O debate em torno do llms.txt se tornou um dos tópicos mais polarizados na otimização web.

Alguns tratam o llms.txt como uma infraestrutura fundamental, enquanto muitos veteranos de SEO o descartam como um teatro especulativo. As ferramentas da plataforma sinalizam arquivos llms.txt ausentes como problemas do site, mas os logs do servidor mostram que os rastreadores de IA raramente os solicitam.

O Google até o adotou. Mais ou menos. Em dezembro, a empresa adicionou arquivos llms.txt em muitos sites de desenvolvedores e de documentação.

O sinal parecia claro: se a empresa por trás do padrão de mapa de site estiver implementando o llms.txt, isso provavelmente será importante.

Exceto que o Google o retirou de seus documentos para desenvolvedores de pesquisa em 24 horas.

John Mueller, do Google, disse que a mudança veio de uma atualização do CMS em todo o site que muitas equipes de conteúdo não perceberam que estava acontecendo. Quando perguntado por que os arquivos ainda existem em outras propriedades do Google, Muller disse eles não são “encontráveis ​​por padrão porque não estão no nível superior” e “é seguro presumir que eles estão lá para outros fins”, não para descoberta.

A pesquisa llms.txt

Queríamos dados, não debates.

Portanto, rastreamos a adoção do llms.txt em 10 sites de finanças, SaaS B2B, comércio eletrônico, seguros e cuidados com animais de estimação – 90 dias antes da implementação e 90 dias depois.

Medimos a frequência de rastreamento de IA, o tráfego de ChatGPT, Claude, Perplexity e Gemini e o que mais esses sites mudaram durante a mesma janela.

Os resultados:

• Dois dos 10 sites tiveram aumentos de tráfego de IA de 12,5% e 25%, mas llms.txt não foi a causa.
• Oito locais não registaram alterações mensuráveis.
• Um site diminuiu 19,7%.

As duas histórias de ‘sucesso’ não eram sobre o arquivo

O Neobank: crescimento de 25%

Esta plataforma bancária digital implementou o llms.txt no início do terceiro trimestre de 2025. Noventa dias depois, o tráfego de IA aumentou 25%.

Aqui está o que mais aconteceu naquela janela:

• Uma campanha de relações públicas em torno da sua licença bancária, com cobertura nas principais publicações nacionais.
• Páginas de produtos reestruturadas com tabelas de comparação extraíveis para taxas de juros, taxas e mínimos.
• Doze novas páginas de FAQ otimizadas para extração.
• Um centro de recursos reconstruído com novas informações e conceitos bancários.
• Problemas técnicos de SEO, como estruturas de cabeçalho, corrigidos.

Quando uma empresa obtém cobertura da Bloomberg no mesmo mês em que lança conteúdo otimizado e corrige erros de rastreamento, você não pode isolar o llms.txt como o impulsionador do crescimento.

A plataforma SaaS B2B: crescimento de 12,5%

Esta empresa de automação de fluxo de trabalho viu o tráfego aumentar 12,5% duas semanas após a implementação do llms.txt.

Momento perfeito. Caso encerrado. Exceto…

Três semanas antes, a empresa publicou 27 modelos de IA para download, abrangendo estruturas de gerenciamento de projetos, modelos financeiros e planejadores de fluxo de trabalho. Ferramentas funcionais, e não o marketing de conteúdo, impulsionaram o engajamento por trás do aumento.

O tráfego orgânico do Google para os modelos aumentou 18% durante o mesmo período e continuou subindo ao longo dos 90 dias que medimos.

Os mecanismos de pesquisa e os modelos de IA trouxeram à tona os modelos porque resolveram problemas reais e lançaram uma seção de site totalmente nova – não porque estavam listados em um arquivo llms.txt.

Os 8 sites onde nada aconteceu após o upload do llms.txt

Oito locais não registaram alterações mensuráveis. Um diminuiu 19,7%.

A queda veio de um site de seguros que implementou o llms.txt no início de setembro. A queda provavelmente não teve nada a ver com o arquivo.

O mesmo padrão apareceu em todos os canais de tráfego. Llms.txt não evitou o declínio nem criou qualquer vantagem.

Os outros sete sites – comércio eletrônico (suprimentos para animais de estimação, produtos domésticos, moda), SaaS B2B (tecnologia de RH, análise de marketing), finanças e cuidados com animais de estimação – todos documentaram seu melhor conteúdo existente em llms.txt. Isso incluía páginas de produtos, estudos de caso, documentos de API e guias de compra.

Noventa dias depois, nada mudou. O tráfego permaneceu estável. A frequência de rastreamento era idêntica. O conteúdo já estava indexado e detectável, e o arquivo não alterou isso.

Sites que lançaram conteúdo novo e funcional obtiveram ganhos. Os sites que documentaram o conteúdo existente não obtiveram ganhos.

Por que a desconexão?

Nenhum grande provedor de LLM se comprometeu oficialmente a analisar o llms.txt. Não é OpenAI. Não Antrópico. Não é o Google. Não Meta.

do Google Mueller disse claramente:

• “Nenhum dos serviços de IA disse que está usando llms.txt, e você pode dizer, quando olha os logs do servidor, que eles nem mesmo o verificam.”

Essa é a realidade. O arquivo existe. A defesa existe. A adoção pelas plataformas não demonstra isso (ainda!).

O argumento da eficiência simbólica (e seus limites)

O argumento mais forte para llms.txt é sobre eficiência. Markdown economiza tempo e tokens quando os agentes de IA analisam a documentação. Estrutura limpa em vez de HTML complexo com navegação, anúncios e JavaScript.

Vercel afirma que 10% de suas inscrições vêm do ChatGPT. Seu llms.txt inclui descrições contextuais da API que ajudam os agentes a decidir o que buscar.

Isso é importante – mas quase exclusivamente para ferramentas de desenvolvedor e documentação de API. Se o seu público usa assistentes de codificação de IA, como Cursor ou GitHub Copilot, para interagir com o seu produto, a eficiência do token melhora a integração.

Para comércio eletrônico que vende suprimentos para animais de estimação, cobertura explicativa de seguros ou SaaS B2B direcionado a compradores não técnicos, a eficiência do token não se traduz em tráfego.

llms.txt é um mapa do site, não uma estratégia

A comparação mais precisa é um mapa do site.

Os Sitemaps são uma infraestrutura valiosa. Eles ajudam os mecanismos de pesquisa a descobrir e indexar conteúdo com mais eficiência. Mas ninguém atribui o crescimento do tráfego à adição de um mapa do site. O mapa do site documenta o que existe; o conteúdo impulsiona a descoberta.

Llms.txt funciona da mesma maneira. Isso pode ajudar os modelos de IA a analisar seu site com mais eficiência se decidirem usá-lo, mas não torna seu conteúdo mais útil, confiável ou propenso a responder às dúvidas dos usuários.

Em nossa análise, os sites que cresceram cresceram porque:

• Ativos funcionais criados como modelos para download, tabelas de comparação e dados estruturados.
• Ganhou visibilidade externa por meio de imprensa e backlinks.
• Barreiras técnicas fixas como problemas de rastreamento e indexação.
• Conteúdo publicado otimizado para extraçãoincluindo perguntas frequentes e comparações estruturadas.

Llms.txt documentou esses esforços. Isso não os motivou.

O que realmente funciona

Os dois sites de sucesso mostram o que importa:

• Crie ativos funcionais e extraíveis. A plataforma SaaS criou 27 modelos para download que os usuários poderiam implantar imediatamente. Os modelos de IA surgiram porque resolveram problemas reais, não porque estavam listados em um arquivo markdown.
• Conteúdo da estrutura para extração. O neobanco reconstruiu páginas de produtos com tabelas de comparação com taxas de juros, taxas e mínimos de conta. Estes são os dados que os modelos de IA podem obter diretamente nas respostas, sem interpretação.
• Corrija primeiro as barreiras técnicas. O neobank corrigiu erros de rastreamento que bloqueavam conteúdo há meses. Se os modelos de IA não conseguem acessar seu conteúdo, nenhuma documentação ajuda.
• Obtenha validação externa. A cobertura da Bloomberg e de outras publicações importantes gerou tráfego de referência, pesquisas de marca e provavelmente influenciou a forma como os modelos de IA avaliam a autoridade.
• Otimize de acordo com a intenção do usuário. Ambos os sites responderam a perguntas específicas: “melhores modelos de gerenciamento de projetos” e “como as taxas de juros (de marca) se comparam?” Os modelos revelam conteúdo que mapeia o que os usuários estão perguntando, e não conteúdo meramente bem documentado.

Nada disso requer llms.txt. Tudo isso gera resultados.

Você deve implementar um arquivo llms.txt?

Se você é uma ferramenta de desenvolvedor onde os assistentes de codificação de IA são o principal canal de distribuição, então sim – a eficiência do token é importante. Seu público já utiliza agentes para interagir com a documentação.

Para todos os outros, trate o llms.txt como um mapa do site: infra-estrutura útil, não uma alavanca de crescimento.

É uma boa prática ter. Não vai doer. Mas a hora gasta na implementação do llms.txt geralmente é melhor gasta reestruturando páginas de produtos com dados extraíveis, publicando ativos funcionais, corrigindo problemas técnicos de SEO, criando conteúdo de perguntas frequentes ou ganhando cobertura da imprensa.

Essas táticas mostraram um ROI real na descoberta de IA. Llms.txt ainda não – pelo menos ainda não.

A lição não é que llms.txt seja ruim. É que estamos buscando o controle em um sistema onde as regras ainda não estão escritas. Llms.txt oferece esse conforto: algo concreto, acionável e familiar, no formato dos padrões da web que já conhecemos.

Mas parecer uma infraestrutura não é o mesmo que funcionar como uma infraestrutura.

Concentre-se no que realmente funciona:

• Crie conteúdo útil.
• Estruture-o para extração.
• Torne-o tecnicamente acessível.
• Obtenha validação externa.

Plataformas e formatos mudarão. Os fundamentos não.