Motores de busca tradicionais devolvem uma lista de links; um assistente de IA devolve uma resposta. Essa mudança — de "aqui estão os resultados" para "aqui está a resposta" — é o motivo pelo qual SEO sozinho já não cobre tudo o que uma empresa precisa fazer para ser encontrada.

De SEO para AEO e GEO

SEO (Search Engine Optimization) otimiza para aparecer bem posicionado numa lista de resultados. AEO (Answer Engine Optimization) otimiza para ser a resposta que um assistente de IA dá diretamente, sem o usuário clicar em nada. GEO (Generative Engine Optimization) vai um passo além: otimiza para como sistemas generativos, que sintetizam informação de várias fontes, citam, resumem e recomendam uma empresa.

Não são conceitos que substituem SEO; são camadas que se somam a ele. Um site ainda precisa seguir as boas práticas técnicas descritas na documentação oficial do Google para desenvolvedores. A diferença é que agora existe um público adicional lendo o site: não só pessoas navegando, mas agentes e modelos de linguagem processando conteúdo para responder perguntas de terceiros.

Os blocos básicos

Antes de qualquer coisa avançada, alguns fundamentos continuam valendo, só que agora servem dois públicos ao mesmo tempo:

  • Conteúdo claro e bem estruturado, com respostas diretas às perguntas que a empresa resolve, não apenas textos genéricos de marketing.
  • Dados estruturados (JSON-LD) descrevendo organização, serviços e conteúdo de forma que máquinas consigam interpretar sem ambiguidade.
  • Um arquivo llms.txt (e, quando fizer sentido, uma versão llms-full.txt) resumindo o site em formato pensado para ser lido por modelos de linguagem, seguindo a convenção que vem se consolidando para esse fim.

Sinais explícitos importam

Boa parte da otimização para IA é, na prática, declarar explicitamente o que já é verdade. Um robots.txt correto continua sendo a base, mas agora pode incluir também um sinal como Content-Signal, proposto pelo contentsignals.org, que declara se o conteúdo pode ser usado para busca, como entrada de sistemas de IA ou para treinamento de modelos. Isso remove a ambiguidade: em vez de um rastreador ter que adivinhar a intenção do site, a intenção fica declarada.

A camada avançada: expor um servidor MCP

Todos os itens acima ajudam um agente a ler e entender o site. Mas leitura de conteúdo estático tem um limite: não responde perguntas sobre dados que mudam, como catálogo de serviços atualizado, disponibilidade ou informações de contato corretas no momento da consulta.

É aqui que entra o Model Context Protocol (MCP), o padrão aberto para conectar modelos de linguagem a ferramentas e fontes de dados. Em vez de um agente precisar raspar HTML e torcer para que a informação esteja atualizada, ele pode chamar uma ferramenta e receber um dado real, direto da fonte.

Um exemplo real de implementação

O yanmantovani.com expõe um servidor MCP próprio, em https://www.yanmantovani.com/api/mcp, com ferramentas como get_agency_info, list_services, list_products, list_case_studies e get_contact — um agente pode consultar essas ferramentas e obter respostas estruturadas e atuais, em vez de interpretar texto solto. Ao redor disso, o site também publica um "server card" em /.well-known/mcp/server-card.json, um catálogo de API em /.well-known/api-catalog seguindo a RFC 9727, e responde com conteúdo em Markdown quando a requisição pede Accept: text/markdown — tudo pensado para que um agente descubra e use essas fontes sem precisar de intervenção manual.

Síntese

AEO e GEO não são um selo de marketing: são a extensão natural de boas práticas técnicas de SEO para um cenário em que parte do tráfego relevante já não é uma pessoa clicando, mas um agente processando e decidindo em nome de alguém. Empresas que declaram seus sinais com clareza e, quando fizer sentido, expõem dados reais via MCP, largam na frente nesse novo formato de descoberta.