AEO: como modelos frontier escolhem o que recomendar (e o que isso muda pro dev)

Se SEO↳SEO4 conteúdosPor que a transição do SEO clássico para a Otimização de Motores Generativos (GEO) exige que se repense a modelagem semânticaMarketing Tech · mai 2026O impacto da pesquisa e do SEO no comércio eletrônico: insights da State of Search Brasil 5Marketing Tech · fev 2025SEO por Elas 2025: Impulsionando e promovendo mulheres no Marketing DigitalMarketing Tech · fev 2025Ver tudo em Marketing Tech → era otimizar conteúdo para o Google rankear, o AEO (Answer Engine Optimization) é a versão da era dos agentes: otimizar para que um LLM↳LLMs48 conteúdosConsiderações básicas de hardware para modelos de linguagem em código aberto: Memória, Desempenho e ViabilidadeMarketing Tech · out 2025Modelos de linguagem sob ataque: o lado obscuro da IA generativaDevSecOps · mai 2025Criando um LLM – modelo de linguagem de grande escala – do zero com TransformersAI · abr 2024Ver tudo em AI →, ao responder "qual o melhor X", cite o seu produto. O Latent Space acaba de publicar um Frontier AEO Tracker que trata o tema com o rigor que ele merece, e o material rende bem mais do que curiosidade de marketing. Para quem constrói com IA em produção, ele é um raio-X de como diferentes modelos divergem em arquitetura de busca, confiança e viés, e isso tem consequência direta no código.

O que o tracker realmente mediu

O experimento estendeu a metodologia da AmplifyingAI (inspirado no trabalho "What Claude Code Actually Chooses"): rodou 6 variações de prompt sobre 7 modelos frontier com search ligado, em 161 categorias, de coding agents a bancos gerenciados, modelos de ASR, AI sandboxes e até categorias exóticas como angel investors e software de folha de pagamento.

A extração das respostas foi feita pelo próprio Astra (o modelo da OpenAI no cenário descrito pela fonte), e cada resposta recebeu um score proprietário que dá peso a:

• primeira escolha (maior peso);
• escolhas alternativas;
• menções simples;
• peso negativo para anti-recomendações leves e fortes (raras, mas acontecem).

O detalhe que importa pra credibilidade: todo par prompt/resposta é inspecionável. Isso responde à pergunta óbvia (contaminação/vazamento nos dados de treino), e a fonte afirma ter checado. Vale notar que Gemini/Antigravity, GLM/Zcode e DeepSeek/DeepCode ficaram de fora desta primeira rodada por erros e rate limits, ou seja, o retrato ainda é parcial.

O viés de fabricante é real e mensurável

O achado mais desconfortável (e mais útil) é que os modelos puxam a brasa pra sardinha do próprio laboratório quando perguntados sobre coding agents:

A fonte comenta com ironia: "I wonder why." Há também "vieses suaves" em outras categorias. Mas o tracker registra contraexemplos honestos, como modelos GPT recomendando Claude, o que a fonte classifica como "nonbias louvável".

Para o dev brasileiro que está montando um agente que consulta um LLM para recomendar ferramentas, ranquear opções ou fazer curadoria, a lição é direta: a escolha do modelo embute uma preferência comercial. Se o seu produto pergunta ao GPT "qual o melhor banco gerenciado" e mostra a resposta ao usuário, você está herdando o viés daquele laboratório sem saber. A mitigação prática é cruzar respostas de modelos de fabricantes diferentes antes de expor uma recomendação como neutra.

Outro dado acionável: das 161 categorias, apenas 28 têm uma escolha primária universalmente dominante entre todos os modelos. O resto são "disputas apertadas", que a fonte apelida de categorias "always the vibesmaid, never the vibe". Traduzindo: na maioria dos casos, a recomendação depende de qual modelo você chamou.

Eficiência vs. confiança: o tradeoff que pesa no custo

Aqui o tracker toca no que mais interessa a quem paga a conta de tokens. Ao comparar gerações do mesmo laboratório (Sol→Astra, Opus→Fable), a fonte encontrou uma divergência forte em quantas fontes cada modelo busca antes de responder:

A leitura da fonte é que a Anthropic está enviesando seus modelos para buscar mais fontes, enquanto o Astra é descrito como bem mais "confiante" ou "eficiente", dependendo do ângulo. E o ponto crucial: o Astra é muito menos propenso a mudar de ideia quando você parafraseia levemente a pergunta.

Esse tradeoff tem impacto concreto em produção:

• Mais fontes (Fable, Opus) tende a significar respostas mais amplas e defensáveis, ao custo de mais tool calls, mais latência e mais tokens por resposta;
• Menos fontes (Astra) significa respostas mais rápidas e baratas, com menor variância entre execuções, mas maior risco de ancorar num conjunto estreito de evidências.

A observação sobre estabilidade a paráfrases é a mais valiosa para quem faz engenharia de prompt. Se um modelo muda a recomendação toda vez que o usuário reformula a pergunta, você tem um problema de reprodutibilidade. Como a fonte coloca, quanto menor a aleatoriedade das escolhas, maior o valor do próprio AEO, porque a resposta vira alvo estável.

Na prática, o caminho que faz sentido é medir isso no seu próprio caso: rode a mesma intenção com 5 a 10 variações de fraseado e conte quantas vezes a resposta principal muda. Um pseudocódigo do que dá pra montar:

variacoes = [
    "qual o melhor banco gerenciado para startups?",
    "me recomende um managed database",
    "o que devo usar de banco gerenciado em produção?",
]
respostas = [chamar_modelo(v, search=True) for v in variacoes]
# conte a moda da primeira escolha e a dispersao entre as variacoes

Se a dispersão for alta, ou você troca de modelo, ou fixa a formulação da pergunta no seu prompt de sistema.

O que valida (e o que não) na hora de ser recomendado

A parte de sourcing tem uma ressalva honesta da própria fonte: o tamanho da amostra é pequeno e reflete só o que dá pra raspar de tool calls tentados, não o dataset de pré-treino. Ou seja, não dá para inferir prioridade de treino a partir das fontes citadas em tempo de busca.

O que é validável, segundo a fonte, são práticas de AEO mensuráveis pela Ora e pela Vercel, como content negotiation em markdown: servir uma versão em markdown do seu conteúdo para quando o agente vier ler. E o achado é operacional: falhas nisso desencorajam o modelo de ler seu conteúdo. Se o crawler do agente bate na sua página e não consegue extrair texto limpo, você simplesmente sai da lista de candidatos a ser recomendado.

Para o dev, isso conecta AEO a decisões de infra que já são conhecidas do mundo web:

• servir markdown ou HTML↳HTML45 conteúdosA importância do HTML e CSS para quem trabalha com UI Design e Design SystemProduto & UX · dez 2024Como hostear seu site HTML gratuitamente com GitHub PagesDev (Back & Front) · jun 2025SQL Server – Como criar um versionamento de código das suas Stored Procedures em HTML e com comentários da alteraçãoData · nov 2020Ver tudo em Dev (Back & Front) → semântico limpo em rotas que os agentes conseguem consumir;
• garantir que a negociação de conteúdo não quebre em Accept: text/markdown;
• tratar seu conteúdo técnico como algo que precisa ser legível por máquina, não só renderizável no browser.

Em que caso isso não vale o seu tempo

AEO não é para todo produto. Se o seu software não depende de descoberta via assistentes de IA (uma ferramenta interna, um sistema B2B fechado, algo vendido por relacionamento), investir em ser recomendado por LLM é otimização prematura. O ROI que a fonte cita ("naive autoresearch investment in our AEO have yielded impressive ROI") é o dela, num nicho onde founders e líderes de DX perguntam ativamente sobre o tema, não uma promessa transferível.

O uso mais defensável do tracker para quem constrói não é caçar posição em ranking, e sim tratá-lo como um conjunto de dados sobre comportamento de modelos: viés por fabricante, custo de busca por geração e estabilidade a paráfrases são variáveis que você deveria estar medindo no seu próprio pipeline antes de confiar numa resposta de LLM como se fosse verdade neutra. A fonte disponibiliza páginas separadas de análise das viradas entre gerações (Opus→Fable e Sol→Astra) e até um joguinho estilo Family Feud para testar se seus palpites batem com os dados. Vale a visita como referência de metodologia.

Fonte: Latent Space