A IA não lê suas palavras. Ela processa tokens — fragmentos convertidos em vetores numéricos — e descarta como ruído tudo que não carrega densidade suficiente. Em 2026, isso é a diferença entre ser a fonte citada ou ser invisível para os modelos que formam a opinião dos seus clientes.
O que mudou: a economia da atenção dos modelos
Quando um LLM como o ChatGPT ou o Claude processa um texto, ele não enxerga ideias. Ele enxerga fragmentos chamados tokens, e converte cada um em um vetor de centenas de dimensões numéricas — os embeddings. Esses vetores carregam o peso semântico de cada conceito.
A palavra “sustentabilidade”, por exemplo, não entra no modelo como uma palavra. Ela entra como um conjunto de associações que o modelo aprendeu ao longo do treinamento: ESG, regulação, custo de produção, reputação. Quando você usa esse termo de forma vaga e repetida, sem dados ou contexto próprio, o modelo não encontra nada novo para associar à sua marca. Ele já viu aquela combinação de tokens milhares de vezes.
O resultado: seu conteúdo é lido como commodity e descartado no momento da síntese.
Mesmo com janelas de contexto que hoje atingem 1 milhão de tokens — como no Claude Fable 5 — os modelos sofrem do fenômeno lost in the middle: informações posicionadas no meio de documentos extensos recebem menos peso estatístico. A IA, ao comparar dezenas de fontes sobre o mesmo tema, não soma os seus 40 artigos. Ela extrai os tokens mais informativos de cada um — e cita quem tem maior densidade de informação original.
Publicar mais não é uma estratégia. É um custo crescente com retorno decrescente.
O pilar da Alma
No Marketing de Citação, o valor não está em adicionar mais conteúdo. Está em saber o que não dizer.
Isso vai contra a lógica que dominou o marketing de conteúdo da última década. Durante anos, a orientação foi “publique mais, ranqueie mais”. Mas a IA não ranqueia pela quantidade de tokens — ela cita pela qualidade dos tokens. E o novo Google AI Mode vai além: utiliza sistemas de query fan-out para cruzar múltiplas buscas simultâneas antes de compor uma resposta, penalizando marcas com ecossistemas de conteúdo incoerentes.
Relevância Seletiva significa:
- Remover o que é óbvio. Se qualquer pessoa pode escrever aquela frase sem dado ou experiência real, ela não deveria estar no seu conteúdo.
- Cada parágrafo precisa ganhar seu espaço. A pergunta certa não é “isso é verdadeiro?”, mas “isso é insubstituível?”.
- O silêncio estratégico tem valor semântico. Um texto enxuto, com densidade factual a cada 150–200 palavras, sinaliza ao modelo que cada token foi escolhido com intenção.
O princípio: valor não está em adicionar mais coisas. Está em remover o que não é necessário.
Checklist: sua marca é citável?
Antes de publicar qualquer conteúdo estratégico, passe por este crivo:
- Resposta Direta: sua tese principal está nas primeiras 40–60 palavras?
- Information Gain: você está adicionando uma perspectiva que a IA não consegue criar sozinha a partir de fontes genéricas?
- Coerência Sistêmica: os dados no seu LinkedIn são consistentes com o que está no site institucional? O Fable 5 detecta contradições entre fontes da mesma marca para validar autoridade.
- Densidade Factual: há métricas, dados ou provas de execução a cada 150–200 palavras?
Se a resposta for não em qualquer um desses pontos, o modelo vai ler o seu conteúdo — e vai esquecer.
Case real: o Onnibank e a disputa de narrativa
O Onnibank lançou seu cartão de gastos corporativos com o produto pronto e o mercado receptivo. Mas havia um problema invisível: para o Gemini, o Copilot e o Perplexity, a marca simplesmente não existia dentro da categoria “cartão corporativo” ou “gestão de despesas empresariais”. A entidade “Onnibank” estava semanticamente associada a RH, benefícios e folha de pagamento — e não ao novo território que precisava ocupar.
O próprio ChatGPT descreveu o cenário com precisão: “Até pouco tempo a Onnibank praticamente não aparecia associada a essas categorias. As empresas que hoje possuem mais associação semântica nesse território ainda são Clara, Conta Simples e Onfly.”
Esse foi o ponto de partida. Não havia problema de produto. Havia um problema de token — a marca não tinha os vetores certos para ser recuperada pelo sistema RAG dos modelos.
A Alma atuou em três frentes: Inserção Semântica (estruturando comunicados com os termos exatos do universo de gestão de despesas), Validação Externa (gerando cerca de 10 publicações em veículos de alta credibilidade, incluindo o Valor Econômico, nos primeiros dias) e Repetição Estratégica para consolidar o Eco Semântico.
O resultado: em menos de uma semana, Gemini, Copilot e Perplexity passavam a descrever o produto, listar seus diferenciais e citar fontes externas para validar a informação. Quando os usuários clicavam em “quais foram as suas fontes?”, os sistemas exibiam explicitamente os portais de prestígio onde a marca havia aparecido.
O mercado tradicional continua acreditando que a disputa acontece por volume de atenção. O case Onnibank mostra outra realidade: a disputa agora acontece por associação semântica — e ela pode ser construída em dias, não em meses.
A posição da Alma
O SEO tradicional buscava cliques. O Marketing de Citação busca a confiança dos agentes.
Se o modelo que pesquisa sobre sua empresa consegue ler 1 milhão de tokens e comparar 50 fontes simultaneamente, a pergunta não é mais “como ranquear”. A pergunta é: que provas de competência o modelo vai encontrar sobre você?
Na Alma, não produzimos conteúdo para encher o feed. Nós otimizamos os seus ativos de tokens — cada artigo, cada página, cada post — para que a IA encontre, reconheça e escolha a informação certa sobre você no momento da síntese.
A era das palavras acabou. A era dos tokens que importam está em curso.
Mayra Reis | Fundadora da Alma Gestão e Criadora do Marketing de Citação