Resumo Executivo

Janine Carmona Gonsalves; Eduardo Correa de Godoy

Resumo elaborado pela ferramenta ResumeAI, solução de inteligência artificial desenvolvida pelo Instituto Pecege voltada à síntese e redação.

A relação entre seres humanos e tecnologia tornou-se cada vez mais próxima e, em muitos casos, quase imperceptível, conforme as interações com sistemas de inteligência artificial integram-se de maneira fluida à rotina cotidiana, desde recomendações personalizadas até o uso de assistentes virtuais (Huang; Rust, 2020). Um dos avanços mais notáveis recentemente foi a popularização da inteligência artificial generativa, capaz de criar textos, imagens, áudios e responder perguntas com base em grandes volumes de dados treinados (Uppin; Madalgi, 2024). Inicialmente difundida em plataformas nativas, essa tecnologia passou a ser incorporada a sistemas e fluxos já estabelecidos, modificando a forma como os usuários consomem informações sem que, necessariamente, precisem buscar diretamente por esses modelos (Pan, 2024). Entre os exemplos dessa integração, destaca-se a Search Generative Experience, que insere respostas geradas por inteligência artificial diretamente na página de resultados do mecanismo de pesquisa, ocupando o topo da tela. No modelo tradicional, a página de resultados exibe uma lista de links para páginas externas, organizadas com base em fatores de otimização para mecanismos de busca (Enge; Spencer; Stricchiola, 2023). Esse modelo de exibição tornou-se fundamental para empresas e produtores de conteúdo que dependem da busca orgânica para atrair tráfego qualificado e consolidar sua presença digital. A visibilidade obtida por esse meio passou a ser um ativo central nas estratégias de marketing de conteúdo, orientando decisões ligadas à criação e distribuição de materiais informativos.

Essa lógica, entretanto, vem sendo tensionada por transformações no próprio modelo de entrega dos resultados, pois, embora os anúncios pagos sejam ferramentas de divulgação imediata, a busca orgânica mantém-se como um mecanismo vital na economia da atenção digital (Jusuf, 2023). Posicionar-se naturalmente na página de resultados representa uma vantagem competitiva de longo prazo, capaz de gerar tráfego recorrente e relevância estratégica sem os custos diretos por clique. Contudo, a própria evolução dos mecanismos de busca, com a introdução de trechos em destaque e painéis informativos, já reduzia progressivamente a taxa de cliques em links orgânicos, pois respondia às intenções de busca diretamente na página de resultados (Fubel et al., 2023). Com a chegada da inteligência artificial generativa integrada, a dinâmica foi alterada novamente, visto que agora há a possibilidade de encontrar respostas diretas no topo da página antes dos links tradicionais. Essa mudança levanta questionamentos sobre como os usuários percebem essa nova forma de interação e se ela impacta a forma como navegam e tomam decisões (Oliveira; Lopes, 2023). Diante desse cenário, onde respostas automatizadas competem com resultados orgânicos, torna-se essencial compreender a percepção do público quanto à utilidade, confiabilidade e suficiência dessas informações. Esta discussão se alinha à visão de que as estratégias de marketing precisam de novas abordagens para garantir visibilidade em ambientes digitais cada vez mais mediados por algoritmos (Kotler; Kartajaya; Setiawan, 2025).

A transformação na página de resultados apresenta implicações significativas para métricas críticas, como a confiança do usuário e a produção de conteúdo (Gleason et al., 2023). A centralização das respostas pela inteligência artificial tende a reduzir o tráfego para sites externos, o que pode comprometer a performance de conteúdos otimizados. Compreender essa transição é essencial tanto para documentar a evolução da interação entre usuários e sistemas quanto para antecipar impactos concretos nas estratégias de marketing de conteúdo. O foco reside em entender como esses conteúdos automatizados são interpretados e se eles funcionam como um substituto ou um complemento aos links tradicionais. A necessidade de adaptação é premente, uma vez que a mediação algorítmica redefine o acesso à informação e a autoridade das fontes consultadas.

Para investigar essas percepções, adotou-se uma abordagem quantitativa descritiva, utilizando o método de levantamento de campo para analisar o comportamento do público. Essa escolha metodológica permite quantificar opiniões e mapear comportamentos com base em dados mensuráveis (Gil, 2022). A coleta de dados foi realizada por meio de um questionário estruturado, aplicado de forma online entre os dias 07 e 30 de maio de 2025. A pesquisa concentrou-se em usuários de um dos principais buscadores empregados no Brasil e no mundo, refletindo a experiência predominante no mercado. A amostragem foi não probabilística por conveniência, abrangendo indivíduos maiores de 18 anos com diferentes níveis de familiaridade com o tema. A divulgação ocorreu em redes sociais e listas de discussão, garantindo a participação voluntária e anônima de 305 respondentes válidos. O instrumento de coleta foi desenvolvido na ferramenta Google Forms e os dados foram organizados em um painel de análise desenvolvido no aplicativo Google Looker Studio para facilitar a identificação de padrões e correlações (Marconi; Lakatos, 2021).

O processo operacional da pesquisa seguiu etapas rigorosas de validação. O questionário foi composto exclusivamente por perguntas fechadas, organizadas em dois blocos principais. O primeiro bloco coletou dados demográficos, como faixa etária, gênero e escolaridade, além de verificar o uso regular do buscador, critério essencial para a continuidade no estudo. O segundo bloco concentrou-se nos aspectos centrais, investigando a percepção de utilidade, confiabilidade, suficiência e o impacto das respostas geradas por inteligência artificial no comportamento de navegação. Foram incluídas questões sobre a preferência entre a leitura da resposta automatizada e o acesso aos sites tradicionais, utilizando escalas do tipo Likert para mensurar o grau de confiança atribuído. A análise estatística descritiva considerou frequências absolutas e cruzamentos percentuais entre variáveis sociodemográficas e atitudinais. A pesquisa seguiu princípios éticos, apresentando um Termo de Consentimento Livre e Esclarecido e assegurando o anonimato, enquadrando-se nas categorias de dispensa de registro em comitês de ética conforme a Resolução CNS 510/2016 (Richardson, 2017).

O detalhamento da metodologia revela que a amostra de 305 pessoas permitiu uma visão abrangente das tendências de consumo de informação. A análise dos dados buscou identificar não apenas a frequência de uso, mas a profundidade da interação com os novos recursos tecnológicos. A estruturação do painel de análise permitiu cruzar, por exemplo, se o nível de escolaridade influenciava a propensão a clicar em links de fonte ou se a idade determinava a percepção de invasividade do recurso. Cada etapa do processo, desde a elaboração das perguntas até a limpeza da base de dados, foi desenhada para garantir que os resultados refletissem a realidade da interação do usuário com a interface de busca moderna. A escolha por perguntas fechadas visou a padronização das respostas para uma análise quantitativa robusta, permitindo a construção de perfis comportamentais específicos baseados em ações declaradas.

Os resultados obtidos revelam um perfil demográfico concentrado na faixa etária de 25 a 34 anos, representando 58,36% da amostra, seguida por indivíduos de 35 a 44 anos, que somam 20,98%. Quanto ao gênero, 70,49% identificaram-se como feminino e 28,85% como masculino. O nível de escolaridade mostrou-se elevado, com 37,38% possuindo ensino superior e 34,75% com pós-graduação, o que indica um público com formação acadêmica e familiaridade com ambientes digitais. Esse recorte educacional favorece práticas de checagem e avaliação crítica de informações (Letigio; Balijon, 2022). Sobre a frequência de uso, 78,4% dos participantes afirmaram utilizar o buscador várias vezes ao dia, reforçando a centralidade da ferramenta no cotidiano informacional. A exposição à nova estrutura da página de resultados é ampla, visto que 96,72% dos respondentes notaram os blocos com respostas automáticas geradas por inteligência artificial no topo da página.

A percepção de utilidade dessas respostas é expressiva, com 78,3% da amostra classificando a experiência como positiva (notas 4 e 5 em uma escala de utilidade). No entanto, a confiança não acompanha a mesma proporção. Apenas 42% atribuíram notas elevadas de confiança às respostas automatizadas, enquanto 25,9% demonstraram pouca ou nenhuma confiança e 32,1% mantiveram uma posição neutra. Esse fenômeno indica que a utilidade prática nem sempre caminha junto da confiança na validade e fundamentação do conhecimento gerado (Alvarado, 2023). Em muitos casos, a aceitação de uma resposta pode ocorrer mais pelo alinhamento imediato com a expectativa do usuário do que por sua fundamentação objetiva. Quando a informação coincide com crenças prévias, ela tende a ser consumida como suficiente, evidenciando um possível viés de confirmação (Messer, 2024).

Um dado crítico para o marketing de conteúdo é que 66,9% dos participantes admitiram já ter deixado de acessar um site confiável porque a resposta da inteligência artificial pareceu suficiente para sanar a dúvida. Esse comportamento de abandono da navegação tradicional reconfigura o papel da página de resultados, que deixa de ser um meio para se tornar o destino final da jornada de busca (Fubel et al., 2023). O cruzamento de dados revelou uma ambivalência: embora 86,9% dos respondentes afirmem manter o hábito de se aprofundar em outros sites, 64,5% destes mesmos indivíduos admitem que, em certas situações, sentem-se atendidos pela resposta automatizada a ponto de não seguir navegando. Essa inconsistência sugere que os usuários podem não perceber conscientemente a mudança em seus próprios hábitos de consumo de informação.

A análise permitiu a identificação de cinco perfis comportamentais distintos. O grupo dos Pesquisadores, representando 45,9% da amostra, é composto por indivíduos que buscam consistentemente a validação em fontes externas e possuem alto nível de criticidade. Os Híbridos, que somam 27,9%, utilizam a resposta da inteligência artificial como um ponto de partida ou resumo inicial antes de acessar conteúdos detalhados. Os Neutros representam 12,1% e demonstram um comportamento oscilante entre a curiosidade e a cautela. Já os Conformados, totalizando 8,2%, aceitam a resposta automatizada como suficiente, priorizando a conveniência em detrimento da checagem. Por fim, os Desconfiados representam 3,9% e utilizam a ferramenta com frequência, mas atribuem notas baixas de confiança, revelando uma dependência prática dissociada da crença na precisão do sistema.

Os fatores que mais influenciam a confiança nas respostas geradas por inteligência artificial foram a especificidade da resposta para a dúvida apresentada (65,9%), a presença de fontes confiáveis (63,9%) e a clareza do texto (61,6%). Critérios contextuais, como a atualização da informação (29,8%) e a reputação da ferramenta de busca (28,5%), também se mostraram relevantes. Curiosamente, a formatação do texto e a posição no topo da página foram menos citadas como fatores diretos de confiança, embora a prática demonstre que o design de interface e a localização privilegiada moldam silenciosamente o comportamento do usuário (Schrepp et al., 2023). Para profissionais de marketing, isso reforça a necessidade de estratégias de otimização para motores generativos, focando em clareza semântica e credibilidade das fontes para que o conteúdo seja captado e citado pela inteligência artificial (Samarah et al., 2024).

A discussão sobre a invasividade do recurso revelou que 43,6% dos usuários não se incomodam com a exibição automática das respostas, enquanto 16% sentem algum grau de incômodo. A tolerância parece ser maior entre o público mais jovem, possivelmente devido ao costume com modelos de interação assistida (Apriyadi; Juwitasary, 2024). No entanto, a sensação de quebra de autonomia no fluxo de navegação é um ponto de atenção para desenvolvedores e produtores de conteúdo. A preferência de leitura reforça o comportamento híbrido, com 49,2% dos respondentes preferindo começar pela resposta automatizada para depois acessar os sites, e 26,56% utilizando-a apenas como um resumo inicial. Apenas 6,56% declararam preferir exclusivamente a resposta da inteligência artificial, o que indica que os sites tradicionais ainda mantêm sua relevância como fontes de aprofundamento.

A transição no papel da página de resultados exige que as marcas não apenas busquem o ranqueamento tradicional, mas também estruturem seus conteúdos para serem sintetizáveis por modelos de linguagem de grande escala (Mehta et al., 2024). A disputa por visibilidade desloca-se para o reconhecimento da informação pela inteligência artificial generativa. Estratégias que contemplam tanto a rapidez exigida pelos perfis pragmáticos quanto a profundidade demandada pelos pesquisadores tornam-se diferenciais competitivos. O uso de trechos de especialistas e vozes reconhecidas pode elevar a autoridade percebida, incentivando o usuário a investir tempo na leitura completa (Savolainen, 2021). A dualidade entre agilidade e segurança define o estágio atual da adoção tecnológica, onde ganhos de eficiência coexistem com reservas quanto à legitimidade informacional.

As limitações do estudo residem na amostragem por conveniência, que concentrou perfis com maior escolaridade, podendo não representar a totalidade da população. No entanto, a robustez dos dados coletados permite inferir que a inteligência artificial generativa já está transformando as práticas consolidadas de marketing de conteúdo e otimização. A dissonância entre o que o usuário declara e como ele efetivamente age na interface de busca sugere que a conveniência molda os hábitos de forma quase imperceptível. A utilidade percebida da ferramenta não se limita à eficiência informacional, mas relaciona-se a dimensões cognitivas de economia de esforço (Lee; Kim; Moon, 2025). O impacto da mediação algorítmica é, portanto, profundo e exige um monitoramento constante das mudanças culturais e cognitivas no modo como as pessoas se relacionam com a informação digital.

Conclui-se que o objetivo foi atingido, demonstrando que a Search Generative Experience é amplamente percebida como útil para o acesso ágil à informação, embora a confiança nas respostas geradas por inteligência artificial seja multifatorial e nem sempre acompanhe sua utilidade prática. Os resultados evidenciam uma reconfiguração no comportamento de navegação, com uma tendência significativa de redução de cliques em links externos em favor de respostas sintetizadas diretamente na página de resultados. Identificou-se um comportamento predominantemente híbrido, no qual a inteligência artificial serve como filtro inicial, exigindo que as estratégias de marketing de conteúdo e otimização evoluam para garantir a presença das marcas tanto nos blocos automatizados quanto nos links de suporte. As inconsistências entre a confiança declarada e a prática de aceitação das respostas sugerem que a conveniência e a economia de esforço cognitivo estão moldando novos hábitos de consumo de informação, tornando imperativo que produtores de conteúdo priorizem a clareza, a especificidade e a autoridade das fontes para manter a relevância em um ecossistema digital mediado por algoritmos generativos.

Referências Bibliográficas:

Alvarado, R. 2023. What kind of trust does AI deserve, if any?. AI Ethics 3: 1169-1183.

Apriyadi, S.; Juwitasary, H. 2024. The impact of familiarity using generative AI to influence intention to use AI. In: 8th International Conference on Information Technology, Information Systems and Electrical Engineering (ICITISEE), 2024, Yogyakarta, Indonésia. Anais… p. 533-538.

Enge, E.; Spencer, S.; Stricchiola, J. 2023. The Art Of SEO: Mastering Search Engine Optimization. 4ed. O’Reilly Media, Sebastopol, CA, EUA.

Fubel, E.; Groll, N.M.; Gundlach, P.; Han, Q.; Kaiser, M. 2023. Beyond rankings: exploring the impact of serp features on click-through rate. ArXiv. Disponível em: <https://arxiv.org/abs/2306.01785>. Acesso em: 17 mar. 2025.

Gil, A.C. 2022. Como Elaborar Projetos de Pesquisa. 7ed. Atlas, São Paulo, SP, Brasil.

Gleason, J.; Hu, D.; Robertson, R.E.; Wilson, C. 2023. Google the gatekeeper: how search components affect clicks and attention. In: International AAAI Conference on Web and Social Media, 2023, Limassol, Chipre. Anais… p. 245-256.

Huang, M.H.; Rust, R.T. 2021. Engaged to a robot? The role of AI in service. Journal Of Service Research 24(1): 30-41.

Jusuf, D. I. 2023. Optimizing SEO (Search Engine Optimizing) strategy to increase visibility and achievement of marketing goals. Lead Journal of Economy and Administration 2(2): 98-103.

Kotler, P.; Kartajaya, H.; Setiawan, I. 2025. Marketing 6.0: O Futuro É Imersivo: Eliminando As Fronteiras Entre Os Mundos Físico e Digital. Sextante, Rio de Janeiro, RJ, Brasil.

Letigio, C.; Balijon, D. 2022. Digital literacy readiness of graduates of Philippine higher education institution. International Journal of Research Publications 115(1): 207-213.

Marconi, M. de A.; Lakatos, E.M. 2021. Fundamentos de Metodologia Científica. 9ed. Atlas, São Paulo, SP, Brasil.

Mehta, S.N.; Dwivedi, P.; Bhawana; Kanth, S.S. 2024. Evolution of SEO: a comprehensive study of methods and the impact of AI. International Research Journal Of Modernization In Engineering Technology And Science 6(2): 1895-1901.

Messer, U. 2024. How do people react to political bias in generative artificial intelligence (AI)?. Computers In Human Behavior: Artificial Humans (3)3: 100108.

Oliveira, B.; Lopes, C.T. 2023. From 10 blue links pages to feature-full search engine results pages – analysis of the temporal evolution of SERP features. In: Proceedings Of The 2023 Conference On Human Information Interaction And Retrieval (CHIIR ’23), 2023, Austin, TX, EUA. Anais… p. 338-345.

Pan, J. 2024. Enhancing efficiency and innovation with generative AI. Journal Of Artificial Intelligence & Applications 5(1): 72-81.

Richardson, R.J. 2017. Pesquisa Social: Metodos e Tecnicas. 4ed. Atlas, Rio de Janeiro, RJ, Brasil.

Samarah, T.; Alrawashdeh, T.; Mughaid, A.; Alzu’bi, S. 2024. Utilizing LLMs for enhancing search engine optimization strategies in digital marketing. In: 2nd International Conference On Foundation And Large Language Models (FLLM), 2024, Dubai, Emirados Árabes Unidos. Anais… p. 284-288.

Savolainen, R. 2021. Cognitive authority as an instance of informational and expert power. Libri 72(1): 1-12.

Schrepp, M.; Kollmorgen, J.; Meiners, A.; Hinderks, A.; Winter, D.; Santoso, H.; Thomaschewski, J. 2023. On the importance of UX quality aspects for different product categories. Int. J. Interact. Multim. Artif. Intell. 8(2): 232-246.

Uppin, A.; Madalgi, R. 2024. Introduction to generative AI and its application in education. International Journal For Research In Applied Science & Engineering Technology 12(2): 861-866.

Resumo executivo oriundo de Trabalho de Conclusão de Curso da Especialização em Marketing do MBA USP/Esalq

Para saber mais sobre o curso, clique aqui e acesse a plataforma MBX Academy