A pergunta que agora define você não é feita a você
Semana passada, antes de uma reunião com um possível parceiro, fiz o que virou rotina silenciosa de qualquer decisor em 2026: abri o ChatGPT e digitei o nome dele. Não fui ao Google primeiro. Não abri o LinkedIn dele primeiro. Perguntei à máquina "quem é fulano" e li o parágrafo que ela me devolveu antes de qualquer aperto de mão. Aquele parágrafo — não o currículo, não o site, não a bio caprichada do perfil — foi a primeira impressão que eu tive da pessoa. E eu não fui o primeiro nem serei o último a fazer isso com ela.
É essa a virada que quase ninguém digeriu ainda. Durante vinte anos, marca pessoal foi sobre o que você publica: o post, o artigo, a palestra, a foto profissional. Você controlava a emissão. Hoje, marca pessoal é sobre o que a máquina sintetiza a partir de tudo o que existe sobre você espalhado pela web — e devolve em três frases para quem perguntou. Você perdeu o controle da emissão e ganhou um intermediário novo, opaco e confiante, que fala de você na sua ausência.
Minha tese, depois de auditar dezenas de entidades pessoais por dentro: sua reputação em 2026 não é mais o que você diz de si — é o que o ChatGPT, o Gemini e o Perplexity respondem quando alguém pergunta de você. E essa resposta é construída, previsível e — felizmente para quem age — passível de ser disputada. O problema é que a maioria dos profissionais ainda investe em emissão (mais um post) quando deveria investir em fonte (corrigir o que alimenta a síntese). Este texto é sobre essa diferença.
Por que isso deixou de ser um detalhe de gente famosa
A reação natural de quem ouve isso pela primeira vez é: "mas a IA só fala de celebridade, político, CEO de Nasdaq". Era verdade em 2023. Não é mais. A escala de uso transformou cada profissional com presença digital em um "objeto de consulta" potencial. Levantamentos consolidados em janeiro de 2026 estimam entre 115 e 180 milhões de usuários ativos diários de IA generativa no mundo, com cerca de 53% dos adultos nos Estados Unidos já tendo usado essas ferramentas (Master of Code, jan/2026). Quando uma parcela dessa massa pergunta por nomes específicos — recrutadores antes de uma entrevista, clientes antes de fechar contrato, jornalistas antes de uma pauta —, você entra no fluxo, famoso ou não.
A própria OpenAI já mapeou que cerca de 75% das conversas de consumidores no ChatGPT giram em torno de obter orientação prática, buscar informações ou escrever, e que aproximadamente 30% do uso de consumidores é ligado a trabalho (OpenAI, "How people are using ChatGPT", set/2025). Traduzindo para o seu caso: análises de currículo, revisão de propostas, pesquisa sobre especialistas antes de uma contratação ou de uma parceria. O modelo deixou de ser brinquedo e virou camada de apoio à decisão. E uma camada de apoio à decisão que descreve você é, por definição, parte da sua reputação.
Eu vi esse mesmo deslocamento acontecer com marcas corporativas — foi o que me levou a fundar a Brasil GEO e a escrever sobre o que é GEO. A diferença é que, na marca pessoal, não há uma equipe de comunicação no meio. É você, seu nome e o que a internet acumulou. Por isso o profissional liberal — o médico, o advogado, o psicólogo, o coach, o consultor — está mais exposto do que a empresa: a empresa tem um departamento; você tem um homônimo no Instagram que a IA pode confundir com você.
Como a máquina monta a resposta sobre você (e de onde ela tira isso)
Para disputar a resposta, é preciso entender o mecanismo. ChatGPT, Gemini e Perplexity não "sabem" de você no sentido humano. Eles recuperam documentos sobre o seu nome, escolhem os que consideram mais confiáveis e sintetizam um texto condicionado a essas fontes — o ciclo de recuperação aumentada que eu detalho em RAG e query fan-out. A reputação que você recebe é, portanto, uma média ponderada das fontes que a máquina considerou autoridade sobre o seu nome.
E quais são essas fontes? Aqui os dados são duros e desconfortáveis para quem só publica no próprio site. Um estudo da Semrush em parceria com o LinkedIn, sobre 325 mil prompts submetidos a ChatGPT Search, Google AI Mode e Perplexity, encontrou 89 mil URLs únicas do LinkedIn citadas, com o LinkedIn aparecendo como o segundo domínio mais citado, em cerca de 11% das respostas — atrás apenas da Wikipedia e à frente de YouTube e dos grandes veículos de imprensa (Semrush + LinkedIn, AI Visibility Study, 2026). Ou seja: quando o assunto é carreira, negócios ou expertise profissional, há grande probabilidade de a máquina estar lendo o seu LinkedIn e a sua Wikipedia — não o seu blog.
| Fonte | Papel na resposta sobre uma pessoa | O que você controla |
|---|---|---|
| Wikipedia / Wikidata | Espinha biográfica e identidade de entidade; base do Knowledge Graph | Indireto (notabilidade, citações de terceiros) |
| Trajetória, cargo, expertise; 2º domínio mais citado em temas profissionais | Alto (perfil, artigos originais) | |
| Site pessoal próprio | Fonte canônica; desambigua nome, cargo, sameAs | Total |
| Mídia conquistada | Marcos, prêmios, entrevistas; corrobora os fatos | Indireto (relações e mérito) |
| Reddit / fóruns | Opinião e relato; pesa na percepção qualitativa | Baixo |
Repare na coluna da direita. O LinkedIn e o site próprio são os únicos dois pontos onde você tem alavanca direta e imediata. A lição operacional é brutal: enquanto a maioria gasta energia em redes onde controla pouco, a alavanca real está em dois lugares que quase ninguém trata como infraestrutura. O estudo da Semrush ainda mostra que cerca de 95% dos posts citados no LinkedIn são conteúdo original, com predominância de material educacional e prático — não de autopromoção. A máquina prefere quem ensina a quem se gaba.
A entidade Person: você como um nó no grafo da máquina
Aqui entra o conceito que separa quem entende do assunto de quem só "faz post": você, para a máquina, é uma entidade. No ecossistema Google, isso significa um nó no Knowledge Graph — um grafo com mais de 1,6 trilhão de fatos sobre cerca de 54 bilhões de entidades, descritas por propriedades e relações estruturadas (Ahrefs, Google Knowledge Graph). Pessoas são um dos tipos fundamentais: a entidade Person, com propriedades como nome completo, ocupação, afiliações, local de trabalho, datas. Quando o Gemini ou o Google AI Mode respondem sobre você, eles tendem a refletir o que já está codificado nesse grafo.
E de onde o grafo extrai os atributos da sua entidade Person? Principalmente de Wikipedia, Wikidata, do seu próprio site e de fontes licenciadas (ReputationX, fontes de Knowledge Panel). É exatamente por isso que eu trato Wikidata como infraestrutura, não como vaidade — desenvolvi o argumento em Wikidata e Knowledge Graph: impedir que a IA confunda sua marca. Para uma pessoa, um item Wikidata bem referenciado e um site com marcação schema.org/Person são a forma mais barata de dizer à máquina, em linguagem que ela entende: "esta entidade existe, tem estes atributos e é diferente do homônimo".
O detalhe técnico que muda tudo: a máquina cruza sinais sobre você em múltiplas fontes e exige consistência. Mesmo nome, mesmo cargo, mesma descrição, mesma foto, mesmas afiliações em todos os canais. Qualquer divergência — você é "CEO" no LinkedIn, "fundador" no site e "consultor" no diretório — confunde o sistema de resolução de entidades e pode resultar em uma resposta vaga, contraditória ou misturada com a de outra pessoa de nome parecido. Eu chamo isso de entity drift, e foi exatamente o que medi quando auditei minha entidade digital em 17 plataformas.
Alucinação reputacional: quando a máquina inventa o seu currículo
Existe um risco que ninguém coloca no slide de "personal branding", e é o que mais me tira o sono: a alucinação reputacional. A IA não erra só dizendo "não sei". Ela erra com confiança — afirma que você trabalhou em uma empresa onde nunca pisou, atribui um cargo que você não ocupou, associa o seu nome a um caso, a uma controvérsia ou a uma formação que não é sua. E entrega tudo isso com o mesmo tom seguro com que diria a sua data de nascimento correta.
O risco não é teórico. Um relatório de 2026 sobre alucinações indica que 51% das organizações que usam IA já vivenciaram ao menos uma consequência negativa ligada ao uso, e quase um terço relatou impactos diretamente associados a imprecisões dos modelos (Suprmind, AI Hallucination Statistics, 2026). Quando essa imprecisão recai sobre uma pessoa, deixa de ser bug técnico e vira dano: o recrutador descarta você por um "fato" inventado, o cliente recua por uma associação falsa, e você nunca sabe que isso aconteceu, porque a conversa foi entre ele e a máquina.
De onde vem a alucinação reputacional? Quase sempre de duas raízes que estão sob o seu controle. A primeira é o vazio de fonte: quando não existe informação confiável e estruturada sobre você, a máquina preenche a lacuna com inferência — ela "chuta" com base em padrões. A segunda é a contradição de fonte: quando as fontes sobre você se contradizem, a máquina escolhe uma versão, e nem sempre a verdadeira. As duas se combatem com a mesma medicina — criar e consolidar uma fonte de verdade —, que é exatamente o tema da próxima seção.
Construir uma fonte de verdade sobre si mesmo
A boa notícia do meio de tanta exposição: você não precisa virar celebridade para disputar a sua própria narrativa. Precisa fazer o que eu chamo de construir a fonte de verdade — uma página canônica, sua, sob seu domínio, que a máquina possa ler, confiar e reusar. É o equivalente, na marca pessoal, ao que o site institucional é para a empresa. Sem ela, você terceiriza a sua biografia para o LinkedIn e para o acaso.
O roteiro que eu sigo e recomendo, em ordem de impacto:
- Crie a página canônica de quem você é. Uma página no seu domínio (uma "sobre" robusta, ou uma página de autor) com nome completo, cargo atual exato, formação, afiliações e uma biografia factual em prosa clara. É daqui que a máquina deve tirar a versão oficial.
- Marque essa página com
schema.org/Person, incluindo o atributosameAsapontando para o seu LinkedIn, Wikidata, Wikipedia (se houver) e perfis profissionais. OsameAsé o que diz à máquina "estes perfis são a mesma entidade que esta página". Lembrando que schema é higiene de entidade, não bala de prata de citação — uso a honestidade que defendo em como estruturar Schema.org para IA generativa. - Alinhe identidade em todos os canais. Mesmo nome, mesmo cargo, mesma foto, mesma descrição curta — no LinkedIn, no site, nos diretórios, nas bios. Consistência derrota a alucinação por contradição.
- Produza conteúdo original e educacional no LinkedIn. Artigos de 500 a 2.000 palavras e posts médios, que ensinam, são o formato que a máquina mais cita — não o post viral, não o reshare.
- Busque corroboração de terceiros. Menções em mídia, participações, prêmios, entrevistas. É o que valida os fatos da sua página canônica e sustenta — eventualmente — um item Wikidata e até uma página Wikipedia.
É a mesma lógica de consenso multi-fonte que faz a IA confiar mais em quem é corroborado — algo que explorei em como a IA decide qual marca citar. Para uma pessoa, isso vale dobrado: uma fonte só (o seu site) afirma; várias fontes coerentes (site + LinkedIn + mídia + Wikidata) convencem.
O que eu faço com a minha própria entidade
Não vou pregar o que não pratico. A minha entidade pessoal é tratada como ativo de infraestrutura, com a mesma seriedade com que cuido da Brasil GEO. Mantenho uma página canônica no meu domínio com a credencial sempre igual — CEO da Brasil GEO, ex-CMO da Semantix (Nasdaq), cofundador da AI Brasil — e propago exatamente essa string para todo lugar, sem variação criativa. Variação criativa em cargo é o atalho mais rápido para a confusão de entidade.
Trimestralmente, eu rodo um diagnóstico simples e desconfortável: pergunto a ChatGPT, Gemini, Perplexity e Claude "quem é Alexandre Caramaschi" e leio cada resposta procurando três coisas — fato errado, omissão relevante e confusão com homônimo. Cada erro encontrado vira uma tarefa: corrigir a fonte que provavelmente o originou. É a versão pessoal do método que descrevo em share of voice em IA — só que o sujeito da medição sou eu.
E mantenho disciplina de frescor. Conteúdo recente pesa: estudos de 2026 indicam que material de menos de um ano responde por uma fatia majoritária dos itens que a IA cita. Para a marca pessoal, isso significa que silêncio prolongado é regressão — a máquina lê a sua trajetória pelo que está atualizado, não pelo que você fez em 2019. Não precisa publicar todo dia; precisa não desaparecer. Profissional liberal que entende isso publica menos, mas mantém a fonte viva.
Seu próximo passo, ainda esta semana
Se você leu até aqui e ainda não fez o teste, faça agora, antes de qualquer outra coisa: abra o ChatGPT (ou o Gemini, ou o Perplexity) e pergunte "quem é [seu nome completo]". Leia a resposta como se fosse um estranho lendo sobre você. Anote o que está errado, o que falta e o que confunde você com outra pessoa. Esse parágrafo é, hoje, a sua primeira impressão diante de quem importa — e você acabou de descobrir o que ele diz.
Depois, ataque na ordem da alavanca: garanta uma página canônica sua, alinhe a identidade entre os canais (a começar pelo LinkedIn, que a máquina lê), e só então pense em volume de conteúdo. Quem tem pouco tempo e nenhum time encontra um roteiro enxuto em GEO para PMEs sem time de SEO: o mínimo viável — o princípio é o mesmo para uma pessoa só.
Marca pessoal sempre foi sobre controlar a sua narrativa. A única coisa que mudou é o intermediário: antes era a sala, o evento, a manchete; agora é a máquina que responde por você quando você não está na sala. Quem entende que a reputação virou uma resposta sintetizada — e trata a própria entidade como infraestrutura — vai estar na resposta certa quando alguém perguntar. Quem continuar achando que basta postar vai descobrir, tarde, que a máquina já tinha uma opinião formada.