RAG e query fan-out: como a IA monta a resposta que cita você

Quando você pergunta algo ao ChatGPT, ao Gemini ou ao Perplexity e recebe um parágrafo bem amarrado com duas ou três fontes citadas, é fácil acreditar que a máquina "achou a página certa". Não foi isso que aconteceu. A resposta foi montada a partir de pedaços de várias páginas, recuperados em paralelo, reordenados por relevância e costurados pelo modelo. Se o seu conteúdo entrou nesse processo, você foi citado. Se não entrou, você nem existe para aquela pergunta, por melhor que seja o seu artigo.

Eu passei a tratar isso como o problema técnico central do GEO. Otimizar para a IA generativa não é "escrever para um robô". É entender duas mecânicas concretas, RAG e query fan-out, e ajustar a estrutura do conteúdo para sobreviver a elas. Este guia é a explicação que eu daria para um Tech Lead ou SEO técnico antes de mexer numa linha de schema. A tese contraintuitiva é simples: o que decide a citação não é a sua página inteira, é a passagem isolada dela. E a maioria dos sites otimiza a página, nunca a passagem.

RAG é a sigla de Retrieval-Augmented Generation, ou geração aumentada por recuperação. A ideia é direta: o modelo de linguagem não responde só com o que memorizou no treino. Antes de escrever, ele busca documentos relevantes na web (ou num índice), injeta os trechos recuperados no próprio contexto e só então gera a resposta, ancorada nesses trechos. É por isso que o sistema consegue citar a fonte: a frase que ele escreveu está, idealmente, sustentada por um pedaço de texto que ele acabou de ler.

Esse padrão é hoje o denominador comum dos assistentes com busca. A análise da How Do I Use AI, de 24 de abril de 2026, descreve o Perplexity como um "sistema de recuperação de informação online com LLM" no qual todas as respostas vêm com citações, numeradas inline e ligadas a um bloco de fontes abaixo (howdoiuseai.com). O ChatGPT em modo de busca usa principalmente o índice do Bing por trás, e o Google AI Mode usa o próprio índice do Google. Backends diferentes, mesma arquitetura de fundo: recuperar, depois gerar.

O ponto que muda tudo para quem produz conteúdo é este: o modelo não recupera o seu site. Ele recupera chunks, pedaços de texto delimitados e indexados separadamente. A unidade de competição não é a URL, é o bloco. Eu detalho a lógica de elegibilidade que decorre disso em como a IA decide qual marca citar, mas a consequência prática você já pode antecipar: se o seu argumento mais forte está espalhado por três parágrafos que só fazem sentido juntos, nenhum chunk sozinho vence o ranking de recuperação.

O segundo mecanismo é o query fan-out, ou leque de consultas. Em vez de buscar exatamente o que você digitou, o sistema decompõe a sua pergunta em várias subconsultas e dispara todas em paralelo. Uma pergunta como "qual o melhor ERP para e-commerce de moda no Brasil" não vira uma busca. Vira um leque: "ERP para e-commerce", "ERP integração marketplace moda", "ERP gestão fiscal NF-e", "comparativo ERP varejo Brasil", "reviews de usuários ERP moda", e assim por diante.

Cada subconsulta recupera o seu próprio conjunto de passagens. Depois o sistema junta tudo, reordena e sintetiza. Esse comportamento multi-etapas é o que a documentação de mercado chama de "Deep Research" no ChatGPT e de "Pro Search" no Perplexity: quebrar a pergunta em subtarefas, buscar múltiplas fontes para cada uma e sintetizar num relatório (howdoiuseai.com). No Google, o AI Mode lançado de forma ampla em março de 2026 transforma isso num espaço interativo onde novas consultas são disparadas internamente para refinar a resposta, o que descrevo melhor no contexto da economia zero-clique.

A implicação estratégica é forte e quase ninguém age sobre ela: você não precisa rankear para a pergunta principal, precisa rankear para as subconsultas. Uma página que cobre só o termo guarda-chuva perde para uma página que responde, com clareza, a cada uma das intenções derivadas. Cobertura de subtópicos deixou de ser tática de SEO de cauda longa e virou requisito de recuperação. É o motivo pelo qual eu reorganizo conteúdo por intenções, não por palavras-chave.

Vale ver o caminho inteiro em ordem. O diagrama abaixo mostra o percurso de uma consulta dentro de um motor com RAG e fan-out, e marca os três pontos onde o seu conteúdo é incluído ou descartado.

PERGUNTA DO USUÁRIO
   "melhor ERP para e-commerce de moda no Brasil?"
        |
        v
[1] QUERY FAN-OUT  (decomposição)
        |
        +--> subconsulta A: "ERP e-commerce moda"
        +--> subconsulta B: "ERP integração marketplace"
        +--> subconsulta C: "ERP gestão fiscal NF-e"
        +--> subconsulta D: "comparativo ERP varejo BR"
        |    (disparadas em PARALELO)
        v
[2] RETRIEVAL  (recuperação por chunk)
        |   índice: Bing / Google / próprio
        |   cada subconsulta puxa N passagens
        v
   POOL DE PASSAGENS CANDIDATAS
        |   <-- PONTO 1: seu chunk entra aqui ou não
        v
[3] RE-RANKING  (reordenação por relevância)
        |   relevância + autoridade + frescor + schema
        v
   TOP-K PASSAGENS SELECIONADAS
        |   <-- PONTO 2: seu chunk sobe ao topo ou cai
        v
[4] GERAÇÃO  (síntese pelo LLM)
        |   modelo escreve a resposta ancorada
        |   nas passagens selecionadas
        v
   RESPOSTA + CITAÇÕES
        |   <-- PONTO 3: você vira fonte citada ou não
        v
   USUÁRIO LÊ A RESPOSTA

Repare nos três pontos de decisão. No Ponto 1, o seu chunk precisa ser recuperado por pelo menos uma subconsulta, o que depende de relevância textual e de o conteúdo estar rastreável e indexado. No Ponto 2, ele precisa sobreviver ao re-ranking, que pondera relevância, autoridade da fonte, frescor e sinais estruturados. No Ponto 3, o modelo precisa de fato usar a sua passagem na síntese e atribuir a citação. Cada otimização que eu listo a seguir mira um desses três gargalos, nunca "o site como um todo".

Como o motor indexa e recupera por pedaços, a sua tarefa número um é fazer cada pedaço se sustentar sozinho. Eu chamo isso de passagem autossuficiente: um bloco de texto que responde a uma pergunta específica sem depender do parágrafo anterior para fazer sentido. Se a passagem começa com "como vimos acima", ela já perdeu, porque o "acima" não viaja junto quando o chunk é extraído.

Na prática, isso significa escrever em blocos que carregam o próprio contexto. Repita o sujeito em vez de usar pronome solto. Comece a seção com a afirmação direta, depois explique. O chunking semântico, do lado do conteúdo, é você ajudar o motor a cortar nos lugares certos: um subtópico por seção, headings que descrevem exatamente o que vem abaixo, e parágrafos que não misturam duas ideias. Quanto mais limpa a fronteira semântica, melhor o chunk recuperado.

Regras que eu aplico e cobro dos times:

• Uma intenção por bloco. Não responda a "o que é" e "quanto custa" no mesmo parágrafo. São dois chunks, duas subconsultas, duas chances de citação.
• Resposta antes da explicação. A primeira frase da seção entrega a conclusão. O detalhamento vem depois, para quem quer aprofundar.
• Contexto embutido. Cada passagem nomeia a entidade, o número e a data relevantes em vez de pressupor que o leitor (ou o extrator) já sabe.
• Sem pronome órfão no início. "Isso", "ele", "esse processo" no começo do bloco quebram a autossuficiência.

O re-ranking favorece passagens que respondem de forma direta e densa. O guia GEO de 2026 da Product Hackers, baseado em um experimento de 145 consultas reais em moda e e-commerce, observa que os assistentes priorizam conteúdos com tabelas, FAQs, respostas diretas e dados próprios, porque isso facilita a extração e a síntese (producthackers.com). O mesmo estudo quantifica quantas marcas cada motor exibe por resposta: o Perplexity costuma mostrar de 3 a 6 marcas com fontes, o Google AI Overviews de 3 a 5, e ChatGPT ou Claude de 2 a 4. São poucas vagas. Quem não responde direto não disputa.

Cobertura de intenções é o complemento. Como o fan-out decompõe a pergunta, o conteúdo que cobre o leque inteiro de subintenções é recuperado por mais subconsultas e, portanto, aparece em mais pontos da síntese. Não confunda isso com encher a página de palavra-chave. É cobrir, com profundidade real, as perguntas adjacentes que um usuário faria em sequência: definição, comparação, preço, erro comum, próximo passo. Cada uma vira uma porta de entrada diferente.

Eu monto isso a partir do mapa de subconsultas, não do volume de busca. Pego a pergunta principal, listo as 8 a 12 subintenções prováveis do fan-out e garanto que existe pelo menos uma passagem autossuficiente para cada. É trabalhoso e é o que separa um artigo citado de um artigo invisível.

Schema.org não é "SEO antigo" nesse contexto. Ele é a camada que ajuda o motor a entender o que é cada coisa antes de ranquear a passagem. A ALM Corp, no guia de schema de 2026, traz uma citação direta de Fabrice Canel, da equipe do Bing na Microsoft: a marcação de esquema ajuda os LLMs da Microsoft a entender o conteúdo e serve como fonte de dados essencial para os recursos de busca baseados em IA (almcorp.com). Quando o backend do ChatGPT é o Bing, isso deixa de ser teoria.

O que importa para RAG e fan-out, especificamente:

• Organization e Person com sameAs ancoram a sua marca a uma entidade desambiguada, reduzindo o risco de o motor atribuir a passagem à empresa errada. Eu trato a mecânica disso em como estruturar Schema.org para IA generativa.
• FAQPage e Article deixam explícito o par pergunta-resposta, que é exatamente o formato que o fan-out procura recuperar por subconsulta.
• @id estável e referências about/mentions criam um grafo interno coerente, que a pesquisa citada pela ALM associa a "menos citações erradas e melhor elegibilidade para AI Overviews".

Uma ressalva honesta, porque vendem schema como bala de prata: dado estruturado é sinal de desambiguação e elegibilidade, não gatilho garantido de citação. Ele melhora o Ponto 1 e o Ponto 2 do fluxo, ajuda o motor a confiar na fonte, mas não substitui ter a melhor passagem. Eu combino schema com llms.txt para reforçar a coerência das entidades, abordagem que detalho no guia prático de Schema JSON-LD e llms.txt.

Para fechar o conceito, compare duas formas de escrever a mesma coisa. A primeira é como a maioria publica. A segunda é otimizada para recuperação.

Versão que não é recuperada (contexto preso ao parágrafo anterior, resposta diluída):

Como mencionamos, isso depende muito do porte da
operacao. No caso dele, varios fatores entram em
jogo e o ideal e sempre analisar caso a caso antes
de decidir qualquer coisa sobre integração fiscal.

Esse bloco não responde a nenhuma subconsulta. Não nomeia a entidade, não traz número, não dá uma resposta. Extraído sozinho, é ruído.

Versão recuperável (autossuficiente, resposta no topo, dado embutido):

Um ERP de e-commerce de moda no Brasil precisa
emitir NF-e e NFC-e de forma nativa. Em 2026, com a
1a fase do split payment da reforma tributaria, a
integração fiscal automatica deixou de ser opcional:
sem ela, o lojista recolhe imposto manualmente em
cada venda. Plataformas com modulo fiscal nativo
eliminam esse trabalho.

O segundo bloco nomeia a entidade (ERP de e-commerce de moda), responde direto (precisa emitir NF-e e NFC-e), traz um marco datado (split payment em 2026) e conclui com um critério acionável. Ele é recuperável pela subconsulta de gestão fiscal, pela de integração e pela de comparação. Mesma informação, três portas de entrada em vez de zero.

Eu fecho qualquer auditoria de conteúdo com este checklist. Não é exaustivo, mas mira os três pontos de decisão do fluxo.

1. Rastreável e indexável. Confirme que o motor consegue ler a página renderizada, sem conteúdo crítico escondido atrás de JavaScript que o crawler não executa. Sem isso, nem o Ponto 1 acontece.
2. Um subtópico por seção, heading descritivo. Cada heading deve permitir adivinhar a passagem só pelo título. Isso guia o corte semântico do chunk.
3. Resposta direta na primeira frase de cada seção. A conclusão vem antes da explicação.
4. Mapa de subintenções coberto. Liste as 8 a 12 subconsultas prováveis do fan-out e verifique se há passagem para cada.
5. Passagens autossuficientes. Nenhum bloco começa com pronome órfão ou referência ao "acima".
6. Schema de entidade e FAQ. Organization/Person com sameAs, e FAQPage onde houver par pergunta-resposta.
7. Dado próprio e datado. Pelo menos um número, experimento ou data que não exista igual em outro lugar. Originalidade aumenta a chance de o modelo preferir a sua passagem na síntese.
8. Frescor visível. Data de publicação e de atualização explícitas. O Perplexity, em particular, valoriza frescor e recomenda updates visíveis.

Esse trabalho não é glamouroso e não rende print bonito. Mas é o que coloca a sua passagem dentro do pool de candidatas, do topo do re-ranking e, por fim, da frase que o usuário lê. O resto é consequência.

O Google deixou de tratar isso como experimento. Em 15 de maio de 2026 publicou um recurso oficial sobre como otimizar para a IA generativa na Busca, sinalizando que o tema virou orientação de produto, não palpite de comunidade (developers.google.com). No mesmo I/O 2026, a empresa declarou que a Busca entrou na "era dos agentes", com AI Mode e agentes de informação operando 24 horas por dia (blog.google). Agentes que montam respostas a partir de passagens recuperadas. É a mesma mecânica deste guia, agora na superfície principal da Busca.

Comece pequeno e mensurável: pegue o seu artigo mais importante, rode o checklist de RAG-readiness e reescreva três seções como passagens autossuficientes com resposta no topo. Depois teste as subconsultas no Perplexity e no AI Mode e veja se a sua passagem aparece. Se você quiser instrumentar isso de forma contínua, o passo seguinte é medir presença, e eu trato disso em como a IA decide qual marca citar. A regra que eu não abro mão: otimize a passagem, não a página. É nela que a IA decide se cita você.