Marca pequena, alvo grande: por que marcas novas sofrem mais invenção das IAs

A intuição diz que uma marca pequena está protegida das IAs pela obscuridade: "ninguém pergunta sobre nós, logo ninguém inventa sobre nós". A nossa medição diz outra coisa: os engines respondem mesmo quando sabem pouco — e, nos dois casos que medimos, quanto menos sabiam, mais completaram com invenção. Este post apresenta os dois casos, a leitura que emerge deles e, com o mesmo cuidado, os limites dessa leitura.

Os dois casos, lado a lado

Em 07/08/2026, nosso laboratório classificou 458 execuções de prompts sobre as duas marcas-lab do GenOpt, seguindo a metodologia do ADR-031: cada resposta avaliada individualmente contra fatos verificados, com evidência hash conferível publicamente em genopt.ai/verify. As duas marcas são reais e foram medidas com a mesma bateria:

A marca com menos pegada pública teve quase o dobro da taxa de confabulação da mais estabelecida — e, no caso dela, todas as sete engines que a mencionaram inventaram algo. O dado transversal: nas perguntas de categoria, quando o cliente pede recomendação sem citar ninguém, nenhuma das duas apareceu. 0% nas duas.

A leitura: menos material, mais preenchimento

O mecanismo provável não tem mistério. Um modelo de linguagem gera a continuação mais plausível do contexto. Sobre uma marca com anos de material público — imprensa, documentação, avaliações, histórico indexado —, o material real domina a continuação. Sobre uma marca nova, o modelo tem quase nada; mas o prompt exige resposta, e a lacuna é preenchida com o que é estatisticamente plausível para "uma empresa com esse nome, nesse setor". O resultado soa específico e seguro — e não passou por nenhum fato.

Esse mecanismo de preenchimento é comportamento conhecido dos modelos de linguagem. O que os nossos números adicionam é um par de medições reais, feitas com a mesma régua, em que o padrão apareceu com nitidez: 68% contra ~35%.

Correlação não é causalidade — e N=2 não é lei

• São duas marcas. Duas. O padrão "menos pegada, mais invenção" está registrado como observação inicial do laboratório, não como lei do comportamento dos engines
• As marcas diferem em mais coisas além da idade: categoria, nome, domínio, volume de conteúdo — qualquer uma dessas variáveis pode participar da diferença
• A medição é de um dia (07/08/2026), e modelos são amostrais: as taxas podem variar entre rodadas
• Não medimos o mercado: nada neste post autoriza frases como "X% das marcas novas sofrem confabulação". Não sabemos. Medimos duas

Publicamos o padrão mesmo assim porque é assim que tratamos hipóteses: registradas com data, com os dados verificáveis, e revisitadas conforme novas medições entram. Se as próximas marcas medidas contrariarem a leitura, o resultado será publicado do mesmo jeito.

O golpe duplo da marca nova

Combinando os dois resultados medidos, o quadro da marca nova é um golpe duplo. Invisível onde importa: 0% de citação nas perguntas de categoria, exatamente onde o cliente pede recomendação. E distorcida onde aparece: a maior taxa de invenção justamente nas perguntas que citam seu nome. A marca estabelecida disputa a qualidade da citação; a marca nova disputa a própria existência factual.

O que uma marca nova pode fazer

• Escreva os fatos antes que o modelo os invente: página institucional com o que a empresa faz, o que vende, quem fundou, onde fica — em texto claro e extraível
• Mantenha consistência cadastral: nome, descrição e dados iguais no site, nos perfis e nos diretórios — inconsistência entre fontes é matéria-prima de confabulação
• Publique um llms.txt com os fatos que os engines devem citar
• Meça antes de otimizar: rode as três famílias de prompts (BRANDED, CATEGORY e DEFENSIVE) e registre o ponto de partida — temos um guia manual aqui no blog
• Trate correção como processo — publicar, medir de novo, comparar — e não como ajuste único

"Obscuridade não protege: para os engines, marca sem material não é marca sem resposta — é marca cuja resposta será escrita sem você."