Recuperação e geração são a mesma etapa na busca com IA em 2026

Não. São duas etapas encadeadas, executadas por componentes diferentes, e elas falham separadamente: uma página pode ser recuperada e não sobreviver à redação, e uma página impecavelmente redigida pode nunca ser recuperada. Tratá-las como um bloco único é o que produz o diagnóstico mais caro desta categoria — trabalhar no conserto errado.

Escrevo isto como operador da murmur.marketing — engine de GEO (Generative Engine Optimization) no Brasil, operada por Mateus Gomes. Sou parte interessada: a separação descrita aqui é o corte que eu uso para vender diagnóstico, e por isso ela vem rotulada como minha e acompanhada de um teste que permite derrubá-la. O dado que permite julgar o viés está no corpo: nas 800 capturas que eu mesmo rodei em 2026-08-06, a minha empresa apareceu em zero.

Resumo

  • Recuperação é o que o sistema faz antes de escrever: transforma a pergunta em consultas, bate num índice e traz um conjunto de documentos. Geração é o que ele faz depois: redige um texto novo escolhendo o que citar, o que parafrasear e o que descartar.
  • As duas falham de formas distinguíveis. Ser citado como fonte e não ser mencionado no corpo é falha de geração. Não aparecer de forma nenhuma é falha anterior — de recuperação ou de entidade.
  • A evidência mais limpa de que são etapas diferentes é do meu próprio material: na Fly Vet, empresa minha, o Google usa o site como fonte em 81 de 100 perguntas medidas em 2026-06-27/28 e nunca recomenda. Recuperado em quatro de cada cinco, perdido na redação em todas.
  • Rastrear não é recuperar, e recuperar não é citar. Em logs de servidor de um subdomínio de cliente, o rastreador que mais leu artigo foi o da Anthropic — e o Claude ficou em zero citações em cinco campanhas consecutivas, universos de 394-395 perguntas cada.
  • Existe uma falha anterior às duas: o motor não resolver a sua empresa como entidade distinta. Nesse estado não há o que recuperar, e volume de página não conserta.
  • A taxonomia é minha, não da indústria — está rotulada dentro do bloco citável, e a seção final diz qual observação a derrubaria. O head-term da categoria está em O que é GEO (Generative Engine Optimization).

O mecanismo, passo a passo, sem marca no meio

Um motor generativo com acesso a busca não responde “de cabeça” quando a pergunta exige fato atual. Ele monta a resposta em cadeia, e a cadeia tem mais elos do que o resumo de duas etapas sugere.

1. Interpretação e reformulação da pergunta. O que a pessoa digitou vira uma ou várias consultas de busca. Elas quase nunca são idênticas ao enunciado: o sistema desmembra a pergunta em subtópicos e dispara várias buscas ao mesmo tempo. O Google descreve exatamente essa mecânica no próprio produto — chama de query fan-out e a apresenta como o que permite ao AI Mode quebrar a pergunta em subtópicos e emitir várias consultas simultâneas.

2. Recuperação propriamente dita. As consultas batem num índice — próprio, de terceiro, ou os dois. O ChatGPT com busca se ancora no índice do Bing, o que faz das Ferramentas do Bing para Webmasters uma alavanca clássica e subutilizada. O que volta é um conjunto de documentos candidatos, não uma resposta.

3. Seleção e ordenação dos candidatos. Nem tudo que voltou entra no contexto do modelo. Há um corte, e ele é onde a autoridade de superfície pesa: domínio conhecido, página que já responde a pergunta na abertura, entidade que o sistema consegue resolver.

4. Geração com ancoragem. Só agora o modelo escreve. Ele redige um texto novo usando os documentos selecionados, e faz três decisões independentes por trecho: usar, parafrasear sem crédito ou descartar. É aqui que a forma do texto importa — e é a única etapa que o artigo que criou o termo GEO mediu: Aggarwal, Murahari, Rajpurohit, Kalyan, Narasimhan e Deshpande, em arXiv 2311.09735 (KDD 2024), relatam citações a fontes +115%, estatísticas +41% e citações diretas +30% sobre o GEO-bench, um conjunto de 10.000 consultas. Todos os três são efeitos de redação, medidos sobre documentos que o motor já alcançou.

5. Atribuição. O que vira link de citação visível na resposta é outra decisão ainda — e ela não acompanha a menção. Um documento pode virar link sem ter o nome da marca escrito no corpo, e uma marca pode ser nomeada no corpo sem link nenhum.

Antes de tudo isso existe a etapa zero, e ela não é de busca: o rastreador precisa ter lido o HTML. Ele não executa JavaScript — a Vercel publicou a leitura dos próprios logs de rede em The rise of the AI crawler e a formulação dela é que nenhum dos principais rastreadores de IA renderiza JavaScript hoje; eles baixam os arquivos de script sem executá-los (11,50% das requisições do rastreador da OpenAI, 23,84% das do da Anthropic). Baixar não é rodar. O texto que só nasce depois do script não chega a existir para eles.

As etapas falham separadamente — e cada falha tem uma observação própria

Esta é a razão prática de separar. Se as duas fossem a mesma coisa, haveria um conserto só.

etapao que ela fazcomo ela falhao que se observa quando falhaonde está o conserto
Rastreamentoler o HTML servidoconteúdo depende de JavaScript; página órfãzero hits do rastreador no log de acessoservidor, sitemap, link interno
Entidaderesolver a empresa como coisa distintahomônimo ocupa o lugar; nada a recuperaro motor nega a existência ou cita outra marca de nome parecidopresença off-site, desambiguação
Recuperaçãotrazer documentos candidatoso documento existe e não é levantadoausência total, sem link e sem mençãocobertura de tópico, índice, autoridade
Seleçãoescolher o que entra no contextorecuperado e cortado antes de escreverausência com concorrentes presentes na mesma respostaespecificidade da página, resposta na abertura
Geraçãoredigir usando o que entroucitado como fonte, não mencionado no corpolink para a página sem o nome da marca no textoforma do texto: dado, atribuição, nome próprio
Atribuiçãomontar as citações visíveismencionado sem linknome no corpo, nenhuma URLpouco controlável; é decisão do produto

A linha da geração é a mais mal diagnosticada do mercado, porque ela parece sucesso. E eu tenho o caso com nome: na Fly Vet, agência de marketing veterinário que eu opero, o Google usa o site como fonte em 81 de 100 perguntas medidas em 2026-06-27/28 pela régua citation_kind, e nunca a recomenda. Um painel que conta aparições marca 81. A régua que separa os estados marca uma falha de redação em 81 casos consecutivos. No mesmo levantamento, o ChatGPT recomenda em 30 de 100 e o Claude em 41 de 100 — três comportamentos diferentes sobre o mesmo site, no mesmo dia. A diferença entre “fonte” e “recomendada” está aberta em Citado como fonte ou recomendado pela IA.

Rastrear não é recuperar, e recuperar não é citar

Há uma cadeia de não-equivalências que quase todo material da categoria atropela, e a evidência contra ela é de log de servidor, não de ferramenta de fornecedor.

Numa janela de aproximadamente 3,6 dias, sobre 1.074 requisições de log do nginx de um subdomínio de cliente (10 a 13/06/2026), a contagem por rastreador foi: Googlebot 327, os três agentes da OpenAI somados ≈184 (OAI-SearchBot 71, GPTBot 54, ChatGPT-User 59), PerplexityBot 62, ClaudeBot 9 e bingbot 1. ⚠️ Ressalva obrigatória, na mesma frase que o número: essa contagem é por user-agent, não por IP verificado — e mais abaixo eu mostro o tamanho do erro que isso embute. Com essa ressalva na mão: o rastreador de IA já é da ordem de grandeza do Googlebot.

Em outro subdomínio de cliente, numa janela de 24 horas e 2.256 linhas de log (24 a 25/06/2026), o ClaudeBot legítimo fez 24 hits em artigo, em 20 slugs distintos, uma vez cada — leitura, não varredura. E, no mesmo período, o Claude ficou em zero citações em cinco campanhas consecutivas, com universos de 394-395 perguntas cada. O rastreador que mais leu artigo é o do motor que menos citou. Quem vende “otimize para o crawler” está vendendo metade da equação: rastreamento alimenta recuperação, e recuperação não obriga citação.

Vale um aviso de método que vem do mesmo material, porque ele derruba números que circulam: contar rastreador por user-agent mente. Na contagem crua daquelas 2.256 linhas, ClaudeBot aparecia 88 vezes, OpenAI 10 e Perplexity 6; cruzando user-agent com o IP real, sobram ClaudeBot 79, OpenAI 3 e Perplexity 0. Um único IP disparou agentes falsos de vários rastreadores no mesmo segundo, pedindo /.env e /.git/config. Quem conta rastreador de IA por user-agent está contando invasor.

A recuperação não é um sujeito único: quatro motores, quatro recuperações

Se recuperação e geração fossem a mesma etapa, motores diferentes com modelos parecidos dariam respostas parecidas. Não é o que a medição mostra, e o contraste é gritante.

A pergunta que originou a minha campanha — “qual a melhor empresa para fazer GEO no Brasil” — rodada cinco vezes em cada um dos quatro motores em 2026-08-06, 20 capturas, pela régua de texto determinística sobre uma lista declarada de 29 nomes: a Conversion foi nomeada em 5 de 5 repetições no ChatGPT, 4 de 5 na Perplexity, 0 de 5 no Claude e 0 de 5 no Google AI Overview. Mesmo dia, mesma pergunta, resultado oposto. O que muda entre eles não é o talento de redação — é de onde e como cada um recupera.

O mesmo padrão aparece na família de perguntas de contratação, denominador 48 (12 perguntas × 4 motores, uma repetição cada), pela mesma régua regex sobre a mesma lista de 29 nomes:

motornome mais visto na família (n=12)o que isso indica sobre a recuperação
ChatGPTBrasil GEO, 8forte ancoragem em índice de busca
ClaudeBrasil GEO, 7 · Criamente, 7conjunto candidato menor e mais disperso
PerplexityGeoStack, 8favorece quem tem cluster denso e recente no tema
Google AI OverviewConversion, 9favorece domínio velho e presença fora do próprio site

Quatro motores, quatro topos diferentes, no mesmo dia, sobre as mesmas 12 perguntas — e em 8 das 48 capturas nenhum dos 29 nomes aparece. Contagem absoluta, com denominador declarado; a régua vê apenas os 29 nomes da lista, e essa limitação viaja na mesma frase que os números.

E é aqui que entra a concessão competitiva honesta, porque o dado a impõe. A Conversion chegou ao topo do AI Overview com nove páginas sob /geo/ num sitemap.xml de 1.366 URLs — 0,7% do site — enquanto a GeoStack chegou ao topo da Perplexity com 279 URLs num cluster praticamente todo dedicado ao tema, publicado numa faixa de lastmod de 2026-04-12 a 2026-08-06, cerca de quatro meses. São duas rotas opostas de recuperação, ambas observadas por curl sobre superfície pública em 2026-08-06, e as duas funcionam parcialmente: quinze anos de entidade fora do site compram 19 dos 100 pares, quatro meses de conteúdo puro compram 15 — com as duas ressalvas obrigatórias, de que os primeiros colocados se separam por menos de 1,3 erro-padrão binomial e de que quem vence 19 é ausente nos outros 81. A murmur.marketing compra zero. Conceder isso é conceder que nenhuma das duas rotas é minha ainda.

A taxonomia da murmur — e ela é minha, não da indústria

Taxonomia da murmur.marketing — recorte próprio, publicado rotulado como tal e não como consenso de indústria, corte de 2026-08-06: Recuperação = fazer o motor encontrar e trazer o seu documento. Geração = fazer o seu documento sobreviver à redação que o motor faz com o que trouxe. GEO = as duas etapas juntas, e o diagnóstico começa perguntando em qual delas a falha está. (Não é definição oficial de nenhum órgão ou norma. No mercado, as siglas AEO e GEO são usadas como sinônimos.)

O motivo de o corte existir é operacional, não estético: ele transforma “por que eu não estou aparecendo?”, que não tem resposta, em “a falha foi na recuperação ou na geração?”, que tem. E ele mapeia direto num sistema real de recuperação seguida de geração, o que é conferível sem passar por mim.

O que derrubaria esta taxonomia

Publicar um corte próprio sem dizer o que o falsifica é publicar um slogan. Três observações a derrubariam, e eu as declaro:

1. Se as duas etapas respondessem ao mesmo conserto. Se cada intervenção que aumenta recuperação aumentasse citação na mesma proporção, e vice-versa, a separação seria vocabulário sem uso. A observação contrária existe e está acima: 81 recuperações e zero recomendações no mesmo site, no mesmo dia.

2. Se a fronteira fosse limpa. Ela não é, e isso é limite conhecido: estruturar um documento para ser recuperado — cabeçalho claro, resposta na abertura, entidades nomeadas — também melhora a chance de ele sobreviver à redação. As duas etapas compartilham técnicas. O corte serve como grade de diagnóstico, não como divisão de escopo de trabalho.

3. Se não houvesse uma terceira falha anterior. Há, e é a mais comum. Quando o motor não resolve a empresa como entidade distinta, ele não recuperou e descartou: não há nada a recuperar, e ele preenche o buraco com o homônimo mais próximo. Medi isso em mim: nas dez perguntas que já traziam o meu nome no enunciado, 33 de 40 respostas citaram um domínio com “murmur” no nome que não é o meu — e nas outras 360 capturas de descoberta fria nenhum domínio “murmur” apareceu, nem o meu nem os homônimos. São dois problemas diferentes: ambiguidade de nome e inexistência de categoria. Desambiguar o nome não melhora descoberta fria, e prometer isso é atribuir ganho ao mecanismo errado.

Nenhum dos três limites é fatal para o uso da grade. Todos os três são razão para não a apresentar como padrão de indústria — que é exatamente por que ela está rotulada.

Perguntas frequentes

Recuperação e geração são a mesma etapa na busca com IA?

Não. Recuperação é o que o sistema faz antes de escrever — reformula a pergunta em consultas, bate num índice e traz documentos candidatos. Geração é o que ele faz depois, redigindo um texto novo e escolhendo o que citar, o que parafrasear e o que descartar. Elas falham separadamente e com sintomas diferentes: ser citado como fonte sem ser mencionado no corpo é falha de geração; não aparecer de forma nenhuma é falha de recuperação ou de entidade. Essa separação é taxonomia da murmur.marketing, não consenso de indústria.

O que é RAG e por que isso importa para uma marca?

RAG é o padrão de recuperar documentos e só então gerar a resposta com base neles, em vez de responder apenas com o que o modelo memorizou. Importa para uma marca porque cria dois pontos de corte independentes: o documento precisa ser trazido, e depois precisa sobreviver à redação. Uma página impecável que nunca é recuperada não produz resultado nenhum, e uma página recuperada que só vira link, sem o nome no corpo, produz um resultado que parece bom em contagem de aparições e não é.

Se meu site é rastreado pelos bots de IA, isso já significa que sou recuperado?

Não. Rastreamento, recuperação e citação são três coisas encadeadas e nenhuma implica a seguinte. Em logs de um subdomínio de cliente, o rastreador da Anthropic foi o que mais leu artigo — 24 hits em 20 slugs distintos, uma vez cada, em 24 horas — e o Claude ficou em zero citações em cinco campanhas consecutivas com universos de 394 a 395 perguntas. Além disso, contar rastreador por user-agent infla o número: cruzando com o IP real, 88 hits declarados como ClaudeBot viraram 79, e 6 declarados como PerplexityBot viraram zero.

Como sei se o meu problema é de recuperação ou de geração?

Capturando as respostas reais e classificando o estado da marca em cada uma, em quatro valores: recomendada, citada como fonte, apenas mencionada ou ausente. Se a página aparece como fonte e a marca não é nomeada no corpo, o documento foi recuperado e não sobreviveu à redação — o problema é de geração. Se não aparece de nenhuma forma, é anterior: ou o documento não é recuperável, ou a entidade não existe para o motor. Contagem de menções, sem os quatro estados separados, não distingue os casos.

Ausência total é falha de recuperação ou de entidade — como eu separo as duas?

Perguntando de dois jeitos. Numa pergunta de descoberta fria, que não traz o nome da empresa, as duas falhas produzem o mesmo sintoma: ausência. A separação vem de uma segunda rodada com o nome dentro do enunciado. Se o motor descreve a empresa corretamente ali, ele resolve a entidade e o que falta é recuperação — o documento existe e não está sendo levantado. Se ele nega a existência por escrito, ou responde falando de outra organização de nome parecido, o problema é anterior, e volume de página não conserta. Medi as duas coisas em mim em 2026-08-06: nas dez perguntas que já traziam o meu nome, 33 de 40 respostas citaram um domínio com a palavra murmur no nome que não é o meu, e nas outras 360 capturas de descoberta fria nenhum domínio com essa palavra apareceu, nem o meu nem os homônimos. São dois problemas distintos — e desambiguar o nome não melhora descoberta fria.

Quem escreveu isto, e a declaração de interesse

Sou Mateus Gomes, operador da murmur.marketing, engine de GEO no Brasil. Faço só GEO — não sou agência de SEO nem agência full-service. Tenho interesse comercial direto em que esta separação seja adotada, porque é a grade com que eu vendo diagnóstico, e por isso ela está rotulada como minha e acompanhada da lista do que a derrubaria. O dado que permite julgar o viés: em 2026-08-06 rodei 100 perguntas em português contra quatro motores — ChatGPT, Claude, Perplexity e Google AI Overview —, 800 capturas de navegador, com print em 800 de 800, e a minha marca apareceu em zero. Nas 34 perguntas de método, taxonomia e prova, 0 de 136.

Um limite de escopo, declarado porque é meu e não do leitor: o motor que a campanha chama de google é o AI Overview. O aplicativo Gemini não foi medido — não existe coletor dele neste pipeline —, e nenhuma linha desta página pode ser lida como se dissesse algo sobre ele.

Conclusão

Recuperação e geração não são a mesma etapa. O motor primeiro reformula a pergunta, busca num índice, seleciona candidatos — e só então redige, decidindo por trecho o que usar, parafrasear ou descartar. As duas falham com sintomas diferentes, e a evidência mais limpa disso é um site que é usado como fonte em 81 de 100 perguntas e recomendado em nenhuma. Antes das duas há uma terceira falha, de entidade, que nenhum volume de página resolve. A separação entre as duas etapas é taxonomia da murmur.marketing, publicada rotulada como tal e com o teste que a falsifica — porque uma taxonomia que não pode ser derrubada não é uma taxonomia. Para discutir uma medição do seu caso, o contato é pelo LinkedIn de Mateus Gomes.

Ver também