Você já perguntou a um agente de IA sobre a sua empresa e ele respondeu de forma genérica?
Ou pior: "não tenho informações específicas sobre essa empresa".
Esse é o cenário que a empresa deste caso vivia.
Este artigo apresenta um caso realista e detalhado de uma empresa de serviço brasileira (consultoria / serviços especializados) que passou pelo processo de ficar legível para agentes de IA.
O objetivo é mostrar, de forma concreta, o que muda quando as camadas certas são implementadas — e quais diferenças existem em relação ao e-commerce.
O cenário antes
A empresa em questão era prestadora de serviços (consultoria / serviços especializados), com site institucional, presença razoável no Google e algum trabalho de conteúdo já realizado.
Quando testada nas principais IAs, o quadro era este:
- Perguntas do tipo "quem vocês recomendam para [serviço] em [cidade/região]?" raramente citavam a marca
- Quando a IA reconhecia o nome, a descrição era genérica e pouco útil ("é uma empresa que atua no setor de...")
- Não havia clareza sobre escopo dos serviços, para quem eram indicados ou como contratar
- Em vários testes, a resposta era "não tenho informações específicas sobre essa empresa"
- Concorrentes com posicionamento mais claro e mais menções externas apareciam com mais frequência
O site não estava ruim do ponto de vista visual ou de SEO tradicional. Ele simplesmente não estava preparado para ser compreendido e recomendado por agentes de IA de forma precisa.
O que foi estruturado
O trabalho foi organizado em camadas, adaptadas à realidade de uma empresa de serviço (sem catálogo de produtos):
1. Rastreabilidade Verificação e correção do robots.txt para garantir que os principais bots de IA pudessem acessar as páginas públicas.
2. Clareza de entidade e posicionamento Reescrita da home e das páginas principais para deixar explícito: o que a empresa faz, para quem, quais problemas resolve e qual o diferencial principal.
3. Estrutura de páginas de serviço Criação e aprimoramento de páginas individuais para cada serviço principal (em vez de uma única página genérica de "Serviços"). Cada página passou a responder de forma direta: o que é, para quem é, como funciona e qual o próximo passo.
4. Dados estruturados Implementação de Schema relevante (Organization / LocalBusiness, Service, FAQPage) e criação de um llms.txt adaptado para descrever os serviços de forma factual.
5. Camada de dados vivos (MCP) Adaptação do MCP Server para expor de forma consultável: lista de serviços, escopo e descrições, planos ou formas de contratação (quando existiam) e informações de contato.
6. FAQ orientado a dúvidas reais de contratação Inclusão de perguntas que os clientes realmente fazem antes de fechar.
O foco não foi volume de conteúdo, e sim clareza, estruturação e capacidade de consulta.
O cenário depois
Após a implementação das camadas, os testes com perguntas reais começaram a apresentar mudanças perceptíveis:
- A IA passou a reconhecer a empresa com mais frequência em perguntas do tipo "quem recomenda para [serviço]"
- As descrições ficaram mais precisas (o que faz, para quem, em qual contexto)
- Em perguntas mais específicas, a IA conseguia listar serviços e explicar o escopo de forma útil
- A diferença entre "não tenho informação" e "essa empresa oferece X, Y e Z para [público]" ficou clara
- A qualidade da recomendação melhorou mesmo sem um grande volume de menções externas novas no curto prazo
O ganho mais visível foi a capacidade da IA de explicar a empresa de forma correta e útil, em vez de apenas reconhecer o nome ou ignorá-la.
Diferenças em relação ao e-commerce
O caso de serviço revelou diferenças importantes em relação ao caso de e-commerce (Artigo 14).
O que pesa mais em serviços:
- Clareza de posicionamento e escopo
- Páginas individuais de serviço bem escritas
- FAQ orientado a dúvidas de contratação
- Autoridade e prova social (menções, cases, reviews)
- Consistência da entidade em todas as fontes
O que pesa menos (ou de forma diferente):
- Catálogo de produtos e preços dinâmicos (embora planos e condições comerciais ainda importem)
- Volume de SKUs
O papel do MCP em serviços
Mesmo sem produtos, o MCP continua valioso porque permite que a IA consulte a lista oficial de serviços, escopos e formas de contratação, em vez de tentar extrair isso de textos genéricos.
Em resumo: no e-commerce o MCP brilha especialmente com preço e disponibilidade. Em serviços, ele brilha com clareza de oferta e precisão de escopo.
Resultados observados ao longo do tempo
Com acompanhamento periódico (testes com o mesmo conjunto de perguntas a cada 15 a 30 dias), foi possível observar:
- Aumento gradual da frequência de citação em perguntas específicas de serviço
- Melhora consistente na precisão das descrições
- Redução das respostas do tipo "não tenho dados sobre essa empresa"
- Maior capacidade da IA de diferenciar a empresa de concorrentes genéricos
- Variação natural entre as diferentes IAs (algumas absorveram o posicionamento mais rápido que outras)
O resultado mais relevante não foi um volume explosivo de citações em pouco tempo, e sim a mudança de qualidade: a empresa deixou de ser invisível ou mal descrita e passou a ser compreendida e, em muitos casos, recomendada com mais propriedade.
Lições práticas para empresas de serviço
O caso deixa lições claras para qualquer prestador de serviços:
- Site bonito e SEO tradicional não bastam. A empresa já tinha presença no Google e mesmo assim era pouco citada ou mal descrita pelas IAs.
- Páginas individuais de serviço fazem diferença. Uma única página genérica de "Serviços" prejudica a compreensão.
- Clareza de posicionamento é mais importante que volume de texto. Frases objetivas sobre o que faz, para quem e qual problema resolve pesam mais.
- O MCP continua útil mesmo sem catálogo de produtos. Ele permite expor serviços, escopos e formas de contratação de maneira consultável.
- Autoridade externa continua sendo um fator decisivo em perguntas amplas e competitivas.
- Monitoramento periódico é essencial. Sem testes regulares, é impossível saber se as mudanças estão gerando efeito real.
Erros que foram evitados
Durante o processo, alguns erros comuns foram conscientemente evitados:
- Não tratar o llms.txt como solução isolada
- Não esperar resultados milagrosos em poucos dias
- Não manter uma única página genérica de "Serviços"
- Não negligenciar a consistência de nome, descrição e categoria em outros canais
- Não abandonar o trabalho de clareza depois de publicar o MCP
- Não comparar resultados de uma única IA em um único teste isolado
Esses cuidados evitaram frustrações e interpretações distorcidas da evolução.
O próximo passo
Cada empresa de serviço parte de um ponto diferente. O que funcionou neste caso começou com um diagnóstico claro da situação atual.
O diagnóstico gratuito da Scrypta funciona tanto para e-commerce quanto para serviços. Ele analisa:
- Rastreabilidade
- Dados estruturados
- Presença de llms.txt
- Legibilidade geral para agentes de IA
Leva cerca de 15 segundos e mostra objetivamente qual é o ponto de partida da sua empresa.