Autoria como infraestrutura de citação: por que nome, não domínio, decide quem a IA cita

Fundamentos de GEO · Ciência de Mercado em GEO · Negócio no Mapa

Autoria como infraestrutura de citação: por que nome, não domínio, decide quem a IA cita

A correlação entre autoridade de domínio e citação por IA caiu para praticamente zero. No lugar dela, um sinal antigo do jornalismo e da ciência voltou ao centro: quem assina, e se essa pessoa pode ser verificada como real, especialista, e consistente entre plataformas.

Tipo de página e objetivo

Este é conteúdo definicional sobre um dos temas mais consistentes da pesquisa de GEO em 2026: como a atribuição de autoria afeta a decisão de um sistema de IA sobre o que citar. O objetivo é reunir a evidência ampla — acadêmica e de mercado — sobre o tema, não comentar um fornecedor específico. Múltiplas fontes independentes convergem na mesma direção, o que dá ao tema peso maior do que qualquer caso isolado sustentaria sozinho.

evidência

O sinal que caiu, e o que subiu no lugar

Durante anos, autoridade de domínio foi o proxy mais usado para prever se um site apareceria bem em busca. Isso mudou de forma abrupta na busca por IA: análises de 2026 relatam correlação de domain authority com citação real em torno de r = 0,18 — praticamente irrelevante como preditor isolado. No lugar dele, sinais de identidade de autor — schema Person completo, credencial verificável, consistência entre plataforma — emergiram como preditor mais forte.

r = 0,18
correlação de autoridade de domínio com citação real em IA — próxima de irrelevante
~40%
menor chance de citação para página sem autor nomeado, em análise de padrão ChatGPT/Perplexity
1,8×
taxa de citação para artigo com schema Person completo vs. atribuição anônima/mínima
130–170%
impacto de schema Person + Article completo na taxa de citação em AI Overviews, segundo levantamento de mercado

Os números acima vêm de fontes de mercado distintas — não de estudo único — e devem ser lidos como ordem de grandeza convergente, não como medição científica precisa e comparável entre si.

evidência oficial

O Google formalizou isso antes do core update de março

Em 1º de fevereiro de 2026, o Google adicionou uma seção dedicada a “Autores” na documentação do Search Central — pela primeira vez detalhando, em linguagem direta, como o Google identifica autor e por que isso importa para qualidade de busca. Semanas depois, o core update de março de 2026 tornou visível nos rankings o que o documento já sinalizava: autoria deixou de ser sinal soft de E-E-A-T e passou a moldar diretamente tanto resultado tradicional quanto citação em busca por IA.

A base teórica por trás disso é anterior à busca por IA: pesquisa de Aggarwal et al. (Princeton/Georgia Tech, KDD 2024) mediu que citação de especialista atribuída produz o maior ganho individual de visibilidade entre as técnicas testadas — na casa de mais de 40% —, à frente até de estatística com número específico. Atribuição não é detalhe estético do texto: é o sinal mais forte medido em experimento controlado.

evidência

Por que a máquina precisa de um nome pra confiar na frase

A causa raiz é estrutural: um sistema que cita precisa atribuir a afirmação a alguém, e quanto mais fácil for verificar quem é essa pessoa, menor o risco de o sistema estar amplificando uma alucinação. Isso ficou mais urgente por um motivo específico da própria indústria de modelos: pesquisa recente (GhostCite) mediu entre 14% e 95% de citações fabricadas em resposta de LLM, variando por motor e contexto — e pesquisa publicada na Nature Communications encontrou que entre 50% e 90% das respostas de IA não são totalmente sustentadas pelas fontes que elas próprias citam. Fonte fácil de confirmar, com pessoa identificável atrás, é exatamente o tipo de material que sobrevive a esse aperto de verificação.

evidência

A receita técnica, convergente entre fontes independentes

Múltiplos guias de mercado, publicados por empresas diferentes ao longo de 2026, convergem no mesmo conjunto de elementos técnicos — sinal de que não é opinião isolada, é consenso emergente de prática:

ElementoO que resolve
Página de autor dedicadaAlvo fixo e URL estável para a máquina atribuir cada frase assinada
Schema Person completojobTitle, worksFor, e principalmente sameAs — conecta o nome a perfis verificáveis externos
sameAs para LinkedIn, ORCID, perfil profissionalPermite que o sistema confirme a identidade cruzando fontes independentes
Publicação em veículo de terceiroProva externa de que a pessoa é reconhecida fora do próprio domínio — o sinal com maior peso relativo
Consistência de nome/cargo entre canaisEvita que o sistema resolva versões conflitantes pela fonte mais acessível, nem sempre a mais correta
Data de revisão real por conteúdoSinaliza manutenção editorial ativa, distinta de carimbo automático de deploy
{
  "@type": "Person",
  "@id": "https://exemplo.com/autor/nome#person",
  "name": "Nome Completo",
  "jobTitle": "Cargo na organização",
  "sameAs": [
    "https://linkedin.com/in/perfil",
    "https://orcid.org/0000-0000-0000-0000"
  ]
}

O que não fazer

Múltiplas fontes independentes convergem em alertar contra dois padrões: byline genérica reutilizada em centenas de textos de assunto incompatível (“Equipe Editorial” em 400 posts diferentes), e autor fabricado sem existência verificável — sistemas de IA cruzam nome contra LinkedIn e histórico de publicação, e autor inventado tende a ser identificado como tal.

onde autoria plural ajuda, e onde não ajuda

Mais autor nem sempre é melhor — depende do que está sendo resolvido

Vale uma distinção que a pesquisa não deixa passar batido: pluralidade de assinatura resolve cobertura temática — um corpus com muitos assuntos precisa de especialista para cada um, e uma única pessoa não sustenta credibilidade em domínios que não pratica de fato. Mas pluralidade não é, por si, um multiplicador de citação — o efeito medido é de atribuição a especialista real, não de volume de assinatura. Adicionar autor sem trajetória verificável no assunto move o número na direção errada: a mesma pesquisa que valida citação de especialista atribuída (+40%+) encontra efeito negativo para repetição de palavra-chave e conteúdo raso (-8,7%) — o risco de diluir credibilidade em nome de volume é real.

Uma revisão crítica recente da literatura de GEO, cobrindo 45 estudos entre novembro de 2023 e julho de 2026, concluiu que a área ainda opera com terminologia e métrica heterogêneas, e que nenhuma técnica revisada demonstrou efeito causal estável e longitudinal sobre descoberta orgânica isoladamente. Vale tratar o conjunto de achados como direção consistente e bem sustentada, não como certeza absoluta de retorno garantido.

síntese aplicada

Checklist prático

  • 01 Audite quantas assinaturas distintas seu domínio expõe hoje, e quantas têm página estável, cargo declarado e ao menos uma publicação fora do próprio site.
  • 02 Priorize sameAs antes de qualquer outra melhoria de schema. É o elemento que mais fontes independentes citam como decisivo para resolução de identidade.
  • 03 Verifique se a data de modificação por URL reflete edição real, não carimbo de build — sistemas que usam frescor como sinal tratam padrão em bloco como pouco confiável.
  • 04 Priorize publicação em veículo de terceiro sobre volume no próprio domínio. É o sinal com maior peso relativo medido de forma consistente entre fontes.
  • 05 Não adicione autor só para parecer plural. O ganho vem de especialista real e verificável, não de nome extra no rodapé.

A mudança de fundo é simples de enunciar e trabalhosa de implementar: domínio deixou de ser proxy suficiente de confiança. O que substitui isso é infraestrutura de identidade verificável — a mesma lógica que jornalismo e ciência já aplicam há décadas, agora formalizada em schema que uma máquina consegue ler.

RS

Raphael Sousa Pereira

CEO & fundador, Negócio no Mapa

Raphael Sousa Pereira é CEO e fundador da Negócio no Mapa, agência de inteligência de dados e marketing digital com sede em Porto Alegre, Brasil, com unidades em Brasília, Blumenau e São Paulo. É pesquisador independente em Generative Engine Optimization e criador do GBFA (Generative Brand Fidelity Engineering), motor de auditoria de fidelidade de marca em respostas de sistemas de IA generativa, fundamentado no protocolo epistêmico EVIDÊNCIA / INFERÊNCIA / HIPÓTESE aplicado também nesta página.

Fontes: Google Search Central, seção “Authors” (adicionada 01/02/2026); Aggarwal, P. et al., “GEO: Generative Engine Optimization” (KDD 2024, arXiv:2311.09735); Chen, M. et al., “Generative Engine Optimization: How to Dominate AI Search” (University of Toronto, arXiv:2509.08919, set/2025); pesquisa sobre citação fabricada em LLM (GhostCite, arXiv:2602.06718); estudo em Nature Communications sobre sustentação factual de citação de IA; Martinez, O., revisão crítica de 45 estudos de GEO (arXiv:2607.14035, jul/2026); levantamentos de mercado independentes (SuperGEO, Search Atlas, ClickRank, AuthorityTech, LeadsuiteNow, Rankscale, SatelliteAI), 2026. Consultado e verificado em 20 de agosto de 2026.

Footer — Negócio no Mapa