63 buscas no Perplexity: fontes portuguesas caem de 81% para 8% sem uma âncora local

Resumo rápido: a IA cita fontes de editores portugueses em 80,8% das respostas quando a pergunta tem uma âncora local, como um termo institucional (IVA, IEFP, ACT) ou a palavra “Portugal”. Sem essa âncora, essa taxa cai para 8,0%, e o espaço não fica vazio: 60% das fontes passam a ser em inglês, e boa parte do que sobra em português vem do Brasil, não de Portugal. Os números vêm de um teste que rodei com 63 buscas no Perplexity, modelo Sonar 2, com 953 fontes citadas e analisadas uma a uma.

Antes de rodar a primeira busca, escrevi a hipótese que queria testar (a de que a IA ignora conteúdo em português) e também o que precisaria aparecer nos dados para eu admitir que ela era falsa. Os critérios de falseamento se cumpriram: a hipótese morreu. A IA não ignora o português. Ela ignora o português sem endereço.

O que esse teste mediu, exatamente?

O teste compara dois tipos de pergunta em português, ambos rodados no Perplexity com o modelo Sonar 2, numa conta Pro, a partir de Portugal, em agosto de 2026.

Pergunta “local” é a que carrega um termo institucional específico do sistema português, como IVA, IEFP, ACT ou Segurança Social, ou que menciona “Portugal” explicitamente. Pergunta “universal” é a mesma dúvida sem esse tipo de marcador, escrita do jeito que qualquer falante de português faria a pergunta no dia a dia, sem pensar em geolocalização.

Ao todo foram 63 execuções, cada uma rodada uma única vez. Em 22 delas o painel do Perplexity ainda mostrava as subconsultas geradas internamente antes da busca (o Perplexity redesenhou esse painel no meio da coleta e parou de exibir o detalhe nas execuções seguintes). Nessas 22, o padrão foi hermético: exatamente 3 subconsultas por execução, 22 de 22 vezes.

A IA cita mais fontes portuguesas quando a pergunta tem um termo institucional?

A IA cita fontes portuguesas com frequência bem maior quando a pergunta carrega um termo institucional. No bloco de perguntas locais, 80,8% das fontes citadas vieram de editores portugueses, contra só 12,0% em inglês. No bloco universal, a proporção quase inverte: 60,0% das fontes ficaram em inglês, e apenas 8,0% vieram de editores portugueses. A diferença entre os dois blocos é de 48 pontos percentuais, com p = 0,0004.

Um exemplo direto: mandei a pergunta “Qual é a taxa de IVA aplicável a refeições servidas num restaurante?”, sem a palavra “Portugal” em lugar nenhum do prompt. O Perplexity gerou sozinho três subconsultas: “taxa IVA refeições restaurante Portugal 2025 2026”, “IVA taxa restauração Portugal atual” e “taxa normal vs intermédia IVA restaurantes Portugal”. Ninguém pediu isso. O termo “IVA” já bastou como endereço.

O mesmo padrão apareceu numa pergunta sobre prazo de guarda de faturas e documentos contabilísticos. O Perplexity foi direto ao Artigo 123 do Código do IVA português, sem que eu tivesse citado esse código em nenhum momento do prompt.

O que acontece quando a pergunta não tem essa âncora?

Sem termo institucional e sem “Portugal” no texto, o comportamento muda por completo. Fiz o par exato da pergunta de IVA em inglês: “What is the deadline to file a quarterly VAT return?”. As três subconsultas saíram todas em inglês, sem nenhuma âncora de país (algo como “quarterly VAT return filing deadline” e variações), e a resposta final falou de Reino Unido, Emirados Árabes e Espanha. Portugal não apareceu em nenhuma fonte citada.

Isso descarta a explicação mais óbvia, que seria “a IA ignora o português”. Não é isso. A IA localiza Portugal com precisão quando a pergunta dá algum sinal de onde procurar. O problema é outro: a maior parte das perguntas reais de um cliente não carrega esse sinal. Ninguém pergunta “qual o prazo de guarda de faturas em Portugal”, pergunta só “qual o prazo de guarda de faturas”. É a mesma distância entre o termo do setor e o termo do cliente que aparece na escolha de palavras-chave para negócio local, só que agora com a jurisdição como variável escondida.

Quando não é Portugal, quem ocupa o espaço em português?

O espaço em português, quando a pergunta não tem endereço, não fica vazio. Ele é ocupado majoritariamente por conteúdo brasileiro, não inglês. Num recorte de 10 perguntas universais, fontes brasileiras somaram 17,3% contra 9,3% de fontes portuguesas, invertendo a proporção que se esperaria de um teste rodado a partir de Portugal. Domínios como base.ohub.com.br, drseo.com.br, br.investing.com, serasaexperian.com.br, adentro.com.br, conectarideias.com.br e corelab.com.br somaram 26 citações contra 14 de fontes portuguesas nesse mesmo recorte.

O motivo não é mistério: o Brasil produz muito mais conteúdo em português do que Portugal, e quando a pergunta não especifica jurisdição, a IA pesca no volume disponível. “Escrito em português” e “relevante para Portugal” são coisas diferentes, e a IA só distingue as duas quando o prompt ajuda. É a mesma dinâmica de dono de categoria em resposta de IA, com uma diferença desconfortável: aqui o dono não ganhou a categoria por autoridade, ganhou por volume de conteúdo num idioma partilhado.

Do outro lado do espectro, um contraste reforça o padrão: quando adicionei a âncora explícita “em Portugal” ao mesmo tipo de pergunta, num recorte menor de 3 perguntas, a taxa de fontes de editores portugueses subiu de 80,8% para 93,3%. A âncora não é só necessária, ela também é praticamente suficiente para resolver o problema.

Contar domínios .pt é a forma certa de medir isso?

Não, e esse é um erro fácil de cometer numa auditoria rápida. Na pergunta sobre o prazo do IVA trimestral, só 8 das 15 fontes citadas eram literalmente domínios .pt, ou seja 53%. Mas as 15 eram fontes portuguesas: sage.com/pt-pt, odiverse.com/pt, montepio.org e heraprime.com são portuguesas mesmo sem terminar em .pt, seja por subpasta de idioma, seja por serem instituições nacionais registradas em .com ou .org.

Quem audita citação de IA olhando só a extensão do domínio reporta metade do que está de fato acontecendo. A unidade certa de medida é a origem editorial da fonte, não o TLD, e isso vale tanto para quem monitora a própria marca quanto para quem monitora concorrência. Se for montar esse acompanhamento sem orçamento, as ferramentas gratuitas para medir citação em IA resolvem a coleta, mas a classificação de origem continua sendo trabalho manual.

As fontes portuguesas citadas realmente respondem à pergunta?

Nem sempre, e essa é a parte que separa “citar Portugal” de “citar Portugal corretamente”. Numa pergunta sobre os limites e coeficientes do regime simplificado de tributação em IRC, das 15 fontes citadas, várias eram sobre o regime simplificado de IRS, um imposto diferente, com outra base de incidência e outros coeficientes. Entre elas estavam especialistadoirs.pt, occ.pt (duas vezes) e santander.pt: todas portuguesas, todas de editores portugueses, e todas erradas para a pergunta feita. Só 33% das fontes dessa pergunta respondiam de fato ao que foi perguntado.

Uma segunda pergunta, sobre inspeção da ACT, teve precisão ainda menor: 31%. O resto eram páginas genéricas sobre fiscalização trabalhista, o site de uma clínica e um domínio espanhol.

Numa amostra maior de 150 fontes, meu julgamento manual (sem segunda leitura independente, por isso trato esse número como frágil e não como dado sólido) chegou a 64% de fontes que de fato respondiam à pergunta que gerou a citação. Na prática: mesmo quando o sistema encontra e cita conteúdo português relevante para o país certo, mais de um terço das vezes ele cita a coisa errada dentro do universo certo, confundindo instrumentos fiscais e legais parecidos. É exatamente o cenário em que clareza vale mais que volume: um artigo que diz “regime simplificado” sem dizer de que imposto fala entra na disputa como fonte plausível e sai dela como fonte errada.

O que esse teste não prova?

Vale ser transparente sobre os limites, porque é isso que separa um teste como esse de um post de opinião fantasiado de dado. Vale a mesma régua que aplico quando um estudo de terceiros não sobrevive à verificação: se o método não aguenta ser publicado junto com o resultado, o resultado não vale nada.

Isto não é sobre “a IA” em geral. É sobre o Perplexity com o modelo Sonar 2, numa conta Pro, rodado a partir de Portugal, em agosto de 2026. Um piloto rápido com o GPT-5.6 Terra, na mesma plataforma e com a mesma pergunta, teve comportamento diferente: fez uma única busca em vez de três e citou o Portal das Finanças em vez de blogues, o que sugere que o padrão descrito aqui não é universal entre modelos de uma mesma plataforma.

Cada pergunta rodou uma única vez, sem repetição e sem estimativa de variância. As subconsultas só ficaram visíveis em 22 das 63 execuções, porque o Perplexity redesenhou o painel no meio da coleta. E os 64% de precisão de fontes portuguesas são julgamento meu sobre 150 fontes, sem segunda leitura independente para confirmar.

Também cometi erros de método que corrigi no caminho, e prefiro contar isso a esconder. A conta estava com o idioma de resposta forçado para português, o que evitou que as 30 perguntas em inglês voltassem respondidas em português e destruíssem o braço de comparação. O botão “Novo” do Perplexity troca de modelo silenciosamente, e uma execução chegou a rodar no modelo errado antes de eu montar uma verificação automática para pegar esse tipo de falha. E a primeira classificação de idioma tratou o Diário da República como fonte em inglês, por causa de um cabeçalho HTTP mal configurado nos servidores do governo português. Corrigi isso e recodifiquei 15 classificações, todas na direção que reforça o resultado, nenhuma na direção contrária.

O que isso muda para quem produz conteúdo em português?

O conselho que sai desse teste não é “escreva em português”. Isso qualquer um já sabia.

O conselho é que conteúdo em português entra na disputa por citação de IA quando a pergunta carrega um termo institucional, seja um imposto, um órgão público ou um regime específico. E que, mesmo entrando na disputa, um terço do que é citado não responde de fato à pergunta, porque confunde instrumentos parecidos.

Isso muda a prioridade de quem escreve para esse tipo de busca. O ganho mais barato não é competir com o Brasil e com o inglês em pautas universais e genéricas, onde o volume de conteúdo brasileiro já domina o espaço. É garantir que, nas perguntas com âncora institucional (as que a IA já favorece por natureza), o conteúdo trate do instrumento certo, com o nome certo, sem misturar regimes vizinhos que parecem a mesma coisa e não são. O espaço não está tomado por conteúdo inglês. Está mal preenchido por conteúdo português impreciso, e corrigir imprecisão é mais barato do que vencer uma disputa de volume contra o Brasil inteiro.

Isso também explica por que a pressa importa aqui. A janela de autoridade tópica em IA generativa fecha à medida que alguém ocupa o vocabulário institucional, e o vocabulário institucional português é finito: há um número limitado de impostos, regimes e órgãos públicos sobre os quais um cliente pergunta. Quem preencher primeiro, com precisão, cada um desses termos, ocupa um espaço que não se reabre por volume.

Resumo: os números que importam

• 80,8% das fontes citadas são de editores portugueses quando a pergunta tem âncora local, contra 8,0% sem ela: uma queda de 48 pontos percentuais (p = 0,0004)
• 0 de 66 subconsultas saíram em inglês quando o prompt em português tinha âncora local
• 17,3% vs 9,3%: em perguntas universais, fontes brasileiras superam fontes portuguesas mesmo com o teste rodado a partir de Portugal (recorte de 10 perguntas)
• 93,3%: taxa de fontes portuguesas quando a âncora “em Portugal” é explícita (recorte de 3 perguntas)
• 8 de 15 vs 15 de 15: numa pergunta, só 53% das fontes eram domínio .pt, mas 100% eram portuguesas. Contar por TLD reporta metade do real
• 33% e 31%: taxas de precisão de fontes citadas em duas perguntas onde o instrumento fiscal ou legal foi confundido com um parecido
• 64% (indicador frágil, julgamento manual sem segunda leitura) é a taxa geral estimada de fontes que realmente respondem à pergunta portuguesa que as gerou

Se você produz conteúdo para o mercado português e quer saber de que lado dessa disputa está o seu site, o teste é simples de replicar em escala pequena: pegue as cinco perguntas mais comuns dos seus clientes, rode cada uma sem e com um termo institucional explícito, e veja se o seu domínio aparece nos dois casos ou só num deles. Se aparece só quando você força a âncora, a lacuna não está na sua autoridade. Está no vocabulário que os seus clientes usam de verdade, e que o seu conteúdo ainda não escreveu.

Para levantar esse vocabulário sem adivinhar, o WhatTheyAsk expande uma palavra-semente nas perguntas que as pessoas realmente digitam, e a ferramenta de lacuna de conteúdo mostra que termos os concorrentes já cobrem e você não. As duas são gratuitas. Se preferir que alguém rode o diagnóstico e priorize as correções com você, veja os serviços de SEO e GEO ou fale comigo.

Fontes

• Modelos Sonar, documentação do Perplexity
• Código do IVA (versão consolidada), Diário da República
• IVA: arquivo de faturas e outros documentos, Ordem dos Contabilistas Certificados
• Portal das Finanças, Autoridade Tributária e Aduaneira
• ACT — Autoridade para as Condições do Trabalho e IEFP — Instituto do Emprego e Formação Profissional