Anúncios para agentes de IA: quando quem lê a marca é uma máquina

Empresas começam a criar publicidade feita para agentes que pesquisam e decidem em nome das pessoas. É uma nova frente de comunicação. Mas, por enquanto, não há evidência de que esses anúncios mudem as respostas das IAs de forma previsível.

Durante décadas, a publicidade digital foi feita para olhos humanos. Banners, vídeos, links patrocinados e anúncios em redes sociais disputam atenção, clique e lembrança de marca.

Agora, algumas empresas testam uma lógica diferente: anunciar diretamente para agentes de inteligência artificial.

Esses sistemas não se encantam com uma imagem, não reconhecem uma celebridade e não sentem curiosidade diante de um título. Eles acessam páginas, leem dados, comparam atributos e usam o que encontram para ajudar uma pessoa a escolher um produto, planejar uma viagem ou contratar um serviço.

Se uma parte crescente da jornada de decisão passa por agentes, a comunicação ganha uma pergunta nova: como garantir que eles encontrem informações corretas, completas e identificáveis sobre a marca?

Uma das respostas em teste é a publicidade feita para máquinas. Neste momento, ela deve ser lida como experimento. Não como fórmula comprovada de visibilidade nas IAs.

O que é, na prática, um anúncio para agentes

O formato ganhou atenção no fim de julho de 2026, com uma iniciativa da revista Time em parceria com a empresa de tecnologia publicitária Mobian, noticiada pelo Digiday.

A Time já oferecia versões em Markdown das suas páginas, cópias simplificadas e só de texto, pensadas para facilitar a leitura por crawlers e agentes.

Nessas versões, a revista passou a inserir conteúdo patrocinado destinado exclusivamente a sistemas automatizados. A Mobian transforma o briefing do anunciante em blocos no formato de perguntas e respostas, identificados como patrocinados, e acompanha com que frequência e com que tom as ferramentas de IA reproduzem essas informações. Ally Bank e Project Management Institute estão entre os primeiros anunciantes. Quem visita a página pelo navegador não vê nada disso.

O anúncio não foi feito para seduzir uma máquina no sentido humano da palavra. Foi feito para colocar informações da marca no caminho que o agente percorre enquanto pesquisa.

Por que as marcas estão olhando para esse canal

O crescimento do tráfego automatizado explica boa parte do interesse. Segundo o relatório 2026 State of AI Traffic & Cyberthreat Benchmark, da HUMAN Security, o tráfego automatizado na internet cresceu 23,5% em 2025, enquanto o humano cresceu 3,1%. O tráfego gerado por agentes de IA, especificamente, cresceu mais de 7.800% no mesmo período.

Mas o número pede leitura cuidadosa. Dentro do tráfego ligado a IA, a maior parte (67,5%) ainda vem de crawlers de treinamento, não de agentes executando tarefas para alguém. E o universo automatizado inclui também scrapers, automações legítimas e bots maliciosos. Tráfego de bots, portanto, não é sinônimo de cliente representado por agente. A parcela comercialmente relevante ainda precisa ser separada de um volume muito maior.

Um detalhe do mesmo relatório interessa diretamente ao mercado brasileiro: mais de 95% do tráfego ligado a IA se concentrou em três setores, varejo e e-commerce, streaming e mídia, e turismo e hospitalidade. Exatamente onde dados estruturados e atualizados valem mais.

E o comportamento muda. Um agente de compras pode chegar a um site depois que o usuário já informou preferências, orçamento e restrições. Quando leva essa consulta até uma empresa, carrega uma intenção mais qualificada do que uma visita casual.

Para as marcas, o interesse está em participar dessa etapa de consideração e reduzir o risco do agente decidir com base em informação incompleta, antiga ou errada.

Fornecer dados não é controlar a resposta

"Influenciar agentes" é uma expressão que precisa de precisão.

Expor um sistema a informações patrocinadas não prova que ele vai guardar esses dados, voltar a usá-los ou considerá-los mais relevantes do que outras fontes. Muito menos permite concluir que uma campanha vai alterar o que um modelo responde a todos os usuários.

Modelos e agentes podem consultar fontes em tempo real, trabalhar com índices próprios, aplicar critérios diferentes de seleção ou simplesmente descartar material promocional. Uma informação encontrada durante uma visita pode servir só àquela tarefa e nunca entrar em memória nenhuma.

Vale separar três processos que costumam aparecer misturados:

Leitura é quando o agente consegue acessar e interpretar a informação.

Recuperação é quando o sistema considera aquele conteúdo relevante para uma consulta específica.

Representação é quando a informação aparece, com sentido correto, na resposta entregue à pessoa.

Um anúncio legível pode favorecer a leitura. O efeito sobre recuperação e representação precisa ser medido, não presumido. Não por acaso, a própria Mobian vende a medição de quantas vezes e com que tom a marca aparece nas respostas: é o reconhecimento implícito de que estar na página não garante estar na resposta.

Uma internet para pessoas, outra para máquinas

A iniciativa levanta uma questão ética e técnica: o agente deve receber um conteúdo que a pessoa não vê?

Na busca tradicional, mostrar versões substancialmente diferentes para usuários e para rastreadores tem um nome: cloaking. É uma prática historicamente tratada como tentativa de manipulação. Os defensores dos anúncios para agentes argumentam que a identificação como patrocinado garante transparência.

Nem todos concordam. Segundo o Digiday, poucos dias depois do lançamento, a Perplexity bloqueou toda a publicidade em Markdown do site da Time, classificou o formato como enganoso e avisou que publishers que o adotarem podem perder reputação em seu índice. A Mobian rebateu: para a empresa, o formato entrega aos modelos informação atual e aprovada pela marca, que eles podem usar ou não.

A lição é que não existe regra única. Uma implementação aceita por um agente pode ser ignorada ou penalizada por outro.

Quem decidir testar precisa de princípios claros: identificar explicitamente o conteúdo patrocinado, separar fatos verificáveis de alegações promocionais, informar a origem dos dados e a data de atualização, evitar qualquer contradição entre a página humana e a versão para máquinas, acompanhar as políticas de cada plataforma e não prometer resultados que o formato ainda não demonstrou.

Transparência deixou de ser só uma obrigação com pessoas. Passa a ser também um componente da comunicação entre sistemas.

Antes do anúncio, a infraestrutura de informação

O experimento da Time chama a atenção pelo formato publicitário, mas revela uma mudança maior: sites estão sendo reorganizados para que agentes encontrem e processem informações com menos ambiguidade.

No varejo, isso significa atributos completos de produto: dimensões, materiais, compatibilidade, disponibilidade, prazo, política de devolução e condições de uso. Em serviços B2B, significa explicar com clareza escopo, setores atendidos, integrações, requisitos, diferenciais comprováveis e limitações.

Essa base importa mais do que qualquer anúncio. Se as informações da empresa estão fragmentadas, desatualizadas ou presas a frases publicitárias vagas, o agente não consegue comparar a oferta nem recomendá-la com segurança.

Na média empresa brasileira, o ponto de partida raramente é técnico. Antes de pensar em Markdown, a pergunta é se o próprio site diz, sem rodeios, o que a empresa faz, para quem e com que diferencial. Tornar uma marca legível para sistemas de IA envolve arquitetura da informação, consistência editorial, dados estruturados, acessibilidade técnica, governança de conteúdo e evidências públicas.

E tudo começa por uma pergunta bem humana: a empresa consegue explicar, de forma clara e verificável, quem é, o que oferece e para quem sua solução faz sentido?

Publicidade para agentes não substitui GEO nem relações públicas

O conteúdo patrocinado pode ampliar a exposição de determinadas informações. Não substitui o conjunto de sinais que forma o reconhecimento.

Quando uma IA responde sobre uma empresa, pode recorrer ao site da própria organização, à imprensa, a bases de dados, avaliações, páginas de parceiros, fóruns, documentos e outras fontes. O peso de cada uma varia conforme o sistema, a pergunta, a localização e o momento.

A marca que depende só do anúncio fica vulnerável quando a campanha termina, ou quando o agente não passa pelo publisher contratado. A marca que organiza sua presença editorial constrói um repertório distribuído e muito mais durável.

Anúncio para agente é, no máximo, uma camada de distribuição. GEO, AEO e relações públicas trabalham em outra dimensão: a construção das informações, relações e evidências que fazem a marca ser encontrada, compreendida e reconhecida.

Como testar sem confundir novidade com resultado

Quem quiser explorar essa frente pode começar com um experimento controlado, com hipóteses e limites claros.

O primeiro passo é escolher um conjunto de perguntas comerciais relevantes e registrar como diferentes sistemas descrevem a marca antes da campanha. Depois, definir quais fatos serão apresentados, em quais páginas, por quanto tempo e para quais agentes.

A avaliação não pode parar no tráfego automatizado. É preciso saber quais agentes acessaram o conteúdo, se o anúncio foi identificado corretamente como patrocinado, se mudaram a frequência e a precisão das menções, em quais perguntas e plataformas a mudança apareceu, por quanto tempo o efeito durou, se houve aumento de visitas, conversas ou conversões humanas e se surgiram alertas, bloqueios ou perda de visibilidade.

Sem linha de base e sem repetição ao longo do tempo, é impossível separar o efeito do anúncio da oscilação natural das respostas de IA.

Quem decide e quem intermedia

Anunciar para agentes parece ruptura completa, mas recupera um princípio antigo das relações públicas: uma marca raramente fala só com o público final. Entre a empresa e a decisão existem jornalistas, especialistas, buscadores, plataformas, comunidades e, agora, agentes de IA.

Cada intermediário tem critérios próprios para acessar, avaliar e reorganizar informação.

A novidade é que o agente não apenas indica uma opção. Ele pode comparar preços, preencher formulários, negociar condições e concluir partes de uma compra. Quanto maior sua participação na jornada, maior a necessidade de oferecer dados que possam ser interpretados e verificados.

Isso não autoriza ninguém a manipular a camada de conhecimento das IAs. Pelo contrário: aumenta a responsabilidade sobre a origem, a precisão e a identificação de cada mensagem.

Na Pixel&Press, consultoria de comunicação estratégica e GEO, tratamos a comunicação como um sistema que precisa funcionar para pessoas, stakeholders e inteligências artificiais. Na Jornada PRESS®, é na ESTRUTURA que a presença digital da marca é organizada para ser encontrada e interpretada corretamente pelo Google, pelo ChatGPT, pela Perplexity e por qualquer agente que um cliente ou jornalista use para pesquisar o setor.

Os anúncios para agentes ainda são um experimento. A mudança de fundo já aconteceu: a marca não fala mais só com quem compra. Precisa ser compreendida também por quem pesquisa, compara e recomenda em nome dessa pessoa.