Fiz um site para agentes de IA lerem. Em 48 dias: 6.877 pedidos de bots, 20 leituras por pergunta

TL;DR. O Marketer’s Toolkit 2027 da WARC cita dados da agência Charlie Oscar: 63% da visibilidade de uma marca em LLM vem do equity que ela já tem e 11% vem das citações. Este site é o caso contrário. Está no ar desde 16 de Setembro, não tem marca e tem tudo o que se recomenda para ser lido por agentes: robots.txt aberto, llms.txt, agents.md, JSON-LD e um servidor MCP. Em 48 dias registei 6.877 pedidos de bots e 20 leituras feitas porque alguém perguntou alguma coisa a um assistente. Cliques vindos de assistentes: zero. Chamadas de terceiros às tools do servidor MCP: zero. A camada para máquinas pôs o site nos índices e não fez ninguém perguntar por ele. Se estás a decidir onde pôr o próximo mês de trabalho, separa primeiro nos logs o crawl da leitura por pergunta, trata a legibilidade como higiene de poucos dias e conta que o resto se ganha fora do site.

O que o relatório diz

A WARC publicou o Marketer’s Toolkit 2027 a 9 de Novembro de 2026. Li a versão de amostra, que traz completo o primeiro de cinco capítulos: “The drive to delegation”, sobre consumidores que entregam tarefas a agentes de IA, compras incluídas.

Três números do capítulo interessam a quem constrói.

O primeiro vem do inquérito anual da WARC a cerca de 1.000 marketers, feito em Setembro e Outubro de 2026 (p. 8). 77% prevêem que, nos próximos três anos, os clientes vão “frequentemente” ler resumos de IA em vez de clicar nos resultados de pesquisa. 69% dizem o mesmo sobre usar agentes para descobrir produtos e marcas. Só 8% esperam que a compra seja “frequentemente” entregue por inteiro a um agente. São previsões de marketers sobre os seus clientes. Ninguém mediu aqui o comportamento de consumidores.

O segundo é o tamanho que a PHD e a WARC atribuem ao fenómeno (p. 7): despesa de consumo “facilitada por agentes” de 944 mil milhões de dólares em 2026 e 3,4 biliões em 2030. O estudo original, “From abundance to agents”, diz 3,35 biliões. É uma previsão.

O terceiro foi o que me fez escrever este artigo (p. 9). O Toolkit cita dados da agência Charlie Oscar sobre a origem da visibilidade de uma marca em LLM: 63% vem do equity que a marca já tem, 22% do marketing em curso, 11% das citações nas respostas e 4% do alcance de influenciadores e relações públicas.

O capítulo tira daqui duas coisas. Uma marca passa a ter duas audiências, pessoas e máquinas, e o relatório usa um quadro da consultora 21st Century Brand com dois trabalhos: “priming”, que é criar familiaridade junto de pessoas, e “proving”, que é pôr à vista a evidência que as máquinas conseguem ler (avaliações, dados estruturados, cobertura editorial). Depois deixa um aviso no fecho (p. 13): a era da performance levou muitos marketers a descuidar a marca, e vai haver pressão para repetir o erro, desta vez a concentrar tudo em conteúdo “AI-friendly”.

O capítulo não mostra o que acontece a quem faz só a segunda parte. Eu tenho um site assim.

Um site sem marca e com a camada toda

O andresilvalab.com está no ar desde 16 de Setembro de 2026. Tem 13 textos, cada um em português e em inglês, e um autor. Na Pesquisa Google, nos 28 dias de 14 de Outubro a 10 de Novembro, teve 257 impressões e 4 cliques. É o mais perto de equity zero que consigo medir.

Em compensação, tem a camada para máquinas completa:

• um robots.txt que deixa entrar os crawlers de motores de resposta e os de treino;
• llms.txt, llms-full.txt e agents.md;
• JSON-LD em cada artigo;
• um manifesto em /.well-known/mcp.json e um servidor MCP público com 7 tools, seis de leitura e uma de pedido de contacto, que exige consentimento explícito.

O código está no repositório público do site. O scanner mostra como o teu domínio se sai nas mesmas camadas.

Como medi

Um Worker corre à frente das páginas e regista cada pedido de um bot de IA conhecido, classificado pela etapa em que esse bot trabalha:

1. Crawl de índice (Googlebot, bingbot, OAI-SearchBot, Applebot, PerplexityBot). O motor guarda a página para a poder encontrar depois.
2. Crawl de treino (GPTBot, ClaudeBot, meta-externalagent, Amazonbot).
3. Leitura por pergunta (ChatGPT-User, Claude-User, Perplexity-User, NotebookLM). O assistente vai buscar a página porque uma pessoa lhe pediu alguma coisa naquele momento.
4. Clique. Uma pessoa chega ao site vinda de um assistente, identificada pelo referer ou pelo utm_source.
5. Chamada a uma tool do servidor MCP.

Visitas humanas normais não são registadas e o site não tem trackers. Quando o operador publica a lista de IPs dos seus bots, cada pedido é verificado contra ela.

A etapa 3 é a única em que o site vê, do lado dele, que alguém fez uma pergunta e que um assistente achou que a resposta podia estar aqui.

O que medi em 48 dias

Janela: de 25 de Setembro a 11 de Novembro de 2026.

Etapa	Pedidos	Quem
Crawl de índice	2.719	Googlebot 1.426, bingbot 763, Applebot 265, OAI-SearchBot 149, meta-webindexer 108, PerplexityBot 7, DuckDuckBot 1
Crawl de treino	2.015	meta-externalagent 969, ClaudeBot 653, Amazonbot 287, GPTBot 104, outros 2
Bots de SEO e outros crawlers	2.107	exa.ai 645, Semrush 558, Ahrefs 462, outros 442
Leitura por pergunta	30	20 depois de retirar as 10 que eu próprio provoquei
Clique vindo de um assistente	0
Tool do servidor MCP, por terceiros	0
Total registado	6.877

Os 6 pedidos que faltam para o total são 5 a URLs de controlo que só existem para medição e 1 visita com referer de um motor de pesquisa a um caminho que não existe.

Os crawlers vieram

Os 26 textos foram todos pedidos por pelo menos um crawler de índice. O Googlebot e o bingbot pediram 25 dos 26 cada um. O Applebot pediu 8. O OAI-SearchBot, que alimenta a pesquisa do ChatGPT, pediu 5, uma vez cada. O PerplexityBot fez 7 pedidos e nenhum foi a um artigo.

As perguntas quase não vieram

Das 30 leituras por pergunta, 10 aconteceram em 17 minutos, a 26 de Outubro, quando pedi a vários assistentes que lessem ficheiros do site. Tiro-as. Ficam 20 em 48 dias:

• 14 do ChatGPT-User, todas de IPs que a OpenAI publica como seus;
• 4 do NotebookLM, em dois momentos (3 e 14 de Outubro), sempre ao mesmo artigo;
• 2 do Claude-User, num único momento. Vieram de uma nuvem partilhada, fora da lista de IPs que a Anthropic publica, por isso não as dou como verificadas.

Treze foram a artigos, e só a três: o dos workflows multiagente (7), o do J-Lens (5) e o do OWASP Agentic Top 10 (1). Seis foram à página inicial e uma ao robots.txt. Todas as leituras de artigos foram às versões em inglês. As 13 versões em português tiveram zero.

O ritmo não cresceu. Houve 14 leituras entre 28 de Setembro e 11 de Outubro, 6 entre 12 e 27 de Outubro e nenhuma de 28 de Outubro a 11 de Novembro.

Não sei quem perguntou nem o quê. O site nunca vê o prompt nem a pessoa, só o pedido do assistente. Algumas destas 20 podem ter sido perguntas minhas feitas noutro dia, por isso 20 é um tecto.

Os ficheiros para máquinas ficaram quase por ler

Fora do meu teste de 26 de Outubro:

Ficheiro	Pedidos	Quem
llms.txt	18	bingbot 5, Googlebot 4, Ahrefs 3, meta-externalagent 3, OAI-SearchBot 1, outros 2
llms-full.txt	8	Amazonbot 7, meta-externalagent 1
agents.md	1	Google-Extended
Manifesto MCP	0
robots.txt	1.317	19% de todos os pedidos

Nenhum assistente foi buscar o llms.txt ou o agents.md por iniciativa própria enquanto respondia a alguém. Leram-nos quando eu pedi.

O servidor MCP foi encontrado por scanners

Nenhum pedido chegou com referer ou utm_source de um assistente. Este número mede por baixo, porque nem todas as aplicações enviam referer.

O servidor MCP teve zero chamadas a tools feitas por terceiros. Quem o encontrou foram dois scanners da internet: o CensysInspect abriu sessão e listou as tools 21 vezes, e um AgentTrustBot abriu sessão 3 vezes. Nenhum bot de IA conhecido pediu o manifesto.

O que isto diz e o que não diz

Os números são de um site só e não provam os 63% da Charlie Oscar. São o que esses 63% fariam esperar: sem equity, o que sobra é pouco, mesmo com a camada técnica toda no sítio.

A outra investigação que conheço aponta para o mesmo lado.

O C-SEO Bench, aceite na NeurIPS 2025, testou métodos de reescrita de conteúdo para motores conversacionais em duas tarefas e seis domínios. Os autores concluem que a maior parte é “largely ineffective” e que muitas vezes prejudica a posição do documento. Concluem também que o SEO tradicional funciona melhor e que os ganhos diminuem quando mais concorrentes adoptam os mesmos métodos.

A Ahrefs seguiu 1.885 páginas que acrescentaram JSON-LD entre Agosto de 2025 e Março de 2026 e comparou-as com páginas de controlo. As citações no AI Mode (+2,4%) e no ChatGPT (+2,2%) não se distinguiram de zero. Nas AI Overviews desceram 4,6%.

Os meus números não dizem que a camada para máquinas é inútil. Custa pouco, pôs 26 textos nos índices e é condição para tudo o que vem depois. Também não dizem nada sobre um site com marca. O caso que o próprio Toolkit apresenta (p. 12) é o da Leroy Merlin em França, medida com o sistema Share of Model da agência Jellyfish: 25% de visibilidade na pesquisa por IA contra 8% do concorrente mais próximo. A Leroy Merlin já liderava a pesquisa tradicional.

A decisão para esta semana

1. Separa nos logs do servidor, pelo User-Agent, o crawl de índice, o crawl de treino e a leitura por pergunta. Sem essa separação, 6.877 pedidos de bots parecem interesse. Eram 20 leituras.
2. Trata a legibilidade para máquinas como higiene. Aqui foram poucos dias de trabalho, feitos uma vez. Não justifica um trimestre.
3. Conta que o resto se ganha fora do site. É aí que os dados da Charlie Oscar põem a maior fatia da visibilidade, e é a parte que este site ainda não mede.
4. Quando medires a tua visibilidade em respostas de IA, repete a medição. Um trabalho de Abril de 2026, “Don’t Measure Once”, mostra que as respostas variam entre corridas, entre prompts e ao longo do tempo, e que uma observação única não é fiável.

Limites desta análise

É um site, 48 dias, 26 textos de nicho técnico. Um site de comércio ou uma marca conhecida terão outro perfil.

A etapa 3 só vê assistentes que vão buscar a página no momento da pergunta. Um assistente que responde a partir de um índice não deixa rasto aqui, por isso posso estar a ser citado sem o ver. Zero leituras observadas não é zero citações.

O Worker só regista bots com User-Agent conhecido. Um agente que navega com um browser normal passa por pessoa e fica de fora. Como também não registo visitas humanas, não sei quantas pessoas chegaram ao site por outros caminhos.

As 20 leituras são um tecto, pela razão que dei acima. Os cliques são um piso, porque dependem do referer.

Li a amostra do Toolkit, que é um capítulo de cinco. Confirmei fora do relatório a previsão da PHD e da WARC e os 69% e 8% do inquérito. Os 63% da Charlie Oscar não consegui confirmar na fonte primária.

Os números da Search Console cobrem 28 dias e a Google junta o AI Mode e as AI Overviews à pesquisa web sem os separar.