Por que as IAs citam links que não existem e por que cada ferramenta mede um número diferente

Em julho, verificamos 720 URLs que ChatGPT e Gemini citaram como fonte sobre marcas brasileiras. Cerca de 65% não existiam. Não estavam fora do ar, não eram link antigo: nunca existiram. O número contradizia todos os estudos públicos, que apontam 1% a 13%. Nós não estávamos errados, e eles também não. Estávamos medindo coisas diferentes — e é isso que ninguém no mercado de AEO declara.

O que encontramos

A Dolomite monitora quais fontes as IAs citam quando respondem sobre uma marca. Em julho, adicionamos uma etapa simples: bater na URL e verificar se ela responde. Nenhuma ferramenta da categoria fazia isso.

O resultado da primeira rodada, com 720 URLs verificadas: cerca de dois terços retornavam 404. Domínios plausíveis, slugs plausíveis, páginas que descreviam exatamente o conteúdo que a resposta atribuía a elas. E que não existiam.

Um detalhe metodológico importa aqui, porque é onde este tipo de medição costuma inflar: separamos “inexistente” de “bloqueado”. Um 403 ou 429 é firewall recusando um IP de datacenter, não prova de que a página não existe. Essas ficaram de fora da conta. Os 65% são só o que respondeu 404 limpo.

Havia uma anomalia dentro da própria amostra. As URLs vindas do Perplexity eram reais. Todas. Guarde essa pista.

O que o mercado mede

Os números públicos não batem com o nosso, e a distância é grande demais para ser ruído.

A SE Ranking analisou citações do ChatGPT e encontrou 1,22% de 404 — pouco mais de um em cem. Um estudo da Universidade da Pensilvânia, assinado por Delip Rao, Eric Wong e Chris Callison-Burch, examinou mais de 200 mil URLs de citação em dez modelos e agentes. Achou de 3% a 13% de URLs alucinadas, definidas como aquelas sem nenhum registro no Wayback Machine — nunca arquivadas porque nunca existiram.

Mas nem sempre foi assim. Em 2024, o Nieman Lab testou o ChatGPT pedindo links para reportagens dos próprios parceiros licenciados da OpenAI: Associated Press, Wall Street Journal, Financial Times, Le Monde, Politico. O chatbot acertava quem tinha publicado e inventava o endereço. O repórter Andrew Deck descreveu o comportamento com precisão: o modelo previa a versão mais provável da URL em vez de recuperar a correta.

Em março de 2025, o Tow Center de Columbia mediu falha de citação em mais de 60% dos testes com buscadores de IA. Esse número, sim, é vizinho do nosso.

Coloque os quatro em ordem cronológica e aparece uma curva: 60% em 2024 e início de 2025, 3–13% em 2026, 1,22% nas medições mais recentes do ChatGPT. O mercado leu isso como os modelos ficando confiáveis. É uma leitura incompleta.

O que mudou não foi o modelo. Foi a busca.

O que aconteceu nesse intervalo tem nome: navegação web virou padrão. O próprio Nieman Lab registrou a melhora das citações do ChatGPT depois do lançamento do SearchGPT.

E aí a explicação da nossa anomalia fica óbvia. Um modelo de linguagem sem acesso à web não tem como saber uma URL. Ele a compõe. Sabe que o site existe, sabe qual seria o padrão de endereço, prevê o caminho mais provável — e produz um link que parece perfeito e leva a lugar nenhum. Com busca ativa, o modelo não prevê: ele lê a página e copia o endereço de onde leu.

Nosso coletor chamava as APIs da OpenAI e do Google sem navegação. Estávamos medindo a memória do modelo. O Perplexity foi a exceção porque navega por arquitetura — não tem modo memória. Por isso 3 de 3 URLs dele eram reais.

Ninguém decidiu isso. A ausência de navegação era o comportamento padrão herdado do primeiro coletor, e ficou lá até o dia em que alguém verificou as URLs.

A evidência

Depois de identificar a causa, migramos a coleta para busca ativa e passamos a verificar toda URL citada.

No recorte das respostas coletadas nesse modo, 96,3% das URLs citadas existem: 11.041 vivas em 11.769 verificadas, descontadas as bloqueadas por firewall.

Contra os 65% de fantasmas da coleta em modo memória. Mesmo produto, mesmas marcas, uma decisão de arquitetura de diferença.

A comparação não é perfeita, e vale dizer por quê. A medição de julho contava apenas respostas 404. A classificação atual agrupa como inalcançável qualquer URL que não responde, incluindo timeout e domínio expirado. O critério de hoje é mais rigoroso, o que faz dos 96,3% um piso, não um teto.

O que a base grande não responde é se a mudança veio do modo de coleta ou de alguma outra variável que mudou junto. Para isolar isso, rodamos um teste pareado antes da migração: os mesmos prompts de um cliente, um grupo de restaurantes em São Paulo, nos dois modos, no mesmo dia, com os mesmos modelos. Só o modo mudava.

As URLs reais saltaram de uma faixa de 27–65% para 89–97%. A marca também passou a aparecer em respostas do Gemini onde antes não aparecia.

O teste é pequeno de propósito: o valor dele está no controle, não no volume. Ele mostra a causa; a base de 11.769 URLs mostra a magnitude em operação real. E a previsão do teste bateu com o que a produção entregou.

O problema nunca foi a URL

Se o modo de coleta muda quantas fontes existem, ele muda também o que o modelo responde. E aí a cascata pega tudo o que uma ferramenta de AEO mede.

Uma resposta gerada da memória sobre “melhores restaurantes de cozinha autoral em São Paulo” cita as marcas que o modelo absorveu no treinamento. Uma resposta com busca ativa cita quem está bem posicionado nas páginas que o modelo acabou de ler. São listas diferentes, com marcas diferentes, em ordens diferentes, com adjetivos diferentes.

Isso significa que o modo de coleta determina:

• quem aparece na resposta e em que posição
• o sentimento associado à marca
• o ranking competitivo do setor
• quais lacunas de conteúdo aparecem como oportunidade

Depois de migrarmos a coleta para busca ativa, a visibilidade medida desse mesmo cliente saiu de 0% para 42%, agora com fontes reais — TripAdvisor, Veja, Guia Michelin. A marca não mudou nada no site nesse intervalo. Mudou o que estávamos perguntando.

Por que dois dashboards dão números diferentes para a mesma marca

Aqui está a parte desconfortável, e ela vale para nós tanto quanto para os concorrentes.

Quando uma ferramenta de AEO diz que monitora “ChatGPT”, isso pode significar pelo menos três coisas: chamada de API sem navegação, chamada de API com ferramenta de busca ativada, ou captura do produto real que o usuário usa. Os três produzem números legítimos. Os três produzem números incomparáveis entre si.

Praticamente ninguém declara qual usa.

É por isso que uma marca pode contratar duas plataformas e receber duas realidades. Não é bug de nenhuma das duas. É uma variável de método que a categoria inteira trata como detalhe de implementação, quando é a premissa do dado.

Vale registrar o que verificamos sobre a concorrência em julho de 2026: nenhuma das ferramentas que examinamos — incluindo as líderes internacionais e a concorrente brasileira direta — mostrava se a URL citada existe. Todas exibem a fonte. Nenhuma verifica.

Os dois modos são dois fenômenos, e ambos importam

A conclusão fácil seria dizer que coletar sem navegação é errado. Não é. É outra coisa.

Sem navegação, você mede o que o modelo acredita sobre a marca sem consultar nada. É a memória paramétrica — o que ficou do treinamento. Isso importa por dois motivos: parte dos usuários reais conversa com IA sem busca, e essa crença de fundo influencia até as respostas com busca, porque orienta o que o modelo decide procurar e como interpreta o que encontra.

Com navegação, você mede o que o usuário com busca ativa vê hoje. É o cenário dominante e crescente.

O que é errado é medir um e apresentar como se fosse o outro.

A pergunta que só aparece quando você tem os dois números é a mais interessante que existe em AEO: seu trabalho está mudando a crença do modelo ou só surfando resultados de busca? Um site que aparece com navegação e some sem ela conquistou posição em SERP. Um que aparece nos dois entrou na memória do modelo. São conquistas de durabilidade muito diferente.

O que fazer com uma URL que não existe

Um endereço inventado parece lixo. Não é.

Quando um modelo compõe suamarca.com.br/entrega-em-24h, ele previu o caminho mais provável a partir de tudo que absorveu sobre a categoria. A página não existe. A intenção por trás dela existe — e o modelo acabou de dizer, em voz alta, o que ele espera que sua marca tenha.

Analistas de SEO já trataram isso como mapa de oportunidade, e a lógica se sustenta: padrões repetidos nos slugs inventados são pesquisa de palavra-chave que ninguém fez. Se três motores diferentes inventam uma página de política de trocas para o seu domínio, a resposta certa não é reclamar da alucinação. É publicar a página.

Como a Dolomite mede

Como o argumento deste artigo é que declarar o método não é opcional, aqui está o nosso:

• Modo de coleta: busca ativa por padrão em todos os motores que a suportam. Perplexity e Google AI Overviews navegam por arquitetura.
• Verificação de URL: toda URL citada é checada. 200 conta como viva, 404 como inexistente, e respostas de bloqueio (403, 429, 401) são marcadas como indeterminadas em vez de contadas como falha.
• Comparabilidade: dados coletados antes da migração para busca ativa não são comparáveis aos posteriores, e ficam identificados como tal.

Foi assim que chegamos aos 65% e foi assim que chegamos aos 96,3%. Os dois números são verdadeiros, e a diferença entre eles não é evolução do modelo nem melhoria do produto. É a mesma pergunta feita de duas formas diferentes.

Se a sua ferramenta de AEO não te diz qual das duas está fazendo, o número dela não é comparável com nada.

Perguntas frequentes

Fontes

• Rao, D.; Wong, E.; Callison-Burch, C. Detecting and Correcting Reference Hallucinations in Commercial LLMs and Deep Research Agents. University of Pennsylvania, arXiv:2604.03173. arxiv.org/abs/2604.03173
• ChatGPT is twice as likely to lead users to broken links as Google’s AI Overviews. SE Ranking, dezembro de 2025. seranking.com/blog/broken-links-in-chatgpt
• Deck, A. ChatGPT is hallucinating fake links to its news partners’ biggest investigations. Nieman Journalism Lab, junho de 2024. niemanlab.org
• Jaźwińska, K.; Chandrasekar, A. AI search engines fail to produce accurate citations in over 60% of tests. Tow Center for Digital Journalism, Columbia University, via Nieman Lab, março de 2025. niemanlab.org
• Deck, A. How DeepSeek stacks up when citing news publishers. Nieman Journalism Lab, fevereiro de 2025. niemanlab.org

Dados próprios: verificação de 720 URLs citadas por ChatGPT e Gemini sobre marcas brasileiras, julho de 2026. Recorte de 11.769 URLs verificadas em respostas coletadas com busca ativa, agosto de 2026. Teste pareado entre modos de coleta, mesmos prompts, mesmos modelos, mesma data. Toda a verificação via infraestrutura da Dolomite AI.

A Dolomite AI monitora como as IAs falam da sua marca — e verifica cada fonte que elas citam.