O Estado da Visibilidade em IA do SaaS B2B Português, 2026

Nota de leitura: medimos a fundo o SaaS B2B porque é o segmento onde temos dados primários robustos. O padrão de invisibilidade na IA aplica-se igualmente a negócios locais (clínicas, restauração, turismo, comércio de proximidade), só que aí o trabalho de visibilidade assenta em sinais distintos (Google Business Profile, reviews, NAP, schema LocalBusiness, diretórios locais). Sem dados públicos para o declarar com este rigor, evitamos extrapolar números, o método e o problema são reconhecidamente os mesmos.

Porque é que isto importa

Quando um comprador B2B pergunta a um assistente de IA, ChatGPT, Claude, Gemini, Perplexity, pela categoria de uma empresa, o modelo responde com uma curta lista de nomes. Estar (ou não) nessa lista é a nova primeira impressão. Este estudo mede duas coisas: se as empresas estão tecnicamente preparadas para serem lidas pela IA, e se de facto são recomendadas quando alguém pergunta.

Parte 1: Prontidão técnica

Auditámos, em cada site público, três sinais que tornam uma marca legível e citável pelos modelos.

• 96% (43 de 45) não tem qualquer política explícita para crawlers de IA (GPTBot, ClaudeBot, PerplexityBot, Google-Extended…) no robots.txt. As duas exceções permitem o acesso, quando há decisão, a direção é de abertura.
• 58% (26 de 45) não publica llms.txt.
• 58% (26 de 45) não expõe schema Organization estruturado, a identidade em dados estruturados que a IA usa para reconhecer quem é a empresa.

A leitura honesta: estas empresas não estão a bloquear a IA, estão a ignorá-la. O acesso está aberto por omissão, mas quase nenhuma tomou uma decisão deliberada, e a base de identidade estruturada falta em mais de metade.

Parte 2: Visibilidade real nos motores de IA

Para cada uma das 31 categorias, corremos a pergunta que um comprador faria, em quatro motores (ChatGPT, Claude, Gemini, Grok), 3 vezes cada. O critério é exigente e deliberado: uma empresa só conta como “aparece” se for recomendada de facto (não apenas mencionada de passagem) em pelo menos 2 das 3 corridas. Uma menção solta a meio de um parágrafo não conta como visibilidade.

Taxa de recomendação por motor:

• Claude: 40% das empresas são recomendadas (e é o motor que mais reconhece marcas portuguesas).
• ChatGPT (GPT-4o): 30%.
• Gemini: 29% (o mais internacional, tende a recomendar players globais).
• Grok: 29%.

A distribuição que conta (45 empresas, 4 motores):

• 29% (13) são recomendadas em todos os quatro motores, o núcleo visível.
• 56% (25 de 45) não é recomendada por nenhum dos quatro assistentes na sua própria categoria.
• 31% (14) são completamente invisíveis, a IA nem sequer as nomeia.

Citação: ~2% em todos os motores. Ver a nota metodológica, com pesquisa web desligada, os modelos respondem de memória (recall) e quase não citam fontes com link. Isto mede recomendação por reconhecimento, não citação com fonte.

Por categoria, onde se ganha e onde se perde

• 100% recomendadas: saúde/HR (Coverflex, Landing.jobs, Sword Health, Knok), a única categoria onde todas aparecem em todos os motores.
• Faturação/ERP: 60% · Contact center: 50% · Dev/segurança/dados: ~25%.
• Pagamentos: 11%, quase todas as fintechs portuguesas perdem o lugar para a Stripe e a PayPal.
• Indústria/operações: 7%, Glartek, AdaptTech, Nextbitt invisíveis; o lugar é da Fiix, UpKeep, MaintainX.
• Hotelaria/turismo: 0%, GuestCentric, Doinn e Bairro não aparecem em motor nenhum, apesar de serem marcas reais e ativas. O lugar é da Cloudbeds, SiteMinder e Mews. O ChatGPT confirmou o padrão: também 0% nesta categoria.

Quem a IA recomenda no lugar delas

Os players internacionais que ocupam o espaço, por categoria: Stripe (pagamentos), Cloudbeds / SiteMinder / Mews (gestão hoteleira), Fiix / UpKeep / MaintainX (manutenção industrial). Em quase todas as categorias, a marca portuguesa fica para segunda ou terceira frase, ou não aparece de todo.

O que isto significa

Cruzando as duas partes: a invisibilidade não é acaso. As empresas que não são recomendadas tendem a ser as que também não têm a base técnica, sem schema, sem política de IA, sem conteúdo extraível, e/ou marcas pequenas demais, com nome ambíguo, ou que pivotaram. A IA recomenda quem reconhece com confiança; o resto fica de fora, e o espaço é preenchido por marcas internacionais com presença e autoridade maiores. Para uma empresa de SaaS B2B portuguesa, não ser recomendada pela IA é, cada vez mais, não estar na decisão de compra.

Que os quatro motores, incluindo o ChatGPT, o mais usado, convirjam em números tão próximos (29-40% de recomendação) reforça que isto não é peculiaridade de um modelo: é um padrão transversal de como a IA, hoje, vê (ou não vê) o SaaS B2B português.

Isto não é um juízo de valor sobre estas empresas, várias são scale-ups e até unicórnios. É um diagnóstico de notabilidade aos olhos dos modelos: um problema técnico e editorial, não de qualidade do produto. E é resolúvel.

O que verificar hoje (4 perguntas)

1. robots.txt, tens uma decisão consciente sobre crawlers de IA? (Permitir é legítimo; não decidir é ficar à mercê do default.)
2. Schema Organization + sameAs, o teu site declara à IA quem és e liga os teus perfis?
3. llms.txt, tens um resumo legível para modelos? (Higiene, não garantia.)
4. És recomendado? Pergunta aos quatro assistentes pela tua categoria. Se não te veem, sabes onde estás.

Metodologia

• Amostra: 45 empresas de SaaS B2B com sede ou operação principal em Portugal, validadas como ativas em maio de 2026. Amostra de conveniência (não aleatória), de unicórnios a early-stage, em 31 categorias.
• Prontidão técnica: auditoria automática de robots.txt, llms.txt e JSON-LD de cada homepage.
• Visibilidade: 31 prompts de categoria × 4 motores (ChatGPT/GPT-4o, Claude Sonnet, Gemini Flash, Grok) × 3 corridas, via API. Critério “aparece” = recomendada efetivamente (não só mencionada) em ≥2/3 corridas. Respostas brutas gravadas com timestamp e modelo.
• Anonimização: reporta-se o agregado e exemplos positivos; nenhuma empresa é exposta negativamente por nome.

Limites (o que este estudo NÃO prova)

• Medição via API com web search desligado. Os modelos respondem por recalldo treino, não com pesquisa em tempo real, por isso a citação é ~2% (quase não citam links) e os resultados refletem o que o modelo “sabe”, não necessariamente o que o produto de consumo (ChatGPT.com, claude.ai) mostra com pesquisa ligada. Um motor com retrieval (ex.: Perplexity) daria um retrato diferente. Os quatro motores foram medidos no mesmo regime (OFF) para serem comparáveis entre si.
• “Sem política de IA” = ausência de decisão no robots.txt, não bloqueio.
• Amostra de conveniência (n=45), indicativa do segmento, não estimativa estatística do universo.
• O critério “recomendada vs mencionada” e a classificação de categoria envolvem julgamento documentado e replicável, com uma fronteira de critério.

Recursos relacionados

• Consistência da visibilidade em IA: serviços ao consumidor 2026 (84 marcas, sete sectores, sete motores, 2 205 respostas com pesquisa web activa): mede a consistência da recomendação entre motores. Universo e método distintos deste; números não directamente comparáveis.
• Barómetro: fortes no Google, invisíveis na IA (251 empresas B2B, 18 sectores): cruza a força no Google com a visibilidade na IA. Estudo distinto deste; números não directamente comparáveis.
• Consultoria GEO em Portugal: o panorama em 2026, página pilar com o enquadramento da categoria: o que distingue uma consultoria GEO, quem opera em Portugal, e cinco perguntas para avaliar um parceiro. Inclui FAQ e fontes.
• Como trabalhamos, auditoria gratuita de 30 min, diagnóstico GEO e retainer. Para quem reconheceu o problema no estudo e quer começar a atacá-lo.
• O que é o llms.txt e como criar o teu, um dos três sinais técnicos auditados no estudo. 58% das empresas não tem.
• Schema.org para SaaS B2B: o mínimo viável em JSON-LD, o sinal técnico que falta em 58% das empresas auditadas.
• Glossário GEO, definições de citation rate, share of voice, llms.txt, schema.org e outros termos usados no estudo.

Dataset público

Publicamos os agregados deste estudo em ficheiro aberto: a taxa de recomendação por motor, a distribuição de visibilidade e a taxa por categoria. É o suficiente para reproduzir os gráficos desta página.

Descarregar os agregados (CSV). Licença Creative Commons BY 4.0: pode reutilizar com atribuição a destaque.ai.

Sobre este estudo

Conduzido pela destaque.ai, consultoria de Generative Engine Optimization (GEO) para SaaS B2B, em Lisboa. Dados públicos e medições por API, recolhidos em maio de 2026. Metodologia e prompts disponíveis mediante pedido.

Dados publicados sob licença CC BY 4.0, podes reproduzi-los livremente, mantendo a atribuição a destaque.ai com link para esta página.

English abstract

The State of AI Visibility for Portuguese B2B SaaS, 2026. We audited 45 Portuguese B2B SaaS companies on two axes: the technical AI-readiness of their websites, and their actual visibility across four AI assistants (ChatGPT, Claude, Gemini, Grok). Findings: 96% have no defined policy for AI crawlers, and 56% are not recommended by any of the four engines when asked about their own category, only 29% surface as a genuine recommendation across all four. Where Portuguese brands are absent, international players (Stripe, Cloudbeds, UpKeep) take their place. A company “appears” only if recommended (not merely mentioned) in ≥2 of 3 runs. Measurement was via API with web search off, so results reflect model recall (~2% link citations), reported across four engines under the same regime. By destaque.ai, a Generative Engine Optimization consultancy in Lisbon. Methodology available on request.