Google critica o llms.txt: o que muda na sua estratégia de AEO em 2026

O arquivo llms.txt é a proposta, inspirada no robots.txt, que promete indicar a IAs quais páginas de um site são mais relevantes. Nesta semana o Google criticou abertamente o padrão — revelando uma falha conceitual que muitos adotaram cegamente — e também anunciou memória persistente para o Gemini Live, o setor de saúde ganhou respostas mais rigorosas e, junto com a Microsoft, o Google apoiou uma especificação técnica para descoberta de agentes de IA.

Se você é responsável pela visibilidade digital de uma marca, esses movimentos não são apenas atualizações de produto: são mudanças no modo como as IAs escolhem o que citar. Ignorá-los é entregar espaço para concorrentes que já estão ajustando seus conteúdos. Vou direto ao ponto — e, mais importante, ao que sua marca deve fazer.

Google expõe a falha fundamental do llms.txt

O llms.txt surgiu como uma tentativa de criar um "robots.txt para IAs" — um arquivo no servidor que listaria as páginas relevantes para modelos de linguagem. A ideia parecia boa: dar um atalho para que ChatGPT, Perplexity e outros lessem apenas o que importa.

O Google acabou com essa ilusão. Por meio de declarações de seus engenheiros, a empresa deixou claro que o llms.txt não é confiável como sinal de relevância. O motivo é estrutural: qualquer site pode listar páginas rasas, desatualizadas, de baixa autoridade — ou até links patrocinados disfarçados de "recomendados". A IA, ao confiar cegamente no arquivo, entregaria respostas piores. Na visão do Google, o caminho é o ranqueamento dinâmico (como o da busca tradicional), não uma lista estática.

A falha fundamental: o llms.txt trata o conteúdo como catálogo, quando as IAs modernas funcionam por entendimento semântico e autoridade. Um arquivo que lista URLs não substitui ter conteúdo bem estruturado, com links internos consistentes e sinais EEAT (Experience, Expertise, Authoritativeness, Trustworthiness).

O que fazer agora: se você implementou llms.txt, não o remova — mas trate-o como coadjuvante, nunca como base. Revise o arquivo com olhar crítico: tire páginas sem profundidade analítica, mantenha apenas conteúdos que realmente respondem perguntas complexas e garanta que essas páginas tenham backlinks de qualidade e dados estruturados (Schema.org) que comprovem autoridade. O Google está de olho nesse arquivo e pode desconsiderá-lo por completo se perceber abuso.

Memória do Gemini Live: personalização que exige contexto persistente

O Google anunciou que o Gemini Live agora tem memória de longo prazo. Na prática, a IA pode lembrar preferências, histórico de conversas e citações recorrentes de marcas que o usuário já consultou. Se um usuário perguntou sobre "melhores práticas de segurança em cloud" e seu artigo foi citado, numa pergunta seguinte sobre "ferramentas de segurança em cloud" o Gemini pode priorizar sua marca de novo — desde que o conteúdo mantenha consistência e profundidade.

Para AEO, isso é uma faca de dois gumes. Se sua marca for citada uma vez com qualidade, a memória tende a reforçar essa associação a cada nova conversa. Se a citação for genérica ou negativa, o efeito também se multiplica.

O que isso significa para AEO: seu conteúdo precisa ser projetado para contexto persistente. Não basta um artigo isolado — é preciso construir clusters temáticos que a IA reconheça como autoridade contínua. A memória do Gemini favorece marcas que:

Produzem conteúdo comparativo e atualizável: guias que comparam soluções e são revisados periodicamente têm mais chance de serem "fixados" na memória.
Oferecem dados proprietários: pesquisas originais, benchmarks e estudos de caso são lembrados porque trazem informação que não está em todo lugar.
Adotam tom consultivo: respostas no formato "Segundo a [Sua Marca], a melhor prática é..." são mais propensas a serem reutilizadas.

É o equivalente digital a ser o "fornecedor padrão" na mente do consumidor — só que na memória da IA.

Saúde: o cerco do EEAT aperta

O setor de saúde sempre foi o mais sensível para IAs — erros podem ter consequências reais. Nesta leva de atualizações, as respostas de saúde ficaram mais rigorosas: as grandes IAs passaram a priorizar fontes que demonstrem EEAT de forma clara e explícita.

Na prática, a IA agora verifica se o conteúdo de saúde tem:

Autor com credenciais explícitas (CRM, currículo Lattes, afiliação institucional).
Citações de estudos revisados por pares ou diretrizes oficiais (ANVISA, OMS, sociedades médicas).
Atualização recente (conteúdos clínicos com mais de 2 anos sem revisão tendem a ser descartados).

Para marcas que atuam em saúde, bem-estar, nutrição ou fitness, isso não é opcional. Se não houver um autor identificado com biografia que comprove experiência, a chance de ser citado cai drasticamente.

Ação imediata: revise todas as páginas de saúde do site. Adicione autor com foto, bio e links para credenciais. Use Schema adequado (MedicalWebPage/HealthTopic) com as propriedades corretas. E mantenha um calendário de revisão semestral para conteúdos clínicos.

Google e Microsoft apoiam a descoberta de agentes de IA

A novidade mais técnica — mas de impacto imediato. Google e Microsoft anunciaram suporte conjunto a um draft spec para descoberta de agentes de IA: um padrão aberto que permite que agentes (assistentes de compra, suporte, automação) encontrem e interajam com serviços e APIs de marcas de forma padronizada. Pense num "robots.txt para agentes", mas com foco em descoberta dinâmica de funcionalidades.

Por que adotar agora: quem implementar primeiro terá vantagem de citação. Os agentes vão preferir marcas que facilitam a integração. Se você tem e-commerce, sistema de agendamento ou serviço de suporte, vale preparar esse arquivo de descoberta.

Como começar: a especificação ainda está em draft, mas já é funcional. Crie um arquivo JSON em /.well-known/ai-agent.json com:

Nome e descrição do agente/serviço.
Endpoints de API com autenticação.
Políticas de rate limit e termos de uso.

Mesmo sem um agente pronto, ter o endpoint preparado sinaliza às IAs que sua marca está aberta à integração.

O que sua marca deve fazer

Chega de teoria. As ações concretas:

Corrija seu llms.txt imediatamente. Remova páginas rasas, mantenha só conteúdos com profundidade e autoridade. O Google não confia nesse arquivo como sinal de relevância, mas outras IAs ainda podem usá-lo. Não o abandone — trate como coadjuvante.
Crie conteúdo para memória persistente. Invista em guias comparativos, dados originais e clusters temáticos atualizados a cada ~3 meses. Quanto mais seu conteúdo for citado, maior a chance de entrar na memória do Gemini.
Implemente o draft spec de agentes. Crie o arquivo de descoberta em /.well-known/ai-agent.json. Sair na frente significa ser descoberto primeiro.
Reforce EEAT em conteúdo de saúde. Autores com credenciais, links para estudos oficiais, datas de revisão e Schema específico. Sem isso, você é ignorado.
Monitore sua Share of Voice nas IAs. Não adianta fazer tudo isso sem medir. Use ferramentas de auditoria para saber se ChatGPT, Perplexity e Gemini estão citando sua marca — e ajuste com base nos dados.

Perguntas frequentes

O que é o llms.txt e por que o Google criticou?

O llms.txt é um arquivo proposto para indicar às IAs quais páginas de um site são mais relevantes. O Google criticou o padrão por ser simplista: ele permite que marcas listem URLs de baixa qualidade ou patrocinadas, o que pode piorar as respostas. A recomendação é confiar em ranqueamento dinâmico (qualidade, contexto e autoridade), não em listas estáticas.

O llms.txt deixou de ser útil para AEO?

Não completamente, mas perdeu força como sinal primário. Use-o como complemento e foque em conteúdo de qualidade, backlinks e dados estruturados. Ele ainda pode ajudar IAs menores, mas não substitui uma estratégia de autoridade.

Como a memória do Gemini Live afeta o AEO?

A memória permite ao Gemini lembrar interações passadas e personalizar respostas futuras. Conteúdo citado uma vez pode ser reutilizado em contextos similares, criando um ciclo de citações recorrentes. A estratégia ideal é produzir conteúdo coeso e atualizado por tópico, formando clusters que a IA reconheça como autoridade contínua.

O que é o draft spec de descoberta de agentes de IA?

É um padrão aberto apoiado por Google e Microsoft para que agentes de IA encontrem e interajam com serviços web de forma padronizada — um "robots.txt para agentes", focado em descoberta dinâmica de funcionalidades (APIs, agendamentos, formulários). Marcas devem adotá-lo para serem descobertas por assistentes como Gemini e Copilot.

Conteúdo de saúde sem autor explícito tem chance de ser citado?

Muito baixa. As IAs estão filtrando fontes sem credenciais verificáveis. Se não puder adicionar um autor com CRM ou afiliação institucional, considere parcerias com especialistas — melhor não ter a página do que ter uma que a IA ignora.