Mais cedo ou mais tarde, um cliente da agência vai chegar com um print: o ChatGPT disse que a empresa fechou, o Gemini deu um preço de três anos atrás, o AI Overview misturou a marca com outra de nome parecido. Dá para agir, mas não existe um botão de "corrigir minha marca" em nenhuma IA. O trabalho é descobrir de onde veio o erro e corrigir na origem.
Por que a IA erra
Os erros sobre marcas costumam ter uma de três causas.
A IA inventou. É o que se chama de alucinação: a resposta parece segura, mas o dado não existe. Um artigo de pesquisadores da OpenAI e da Georgia Tech, publicado em setembro de 2025, explica parte do motivo. Os modelos de linguagem aprendem a "chutar" quando estão em dúvida, como um aluno numa prova de múltipla escolha, porque o treino e as avaliações premiam o chute mais do que a resposta "não sei".
A IA repetiu informação velha. Todo modelo tem uma data de corte, o ponto até onde vai o conhecimento que ele aprendeu no treino. Se a marca mudou de endereço, de preço ou de nome depois disso, o modelo pode seguir repetindo a versão antiga quando responde sem buscar na web.
A IA leu uma fonte errada ou leu mal. Quando a IA busca na web, ela resume páginas. Se a página está errada, a resposta sai errada. O próprio Google, ao explicar falhas do AI Overview em maio de 2024, citou casos de textos satíricos levados a sério, posts irônicos de fórum, temas com pouca informação de qualidade na web e, em poucos casos, linguagem de páginas interpretada de forma errada. A página de ajuda do Google sobre o recurso diz, com todas as letras, que ele "pode e vai cometer erros".
Passo a passo para achar a origem
1. Registre o erro com contexto. Anote o prompt exato, a IA, a data e guarde a resposta completa. Um print solto não basta, porque sem o prompt ninguém consegue repetir o teste.
2. Repita antes de concluir. A mesma busca pode dar respostas diferentes a cada vez. Rode o prompt algumas vezes e em mais de uma IA. Um erro que aparece uma vez em dez é diferente de um erro que aparece sempre. O post sobre por que as respostas de IA mudam explica essa variação.
3. Olhe as citações. Se a resposta errada traz links, abra cada um. Muitas vezes o erro está ali: uma matéria antiga, um diretório desatualizado, uma reclamação de anos atrás, um site de outra empresa com nome parecido.
4. Sem citação, procure na web. Busque o dado errado entre aspas. Se ele aparece em alguma página, provavelmente é a origem. Se não aparece em lugar nenhum, o mais provável é que a IA tenha inventado ou esteja usando o que aprendeu no treino.
5. Confira o próprio site do cliente. Página antiga ainda no ar, tabela de preços de outro ano, endereço velho no rodapé: é comum o erro estar em casa.
Onde corrigir, conforme o tipo de erro
| O que você encontrou | Onde agir |
|---|---|
| Dado errado no site do cliente | Corrigir ou tirar do ar a página antiga e deixar a informação atual fácil de achar |
| Dado errado em site de terceiro | Pedir correção ao veículo, diretório ou portal, com a informação certa e uma prova |
| Erro na Wikipedia | Propor a correção na página de discussão do artigo, com fonte, sem editar em nome do cliente |
| Painel de informações do Google errado | Reivindicar o painel como representante oficial ou usar o link de feedback |
| Marca confundida com outra | Reforçar nome, descrição e site oficial de forma consistente em todos os perfis |
| Dado que não existe em lugar nenhum | Publicar a informação certa de forma clara, para que exista uma fonte boa |
O último caso merece atenção. Quando o Google fala em temas com pouca informação de qualidade, ele descreve uma lacuna. Se ninguém publicou o horário de funcionamento, a política de troca ou a lista de cidades atendidas, a IA preenche o vazio como pode. Uma página objetiva no site do cliente, com o dado atual, dá à IA algo melhor para ler.
Use o feedback dos próprios produtos
As IAs têm botões de avaliação nas respostas. No AI Overview, o Google pede que o usuário envie feedback se algo parecer errado e oferece a opção "Informar um problema", com categorias. No ChatGPT, no Gemini e no Perplexity também há como marcar uma resposta como ruim. Vale usar, mas como complemento: o feedback ajuda o produto a melhorar no geral e não corrige a fonte que levou ao erro.
O que dizer ao cliente
Seja honesto sobre o prazo e o alcance. Uma correção no site ou num portal pode aparecer rápido nas IAs que buscam na web, porque elas leem a página de novo. Um erro que vem do treino do modelo pode demorar até uma nova versão. E nenhuma ação garante que a IA vai parar de errar.
Por isso o trabalho termina em medição. Depois da correção, rode os mesmos prompts de novo, nas mesmas IAs, e compare.
Na DeepMetric, cada prompt monitorado guarda a resposta original de cada canal com data, as citações e os domínios citados, e a série do prompt mostra como a resposta muda ao longo do tempo. Isso ajuda a achar a fonte do erro e a mostrar ao cliente se a correção chegou às respostas. Veja como ler essa tela em resposta original de cada IA.