Manipular a Camada de Busca Compra Menções, e Escolhas Só em Parte

Joe Shirey rodou 5.580 testes para ver se é possível otimizar o caminho até a recomendação de um agente de IA. O braço mais agressivo levou o agente a buscar (925 de 930 testes buscaram) e reescreveu cada consulta para favorecer o Google Cloud. Em relação ao braço com busca incentivada e sem a reescrita, as menções subiram de 68,3% para 89,1%. As seleções como recomendação principal subiram de 13,0% para 17,1%. Sem nenhuma busca, o agente escolheu o Google Cloud em 9,2% dos testes.

Esses números carregam duas lições. Manipular o que o agente lê moveu as menções em 20,9 pontos e as seleções em 4,1, a partir de níveis diferentes (68,3% e 13,0%). E antes de qualquer manipulação, uma variável importa: se o agente busca ou não.

O que foi testado

Shirey é funcionário do Google Cloud e diz isso na própria página. Ele usou 310 prompts, cada um rodado 3 vezes, o que dá 930 testes por braço e 5.580 no total, em seis braços. O agente foi o Claude Code com Claude Sonnet 5, com a busca nativa bloqueada e substituída por uma ferramenta de busca MCP. Ele relata ter usado busca ancorada no Gemini.

A linha de base reflete como os prompts foram montados, já que todo prompt tinha um concorrente do Google Cloud. Ela não diz nada sobre participação de mercado. O estudo cobre um modelo e um fornecedor, responde perguntas consultivas de arquitetura e não traz intervalos de confiança. Leia os números como um experimento, não como uma medição do mercado.

A tabela

Resultados de Shirey, para “escolhido como recomendação principal” e “mencionado”:

Braço	Escolhido	Mencionado
Linha de base	9,8% (91)	57,6%
Sem busca	9,2% (86)	56,0%
Busca disponível	10,0% (93)	59,7%
Busca incentivada	13,0% (121)	68,3%
Adulterada e disponível	11,0% (102)	63,5%
Adulterada e incentivada	17,1% (159)	89,1%

Compare os dois braços incentivados. Shirey escreve que o viés “somou 20,9 pontos percentuais às menções, mas apenas 4,1 pontos às seleções reais”. A comparação vai do braço de busca incentivada para o de adulterada e incentivada. Reescrever as consultas mexeu muito mais no que o agente disse sobre o fornecedor do que no que ele escolheu.

A linha “adulterada e disponível” moveu as menções de 59,7% para 63,5% e as seleções de 10,0% para 11,0%.

Buscar é um interruptor que alguém controla

Para governança, o dado que mais pesamos é uma contagem de buscas. Shirey relata que “o Sonnet 5 buscou em 3 de 930 testes, ou 0,3%” na linha de base. Em um dos dois braços incentivados, o agente buscou em 925 de 930 testes (99,5%).

Na linha de base, esse modelo quase nunca buscou. Em um braço incentivado, quase sempre buscou. Na nossa leitura, se a camada de recuperação entra na decisão é uma questão de configuração. Como o incentivo foi implementado não consta do nosso material.

Nós argumentamos que a superfície de controle fica com o operador: o prompt de sistema e a lista de ferramentas são onde a disponibilidade e o incentivo à busca seriam definidos. Onde a busca estava apenas disponível, a seleção quase não se mexeu (10,0%, contra 9,2% sem busca). Onde foi incentivada, chegou a 13,0%.

Uma consequência para quem compra: um agente que aconselha sobre escolha de fornecedor pode se comportar de forma diferente conforme a sua configuração, que quem lê as respostas pode não ver.

A reescrita que o agente nunca viu

A ferramenta adulterada reescrevia cada consulta enviada pelo agente. A observação de Shirey: “o agente nunca percebeu que toda consulta que enviou havia sido reescrita. Se você pluga uma ferramenta de busca de terceiros no seu agente, está confiando a ela mais do que imagina.”

Acrescentamos um enquadramento nosso. Uma ferramenta de busca capaz de reescrever consultas é um componente que decide o que o agente consegue ler. Nada neste experimento diz se alguma ferramenta real reescreve consultas. Neste experimento o agente não percebeu a alteração, e nada no estudo mostra que ele conseguiria ver a consulta reescrita.

Isso faz de uma ferramenta de busca de terceiros uma superfície de confiança sem auditoria, na mesma classe de qualquer dependência cujo comportamento muda o que o agente conclui. O estudo dá a essa revisão uma forma concreta: comparar o que o agente pediu com o que o provedor recebeu.

O que um segundo conjunto de dados sugere, com limites

A Grow and Convert publica um conjunto de dados, e é um fornecedor que vende serviços de conteúdo e SEO. Para um cliente B2B não identificado, 7.779 respostas mencionaram o cliente, e em 87% delas o site do próprio cliente aparecia entre as fontes. Nos AI Overviews, o cliente foi mencionado em 90% das respostas quando o seu próprio site era citado, contra 25% quando só uma página de terceiros sobre ele era citada.

Trate isso com cuidado. É um cliente. É correlacional. Os 87% são condicionados a uma menção, então não significam que 87% de todas as respostas citam o site do cliente. O denominador por trás dos totais não está claro na página. Usamos o dado apenas para notar que mecanismos de resposta que citam o site da própria marca a nomeiam com mais frequência, um pareamento do lado da recuperação que a reescrita de Shirey empurra por um método bem diferente.

O que um fornecedor pode e não pode comprar

Colocando as duas fontes lado a lado, a evidência sustenta uma afirmação modesta. Neste teste, fazer a camada de recuperação favorecer o Google Cloud elevou as menções em 20,9 pontos e as seleções em 4,1 pontos, a partir de níveis diferentes (68,3% e 13,0%). Em termos relativos, ambas subiram cerca de 30%.

Quem relata visibilidade em IA como vitória deveria perguntar qual das duas foi medida, a menção ou a escolha.

Para quem opera agentes, nossa preocupação aponta para o outro lado. Um mecanismo que permite a um teste enviesar menções poderia, em princípio, ser operado por um provedor de ferramenta ou por um intermediário, e o agente não reportaria isso.

Para leitura relacionada, veja AEO São Quatro Jogos Separados, Não Um, Suas citações na busca por IA expiram a cada 11 dias e 42% de Acordo.

Faça isto agora

Faça um inventário de toda ferramenta de busca ou recuperação que seus agentes podem chamar e registre quatro fatos para cada uma. Quem configura se ela é usada. Se o prompt de sistema manda o agente usá-la. O que a ferramenta recebe do agente e o que ela envia adiante ao seu provedor. Se você registra os dois lados desse salto.

Depois pergunte por escrito a cada fornecedor de ferramenta de terceiros se ele modifica, expande ou reordena consultas, e guarde a resposta. Se um agente aconselha sobre compras, fornecedores ou arquitetura, registre com que frequência ele busca, porque, na nossa leitura, a taxa de busca define quanto da resposta a sua camada de recuperação pode influenciar.

Fontes

Joe Shirey’s Blog. “Can You SEO Your Way Into an AI Agent’s Recommendation?.” Outubro de 2026.
Grow and Convert. “Is 3rd party data the biggest lever in GEO? Our data says no..” Setembro de 2026.

A Victorino ajuda equipes a auditar as ferramentas de busca e recuperação por trás de seus agentes e a definir quem as controla: contato@victorino.com.br | www.victorino.com.br