Panorama de Visibilidade em IA Eleições 2026

O que este panorama é, e o que não é

A amostra até agora

Execuções acumuladas

4.245

de 08/09 a 25/10

Respostas totais

3.381

execuções com texto, nos três motores

Execuções por dia

93

31 prompts em 3 motores

Fontes consultadas

34.358

acumulado reconstruído

Fontes citadas

13.539

acumulado reconstruído

Domínios totais

983

acumulado da série

A série começou em 8 de setembro de 2026 e soma 48 dias de coleta. Ela acompanha os dois turnos: o primeiro, em 4 de outubro, e o segundo, em 25 de outubro, confirmado pelo TSE em 5 de outubro.

A última coleta foi feita na manhã de 25 de outubro, com a última execução às 07h28, antes do fim da votação. O TSE anunciou a reeleição de Lula na mesma noite (nota do TSE). Nenhuma resposta desta série foi coletada depois do resultado.

3.1Estados da página

3.2Visão do período

Esta tabela analisa os principais indicadores da série separados pelos estados da página, do preliminar ao segundo turno. O objetivo é mostrar o que mudou entre as fases da eleição com a mesma base de prompts e o mesmo horário de coleta. Na prática, serve para ler a série inteira de uma vez e localizar em que fase cada comportamento mudou.

Como medimos

Os mesmos prompts, todos os dias, sem histórico de usuário.

4.1Motores monitorados

• ChatGPT
• Gemini
• AI Overview do Google

4.2Fontes cruzadas

• TSE
• Ahrefs
• SEMrush
• Google Trends
• VeroRank

4.3A base de prompts

A base cresce ao longo da série, e nenhum prompt sai depois de entrar. Os prompts conversacionais são formulados em linguagem natural, como um eleitor escreveria a um assistente. Os derivados de busca são palavras-chave reais, enviadas sem alteração de texto, usadas para cruzar demanda e ativação.

A tabela completa da base, com cluster, origem, versão e desempenho de cada prompt, está em Base de prompts.

4.4Composição por status de versão

4.5Cobertura da coleta

Esta tabela analisa, dia a dia, quantas execuções eram esperadas e quantas de fato aconteceram em cada motor, e declara o motivo de cada lacuna. O objetivo é tornar a falha de coleta visível antes de qualquer leitura de resultado. Na prática, serve para saber quais dias podem entrar numa comparação e quais só valem como contagem própria, evitando que uma lacuna operacional seja lida como mudança de comportamento.

4.6Efeito da reformulação do prompt

Prompts que obtinham pouca ou nenhuma resposta do resumo generativo foram reformulados, e os derivados passaram a rodar ao lado dos reescritos. As duas versões são executadas no mesmo dia, nos mesmos motores, o que deixa a formulação como única diferença entre elas.

Esta tabela analisa pares de prompts em que um enunciado original ganhou uma reformulação, comparando ativação, número de respostas e tamanho do texto entre as duas versões, nos mesmos dias e nos mesmos motores. O objetivo é isolar o efeito da formulação, mantendo tudo o mais constante. Na prática, serve para mostrar quanto da resposta de um motor depende da forma da pergunta, e não só do assunto, o que pesa na leitura de qualquer comparação entre prompts.

Base de prompts

Cada prompt tem um comportamento próprio, e a média da base esconde isso.

As métricas desta página agregam a base inteira. Aqui cada prompt aparece isolado, com o que o cadastro registra sobre ele e o que a série mediu. É possível filtrar por cluster de intenção, por origem, por versão e por estágio, e ordenar por identificador, ativação, respostas geradas, tamanho da resposta e volume da palavra-chave.

Esta tabela analisa cada prompt da base isoladamente, com cluster, origem, versão, ativação, respostas geradas, tamanho típico e volume da palavra-chave, com filtros e ordenação. O objetivo é permitir a leitura individual que a média da base esconde. Na prática, serve para investigar casos: por que um enunciado aciona sempre e outro nunca, e o que muda quando a formulação muda.

Ecossistema de fontes

Em que a inteligência artificial se apoia para falar da eleição?

Boa parte dos domínios que o ChatGPT lê nunca aparece como fonte citada.

Taxa de aproveitamento (ChatGPT)

10,4%

dia 04/10 · conferido

Fontes invisíveis

401

lidas pelo ChatGPT e nunca citadas · de 983 domínios

Citações registradas

13.539

em 34.358 consultas · acumulado

No acumulado da série, os motores registraram 34.358 consultas a fontes e 13.539 citações. Só o ChatGPT registra leitura sem citação: no Gemini e no AI Overview, toda fonte consultada é também citada. Por isso a taxa de aproveitamento é medida só no ChatGPT, que citou 13,5% do que leu no acumulado. No fluxo diário, ela ficou em 11,7%, 11,2%, 15,4%, 17,5%, 15,3%, 13,1%, 12,9%, 16,4%, 13,9%, 16,3%, 13,6%, 12,1%, 13,0%, 12,3%, 11,8%, 13,0%, 14,8%, 16,6%, 12,5%, 15,1% e 10,4% nos 21 dias conferidos em que o ChatGPT executou a base inteira. Dos 983 domínios observados, 401 foram lidos pelo ChatGPT e nunca creditados por nenhum motor, o que dá 41%.

Os intervalos retidos não entram nesta conta: 09/09, fluxo não confere, 03/10, fluxo não confere. Um valor de fluxo diário só é publicado quando o incremento do painel confere com a contagem de fontes dos arquivos de coleta do mesmo dia.

O último painel foi exportado em 29/10/2026, depois do fim da coleta, e cobre de uma vez os 21 dias de coleta desde o painel anterior. O incremento confere com a soma das fontes registradas nesses dias, mas não tem valor diário e fica fora da série de fluxo. No intervalo inteiro, o ChatGPT citou 13,5% do que leu.

6.1Leitura e crédito por motor

Esta análise separa, motor a motor, o que cada sistema lê e o que credita como fonte, no mesmo acumulado usado no restante da seção. O objetivo é mostrar que o número consolidado mistura comportamentos opostos: um motor que lê muito e credita pouco, e dois que creditam tudo o que registram como lido. Na prática, serve para ler a taxa de aproveitamento e as fontes invisíveis como fenômenos de um motor específico, e não do conjunto.

6.3Fluxo diário do painel

Esta tabela analisa o painel de fontes dia a dia, com domínios, citações e consultas acumuladas, o incremento de cada dia e a taxa de aproveitamento do ChatGPT, publicada apenas quando o incremento confere com a coleta. O objetivo é medir quanto do que o motor lê vira citação, e garantir que nenhum valor seja publicado sem conferência. Na prática, serve para dimensionar a distância entre ser lido e ser creditado, e para mostrar quando o dado não é confiável o suficiente para virar número.

6.4Natureza das fontes

Esta tabela analisa a distribuição das citações por tipo de fonte, como órgão oficial, jornalismo, enciclopédia colaborativa, rede social e agregador. O objetivo é descrever de que tipo de conteúdo os motores se alimentam ao responder sobre a eleição. Na prática, serve para avaliar a base informativa das respostas sobre a eleição: quanto vem de órgão oficial e de jornalismo, e quanto vem de fontes sem responsabilidade editorial.

6.5Dinâmica do ecossistema

Esta tabela analisa, por dia de coleta, quantos domínios distintos os motores citam, quanto os dez maiores concentram, o índice de concentração com o número equivalente de domínios, e a rotação em relação ao dia anterior. O objetivo é medir se o conjunto de fontes é amplo e estável ou estreito e volátil. Na prática, serve para dimensionar em quantas fontes a informação eleitoral se apoia de fato: o núcleo que sustenta a maior parte das citações mostra a concentração, e a rotação indica quanto do restante é ruído de um dia só.

Nos dias completos, o número de domínios citados por dia vai de 58 a 74 com 25 prompts na base e de 34 a 91 com 31 prompts na base. A contagem de domínios acompanha o volume de citações, e o volume subiu com a expansão da base, por isso os dois períodos não se comparam diretamente. Os dez maiores levam de 57% a 72% das citações de cada dia. O índice HHI fica entre 448 e 1.111: as citações se distribuem como se fossem de 9 a 22 domínios de mesmo tamanho.

A rotação é alta: de 24% a 66% dos domínios citados num dia não apareciam no dia anterior, e ela vem quase toda de domínios citados uma única vez. 9 domínios aparecem em todos os 46 dias completos e levam 53% das citações. O núcleo estável é pequeno e sustenta a maior parte do que os motores citam.

6.6Camadas de recorrência

Esta tabela analisa quantos domínios sustentam a cobertura conforme se afrouxa a exigência de presença, comparando a camada que exige aparecer em todos os dias completos com a que admite falta ocasional. O objetivo é corrigir um defeito do critério de presença total, que é monotônico: uma única ausência elimina o domínio em definitivo, e a métrica encolhe com o tempo mesmo sem mudança de comportamento. Na prática, serve para dimensionar o conjunto de fontes que sustenta a informação eleitoral de forma recorrente, que é maior do que o núcleo estrito sugere e menor do que a lista completa de domínios citados.

6.7Núcleo e cauda das fontes

Esta tabela analisa a forma da distribuição das citações ao longo de toda a série, e não de um dia isolado, mostrando quantos domínios distintos são necessários para sustentar cada fatia do total de citações e quantos aparecem uma única vez. O objetivo é separar o núcleo estável de fontes, que reaparece todos os dias, da cauda que entra uma vez e não volta, algo que os índices de concentração diários não distinguem. Na prática, serve para saber em quantos veículos a informação eleitoral realmente se apoia quando se olha a série inteira: o núcleo é pequeno e previsível, e a cauda é grande e não se repete.

6.8Proximidade da fonte com a origem

Esta tabela analisa a distância entre o domínio citado e quem originou a informação, em níveis que vão do órgão oficial até o agregador. O objetivo é distinguir a fonte que produz o dado daquela que apenas o repassa. Na prática, serve para avaliar a qualidade da fundamentação das respostas: quanto mais longe da origem, maior a chance de a informação chegar ao eleitor alterada ou sem crédito a quem a produziu.

24% das citações vêm dos três níveis mais próximos da origem, somando Justiça Eleitoral, outros órgãos públicos e produtores primários não estatais. O jornalismo, que reporta informação de terceiros, concentra 51%.

O contraste entre citação e consulta reaparece nos níveis mais distantes. Obra colaborativa e guias recebem 6% das citações contra 12% das consultas. Rede social e vídeo ficam em 11% contra 13%. São fontes lidas mais do que creditadas.

Integridade de atribuição

Nem toda citação aponta para quem produziu o conteúdo.

Citação via intermediário

0

crédito vai ao host de passagem

Consulta via intermediário

1

conteúdo alcançado por espelho ou proxy

Sobre o total de URLs da série

0,0%

1 de 4.898

7.1Exposição ao formato de passagem

Esta tabela analisa as citações e consultas que chegam por endereço de passagem ou por espelho, em vez de apontarem direto para quem produziu o conteúdo. O objetivo é medir quanto do crédito de fonte fica com um intermediário técnico. Na prática, serve para entender por que um veículo pode ser lido e não aparecer como fonte, e para orientar a checagem de atribuição antes de concluir que houve perda de crédito.

Como os motores executam

A taxa de ativação muda pouco de um dia para o outro. Os prompts que ativam mudam muito.

Ativação do AI Overview

26%

8 de 31 prompts em 25/10

Faixa na série

6% a 84%

em 48 dias

Prompts que alternam

24 de 25

ativaram em alguns dias e não em outros

Menção ao TSE que muda em 24 horas

14% a 38%

das combinações de prompt e motor, em 44 intervalos

Em 48 dias, o AI Overview gerou resumo para 6% a 84% dos prompts. Por esse número, o motor parece estável. Prompt a prompt, não é: dos 25 que estão na base desde o primeiro dia, só 0 ativaram em todos os dias e 1 em nenhum; os outros 24 alternaram. De um dia para o outro, entre 14% e 38% das combinações de prompt e motor mudaram a situação da menção ao TSE. Uma medição de um dia só descreve aquele dia; presença em IA se mede em série.

8.1Matriz de ativação por prompt

Este gráfico analisa, célula a célula, se o AI Overview gerou resumo para cada prompt em cada dia da série, com os prompts em colunas e os dias em linhas. O objetivo é mostrar que a ativação não é uma média: ela é estável para alguns enunciados, ausente para outros e alternante para um terceiro grupo. Na prática, serve para identificar quais perguntas recebem resumo generativo de forma estável e quais dependem de fatores que mudam de um dia para o outro.

Acionam sempre

0

0% da base estável

Nunca acionam

1

4% da base estável

Alternam

24

96% da base estável

A classificação acima considera as 25 prompts presentes em todos os dias. Outros 6 entraram na base depois do início da série e ainda não têm histórico suficiente para serem classificados.

acionounão acionouidentificadores marcados abaixo: prompts que trocaram de estado ao longo da série

8.2Ativação por cluster de intenção

Esta tabela analisa a frequência de ativação do resumo generativo por cluster de intenção, ou seja, por aquilo que o eleitor quer obter ao perguntar. O objetivo é testar se o tipo de intenção explica a ativação melhor do que o volume de busca. Na prática, serve para mostrar em que tipo de pergunta o eleitor tende a receber um resumo gerado por IA, porque intenções diferentes acionam o recurso com frequências diferentes.

8.3Ativação por volume da palavra-chave do prompt

Esta tabela analisa a ativação do resumo generativo contra o volume mensal de busca da palavra-chave ligada a cada prompt, apenas para os prompts com demanda observada. O objetivo é verificar se existe um piso e um teto de demanda que expliquem quando o recurso é acionado. Na prática, serve para calibrar expectativa: volume alto não garante ativação, e a formulação da pergunta pesa junto com a demanda.

O piso deixou de ser absoluto: 6 das 6 palavras com até 2.600 buscas mensais já acionaram o resumo generativo ao menos uma vez.

O teto não é explicado só pelo volume. Prompts que partem da mesma palavra-chave, com volume de 17.000 buscas, acionaram 26 e 27 vezes ao longo da série. A formulação do prompt pesa junto com a demanda.

A taxa média de 44% é a média de uma distribuição de dois polos. 0 prompts acionam o resumo generativo em todos os dias e 1 não acionam em nenhum, entre as 25 presentes em toda a série. As outras 24 alternam, e é delas que vem a variação diária.

8.4Assistente conversacional e resumo generativo

Esta tabela analisa a diferença de comportamento entre os assistentes conversacionais e o resumo generativo, que respondem em ambientes distintos, com regras distintas de recuperação e de exibição. O objetivo é impedir que os três motores sejam lidos como equivalentes. Na prática, serve para não tratar como equivalentes experiências diferentes: responder numa conversa e resumir acima dos resultados de busca envolvem fontes e formatos diferentes.

Os dois ambientes trocam cobertura por disciplina. O resumo generativo responde em 43% das execuções, mas nunca derivou de idioma, nunca declarou limitação e nunca pediu esclarecimento. Os assistentes conversacionais respondem em 98%, e é neles que se concentram a deriva, a ressalva e o pedido de esclarecimento.

O resumo generativo também cita domínio oficial com mais frequência, 52% contra 51%. Quando decide responder, ele se ancora mais na fonte institucional.

8.5Nomear o TSE não é citar o TSE

Duas taxas distintas, calculadas sobre as respostas de cada motor em cada dia.

Nos dias em que cada motor executou a base inteira, a taxa de menção e a taxa de citação do TSE ficaram em: AI Overview, 65% e 52%; Gemini, 39% e 41%; ChatGPT, 76% e 61%. Multiplicadas pela ativação, reproduzem as taxas sobre prompts monitorados do painel da plataforma.

taxa de menção e taxa de citação do TSE. Dias: os últimos 7 dias completos. Média ponderada pelas respostas de cada dia, só nos dias em que o motor executou a base inteira; o Consolidado soma as respostas dos três motores nos dias em que os três executaram a base inteira.

Consolidado: menção e citação

Este gráfico acompanha, dia a dia, as duas taxas do Tribunal Superior Eleitoral no Consolidado, que soma as respostas dos três motores. A taxa de menção é a proporção das respostas que nomeiam o TSE no texto; a taxa de citação é a proporção das respostas que registram o domínio oficial do tribunal entre as fontes. O objetivo é mostrar, na mesma escala, a distância entre ser nomeado e ser creditado como fonte. Na prática, serve para ver se essa distância se manteve, abriu ou fechou ao longo da série.

proporção das respostas com conteúdo de cada dia. Lacuna na linha é dia em que o motor não executou a base inteira, no Consolidado, dia em que algum dos três motores não executou; nenhum valor é interpolado. Passe o cursor sobre um ponto para ver o dia e a taxa. A linha tracejada marca a primeira coleta depois do resultado do 1º turno.

Taxa de menção (TSE) por motor

Este gráfico acompanha, dia a dia, a taxa de menção do TSE em cada motor: a proporção das respostas que nomeiam o tribunal no texto, sobre as respostas com conteúdo do motor naquele dia. O objetivo é separar o comportamento de cada motor, que o Consolidado mistura. Na prática, serve para identificar qual motor sustenta a presença do nome da instituição nas respostas e em que momento ela mudou.

proporção das respostas com conteúdo de cada dia. Lacuna na linha é dia em que o motor não executou a base inteira; nenhum valor é interpolado. Passe o cursor sobre um ponto para ver o dia e a taxa. A linha tracejada marca a primeira coleta depois do resultado do 1º turno.

Taxa de citação (TSE) por motor

Este gráfico acompanha, dia a dia, a taxa de citação do TSE em cada motor: a proporção das respostas que registram entre as fontes o domínio tse.jus.br ou um de seus subdomínios. O objetivo é medir quando o motor credita o tribunal como origem da informação, e não apenas o nomeia. Na prática, lido ao lado do gráfico da taxa de menção, mostra em qual motor nomear e citar andam juntos e em qual se separam.

proporção das respostas com conteúdo de cada dia. Lacuna na linha é dia em que o motor não executou a base inteira; nenhum valor é interpolado. Passe o cursor sobre um ponto para ver o dia e a taxa. A linha tracejada marca a primeira coleta depois do resultado do 1º turno.

8.6Divergência entre motores

Este gráfico analisa, dia a dia, quanto cada par de motores compartilha do mesmo conjunto de fontes citadas, usando apenas dias completos. O objetivo é medir se os motores leem o mesmo ecossistema ou ecossistemas distintos. Na prática, serve para dimensionar o quanto o eleitor recebe bases de informação diferentes conforme o motor que consulta: quanto menor a sobreposição, menos as fontes de um motor valem para os outros.

proporção do conjunto compartilhada por cada par, só em dias completos

Nenhum par de motores compartilha mais de 33% das fontes em nenhum dia. O par AI Overview e ChatGPT chegou a 0,05, ou seja, menos de 6 fontes em comum a cada cem distintas. Quem consulta um motor e quem consulta outro está lendo ecossistemas quase disjuntos.

8.7Divergência de candidaturas entre motores

Este gráfico analisa, dia a dia, quanto cada par de motores compartilha do mesmo conjunto de candidaturas citadas, na mesma escala de comparação usada para as fontes. O objetivo é verificar se a divergência entre motores está em quem eles nomeiam ou em que fontes eles leem. Na prática, serve para dimensionar o risco de um eleitor receber recortes diferentes conforme o motor consultado, e para mostrar em qual das duas camadas essa diferença nasce.