Brand Erasure (apagamento de marca) é a condição em que um assistente de IA satisfaz a necessidade do usuário sem exibir, citar ou transacionar com a marca cujo conteúdo, produto ou serviço sustenta a resposta. O termo foi cunhado por Marcos G. Figueira, da Fundação Getulio Vargas (FGV) e da Wyse Brand Intelligence, para nomear um risco que o marketing ainda não batizou — e que já redefine como a atenção chega às marcas.
Por Marcos G. Figueira · FGV & Wyse Brand Intelligence
Em março de 2025, o Pew Research Center acompanhou 68.879 buscas no Google feitas por 900 adultos nos Estados Unidos. Quando a busca gerava um AI Overview, os usuários clicavam em um resultado tradicional em 8% das vezes, contra 15% nas buscas sem o resumo. Em links dentro do próprio resumo de IA, o clique acontecia em 1% das vezes. E os resumos citavam três ou mais fontes em 88% dos casos.
Isso não é uma curva de cliques pior. É uma mudança de fase na forma como a atenção chega até as marcas.
O que é Brand Erasure?
Brand Erasure, ou apagamento de marca, é a condição em que um assistente de IA resolve a necessidade subjacente do usuário sem exibir, citar ou transacionar com a marca cujo conteúdo, produto ou serviço sustenta aquela resposta. A definição é operacional de propósito: não exige que o assistente distorça a marca nem tenha qualquer disposição contra ela. O apagamento é o que acontece quando a marca está ausente da experiência do usuário, mesmo presente no substrato de que o assistente se alimenta.
Por duas décadas, o buscador foi um índice que apontava o usuário para páginas onde o trabalho de persuasão de fato acontecia. A página era a unidade de competição. Agora a unidade é a resposta. O usuário recebe um retorno sintetizado, muitas vezes sem sair da tela do chat, e a marca aparece dentro dessa resposta — ou não aparece.
Um segundo movimento já está em curso, e é ele que deveria tirar o sono dos times de marca. Modelos de linguagem que usam ferramentas, agentes no estilo ReAct, APIs de uso de computador — sistemas autônomos que não param na resposta. Eles reservam o voo, enchem o carrinho, abrem o chamado, pedem o reembolso. A unidade de competição passa a ser a ação executada. A marca é selecionada, acionada, transacionada — ou não é.
Brand Erasure não é diluição, desintermediação nem invisibilidade
O termo precisa de fronteiras claras para não se confundir com conceitos vizinhos. Não é diluição de marca: diluição descreve o que o consumidor pensa da marca; o apagamento pergunta se o consumidor pensa na marca, de algum modo. Não é desintermediação clássica: a desintermediação removeu o intermediário, enquanto o apagamento insere um novo — um intermediário de IA capaz de esconder a marca com a mesma facilidade com que pode conectá-la.
Tampouco é invisibilidade algorítmica. A invisibilidade descreve um conteúdo que não aparece numa lista de resultados. O apagamento pode ocorrer depois que a marca aparece: a síntese parafraseia o conteúdo em prosa sem atribuição, ou um agente escolhe uma plataforma substituível no momento da ação. Brand Erasure é, portanto, um construto próprio — e é por isso que merece ser nomeado, ensinado e monitorado.
Como o Brand Erasure funciona? Três caminhos, em ordem crescente de gravidade
O apagamento opera por três mecanismos, cada um atrelado a uma etapa do procedimento do assistente.
Apagamento extrativo. O usuário faz uma pergunta de domínio fechado. O assistente extrai um dado do conteúdo da marca sem nomear a fonte. O consumidor recebe a informação; a marca entrega o valor e não fica com nada da atenção. É a forma mais branda, e a mais contínua com a desintermediação clássica do SEO.
Apagamento sintético. O usuário faz uma pergunta de domínio aberto. O assistente recupera várias fontes e produz uma síntese. O conteúdo da marca sobrevive — parafraseado — mas a atribuição não. A auditoria de Liu, Zhang e Liang (2023) sobre mecanismos generativos de busca em produção constatou que apenas 51,5% das frases geradas eram plenamente sustentadas por suas citações, e apenas 74,5% das citações sustentavam a frase associada. A lacuna não é aleatória. Conteúdo fácil de parafrasear é recombinado; conteúdo resistente à paráfrase mantém sua citação.
Apagamento agêntico. O usuário delega uma tarefa. O agente atende à necessidade no nível da categoria escolhendo uma plataforma substituível que pode não ter nenhuma relação com a marca que o usuário teria escolhido se fosse a parte ativa. A marca não é removida de uma página de resultados. Ela simplesmente nunca entra na ação.
Cada caminho tem sua própria defesa, e errar o diagnóstico sai caro. Táticas de AEO — proposições atômicas, marcação de schema — protegem contra o apagamento extrativo, mas não fazem nada contra o tipo agêntico. Uma plataforma com infraestrutura agêntica impecável ainda pode ser apagada mais acima, na resposta que decide se alguém vai delegar a ela em primeiro lugar.
Por que a teoria clássica de marca chega ao fim da estrada?
O Brand Equity Baseado no Consumidor, de Keller, foi a ideia mais fértil da teoria de marca nas últimas três décadas. Definiu o conhecimento de marca como uma rede de associações na memória do consumidor, organizada em consciência e imagem, variando em favorabilidade, força e singularidade.
Seu pressuposto fundamental é que os resultados de marca são mediados pela cognição do consumidor. O consumidor encontra a marca, recupera associações, avalia opções, escolhe. A cadeia de mediação passa pela memória humana.
Em mercados mediados por IA, existe uma camada adicional de mediação. O assistente recupera, avalia e escolhe em nome do usuário, apoiado em outro substrato — as representações latentes dos modelos de fundação, os grafos de entidades que ancoram a recuperação, os manifestos estruturados que as superfícies de máquina expõem. A memória do consumidor importa menos se a representação do assistente importa mais.
A tradução da teoria de brand equity para o substrato da IA é, no nível da estrutura, surpreendentemente direta. Uma associação de marca na memória do consumidor tem um nó, uma conexão, um peso. Uma associação de marca no espaço latente de um modelo de linguagem tem uma posição vetorial, uma distância até vetores de atributos, uma magnitude. A estrutura matemática é a mesma — um grafo, mais pesos, mais uma medida de similaridade. O que muda é de quem é o grafo.
Quando um usuário pede a um assistente “um tênis de corrida confiável e intermediário”, as marcas relevantes emergem por similaridade a {confiável, intermediário, corrida, tênis} no espaço latente. Se o vetor da sua marca se agrupa com “desconto” em vez de “confiável”, a perda de visibilidade acontece antes da recuperação, numa camada que a indústria de SEO historicamente ignorou. O trabalho de brand equity e o trabalho de search marketing, tratados por muito tempo como ofícios vizinhos, viram o mesmo ofício. A unidade de análise é a representação latente.
Como combater o Brand Erasure? A pilha de otimização: AEO, GEO, AgO
Os profissionais responderam com três siglas: Answer Engine Optimization, Generative Engine Optimization, Agentic Optimization. A imprensa especializada as trata como manuais separados. Não são. São três camadas do mesmo problema, cada uma mirando uma etapa diferente do procedimento do assistente.
AEO é a camada de extração. O alvo são consultas de domínio fechado — perguntas com uma única resposta correta, que pode ser extraída de uma passagem. A tática é a densidade proposicional: frases curtas e declarativas que amarram o dado ao nome da marca na mesma proposição. A métrica é a acurácia de extração de fatos.
GEO é a camada de síntese. O alvo são consultas de domínio aberto, em que o assistente constrói uma narrativa a partir de várias fontes. A unidade de competição é o mérito de citação. Duas alavancas subestimadas movem isso. Ganho de informação — a contribuição informacional marginal que sua fonte oferece em relação às outras recuperadas para a mesma consulta. Ancoragem definicional — o que ocorre quando sua marca introduz ou operacionaliza uma terminologia que se torna estrutural na resposta. A métrica é o share-of-citation.
AgO é a camada de ação. O alvo é a execução, não o texto. As táticas são de infraestrutura: manifestos publicados, schemas legíveis por máquina para produto, preço e estoque, endpoints idempotentes, autenticação de baixa latência, semântica de erro clara. A métrica é a taxa de execução do agente — a parcela de tarefas que um agente, ao tentar operar na sua superfície, conclui com sucesso.
A pergunta estratégica não é em qual camada investir. É qual camada está, neste momento, limitando o ritmo na categoria da marca. Categorias de reserva, pedido e agendamento estão presas ao AgO. Compras consideradas — software B2B, serviços financeiros, educação — seguem presas ao GEO. O AEO é universal, mas raramente decisivo sozinho.
Por que o Brand Erasure é assimétrico — e pune os desafiantes
Uma propriedade que vale estabelecer logo, porque condiciona tudo o que vem depois: o apagamento de marca é assimétrico.
Marcas estabelecidas, com forte presença no grafo de entidades — verbetes canônicos na Wikipedia, identificadores no Wikidata, reconhecimento estável de entidade nomeada entre os modelos de fundação —, são apagadas a taxas substancialmente menores que marcas desafiantes cuja distinção mora no texto publicitário e na identidade visual, e não em estrutura legível por máquina.
O legado do investimento em brand equity aparece no substrato da IA, mas só se o investimento foi indexado. Isso inverte a ortodoxia convencional da gestão de marca. Décadas de trabalho de marca que produziram um logotipo distintivo e um texto memorável criaram equity na memória humana. O mesmo trabalho pode não produzir nada no espaço latente se a marca nunca apareceu no corpus, nunca ancorou um termo de categoria, nunca construiu as relações no grafo de entidades que sustentam a recuperação.
A implicação para os desafiantes é dura: uma voz mais alta na economia do clique não é o mesmo ativo na economia da resposta. O novo ativo é a presença indexada.
Quais KPIs medem o Brand Erasure?
Os KPIs da economia do clique — sessões, taxa de cliques, taxa de rejeição, tempo na página — não estão errados. Eles respondem a uma pergunta que está se tornando periférica.
A taxa de cliques cede lugar ao share-of-citation: com que frequência a marca aparece nas respostas sintetizadas da sua categoria. A posição no ranking cede lugar à proximidade no embedding: onde a marca se situa no espaço latente em relação aos atributos da categoria. A densidade de palavras-chave cede lugar à ancoragem definicional: se os termos da marca se tornam estruturais nas respostas da categoria. A taxa de conversão cede lugar à taxa de execução do agente: se os agentes concluem tarefas com sucesso na superfície da marca. O volume de busca pela marca cede lugar ao grounding de entidade: se a marca tem representação estável e canônica nos grafos públicos de conhecimento.
Nenhum desses novos KPIs é exótico. Cada um pode ser medido com métodos de auditoria adaptados de toolkits existentes — auditorias de prestação de contas algorítmica, técnicas de sondagem de embeddings vindas da literatura sobre viés, protocolos de auditoria de resposta. A razão de ainda não serem padrão é organizacional, não técnica.
Duas respostas estratégicas: ancoragem semântica e controle de acesso
As respostas estratégicas ao apagamento se dividem ao longo de um eixo aberto e fechado.
A estratégia aberta é a ancoragem semântica. A marca opera como se todo documento público fosse dado de treinamento e todo termo que lhe importa fosse candidato à captura definicional. Publica suas metodologias sob rótulos nomeados. Semeia o vocabulário da sua categoria na literatura acadêmica, regulatória e setorial. Constrói relações no grafo de entidades por meio de co-menções de alta autoridade. O objetivo é tornar os termos da marca inseparáveis dos termos da categoria, de modo que a paráfrase não consiga retirar a marca da síntese sem quebrar o sentido.
A estratégia fechada é o controle de acesso agêntico. Dados premium, insights proprietários e inteligência competitiva ficam atrás de autenticação. Agentes que queiram acesso precisam se identificar e aceitar condições de atribuição. O risco dessa estratégia é também o seu mecanismo: ao forçar a identificação, a marca preserva sua identidade de fonte ao custo de presença no corpus. Para categorias em que o ativo é o insight proprietário — pesquisa financeira, analytics premium, dados regulados —, é uma troca defensável. Para categorias de conteúdo de commodity, é um jeito de desaparecer.
A maioria das marcas vai precisar das duas, em proporções que variam por ativo. Conteúdo aberto no topo do funil, onde o objetivo é presença no corpus e ancoragem definicional. Conteúdo fechado na base, onde o objetivo é forçar a identificação no momento da transferência de valor.
Por que agir agora? A janela temporal
O substrato em que os assistentes de IA operam é maleável agora, mais do que será daqui a cinco ou dez anos. Os corpora de treinamento dos modelos de fundação ainda estão sendo constituídos. Os grafos de entidades ainda estão sendo construídos.
As convenções de atribuição que vão endurecer em normas de mercado ainda estão sendo negociadas.
O trabalho de marca que se ocupa deste período tem chance de influenciar as convenções que vão emergir. O trabalho de marca que esperar as convenções se assentarem vai chegar depois do período em que poderia tê-las moldado.
O que a marca de fato possui
A conclusão que os profissionais tiram com mais frequência — construir para agentes em vez de para pessoas — está errada no mesmo formato em que “construir para mobile em vez de para desktop” estava errada uma década atrás. O público é plural por definição. Todo artefato que você publica tem ao menos dois leitores, e o leitor-máquina define as condições sob as quais o leitor humano chega a ler.
O que a marca possui, no fim, não é seu lugar na SERP, na resposta ou na ação. O que ela possui é sua representação no substrato que sustenta os três. Construa o substrato, e as formas de superfície viram um problema de distribuição. Pule essa etapa, e a marca se torna aquilo de que o assistente consegue prescindir — exatamente o desfecho que o conceito de Brand Erasure foi formulado para evitar.
FAQ
O que é Brand Erasure?
Brand Erasure, ou apagamento de marca, é a condição em que um assistente de IA satisfaz a necessidade do usuário sem exibir, citar ou transacionar com a marca cujo conteúdo, produto ou serviço sustenta a resposta. A marca entrega o valor, mas fica fora da experiência do usuário — mesmo estando presente nos dados que alimentam o assistente.
Quem cunhou o termo Brand Erasure?
O termo foi proposto por Marcos Figueira, pesquisador associado à Fundação Getulio Vargas (FGV) e à Wyse Brand Intelligence, em uma agenda de pesquisa sobre teoria de marca em mercados de IA agêntica. O objetivo foi nomear um risco estratégico que o cânone do marketing ainda não havia formalizado nem oferecido instrumentos para medir.
Qual a diferença entre Brand Erasure e diluição de marca?
São fenômenos distintos. A diluição descreve o que o consumidor pensa da marca quando suas associações enfraquecem. O Brand Erasure pergunta algo anterior: se o consumidor chega a pensar na marca. A diluição degrada a percepção; o apagamento remove a marca da percepção, porque a IA resolve a necessidade sem nunca exibi-la.
Brand Erasure é o mesmo que desintermediação?
Não. A desintermediação removeu o intermediário entre marca e cliente. O Brand Erasure faz o oposto: insere um novo intermediário — o assistente de IA — que pode tanto conectar quanto esconder a marca. O risco não é a ausência de mediação, mas uma mediação opaca, em que a decisão acontece longe da vista da marca.
Quais são os tipos de Brand Erasure?
São três, em ordem crescente de gravidade. O extrativo extrai um dado do conteúdo da marca sem citá-la. O sintético parafraseia o conteúdo em uma resposta sem atribuição. O agêntico ocorre quando um agente executa a tarefa escolhendo uma plataforma substituível, e a marca nunca entra na ação delegada.
O que são AEO, GEO e AgO?
São três camadas de otimização contra o apagamento. AEO (Answer Engine Optimization) protege a extração de fatos. GEO (Generative Engine Optimization) disputa a citação dentro de respostas sintetizadas. AgO (Agentic Optimization) garante que agentes consigam executar tarefas na superfície da marca. Não são manuais rivais: atuam em etapas diferentes do mesmo problema.
Como medir o Brand Erasure?
Por novos KPIs: share-of-citation (frequência da marca em respostas de IA), proximidade no embedding, ancoragem definicional, taxa de execução de agentes e grounding de entidade nos grafos públicos de conhecimento. Todos podem ser medidos com métodos de auditoria adaptados de toolkits existentes. A barreira para adotá-los é organizacional, não técnica.
Por que marcas desafiantes correm mais risco?
Porque o apagamento é assimétrico. Marcas estabelecidas têm presença estável em grafos de entidades — Wikipedia, Wikidata, reconhecimento entre modelos. Desafiantes carregam sua distinção em texto publicitário e identidade visual, que a IA não indexa bem. Na economia da resposta, voz alta não basta: o ativo decisivo é a presença indexada no substrato.
O que uma marca pode fazer agora para se proteger?
Combinar duas estratégias. A ancoragem semântica trata cada documento público como dado de treinamento e fixa o vocabulário da marca na literatura da categoria. O controle de acesso agêntico protege ativos proprietários atrás de autenticação com atribuição. A janela para influenciar as convenções emergentes ainda está aberta, mas vai se fechar à medida que os corpora se consolidam.
Referências
Figueira, Marcos G. (2026). Brand Erasure: A Research Agenda for Brand Theory in Agentic AI Markets. Fundação Getulio Vargas (FGV) & Wyse Brand Intelligence. Academia.edu | https://ssrn.com/abstract=6689681 | http://dx.doi.org/10.2139/ssrn.6689681
Figueira, Marcos G. (2026). From Information Retrieval to Agentic Action: A Framework for Brand Visibility in AI-Mediated Markets. Fundação Getulio Vargas (FGV) & Wyse Brand Intelligence. ResearchGate | http://dx.doi.org/10.2139/ssrn.6740079
Figueira, Marcos G. (2026) Brand Legibility: A Construct for Building Brand Equity in AI-Mediated Markets. Available at SSRN: https://ssrn.com/abstract=6782363 | https://doi.org/10.5281/zenodo.20414564