O Motor de Resposta Recomenda um Advogado a Quem Só Fez uma Pergunta

Pergunte a um motor de resposta qual é o prazo prescricional de um pedido de auxílio-acidente e, em cerca de uma a cada cinco vezes, ele devolve o nome de um escritório de advocacia que você não pediu. O número vem de uma amostra aleatória estratificada de 1.000 consultas jurídicas rodada pela Herringbone em agosto de 2026: 448 formuladas como informacionais, 552 como comerciais, distribuídas entre danos pessoais, indenização trabalhista, benefícios por incapacidade e pedidos de veteranos, em regiões metropolitanas do sudeste dos Estados Unidos.

Na amostra inteira, 59% das respostas recomendaram ao menos um fornecedor específico. Quando a pergunta tinha intenção comercial, subiu para 92%. Quando o usuário só queria aprender alguma coisa, foi 18%.

Duas ressalvas antes da análise, porque elas alteram o peso dos números. A Herringbone é um consolidador de marketing jurídico (BluShark Digital, Hennessey Digital, cj Advertising) e o autor do estudo, Dan Hinckley, é o Head de IA da casa. A publicadora vende exatamente para o mercado que o estudo mede, e todo achado aponta para “escritórios de advocacia precisam se preocupar com motores de resposta”. Segunda ressalva: o estudo não consultou o AI Overviews diretamente. Consultou um modelo Gemini flash com Search grounding ao vivo, que o autor descreve como “provavelmente o mesmo substrato de recuperação por trás do AI Overviews”. A hedge é do próprio autor, e está correta. Isso é uma medição por proxy, não uma medição da superfície de produção.

Aplicadas as duas ressalvas, os achados estruturais continuam de pé, porque descrevem um comportamento que qualquer time consegue reproduzir.

O Achado São os 18%

Consulta comercial gerando resposta comercial é o esperado. Quem digita “melhor advogado trabalhista perto de mim” declarou intenção, e uma taxa de 92% de recomendação nessa população é o sistema fazendo o que foi pedido.

Os 18% informacionais são outra coisa. Uma pessoa que pergunta como um processo funciona recebe, sem pedir, o nome de uma empresa que vende serviços dentro daquele processo. Em um domínio de aconselhamento regulado. Vindo de um sistema que se apresenta como explicador.

A quebra por estilo de resposta expõe o mecanismo. Consultas informacionais produziram 82% de respostas puramente informacionais, 18% de respostas mistas e zero respostas de recomendação pura. Consultas comerciais produziram 8% informacionais, 92% mistas e, de novo, zero de recomendação pura. Não existe modo de venda separado nesse sistema. O motor ensina, e nomeia fornecedores enquanto ensina. A recomendação está tecida dentro da explicação em vez de particionada dela, o que deixa o usuário sem qualquer pista visual de que o registro mudou.

Todo regime de disclosure construído para publicidade parte do princípio de que os dois registros são separáveis. Você rotula o anúncio. Marca o resultado patrocinado. Não dá para rotular uma oração dentro de um parágrafo que, no resto, é uma explicação correta de prazo processual.

Seis Buscas Que Ninguém Vê

Atrás de cada uma daquelas 1.000 perguntas, o sistema disparou em média 6,4 buscas próprias. A Herringbone contou 6.436 consultas de fan-out no total. Nenhuma aparece para o usuário, e nenhuma aparece para o escritório que está sendo avaliado.

A composição importa mais que a contagem. Entre os fan-outs gerados a partir de perguntas com intenção comercial, 18% eram pesquisa informacional e 24% eram checagens navegacionais de reputação, batendo em escritórios nomeados, diretórios e plataformas de avaliação. Cerca de um quarto do trabalho invisível é o motor indo verificar se uma empresa presta, usando fontes que a empresa jamais controlou e sequer vê sendo consultadas.

Um escritório que é nomeado passou por triagem. Um escritório que nunca é nomeado provavelmente também passou por triagem e foi rejeitado, em silêncio, com base em insumos que ninguém registrou. Não há registro de impressão, nem motivo de rejeição, nem recurso. Para uma profissão regulada, em que conduta de indicação e publicidade é governada por regras da ordem, isso é uma trilha de auditoria com um buraco no meio. A categoria passou dois anos discutindo agentes de IA fazendo trabalho jurídico em escala. O motor que roteia clientes até o escritório chegou sem o mesmo escrutínio.

Já escrevemos sobre manipulação adversarial da camada de resposta, em que um atacante envenena o que o motor diz sobre você. Esta é a outra metade. Nenhum adversário é necessário. A operação ordinária do motor já produz determinações comerciais sobre empresas nomeadas, com base em evidência invisível para todas as partes envolvidas.

A Concentração Que Todo Mundo Esperava Não Apareceu

Aqui o estudo corrige uma premissa que já defendemos. Em os quatro jogos separados da otimização para motores de resposta, tratamos a concentração pesada de citações como a dinâmica dominante: um número pequeno de fontes captura a maior parte da visibilidade, e a forma a planejar é a de vencedor leva quase tudo.

O vertical jurídico tem outro formato. A lista de recomendação tem em média 7,6 escritórios por resposta, aproximadamente o dobro de um map pack do Google. Na amostra, 936 escritórios disputaram 3.670 vagas de recomendação. O líder detém 3,7%. Os cinco maiores somam 11,9%. Os dez maiores somam 18,4%.

A curva é de cauda longa, sem nada do formato de lei de potência. Se isso é propriedade deste vertical, do modelo proxy, ou do fato de que serviços jurídicos são intensamente locais, o estudo se cala. O que ele diz é que a tese da concentração precisa de uma condição de escopo anexada. Ela descrevia comportamento de citação em uma classe de consultas informacionais. Sobre comportamento de recomendação em um mercado local de serviços, ao menos aqui, ela silencia.

Mais um número quebra a moldura de marketing por completo. Das 588 respostas que recomendaram alguma coisa, 108 citaram apenas recursos públicos gratuitos, sem escritório nenhum. Órgãos de governo e organizações de assistência jurídica gratuita ficam com 16% de todas as vagas de recomendação da amostra. São vagas que orçamento algum compra. Uma entidade sem função de marketing, sem estratégia de AEO e sem interesse comercial ocupa um sexto da superfície de recomendação em um mercado onde escritórios gastam pesado para serem achados.

O Que Vale Copiar do Método

Deixe os achados de lado por um instante. O desenho da medição é a parte que a maioria dos times deveria roubar.

A Herringbone rodou três passadas. Fazer a pergunta. Extrair entidades nomeadas com uma segunda passada de modelo independente, excluindo da contagem entidades apenas mencionadas de passagem. Classificar cada busca de fan-out por tipo de intenção. Depois anonimizar os escritórios como Empresa A até L antes de calcular participação de vagas, de modo que a análise de concentração não pudesse ser conduzida por quem eram os vencedores.

A extração em segunda passada é a disciplina que importa. Pedir a um único modelo que gere a resposta e depois relate sozinho quais fornecedores recomendou teria produzido um número, e esse número seria infalsificável. Separar geração de extração é a diferença entre uma auditoria e uma anedota.

A anonimização antes da análise de concentração é a outra. Uma empresa de marketing jurídico calculando participação de mercado em uma lista que inclui os próprios clientes tem uma inclinação óbvia para a leitura favorável. Remover os nomes antes da conta remove a inclinação. Deixa intactos o conflito de interesse e o incentivo de publicar um estudo cuja conclusão é “você precisa do que vendemos”. Mas torna os números específicos de concentração mais difíceis de terem sido massageados.

Rode Esta Auditoria na Sua Categoria Ainda Este Mês

O que transfere daqui é o método, e o método é barato: ninguém na sua categoria rodou essa auditoria ainda.

Escolha 100 perguntas que um cliente digitaria de verdade, divididas de forma mais ou menos igual entre formulação informacional e formulação comercial. Rode no modelo com grounding a que você tem acesso e registre cada resposta. Depois meça quatro coisas.

Com que frequência um fornecedor específico é nomeado em uma pergunta puramente informacional? Essa é a sua taxa de recomendação não solicitada, e ela diz se a camada de resposta da sua categoria está se comportando como explicador ou como corretor.

Quantos fornecedores aparecem por resposta que recomenda, e qual fatia o líder detém? Se for 7,6 e 3,7%, presença vence dominância e a estratégia é ser elegível em todo lugar. Se for 2 e 40%, você está em outro mercado e o cálculo se inverte.

Que fração das vagas de recomendação vai para entidades que não são concorrentes: sites de governo, organizações sem fins lucrativos, entidades de classe, ferramentas gratuitas? Esse é o teto do que qualquer esforço comercial consegue ganhar.

O que o motor buscou em seu nome, e em quais fontes de reputação ele bateu? Essas fontes agora fazem parte da sua superfície de conformidade, tenha alguém na sua organização olhado para elas ou não.

Em categoria regulada, entregue o log para quem responde por conformidade publicitária, não para quem responde por marketing. Uma recomendação comercial não solicitada, entregue dentro de uma explicação, originada de checagens que ninguém consegue ver, é primeiro uma questão de governança. A questão de marketing vem depois que alguém tiver decidido que o comportamento é aceitável.

Fontes

Herringbone. “We Asked Google’s AI Overviews 1,000 Legal Questions. Here’s How It Responded.” Agosto de 2026.

A Victorino ajuda organizações reguladas a auditar como motores de resposta as descrevem e as recomendam, transformando o resultado em um controle que a área de conformidade consegue assumir: contato@victorino.com.br | www.victorino.com.br