Uma busca simples perdeu o texto principal de uma página importante em 7 de 72 sites
Quando o ChatGPT lê uma página para alguém, ele pega o HTML que o servidor devolve e para por aí. O leitor do Claude e o crawler do Perplexity fazem o mesmo. Nada que um script escreva depois do carregamento entra no que eles recebem. A questão, então, é se as palavras que importam estão nessa primeira resposta.
Entre 5 e 17 de outubro de 2026, o Proofsource verificou a página inicial e até quatro páginas importantes de cada marca monitorada nos seus workspaces. Cada página foi buscada duas vezes: pelo nosso próprio crawler, uma requisição simples que não roda scripts, e por um navegador que roda. Dividimos a versão do navegador em blocos de texto e contamos a parcela das palavras dela que também aparecia na busca simples.
211 páginas em 72 sites deram uma leitura utilizável. A página mediana teve pontuação de 95%, e 144 das 211 tiveram 90% ou mais. 24 páginas ficaram abaixo da metade.
Lemos à mão o texto ausente nas 24. Doze delas, em 7 sites, tinham perdido um texto que o comprador leria. São 7 de 72 sites, ou 9,7% (intervalo de 95% de 4,8% a 18,7%).
Metade das páginas com pontuação abaixo de 50% eram alarmes falsos
As outras doze pareciam alarmantes e não eram. Em quatro páginas de um mesmo site, o texto ausente era um painel de consentimento de cookies. Cinco páginas de um grande site de software tiveram pontuações entre 7% e 16% porque o código de imagens embutidas estava sendo contado como palavras. Um formulário de avaliação, um contador de transações ao vivo e um player de música completaram o resto.
Então leia os blocos antes de confiar na pontuação. Uma porcentagem não distingue uma tabela de preços ausente de um banner de cookies ausente. A lista do que falta distingue.
O que sumiu: títulos, casos de clientes e uma tabela de preços
As doze perdas reais, anonimizadas:
- Três páginas iniciais voltaram com uma ou duas palavras. Duas entregaram à busca simples o nome da empresa e mais nada.
- O índice de casos de clientes de uma empresa de software e um dos casos tiveram pontuação 0%. Todos os depoimentos de clientes eram escritos por um script.
- A página de preços de uma ferramenta para desenvolvedores teve pontuação 15%. O limite do plano gratuito, as condições do teste e os limites dos planos chegavam todos depois do carregamento.
- O índice do blog e a página de contato de um site também estavam em branco, junto com a página inicial.
- O portfólio de um designer perdeu a bio da página inicial e a lista inteira de serviços.
- A página inicial e a página de serviços de um grande marketplace mantiveram 18% e 7%. Os anúncios, preços e avaliações carregam depois da página.
Páginas de produto foram as mais resistentes: 1 de 31 ficou abaixo da metade
Páginas de produto foram o tipo mais seguro que verificamos: 31 deram leitura, a mediana teve pontuação de 92%, e a única abaixo da metade só tinha perdido um formulário de avaliação. Páginas iniciais foram as mais arriscadas: 8 de 72 ficaram abaixo da metade, e cinco das doze perdas reais eram páginas iniciais.
O Google renderiza a página. O leitor do ChatGPT, o Claude e o Perplexity, não.
A Vercel e a MERJ descobriram em dezembro de 2024 que nenhum dos principais crawlers de IA renderizava JavaScript, incluindo os três da OpenAI, o ClaudeBot e o PerplexityBot. O Gemini usava a infraestrutura do Googlebot e renderizava.
Um registro mais recente diz o mesmo sobre os leitores que buscam uma página quando alguém pergunta. A Forge contou 30 dias de requisições a um site de notícias, até 24 de setembro de 2026. O ChatGPT-User fez 37.045 leituras de página e não buscou nenhum script ao carregar uma página. O Claude-User fez 10.028 e o PerplexityBot 3.193, também sem nenhum. Num teste no dia seguinte, ChatGPT, Claude e Gemini informaram apenas a palavra-código escrita no HTML, e nenhuma das duas que um script adicionou.
O Google é diferente. A documentação dele diz que um Chromium headless renderiza a página e que o Google indexa o HTML renderizado, e uma página só precisa estar indexada e elegível para snippet para aparecer no AI Overviews ou no AI Mode. Então um texto que seus scripts escrevem pode chegar às respostas de IA do Google e ainda faltar quando o ChatGPT lê a mesma página ao vivo.
Uma questão em aberto: um desenvolvedor relatou em 30 de setembro que os crawlers de busca e de treinamento da OpenAI começaram a renderizar páginas dos seus sites em Next.js a partir de 25 de setembro. A OpenAI não anunciou isso, e não mudaria o que o ChatGPT-User mostrou acima.
Verifique suas próprias páginas em dez minutos
Você não precisa de uma ferramenta para uma primeira olhada.
- Escolha três frases que importam na página: o título, um preço, um depoimento de cliente.
- Abra o código-fonte da página (não o inspetor de elementos, que mostra a página renderizada) e procure cada uma. Pelo terminal, rode curl na URL e use grep para encontrá-las.
- Desative o JavaScript para o site nas configurações do navegador e recarregue. O que sobra é mais ou menos o que esses crawlers recebem.
- Ignore banners de cookies, widgets de chat e pop-ups ausentes. Leve títulos, descrições de produto, preços, casos de clientes e perguntas frequentes para o HTML do servidor com renderização no servidor, geração estática ou pré-renderização.
- Se uma busca simples recebe um 403 enquanto seu navegador carrega a página, verifique sua CDN ou seu firewall. Outros quatro sites recusaram nosso crawler desse jeito. Deixamos esses sites de fora, porque um firewall que bloqueia um bot desconhecido pode ainda deixar passar crawlers de IA verificados.
Como o Proofsource lida com isso
O Proofsource roda essa verificação na página inicial e em até quatro páginas importantes de cada marca monitorada: uma busca simples que não roda scripts e respeita o robots.txt, contra uma cópia renderizada da mesma página. Ele mostra a parcela de palavras que a busca simples obteve, lista os blocos ausentes ao lado dos que leu e sugere correções para aquela página. Nossa própria página inicial teve pontuação 0% quando a verificamos em 4 de outubro. Uma busca simples obteve 9 das suas 2.416 palavras. O site agora é pré-renderizado, e uma busca simples da página inicial devolve o texto dela.
Onde isto pode estar errado
Nosso crawler não é o GPTBot. Ele se identifica como ProofBot, e um site que trata bots pelo nome pode servir algo diferente aos crawlers de IA. Os quatro sites que nos recusaram são o caso visível.
A separação entre perdas reais e alarmes falsos é a nossa leitura manual de amostras limitadas do texto ausente, e só lemos páginas com pontuação abaixo de 50%. Uma página pode ter pontuação de 78% e ainda assim ter perdido algo importante: uma página inicial com essa pontuação tinha perdido os passos de como funciona e a lista de integrações. Então 7 sites é um piso para páginas que perderam algo que importa. A regra de pontuação também tem ruído conhecido, como o código de imagens embutidas, que puxa as pontuações para baixo.
Conteúdo personalizado, como os anúncios do marketplace, pode variar entre visitantes. A leitura de cada site é a verificação mais recente entre 5 e 17 de outubro, e sites mudam. Os 72 sites são, na maioria, de empresas pequenas com workspaces no Proofsource, mais algumas marcas maiores que elas acompanham, e não uma amostra aleatória da web.
As evidências externas também são escassas: um estudo de 2024, o registro de um site de notícias e o relato de um desenvolvedor.
