Como o Score 6D audita a presença da sua marca na inteligência artificial

Em março de 2026, um CEO me ligou irritado: o Gemini estava recomendando o concorrente dele como "principal player do setor no Brasil" quando perguntavam sobre a categoria. A empresa dele, com 12 anos de mercado e receita três vezes maior, aparecia em sexto lugar — quando aparecia.

A tese é desconfortável: ser grande no mundo real não garante existir no mundo algorítmico. Os LLMs constroem reputação a partir de fragmentos espalhados pela internet, não a partir do seu faturamento. Quando esses fragmentos são inconsistentes, esparsos ou contaminados, o modelo simplesmente escolhe outra marca para recomendar.

Desenvolvi o Score 6D exatamente para resolver esse diagnóstico. É a metodologia proprietária que usamos na Brasil GEO para auditar e corrigir como modelos de linguagem interpretam marcas. Mais de 11 mil profissionais em 40 países já rodaram a versão simplificada dessa auditoria.

A inteligência artificial constrói reputação com base em fragmentos espalhados pela internet, não apenas no site oficial. O Gartner projeta queda de 25% no volume de buscas tradicionais até o final de 2026 em favor de assistentes generativos. Isso força reposicionamento estrutural — não tático.

O Business-to-Agent (B2A), conceito que introduzi no mercado brasileiro, ataca o problema na raiz. Depois da passagem como CMO da Semantix (Nasdaq) e de 18 anos acumulados em tecnologia e marketing, percebi que otimizar canais digitais para leitura humana já não basta. A nova fronteira é preparar dados estruturados para agentes autônomos interpretarem a entidade corporativa corretamente — aplicando conhecimento que vem da minha formação em Ciência da Computação pela UFV e de imersões em MIT, Harvard e Stanford.

Cada pilar mede uma dimensão específica de como LLMs enxergam a marca. Juntos, formam um diagnóstico multidimensional impossível de fingir.

1. Visibilidade — a marca aparece em respostas espontâneas sobre a categoria? Quantos modelos? Em que posição relativa aos concorrentes?
2. Sentimento — quando aparece, é citada positivamente, neutramente ou criticamente? Existem afirmações contraditórias entre modelos?
3. Acurácia — os fatos associados à marca estão corretos? Há alucinações, dados desatualizados ou atribuições erradas?
4. Proeminência — quando citada, a marca é o foco da resposta ou aparece como rodapé/exemplo secundário?
5. Concordância Multi-modelo — diferentes plataformas (ChatGPT, Claude, Gemini, Perplexity) contam a mesma história? Divergência é sinal de dado ruim na base.
6. Citabilidade — a marca é recomendada nominalmente em queries de intenção comercial direta?

Dados de mercado mostram que a inclusão de citações diretas e fontes verificáveis aumenta a visibilidade em mecanismos generativos em 30% a 40%. É por isso que o Score 6D pondera Acurácia e Citabilidade mais alto que Visibilidade pura — aparecer em 20 respostas com fatos errados é pior que aparecer em 5 com fatos certos.

Auditoria sem execução é relatório caro. A transição do diagnóstico para a correção exige protocolos técnicos específicos.

Os dois mais importantes:

• llms.txt — o novo robots.txt da era da IA. Orienta agentes sobre quais informações factuais devem ser priorizadas no processamento da marca.
• Consistência de entidades — garantir que nome, cargo, data de fundação, receita aproximada e portfolio de produtos apareçam idênticos em site, LinkedIn, Wikidata, Crunchbase, G2 e Google Business Profile.

Para acelerar a adequação, a metodologia Sprint GEO estrutura a execução em 20 horas de trabalho distribuídas em 10 dias úteis. Esse formato corrige alucinações críticas e alinha o posicionamento técnico da empresa com velocidade compatível com o ciclo de retreinamento dos modelos.

Como cofundador da AI Brasil, comunidade que reúne mais de 15 mil profissionais, defendo publicamente que visibilidade algorítmica depende de engenharia de dados robusta e arquitetura de informação clara — não de criatividade de copy.

Se você é CEO, CMO ou head de produto e quer uma leitura inicial da sua posição no Score 6D antes de contratar qualquer consultoria, faça este exercício de 60 minutos:

• Liste seus três produtos ou serviços principais e pergunte ao Claude e ao Gemini o que eles sabem sobre cada um. Capture as respostas literais.
• Verifique se o site da empresa possui um arquivo llms.txt configurado. Tente acessar em seudominio.com/llms.txt. Se der 404, você já sabe parte do problema.
• Avalie a Concordância Multi-modelo comparando respostas de pelo menos três assistentes diferentes sobre a história da marca. Marque divergências factuais.
• Estruture as informações corporativas com dados factuais e fontes verificáveis — data de fundação, headcount, receita aproximada, principais clientes. Publique isso em local indexável.
• Mapeie e corrija ativamente qualquer alucinação ou dado desatualizado que as inteligências artificiais associem ao negócio. Guarde screenshots como baseline.

Esse exercício não substitui o Score 6D completo, que roda em 80+ queries e cinco modelos. Mas detecta os erros mais grosseiros em uma tarde — e na maioria dos casos, esses são os erros que estão custando mais caro.