A internet foi desenhada para pessoas. Nós abrimos uma página, passamos os olhos pelos títulos, comparamos trechos e decidimos onde clicar. Agentes de inteligência artificial, porém, fazem outra coisa: percorrem grandes volumes de informação, cruzam documentos e devolvem uma resposta ou executam uma tarefa. A startup Keenable quer adaptar a infraestrutura de busca a esse novo tipo de visitante, segundo reportagem publicada pelo TechCrunch em 25 de agosto de 2026.
A proposta parece técnica, mas afeta diretamente quem pesquisa, cria conteúdo, desenvolve produtos digitais ou usa assistentes de IA no dia a dia. Se a web passar a ser indexada também para agentes, a diferença entre uma resposta genérica e uma resposta verificável poderá depender menos do modelo de linguagem e mais da qualidade da busca que alimenta esse modelo.
O problema de pesquisar para uma máquina
Mecanismos de busca tradicionais foram aperfeiçoados para ajudar pessoas a encontrar páginas. Eles organizam resultados, exibem títulos, destacam trechos e tentam estimar a intenção de uma consulta. Um agente de IA tem necessidades diferentes. Ele pode precisar ler várias páginas inteiras, identificar quais documentos são confiáveis, comparar versões de uma informação e manter a origem de cada afirmação.
Esse processo é chamado de recuperação de informação. Em uma aplicação de IA, a recuperação costuma acontecer antes da geração da resposta. O sistema recebe uma pergunta, procura documentos relacionados, envia os trechos ao modelo e só então produz um texto. Quando a busca falha, o modelo pode responder com excesso de confiança, mesmo que a linguagem pareça convincente.
O desafio cresce quando a tarefa é composta por várias etapas. Um agente que precisa pesquisar um fornecedor, comparar requisitos técnicos e montar uma recomendação não procura apenas uma palavra-chave. Ele faz consultas sucessivas, precisa preservar contexto e pode precisar voltar a uma fonte original. A infraestrutura atual nem sempre foi construída para esse padrão de uso.
O que a Keenable está construindo
A Keenable afirma estar montando um índice com mais de 100 bilhões de documentos e uma API de busca voltada a laboratórios de IA e provedores de inferência. Em termos simples, a API é uma ponte que permite a um produto consultar a base da empresa sem construir do zero um rastreador, um índice e uma camada de classificação.
Segundo a reportagem, o diferencial estaria na forma de reduzir rapidamente o espaço de busca. Vasculhar a web inteira para cada pergunta seria caro e lento. Por isso, a empresa trabalha com estruturas de índice específicas para tarefas de IA, capazes de encontrar documentos relevantes sem percorrer tudo a cada consulta. A meta é combinar abrangência, velocidade e custo controlado.
A startup também prepara uma ferramenta chamada WebQueryLanguage. A ideia é permitir que um sistema combine informações de fontes diferentes quando nenhum documento isolado contém a resposta completa. Isso pode ser útil para tarefas como comparar políticas de privacidade, verificar compatibilidade entre produtos ou cruzar documentação de uma API com exemplos de implementação.
Busca, contexto e rastreabilidade
Uma busca para agentes precisa responder a três perguntas que nem sempre aparecem na interface para humanos. Qual documento é relevante para esta etapa? Qual trecho sustenta a afirmação? E qual é o custo de recuperar esse contexto? A terceira pergunta ganhou importância porque agentes consomem muitos tokens, a unidade usada para medir o volume de texto processado pelos modelos.
Para um desenvolvedor, isso significa que a escolha de uma ferramenta de busca pode afetar a arquitetura inteira do produto. Um assistente interno que consulta uma base de conhecimento precisa de filtros, permissões e registros de origem. Um agente que navega pela web precisa lidar com páginas que mudam, conteúdo duplicado, anúncios, bloqueios e instruções maliciosas escondidas em documentos.
Para quem trabalha com SEO, a mudança também é relevante. Otimizar uma página para agentes não significa apenas repetir palavras-chave. Estrutura clara, dados atualizados, autoria identificável, links funcionais e trechos que respondem diretamente às perguntas podem aumentar a chance de uma página ser recuperada como contexto. Isso não garante que um agente a cite, mas melhora a legibilidade para pessoas e sistemas.
O impacto para empresas brasileiras
Uma empresa brasileira que oferece software, serviços financeiros ou comércio eletrônico pode ser encontrada por um agente antes de ser visitada por uma pessoa. O agente pode montar uma lista de fornecedores, resumir contratos ou comparar funcionalidades. Se as informações públicas estiverem desatualizadas ou espalhadas em páginas difíceis de interpretar, a empresa corre o risco de desaparecer das respostas geradas por sistemas automatizados.
Esse cenário não elimina a necessidade de um site bem desenhado. Pelo contrário. Uma arquitetura de informação consistente ajuda o usuário a navegar e também ajuda sistemas de recuperação a localizar o conteúdo certo. Páginas de produto devem separar preço, disponibilidade, compatibilidade, suporte e condições de uso. Documentações devem ter exemplos, versões e datas de atualização. Textos de marketing não podem substituir especificações objetivas.
Há também um cuidado de segurança. Ao permitir que um agente leia páginas e execute tarefas, a empresa precisa considerar ataques de injeção de prompt. Um texto malicioso inserido em uma página pode tentar convencer o agente a ignorar regras, vazar dados ou acessar uma ferramenta indevida. Busca e automação precisam ser acompanhadas por isolamento de permissões, validação de fontes e revisão humana em ações sensíveis.
A nova disputa pelo caminho até a resposta
Google e Microsoft ainda controlam grande parte da infraestrutura de busca, mas empresas como Brave, Exa e a própria Keenable exploram um mercado em formação. A disputa não é apenas para definir qual página aparece primeiro. Ela envolve quem seleciona os documentos que chegam ao modelo, quem controla a interface de programação e quem paga pelo tráfego criado por agentes.
Isso pode alterar a economia da publicação na internet. Hoje, muitos sites dependem de visitas humanas para anúncios, assinaturas ou vendas. Se a informação for consumida por um agente que entrega um resumo sem enviar o usuário à página original, editores e empresas precisarão encontrar novas formas de atribuir valor à fonte. Links de citação e acordos de uso podem se tornar tão importantes quanto a posição em uma página de resultados.
Ainda é cedo para saber se a visão da Keenable funcionará em escala. Índices gigantescos são caros, a web muda sem parar e modelos de IA continuam desenvolvendo maneiras diferentes de pesquisar. A relevância da notícia está justamente em mostrar que a corrida dos agentes não acontece apenas nos aplicativos visíveis. Ela também está transformando as camadas silenciosas que coletam, organizam e entregam informação.
O que acompanhar a partir de agora
Para profissionais digitais, três sinais merecem atenção. O primeiro é a transparência: produtos de IA precisarão mostrar de onde veio uma afirmação e quando a fonte foi consultada. O segundo é a qualidade da indexação: páginas estruturadas, rápidas e atualizadas tendem a ser mais úteis para qualquer mecanismo de recuperação. O terceiro é o controle: agentes devem receber somente o acesso necessário para concluir uma tarefa, com registros que permitam investigar erros.
A web feita para agentes não será necessariamente uma web sem pessoas. O resultado mais provável é uma camada adicional, na qual máquinas farão a triagem e pessoas continuarão tomando decisões. Para o mercado brasileiro, preparar conteúdo, sistemas e interfaces para essa camada pode ser uma vantagem competitiva. A resposta que um cliente receber de um agente dependerá cada vez mais da clareza com que uma marca organiza o que sabe.
