A busca com IA está mudando a forma como marcas são descobertas, comparadas e recomendadas. A Shopify informou crescimento forte em pedidos vindos de buscas impulsionadas por IA. A BrightEdge aponta que a atividade de agentes de IA já representa uma parte relevante do tráfego de sites. Diante desses números, muitos times perguntam: quantos agentes de IA estão visitando nosso site?
A pergunta parece lógica. Como métrica de negócio, é fraca.
Identidade de agente não é uma unidade estável
Por trás de uma única experiência de IA existem vários caminhos técnicos. ChatGPT pode rastrear páginas com GPTBot, buscar uma política de devolução com ChatGPT-User e consultar preço por outra chamada server-side. Gemini, Claude e Perplexity também combinam crawler, modo de navegação, índice de busca e fetchers.
A contagem muda conforme o critério: User-Agent, IP, DNS reverso, referrer ou sessão. Cada método observa um pedaço. Nenhum deles corresponde de forma limpa a “um agente”.
Para uma empresa, a pergunta importante não é se isso conta como um, três ou cinco agentes. É se aquela interação gerou menção, recomendação, visita humana, ação comercial ou receita atribuível.
Quantidade não explica valor
Um bot pode ler mil páginas de catálogo em um dia e não gerar nenhuma visita humana. Há atividade, mas pouco valor comercial direto. Por outro lado, uma pessoa pode pesquisar no Perplexity, clicar em uma recomendação, visitar páginas de produto e enviar um lead ou comprar. Na métrica “Active Agents” isso parece pequeno. Para o negócio, é muito mais relevante.
Esse é o problema de medir presença. Ela cria sensação de movimento, mas não explica contribuição. Não mostra se OpenAI, Gemini, Claude ou Perplexity apenas leu conteúdo, recomendou a marca, trouxe usuários ou influenciou conversão.
Medição madura observa ações
Os padrões técnicos já seguem esse caminho. OpenTelemetry descreve eventos GenAI como invoke_agent, execute_tool, tool calls e handoffs. OpenAI Agents SDK acompanha traces, spans e tool calls. Em agentic commerce, os eventos que importam são checkout, purchase, refund e subscription.
O padrão é claro: sistemas maduros medem ações auditáveis, não entidades abstratas.
Marketing conhece essa evolução. Impressão não é venda. Ranking SEO não é demanda. Visita não é receita. Uma métrica fica mais forte quando se aproxima de comportamento real e resultado comercial. A IA precisa da mesma disciplina.
AIAA: medir a cadeia de evidências
AI-Attributed Active Actions, ou AIAA, muda o foco. Não mede quantas IAs estavam ativas. Mede quais ações com evidência aconteceram ao longo da cadeia de IA.
Uma resposta de IA menciona sua marca. Um agente lê dados de produto ou preço. Um link recomendado por IA gera visita humana. Essa visita produz visualização de produto, carrinho, lead ou compra. A ordem pode depois ser conectada a referrer, sessão e dados transacionais.
Tudo isso pode ser chamado de “AI traffic”, mas não tem o mesmo peso. Menção é exposição. Request é atenção de máquina. Visita é interesse humano. Conversão é valor comercial. Atribuição completa é a prova mais forte.
Active Agents pode continuar como dimensão de análise. Ajuda a entender quais plataformas ou crawlers geram determinadas ações. Mas não deve ser a métrica principal. O relatório correto não é “tivemos cinco agentes”. É “a IA nos mencionou aqui, leu estas páginas, trouxe estes visitantes e contribuiu para estas ações com este nível de evidência”.
Na economia de AI search, visibilidade deixa de ser apenas posição ou print de resposta. Torna-se uma cadeia operacional de provas. AIAA é uma forma mais séria de medir essa mudança.
Na prática, a primeira mudança está no relatório. Em vez de abrir a reunião com “quantos agentes de IA apareceram”, o time deve separar menções em respostas, requests de máquina, visitas humanas, eventos comerciais e pedidos conectados. Uma visita vinda do Perplexity, uma leitura de página de preço por um fetcher e uma compra atribuível não são o mesmo sinal. Misturar tudo em “AI traffic” cria uma narrativa simples, mas fraca para decisão.
Essa separação também evita erro de orçamento. Se a IA aparece muito nas respostas, mas não traz visitas, o problema pode estar em links, conteúdo de produto ou presença em fontes citáveis. Se há requests e visitas, mas pouca ação comercial, o problema pode estar em landing pages, oferta, checkout ou confiança. Se há compras, mas a atribuição cai em Direct ou Organic, o problema é de evidência e integração. AIAA ajuda a localizar a quebra.
Para CMOs e times de performance, o ponto não é substituir GA4, logs ou ferramentas de atribuição. O ponto é criar uma camada que diga de onde veio o sinal de IA, qual evidência sustenta essa leitura e quão perto ele chegou de receita. Assim, AI search deixa de ser um gráfico bonito e vira uma disciplina operacional.
FAQ
Q1: A métrica de agentes ativos é inútil?
A: Não. Ela pode ajudar como dimensão técnica, mas não deve ser o principal indicador de valor.
Q2: Por que a identidade do agente é instável?
A: Porque uma plataforma de IA pode usar vários crawlers, fetchers, modos de navegação e chamadas server-side.
Q3: O que AIAA mede?
A: Ações atribuíveis à IA: menções, requests, visitas, eventos comerciais e receita atribuída.
Q4: GA4 é suficiente?
A: Não. GA4 vê principalmente sessões humanas. Muitos agentes não executam JavaScript e exigem dados de Edge ou servidor.
Q5: O que um time de growth deveria reportar?
A: Camadas de evidência: menções, requests, sessões vindas de IA, eventos comerciais e pedidos atribuídos.