llms.txt não melhora a visibilidade em IA — o que dizem os dados

O que é o llms.txt?

O llms.txt é um ficheiro de texto colocado na raiz de um site, proposto em 2024, que resume o conteúdo desse site num formato pensado para ser consumido por modelos de linguagem. A ideia é a de um mapa curto e limpo: em vez de o modelo atravessar páginas cheias de navegação e publicidade, leria um índice preparado para ele.

A proposta é sensata na intenção. O que não existe é a outra metade do acordo: nenhum dos grandes fornecedores de modelos se comprometeu publicamente a ler o ficheiro em produção. Um formato só funciona quando as duas pontas o implementam, e neste caso só uma ponta o fez.

O que mediu a SE Ranking, e com que resultado?

A SE Ranking analisou cerca de 300 000 domínios e cruzou a presença do ficheiro llms.txt com a frequência com que cada domínio aparece citado nas respostas dos principais modelos. O resultado foi ausência de correlação estatística significativa entre as duas coisas.

O detalhe mais informativo do estudo não é a correlação nula, é o que aconteceu ao modelo preditivo. Os autores treinaram um modelo para estimar que fatores contribuem para as citações, e retirar a variável llms.txt melhorou a precisão do modelo. Um preditor que piora as previsões quando está presente não está a transportar sinal: está a transportar ruído.

Grau da evidência: correlacional. Este estudo mostra que os domínios com o ficheiro não são mais citados do que os domínios sem ele, à escala medida. Não demonstra, por si só, um mecanismo causal em nenhuma das direções. Fonte: SE Ranking, «LLMs.txt: Why Brands Rely On It and Why It Doesn't Work», com cobertura independente no Search Engine Journal.

O que mediu a Ahrefs, e porque é que é a medição mais forte?

A Ahrefs analisou 137 000 domínios e foi ver os registos de acesso em vez de procurar correlações. Dos domínios com um ficheiro llms.txt válido — cerca de 38 000 —, 97 % não registaram um único pedido a esse ficheiro no mês medido. Os 3 % restantes, cerca de 1 100 domínios, receberam a totalidade do tráfego observado ao ficheiro.

Esta medição é mais forte do que a anterior por uma razão de natureza e não de dimensão: não pergunta se o ficheiro ajuda, pergunta se alguém o lê. Um ficheiro que ninguém pede não pode ter efeito nenhum sobre o que quer que seja, e a pergunta sobre o efeito deixa de se colocar.

Grau da evidência: forte, por ser medição direta. São pedidos contados em registos de servidor, não uma inferência sobre comportamento. Fonte: Ahrefs, «We Analyzed 137K Sites: 97% of llms.txt Files Never Get Read».

O que diz a Google sobre isto?

John Mueller, da Google, afirmou publicamente que o llms.txt não serve para pesquisa e descreveu-o como uma muleta temporária, útil sobretudo para poupar contexto a ferramentas de programação assistida que leem documentação técnica. A mesma posição acrescenta que quem consultar os registos do próprio servidor encontrará muito pouco tráfego de agentes de IA, que é exatamente o que a medição da Ahrefs mostra.

Grau da evidência: declaração de posição, não medição. Vale como indicação de que um dos principais intervenientes não tenciona usar o ficheiro, e não como prova sobre os restantes. A convergência entre esta declaração e as duas medições independentes é que torna o conjunto difícil de contrariar.

Então porque é que tanta gente o recomenda?

Porque é a recomendação mais fácil de dar e a mais fácil de aceitar. Criar um llms.txt demora minutos, produz um entregável visível, não obriga a mexer no site e não é possível provar que falhou — a ausência de citações tem sempre outras explicações disponíveis. Uma recomendação com estas quatro propriedades espalha-se depressa, independentemente de funcionar.

A taxa de adoção medida pela SE Ranking é de 10,13 % dos domínios analisados, e é ligeiramente menor entre os sites de maior tráfego do que entre os de tráfego médio. Se o ficheiro produzisse vantagem mensurável, seria de esperar o padrão contrário.

O que é que tem suporte, então?

Três coisas, e a ordem é a da força da evidência.

• Conteúdo no HTML servido. É mecanismo, não correlação: o que não está nos bytes devolvidos pelo servidor não pode ser lido por quem não executa scripts. A WrightGate documentou um caso próprio em que a identificação legal da empresa estava correta e invisível ao mesmo tempo, com zero ocorrências do NIPC no HTML servido a 28 de agosto de 2026. O caso está em Porque é que o seu site está correto para pessoas e vazio para máquinas?
• Dados verificáveis e atribuíveis dentro do texto. Números, fontes nomeadas e afirmações datadas aumentam a probabilidade de uma passagem ser citada, e são também o que permite a quem lê confirmar o que está escrito.
• Menções nomeadas da empresa fora do próprio site. O nome escrito por extenso, sempre na mesma forma, em sítios onde outras pessoas o escrevem.

Nenhuma das três é tão rápida como criar um ficheiro de texto. É essa a razão pela qual a alternativa fácil continua a ser vendida.