O tráfego dos portais de notícias caiu e, em alguns casos, mais de 30% em um ano. Ao mesmo tempo, a imprensa nunca foi tão importante para determinar quem tem autoridade no mercado. Essas duas afirmações parecem ser contraditórias, mas descrevem a mesma transformação, vista por ângulos diferentes.
A diferença está na métrica: antes, o volume de tráfego media o valor dos cliques; atualmente, o valor da autoridade é resultado das citações. Os portais perderam cliques porque a IA sintetiza respostas sem redirecionar o usuário (zero-clique), mas a mesma IA que deixou de enviar tráfego para o portal passou a depender do conteúdo jornalístico como matéria-prima para suas respostas.
Quando um decisor B2B conversa com o ChatGPT, o Gemini ou o Copilot sobre fornecedores, soluções ou tendências de mercado, a IA não pode inventar respostas. Por isso, procura na internet sinais de autoridade. Embora os modelos consumam dados de fóruns, redes e repositórios abertos, a imprensa de credibilidade permanece como a principal camada de validação do ecossistema, funcionando como o filtro que separa fato de ruído.
O paradoxo: menos tráfego, mais autoridade
O Google confirmou que o AI Overviews atingiu 1,5 bilhão de usuários mensais no primeiro trimestre de 2025. Isso representa 26,6% de todos os usuários de internet do planeta. A IA não aponta para a resposta, ela já é a resposta para quase um terço da humanidade conectada.
O Digital News Report 2026, produzido pelo Reuters Institute da Universidade de Oxford com pesquisa em 48 países, revelou que 10% das pessoas já usam chatbots de IA para encontrar notícias, comparado a 7% no ano anterior. O mesmo estudo mostra que a confiança do leitor em notícias gerais caiu para 37%, recorde histórico de baixa. No entanto, para as decisões B2B, essa desconfiança generalizada atua como um filtro: a mídia especializada e os veículos de negócios de reputação tornam-se indispensáveis, pois oferecem o selo de veracidade que o mercado exige.
A Pew Research, em estudo realizado em julho de 2025, encontrou um dado que ajuda a entender o paradoxo: 58% dos usuários do Google são menos propensos a clicar em links quando aparece um resumo de IA na tela. A IA responde à pergunta sem precisar enviar o usuário para nenhum site e é aqui que o paradoxo se resolve. Cada matéria publicada em um veículo de credibilidade alimenta o aprendizado dos motores generativos. A prova dessa dependência estrutural está na própria movimentação das Big Techs: desenvolvedoras de IA têm firmado acordos milionários de licenciamento com grandes conglomerados de mídia do mundo inteiro. Elas pagam caro pelo jornalismo porque precisam dele para ancorar suas respostas em dados reais e evitar alucinações.
O que aconteceu não é uma perda, mas uma mudança de função. Durante muito tempo, a imprensa funcionou apenas como canal de visibilidade institucional, mas suas métricas nunca foram foco para os buscadores tradicionais. Agora, a validação da imprensa virou infraestrutura: é uma das camadas mais relevantes para os motores de IA discernirem entre o que é fato e o que é ruído.
Há um paralelo histórico útil. Quando o Google surgiu, em 1998, jornais e revistas temeram que a busca matasse o tráfego direto. O que aconteceu foi o oposto: o Google passou a enviar tráfego para os veículos, criando um modelo de distribuição que durou décadas. Agora, a IA generativa quebra esse modelo — não porque desvaloriza o conteúdo, mas porque não precisa mais clicar para consumi-lo. O valor do conteúdo jornalístico não diminuiu. O papel que ele desempenha no ecossistema mudou: de distribuição para infraestrutura.
Por que a IA escolhe a imprensa como validador
Portais de notícias da grande imprensa e da mídia especializada já estabelecidos funcionam como “hubs de autoridade” no ecossistema digital. Quando publicam algo, a IA interpreta como um fato validado. Alem disso, em escala paralela, as plataformas de divulgação garantida, domínios próprios de baixa visibilidade e press releases replicados em massa também possuem valor dentro do universo de confiança.
Essa hierarquia não é opinião. Está documentada nas diretrizes E-E-A-T do Google (Experiência, Especialização, Autoridade, Confiabilidade), que orientam como o algoritmo avalia qualidade. A “Autoridade” vem do reconhecimento por terceiros independentes e notáveis. O que outros dizem sobre sua empresa pesa mais do que o que sua empresa diz sobre si mesma.
O estudo que deu origem ao conceito de GEO (Otimização para Motores Generativos), conduzido por pesquisadores de Princeton, Georgia Tech, Allen Institute for AI e IIT Delhi, e apresentado na conferência ACM SIGKDD, confirmou empiricamente o que as diretrizes do Google sugeriam. A partir de milhares de consultas, os pesquisadores identificaram que a tática de maior impacto para ser citado por IA é a inclusão de citações de fontes de autoridade. Em páginas que nem sequer ocupavam a primeira posição na busca tradicional, a adição de fontes verificáveis elevou a visibilidade generativa em mais de 100%.
A ligação é direta: a IA não busca links, busca validação e a imprensa é o lugar onde a validação acontece com maior peso.
O que muda para sua empresa
Imagine um executivo que precisa avaliar fornecedores de tecnologia, soluções em nuvem ou consultorias para transformação digital. Ele pode até começar com buscas tradicionais, abrindo abas no Google, mas em algum momento da jornada — cada vez mais cedo — vai conversar com um motor generativo. Então ele vai receber respostas sintetizadas com nomes, comparações e contextos. Ela extrai as informações de fontes que considera confiáveis como os veículos de imprensa, relatórios setoriais, artigos assinados por executivos e perfis no LinkedIn, entre outros.
Se a sua marca nunca apareceu na imprensa, não tem executivos posicionados em veículos relevantes e não publica dados próprios, a IA simplesmente não tem como saber que você existe. Não é falta de tecnologia, é falta de presença estruturada nas fontes que a IA consulta.
Construir autoridade real e em fontes confiáveis de forma que a IA encontre essa autoridade quando for procurar, não é truque técnico. É o que assessoria de imprensa sempre fez e o que muda agora é que cada ativo de imprensa trabalha duas vezes: convence o leitor humano e ensina o algoritmo sobre o que a sua marca representa.
A operação real: o que uma década de imprensa ensinou
A Bob Media opera há mais de uma década com assessoria de imprensa para marcas B2B em tecnologia, telecom, finanças, energia e indústria automotiva. A diretora Ana Bueno possui um sólido histórico em relações públicas corporativas, com passagem pela IBM e atendimento a marcas globais como AWS, Airbus, Amdocs, Dell, Capgemini e American Airlines, entre outras.
Essa base de experiência sustenta uma observação prática: quando a operação de imprensa é estruturada como um processo crescente, não com ações isoladas, os resultados se multiplicam. É isso que chamamos de conteúdo aplicado a uma metodologia precisa, que traz resultados concretos e contínuos. Cada matéria publicada no Valor Econômico, por exemplo, não é apenas uma matéria lida por humanos. É um sinal que a IA captura, processa e usa esse conteúdo para decidir se a marca merece ser citada na próxima resposta que será gerada. Esse tipo de conteúdo não vive apenas na página onde foi publicado, mas vive também no ecossistema de sinais que os algoritmos percorrem a cada segundo no ambiente digital. Esse é o princípio que movimenta o RP Generativo — a metodologia da Bob Media para a era da reputação algorítmica.
O que vem a seguir
A imprensa é um dos principais pilares, mas a Arquitetura de Citação possui muitas camadas. A IA não procura referências apenas na imprensa. Ela faz uma varredura paralela em múltiplos canais ao mesmo tempo, cruzando fontes, calculando proximidade semântica e somando presença. Entender como essa mecânica funciona é o que permite estruturar a presença da marca de forma intencional, em vez de depender do acaso.
Nos próximos artigos, vamos abrir a caixa-preta técnica de como a IA encontra — ou ignora — as marcas. Vamos explorar conceitos como o RAG (Retrieval-Augmented Generation), entender como funcionam as camadas de verificação das LLMs e mostrar como mecanismos de buscas semânticas determinam quem aparece e quem fica de fora no ambiente decisório B2B.
