llms.txt funciona? O que os estudos e as próprias plataformas dizem

Todo mês aparece um arquivo novo que promete resolver a visibilidade nas IAs, e o da vez é o llms.txt. A proposta faz sentido no papel: um arquivo de texto na raiz do site, em markdown, apontando o conteúdo mais importante para os modelos de linguagem lerem sem se perder no HTML. O problema não é a ideia, é o que se diz sobre ela. Enquanto agências vendem o arquivo como caminho para ser citado pelo ChatGPT, o Google afirma que não usa, nenhuma grande plataforma de IA declarou usar, e três estudos independentes mediram a mesma coisa: não há relação entre publicar o arquivo e ser citado. Este artigo mostra os números, as declarações oficiais e o que fazer com essa informação, incluindo o uso real que o arquivo tem.

O que é o llms.txt e por que ele foi proposto?

llms.txt é um arquivo de texto em markdown, colocado na raiz do site, que lista de forma organizada o conteúdo mais importante para um modelo de linguagem ler. A ideia é oferecer uma versão limpa do site, sem menu, anúncio e script, para o modelo montar contexto sem gastar espaço com o que não interessa.

A proposta tem autor e data: Jeremy Howard, da Answer.AI, publicou em 3 de setembro de 2024. O problema que ele queria resolver era concreto e continua real: a janela de contexto dos modelos é pequena para um site inteiro, e converter HTML sujo em texto aproveitável é trabalhoso e sujeito a erro. O cenário que ele descreve é o de documentação técnica, onde um assistente precisa consultar a referência de uma biblioteca rapidamente.

Repare no detalhe que se perdeu no caminho: a proposta nunca foi sobre ranquear na busca nem sobre ser citado pelo ChatGPT. Era sobre facilitar a leitura de documentação por agentes. A confusão entre esses dois objetivos é a origem de quase tudo o que se vende hoje sobre o assunto.

O que as plataformas dizem oficialmente?

Nenhuma grande plataforma de IA declarou que usa llms.txt para escolher o que citar. Não é interpretação nossa, é o estado das comunicações oficiais.

O caso mais direto é o do Google. Em janeiro de 2026, quando alguém notou que domínios do próprio Google serviam um llms.txt e perguntou se aquilo era endosso, John Mueller respondeu em uma frase que virou referência no setor: "I am tempted to say something snarky since this has come up so often, but to be direct, no". O arquivo tinha aparecido porque a plataforma de documentação usada pela empresa passou a gerá-lo automaticamente, e a Busca removeu o dela pouco depois.

Mais importante que uma resposta em rede social: o guia oficial do Google sobre otimização para os recursos de IA tem uma seção de mitos, e o llms.txt está nela pelo nome, ao lado de outras práticas que a empresa diz não fazer diferença, como fragmentar conteúdo em pedaços e reescrever texto especificamente para máquinas.

Nas outras plataformas o quadro é o mesmo, por omissão: a OpenAI documenta que o GPTBot respeita o robots.txt e não menciona llms.txt. A Anthropic publica um llms.txt na própria documentação, o que costuma ser citado como prova de adoção, mas não afirma em lugar nenhum que seus rastreadores usam o arquivo de outros sites para escolher fontes. Publicar não é ler.

O que acontece com o arquivo depois de publicado?

Aqui a discussão sai da opinião. Três levantamentos independentes, com metodologias diferentes, chegaram ao mesmo lugar.

O dado mais revelador do levantamento da Ahrefs não é o dos 97%, é outro: zero requisições de robôs de IA a llms.txt em sites que não têm o arquivo. Ou seja, eles não vão até lá conferir se existe. Um padrão que ninguém procura não é um padrão que alguém adotou.

E quando o arquivo é lido, quem lê raramente é o que se imagina. Entre as requisições registradas, a maior parte vem de rastreadores gerais e de ferramentas de desenvolvimento, com destaque para o GPTBot e para assistentes de código, e não de sistemas montando a resposta que o cliente final lê.

Por que tanta gente ainda vende isso?

Não é má-fé na maioria dos casos, é a combinação de três coisas. A primeira é que o arquivo parece a solução óbvia: se existe robots.txt para buscador, por que não haveria um equivalente para IA? A analogia é boa demais para ser descartada, mesmo sem ninguém do outro lado lendo.

A segunda é o custo. Gerar um llms.txt leva minutos e não quebra nada. Isso o torna um item perfeito para proposta comercial: entra na lista de entregas, soa moderno, custa quase zero para quem vende e não pode ser cobrado depois, porque o resultado prometido nunca teve prazo nem métrica.

A terceira é a mais compreensível: a angústia real de quem vê o tráfego cair com as respostas de IA e quer fazer alguma coisa. Já mostramos que, com resposta de IA no topo, o clique em resultado tradicional cai de 15% para 8% das buscas. Diante disso, um arquivo que promete resolver o problema em cinco minutos é atraente demais para ser questionado.

O sinal de alerta é simples: quando alguém apresentar o llms.txt como caminho para aparecer no ChatGPT, peça o estudo. Não a opinião de um artigo, o dado. Ele não existe, e três levantamentos apontam o contrário.

Onde o llms.txt realmente funciona

Descartar o arquivo por completo seria o erro oposto, e é aqui que a crítica precisa ser justa. O llms.txt funciona no cenário para o qual foi proposto: documentação técnica consumida por agentes de IA e assistentes de código.

Se o seu produto tem API, biblioteca ou documentação que desenvolvedores consultam com ajuda de assistentes, o arquivo poupa contexto e melhora a resposta que o agente dá sobre o seu produto. É por isso que empresas de tecnologia mantêm o arquivo nas páginas de documentação, e faz sentido: é comunicação entre máquinas dentro de um fluxo específico, não uma alavanca de visibilidade na busca.

Para um site de empresa que vende serviço ou produto para pessoas, esse cenário não existe. A pergunta que decide é direta: alguém vai apontar um agente de IA para a documentação do meu site? Se a resposta é não, o arquivo é decoração.

Então publico ou não publico?

Pode publicar, desde que ninguém trate isso como estratégia. É a lógica de um bilhete de loteria de graça: custa nada, pode ser que algum sistema passe a ler um dia, e enquanto isso não atrapalha. O que não pode é ocupar o lugar do que funciona, nem entrar numa proposta como se fosse entrega de valor. Aqui no site da CL3 o arquivo existe, gerado junto com o sitemap, e é exatamente com esse peso: custo zero, expectativa zero.

Se o objetivo é ser citado pelas IAs, o caminho medido é outro, e já detalhamos as verificações que importam nos artigos sobre GEO e AEO. Em ordem de impacto:

• Robôs de IA liberados no robots.txt. Este arquivo é lido, ao contrário do outro. Vários sistemas de gestão de conteúdo bloqueiam GPTBot e ClaudeBot por padrão sem avisar o dono, e bloqueio invisível zera qualquer chance de citação.
• Site indexado e elegível na busca comum. O Google descreve o próprio mecanismo: a IA recupera páginas do índice da busca para escrever a resposta. Não existe índice separado de IA, então quem não está indexado não é candidato.
• Domínio verificado no Bing. É o índice que alimenta o ChatGPT e o Copilot, e é a checagem que quase ninguém faz.
• Título em pergunta com resposta direta logo abaixo. É o formato que a máquina recorta, e o mesmo que ganha o featured snippet.
• Dado que só você tem. Medição própria, preço real, caso com número. O estudo acadêmico que fundou o GEO mediu até 40% mais presença em respostas para conteúdo com estatística e fonte citada.

Nenhum desses itens é tão rápido quanto criar um arquivo de texto. É exatamente por isso que eles funcionam e o arquivo não: o que separa quem é citado de quem não é continua sendo conteúdo que a máquina não encontra em outro lugar.

Quer saber como o seu site está nessas verificações? A análise gratuita da CL3 checa robôs de IA, indexação, Bing e estrutura de conteúdo em minutos, sem cadastro. E se quiser discutir estratégia de conteúdo que disputa resposta, e não só posição, fale com a gente pelo contato.