Porque é que a IA não menciona a minha empresa?

O que é uma entidade, para um motor de IA?

Uma entidade é uma organização, pessoa ou lugar que o modelo consegue identificar de forma inequívoca e associar a factos. Uma empresa torna-se entidade quando o seu nome aparece ligado, de forma consistente e verificável, a um conjunto estável de atributos: designação legal, atividade, localização, identificação fiscal e contactos.

A diferença entre estar num índice e ser uma entidade é a diferença entre existir e ser identificável. Um site pode estar indexado, ter tráfego e continuar a não dar a nenhum leitor automático material suficiente para o distinguir de outra empresa com nome parecido na mesma cidade. Quando esse material falta, o modelo não escolhe mal — não tem por onde escolher.

Porque é que o site pode estar correto e continuar invisível?

Porque muitos sites escrevem o conteúdo com JavaScript depois de a página carregar. Um leitor humano vê tudo, porque o navegador executa os scripts. Um leitor que não executa scripts vê o documento tal como saiu do servidor, e nesse documento pode não haver conteúdo nenhum.

A WrightGate passou por isto no próprio site, e publica o caso por ser mais útil do que qualquer exemplo alheio. A identificação legal da empresa — REALCHAIN, S.A., NIPC 516852574 — foi escrita a 28 de agosto de 2026 num ficheiro JavaScript que pintava os valores no navegador. Durante o dia seguinte, o HTML servido da página de termos continuou a conter a expressão «por preencher» dez vezes, junto de um aviso a dizer que a página não devia ser usada para vender. Quem lia com um navegador via a empresa constituída e identificada. Quem lia sem executar scripts via uma empresa sem identidade.

O caso completo, com as contagens antes e depois e os commits que as produziram, está em Porque é que o seu site está correto para pessoas e vazio para máquinas?

Que dados é que um motor precisa de encontrar?

Os que respondem às perguntas que um cliente faz antes de decidir. Na prática são sete, e todos eles têm de estar em texto no HTML servido, e não numa imagem, num logótipo ou num componente carregado depois:

• Designação legal e marca, escritas por extenso e sempre na mesma forma.
• Número de contribuinte, que é o identificador único que distingue duas empresas com o mesmo nome.
• Morada completa, que é o que liga a empresa a uma zona geográfica.
• Telefone e correio eletrónico, em ligações tel: e mailto:.
• Atividade descrita em palavras correntes, e não apenas no nome comercial.
• Zona servida, dita explicitamente.
• Preços ou intervalos de preço, quando existirem em tabela.

A ausência de contacto telefónico verificável é um caso à parte, e vale a pena nomeá-lo: é um dos sinais que mais consistentemente destrói credibilidade junto de um leitor humano, e é simultaneamente um dos dados mais fáceis de tornar legível por máquina. Custa uma linha de HTML.

Aparecer no Google chega para aparecer na IA?

Não, e a razão é a natureza do prémio. Num motor de busca o prémio é a posição numa lista, e uma boa posição produz exposição por si. Num motor generativo o prémio é a citação dentro da resposta, e uma fonte que é recuperada mas não citada recebe exposição nula, por muito bem colocada que esteja no índice de recuperação.

A investigação sobre o assunto aponta para o mesmo lado. O estudo GEO: Generative Engine Optimization, de Aggarwal e colegas (Princeton, Georgia Tech e IIT Delhi), apresentado na conferência ACM SIGKDD em 2024, testou cerca de 10 000 perguntas e mediu que características do texto aumentam a probabilidade de uma fonte ser incluída na resposta gerada. As que tiveram efeito mais consistente foram a presença de estatísticas, citações de fontes e aspas, com melhorias relativas na ordem dos 30 % a 40 % na métrica usada pelos autores.

Grau da evidência: forte, mas com uma ressalva que importa. É um estudo experimental com uma métrica própria, avaliado em ambiente controlado e não em produção, e o valor de 40 % é um máximo por domínio temático e não uma média. Fonte: arXiv 2311.09735.

O meu concorrente aparece e eu não. Porquê?

A explicação mais provável não é que o concorrente tenha feito alguma coisa sofisticada. É que existe, para a máquina, um texto sobre ele que a máquina consegue ler, e sobre a sua empresa não existe. Esse texto tanto pode estar no site do concorrente como num portal do setor, num diretório, numa notícia ou numa associação — e nesse caso o modelo cita o portal, não o concorrente.

É por isso que a pergunta útil não é «como subo», é «o que é que existe escrito sobre a minha empresa que uma máquina consiga ler». A primeira pergunta pressupõe uma lista onde estar; a segunda descreve o que realmente acontece.

Como é que verifico o meu próprio site agora?

Com um pedido que não executa scripts, à procura de um dado que só a sua empresa tem. O número de contribuinte serve melhor do que o nome, porque não aparece por acaso:

curl -s https://oseusite.pt/ | grep -c "512345678"

Um resultado de 0 significa que o número não está no documento servido. Sem terminal, desligue o JavaScript nas definições do navegador e recarregue a página, ou cole o endereço numa aplicação de mensagens e veja o que a pré-visualização mostra: o cartão que aparece é montado a partir do HTML servido.