Sala de imprensa

WebMCP, ACP, AP2, A2A e Web Bot Auth: em que ponto estão realmente as normas que permitem a um agente agir no seu site.

O que está mesmo documentado sobre citação por IA: nosnippet, max-snippet, a remoção do FAQPage e os números que não têm qualquer fonte.

Os seis ficheiros e sinais que os agentes de IA leem realmente no seu site: robots.txt, schema.org, sitemap.xml, llms.txt, /.well-known/ e IndexNow.

Vê uma página completa; o agente recebe um ficheiro HTML em bruto. O que as medições públicas dizem realmente sobre a execução de JavaScript pelos crawlers de IA, e como

Crawlers de treino versus fetchers do momento da resposta: que user-agents bloquear, quais permitir, e um robots.txt de exemplo para 2026.

Alojar os próprios agentes de IA só compensa acima de cerca de 5 milhões de tokens por dia face aos modelos frontier — e 195 milhões face às API de

O ponto de aprovação de um agente de IA define-se por duas variáveis: reversibilidade da ação e dano em caso de erro. Quatro padrões de aprovação, o ecrã que funciona

Testar um agente de IA não é teste de software nem benchmark de modelos. Conjunto de casos reais, medição a quatro níveis, regressão a cada alteração e monitorização em produção.

A Rule of Two da Meta, um modelo de permissões em quatro camadas e a lista de ações que um agente de IA nunca deve executar sozinho.

Modelo, ferramentas, memória e controlo: os quatro componentes de um agente de IA empresarial, o ciclo de execução e a checklist antes do primeiro agente.

Encaminhamento entre modelos, cache e processamento em lote reduzem uma fatura de inferência em 60 a 80 por cento. Seis alavancas por retorno sobre o esforço.

95 por cento dos pilotos de GenAI não produzem retorno mensurável. O que medir mesmo, um piloto de seis semanas e quando o encerrar.

Por posto, por utilização ou por resultado: os três modelos, a estrutura híbrida que vence e como mudar de preço sem queimar a base de clientes.

Construir ou comprar não é binário. Cinco caminhos, três lentes que decidem e a camada de abstração a montar no primeiro dia.

O custo dos tokens é uma linha em sete. A conta completa do custo de propriedade de uma funcionalidade LLM: repetições, embeddings, avaliação, monitorização, supervisão humana e infraestrutura — e

Com uma componente de IA o critério de aceitação passa a ser uma eval: conjunto de dados etiquetado, função de pontuação e limiar. As quatro componentes e seis secções a

Dados públicos e internos: sim. Confidenciais: só com cláusulas de não treino e não retenção. Restritos: nunca num prompt. Os quatro níveis de classificação explicados.

Uma base de conhecimento RAG empresarial assenta em quatro camadas: fontes selecionadas, divisão dos documentos, pesquisa híbrida com reordenação e permissões aplicadas na recuperação. Plano a 90 dias.

Quatro métricas medem a visibilidade nos motores de resposta de IA: taxa de menção, taxa de citação, quota de voz e exatidão. Search Console, GA4 e um painel de prompts