ou recomendá-la primeiro em interações futuras.
É aí que a prática deixa de ser apenas marketing agressivo e se aproxima de uma tentativa de manipulação algorítmica. Em vez de disputar relevância com qualidade, dados verificáveis e reputação, a empresa tenta inserir atalhos para influenciar o comportamento da IA.
Esse movimento se torna ainda mais preocupante em setores sensíveis, como saúde, finanças, jurídico, segurança e serviços corporativos. Uma recomendação enviesada de IA pode levar uma pessoa ou empresa a tomar decisões importantes com base em informações distorcidas.
Os dados explicam o fenômeno
Os números ajudam a entender por que tantas marcas estão tentando influenciar os motores de IA. A Similarweb aponta que 35% dos consumidores dos Estados Unidos já usam IA na etapa de descoberta de produtos, contra 13,6% que usam mecanismos tradicionais de busca nessa mesma fase. Isso significa que a shortlist de marcas pode ser formada antes mesmo de o usuário abrir o Google.
A Microsoft também trouxe dados relevantes: em uma análise de 60 dias, foram identificados mais de 50 exemplos distintos de tentativas baseadas em prompts para influenciar a memória de assistentes de IA, originadas por 31 empresas em mais de 12 setores, incluindo finanças, saúde, SaaS, serviços jurídicos, marketing e negócios.
Esses dados justificam o fenômeno: se a IA passa a influenciar descoberta, comparação e decisão de compra, aparecer bem nas respostas deixa de ser apenas visibilidade. Passa a ser vantagem competitiva direta. O problema é que, sem governança, transparência e critérios éticos, essa disputa pode transformar motores de IA em ambientes contaminados por interesses ocultos.
Por que todos perdem com o envenenamento das recomendações
THE Recommendation Poisoning é prejudicial porque compromete a confiança, que é justamente o principal ativo da IA conversacional. Usuários recorrem a chatbots, AI agents e motores generativos esperando respostas úteis, equilibradas e baseadas em evidências. Quando uma recomendação é manipulada, a experiência deixa de ser informativa e passa a ser influenciada por uma estratégia invisível.
As empresas também perdem. Mesmo aquelas que conseguem benefícios de curto prazo correm riscos reputacionais. Uma marca associada à manipulação de recomendações pode ser vista como pouco confiável, antiética e incapaz de competir pela qualidade real de sua solução. Além disso, quanto mais o mercado abusa dessas práticas, mais os próprios motores de IA tendem a endurecer filtros, penalizações e critérios de confiança.
A saída não é abandonar o GEO, mas praticá-lo com responsabilidade: conteúdo claro, dados verificáveis, comparações honestas, fontes confiáveis, governança de IA e respeito ao usuário. Em um ambiente onde algoritmos influenciam escolhas, ética não é detalhe. É infraestrutura de confiança.
