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 marcas 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%, as marcas portuguesas da categoria ficam invisíveis; o lugar é da Fiix, UpKeep, MaintainX.
• Hotelaria/turismo: 0%, nenhuma das marcas portuguesas medidas aparece 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, tem uma decisão consciente sobre crawlers de IA? (Permitir é legítimo; não decidir é ficar à mercê do default.)
2. Schema Organization + sameAs, o seu site declara à IA quem é e liga os seus perfis?
3. llms.txt, tem um resumo legível para modelos? (Higiene, não garantia.)
4. É recomendado? Pergunta aos quatro assistentes pela sua categoria. Se não o veem, sabe onde está.

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 setores, sete motores, 2 205 respostas com pesquisa web ativa): mede a consistência da recomendação entre motores. Universo e método distintos deste; números não diretamente comparáveis.
• Barómetro: fortes no Google, invisíveis na IA (251 empresas B2B, 18 setores): cruza a força no Google com a visibilidade na IA. Estudo distinto deste; números não diretamente 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 seu, 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 das 45 empresas pelos quatro escalões de visibilidade, e a taxa por categoria. É o suficiente para reproduzir os gráficos desta página. A medição empresa a empresa não é publicada, porque as 45 empresas são identificáveis e este estudo compromete-se a não as expor por nome.

Descarregar os agregados (CSV). Licença Creative Commons BY 4.0: pode reutilizá-los 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, pode 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.