Por Paula Bezerra (Diretora de Digital da GBR Comunicação)
Como Clayton bem sinalizou, a mensuração em ambientes generativos exige uma curva de aprendizado acelerada de nossa parte. Desde que as métricas digitais passaram a integrar a rotina de comunicação, a mensuração ocupa um lugar central e por vezes controverso. Havia dashboards e relatórios periódicos, mas também uma pergunta recorrente: o que, de fato, estamos medindo? A chegada dos AI Overviews do Google e dos motores generativos ampliou essa discussão. Não porque a mensuração tenha deixado de existir, mas porque o objeto da mensuração mudou. Em um ambiente de respostas geradas por IA, não basta saber se um conteúdo foi encontrado. É preciso entender se ele realmente influenciou a resposta produzida.
A barreira não é apenas tecnológica
Quando se fala em mensuração na era da IA, a discussão costuma se concentrar em ferramentas. Na prática, porém, o desafio possui pelo menos três dimensões.
A primeira é conceitual. Termos como GEO, citation rate, share of answer e absorção de citação ainda circulam especialmente em estudos acadêmicos e fóruns especializados. O mercado está construindo linguagem, metodologias e referências ao mesmo tempo em que precisa entregar resultados. Afinal, ainda não existe consenso sobre quais métricas serão definitivas, nem benchmarks consolidados para comparação.
A segunda dimensão é operacional. A mensuração das experiências de IA apresenta limitações importantes. O próprio Google informa que AI Overviews e AI Mode são incorporados aos dados gerais do Search Console, dificultando a identificação precisa de seu impacto sobre impressões, cliques e tráfego orgânico. Embora avanços recentes ampliem a visibilidade sobre esses ambientes, seguimos longe de um modelo de atribuição capaz de explicar com precisão a jornada entre uma citação e seu efeito sobre percepção, consideração ou conversão.
Esse contexto ajuda a explicar por que tantas organizações enfrentam dificuldades para demonstrar resultados relacionados à IA. Em muitos casos, não se trata de falta de capacidade analítica, mas da ausência de instrumentos plenamente adequados para observação.
A variável que ninguém controla
A terceira dimensão, e talvez a mais delicada, está na própria dinâmica do PR.
Isso porque, o trabalho de PR produz narrativas, desenvolve relacionamentos e viabiliza pautas. Mas quem escreve a matéria é o jornalista. E quem sintetiza as informações é o modelo de IA. Entre a mensagem original e a resposta apresentada ao usuário existem múltiplos agentes, cada um com critérios próprios de seleção e interpretação.
Estudos recentes ajudam a dimensionar a relevância do PR nesse novo ambiente. Exemplo disso é a pesquisa What Is AI Reading?, conduzida pela Muck Rack em parceria com a Generative Pulse. O relatório, que analisou milhões de links citados por modelos como ChatGPT, Gemini e Claude, constatou que cerca de 84% das referências exibidas nas respostas têm origem em earned media. O dado reforça um ponto importante: os sistemas de IA continuam recorrendo majoritariamente a conteúdos produzidos por terceiros e conquistados por meio de estratégias de comunicação.
Mas há uma diferença fundamental entre ser citado e influenciar uma resposta. Não basta conquistar cobertura, é preciso ter um material capaz de contextualizar, explicar e estruturar um tema. Quanto mais rica em dados, definições e enquadramentos relevantes uma publicação for, maiores as chances de contribuir efetivamente para a narrativa construída pela IA. Ou seja, a disputa deixa de ser apenas por visibilidade e passa a ser por influência cognitiva, com capacidade de moldar o entendimento que a IA irá construir sobre determinado assunto.
Uma menção superficial à marca pode gerar visibilidade. Já conteúdos ricos em contexto, dados, definições e explicações tendem a oferecer mais insumos para que sistemas de IA construam respostas consistentes. É nesse ponto que surge uma das contribuições mais relevantes da literatura recente sobre GEO: a distinção entre seleção e absorção de citações.
A seleção ocorre quando uma fonte é escolhida como referência. Já a absorção acontece quando os argumentos, dados, conceitos ou enquadramentos dessa fonte moldam a resposta final. Para o PR, essa diferença é fundamental já que influenciar é muito mais relevante que apenas aparecer.
Como evoluir a conversa com o cliente
Nesse cenário, a mensuração precisa ir além da lógica tradicional de alcance e tráfego.
O primeiro passo é separar a visibilidade de influência. Uma marca pode aparecer em respostas geradas por IA sem necessariamente impactar a narrativa construída. Medir as duas dimensões de forma independente produz análises mais precisas.
O segundo é mapear a jornada completa da informação. Entre um release e uma resposta gerada por IA, existem etapas intermediárias que envolvem jornalistas, veículos, plataformas de busca e modelos de linguagem. Nenhum desses atores controla integralmente os demais. Tornar esse processo transparente fortalece o papel consultivo das agências.
O terceiro é criar protocolos sistemáticos de monitoramento. Acompanhamento recorrente de prompts estratégicos, análise de share of voice em ambientes generativos, avaliação da aderência às mensagens-chave e comparação com concorrentes já permitem construir indicadores relevantes, mesmo antes da consolidação das ferramentas especializadas.
A mensuração em IA não será definida apenas por uma única métrica. Ela exigirá a combinação de dados quantitativos e análise qualitativa. O desafio deixa de ser apenas saber se a marca apareceu e passa a ser compreender se ela ajudou a moldar o conhecimento produzido.
No contexto da IA generativa, essa talvez seja a métrica mais valiosa para o PR.