Como corrigir informação errada que a IA fala sobre sua empresa

Se o ChatGPT, o Gemini ou o AI Overview do Google já citaram sua empresa com um preço que não existe mais, um serviço que você descontinuou, ou um dado que na real descreve um concorrente, a correção não é reclamar com a ferramenta — é descobrir qual fonte pública alimentou aquela resposta errada e publicar, nela ou no lugar dela, uma versão mais recente, mais completa e mais clara da informação certa. A IA não “decide” errar por conta própria: ela reflete a fonte mais forte que encontrou sobre o assunto, e se essa fonte está errada ou desatualizada, a resposta sai errada junto.

Isso é um problema diferente — e, em muitos casos, mais grave — do que a ausência total, quando a marca simplesmente não é mencionada (esse cenário está coberto em por que sua empresa não aparece no ChatGPT). Aqui a marca aparece, só que errada. Um cliente em potencial que recebe informação errada de uma IA em quem confia pode nem chegar a checar diretamente com você — ele já decide, ou desiste, com base numa informação que você nem sabia que estava circulando.

Os tipos de erro mais comuns (e por que cada um acontece)

Preço ou condição comercial desatualizada. Acontece quando uma matéria antiga, um comparativo de terceiros ou um perfil de rede social parado no tempo continua sendo a fonte mais “forte” disponível sobre o assunto — mesmo que sua tabela de preços tenha mudado há meses.

Serviço ou produto descontinuado, ainda recomendado. Um diretório do setor, uma avaliação antiga ou até o seu próprio site, se ele tiver uma página esquecida, continuam listando algo que você não vende mais.

Confusão com um concorrente de nome parecido. Quando duas marcas têm nome, categoria ou área de atuação parecidos, e a presença pública de uma é mais consistente do que a da outra, o modelo pode misturar as duas — atribuindo característica, avaliação ou até localização de uma pra outra.

Endereço, telefone ou horário de funcionamento errado. Geralmente vem de um cadastro desatualizado no Google Meu Negócio, de um diretório antigo, ou de uma unidade que mudou de endereço sem que a informação nova tenha alcançado as mesmas fontes que tinham a antiga.

Categoria ou nicho errado. Quando o cadastro público da empresa está numa categoria genérica ou equivocada, a IA entende que ela compete num universo diferente do real. Esse é o erro mais silencioso da lista — o dono do negócio geralmente nem sabe que existe, porque não é uma informação “errada” visível de cara, só uma classificação que distorce toda citação futura sem deixar rastro óbvio.

Por que reclamar com a ferramenta não resolve

O ChatGPT, o Gemini e o Perplexity não têm um canal de “correção de fato” pra empresas, do jeito que existe um canal de remoção de conteúdo indevido no Google. Mesmo que você consiga corrigir a resposta dentro de uma conversa específica, isso não muda nada pra próxima pessoa que perguntar a mesma coisa numa conversa nova — o modelo não “aprende” com uma correção pontual feita por um usuário qualquer durante uma conversa.

A única correção que persiste é a que muda a fonte. E cada tipo de ferramenta trata “fonte” de um jeito diferente, o que muda completamente o prazo de efeito:

• ChatGPT em modo padrão (sem busca ativada) responde com base no que foi processado durante o treinamento do modelo — um corte de conhecimento que fica parado por meses. Corrigir a fonte pública hoje não muda essa resposta específica até o próximo ciclo de treinamento do modelo.
• ChatGPT com busca ativada, Perplexity e Gemini com grounding no Google consultam a web em tempo real — nesses casos, corrigir a fonte pode refletir na resposta em poucos dias, assim que o conteúdo novo for rastreado e indexado.

Essa diferença de mecanismo explica por que a mesma correção pode “funcionar” rápido numa ferramenta e demorar meses em outra — e é o motivo pelo qual vale medir por ferramenta separadamente, não assumir que uma corrigiu todas (veja como testar isso no ChatGPT, Gemini e Perplexity).

O protocolo de correção, passo a passo

1. Diagnostique a informação errada com precisão. Rode a pergunta onde o erro apareceu em pelo menos duas ferramentas — idealmente uma com busca ao vivo (Perplexity) e uma sem (ChatGPT padrão) — e anote a informação exata que saiu errada. Não “a IA fala mal de mim”: algo específico e verificável, como “o ChatGPT disse que ainda oferecemos o plano X, descontinuado em março”.

2. Identifique a fonte provável. Ferramentas com busca ao vivo, como o Perplexity, costumam listar as fontes usadas na resposta — esse é o caminho mais direto. No ChatGPT padrão, sem essa lista disponível, o caminho é investigativo: pesquise a mesma informação errada no Google e veja o que aparece nas primeiras posições — geralmente é a mesma fonte que alimentou a resposta da IA, porque ambos tendem a puxar da informação mais bem posicionada e mais consistente disponível publicamente.

3. Corrija a fonte mais forte que você controla primeiro. Na maioria dos casos, isso é o próprio site — a página específica que contém a informação errada ou incompleta. Publique a versão corrigida com uma data de atualização visível (o schema Article, quando bem implementado, marca isso explicitamente no campo dateModified, o que sinaliza pra ferramentas com busca ao vivo que aquela é a versão mais recente disponível).

4. Corrija ou solicite correção nas fontes de terceiros que você não controla. Se o erro vem de um diretório do setor, atualize o cadastro diretamente (a maioria tem um painel de “reivindicar/editar” o perfil da empresa). Se vem do Google Meu Negócio, corrija pelo próprio painel — é provavelmente a fonte mais citada de todas pra dados como endereço, telefone e categoria. Se vem de uma matéria de veículo de imprensa, o caminho é mais lento: contato direto pedindo correção factual, sem garantia de resposta rápida — por isso vale priorizar sempre as fontes que você controla antes de depender de terceiros.

5. Garanta consistência entre todos os canais, não só o que você acabou de corrigir. Se o site diz uma coisa e o LinkedIn, o Google Meu Negócio ou um diretório dizem outra, o modelo continua tendo uma fonte divergente disponível — e não tem como saber qual das duas é a atual. Uma correção isolada, sem revisar os outros lugares onde a mesma informação aparece publicamente, tende a não resolver o problema por completo.

6. Re-teste depois de um intervalo compatível com a ferramenta. Ferramentas com busca ao vivo, teste em uma a duas semanas. O ChatGPT em modo padrão, sem busca, só reflete a correção depois de um novo ciclo de treinamento — não há como acelerar isso de fora, e vale acompanhar a cada atualização de modelo anunciada publicamente pela OpenAI.

Por que esse problema se agrava em redes de franquia

Numa rede de franquias ou negócio multi-unidade, o mesmo erro se multiplica: se a matriz tem dados consistentes mas uma unidade específica tem cadastro desatualizado no Google Meu Negócio (endereço antigo, telefone que não atende mais), a IA pode citar a marca certa com o dado errado da unidade errada — ou pior, citar uma unidade que já fechou como se ainda estivesse ativa. Como cada unidade normalmente tem seu próprio cadastro local, a superfície de erro possível é multiplicada pelo número de unidades, não é um problema único e centralizado. Isso torna a consistência de dados entre todas as unidades — não só da marca institucional — parte do mesmo trabalho de correção, um tema tratado com mais profundidade em SEO local para franquias e em reputação online para franquias.

Prevenção: como pegar o erro antes que ele custe uma venda

O protocolo de correção acima resolve um erro já identificado, mas a forma mais barata de lidar com informação errada é encontrá-la antes que um cliente em potencial a encontre primeiro. Isso não exige ferramenta paga: o mesmo processo de teste manual usado pra medir visibilidade — rodar de 8 a 10 perguntas reais de compra mensalmente em ChatGPT, Gemini e Perplexity — também serve como monitoramento de precisão, não só de presença. A diferença é o que você anota: além de “a marca apareceu ou não”, registre também “a informação usada estava certa”. Um erro pego no primeiro mês em que aparece custa uma correção pontual; o mesmo erro, não monitorado por seis meses, já pode ter influenciado dezenas de decisões de compra que nunca chegam a virar um lead rastreável.

Quando o erro é mais grave do que “só desatualizado”

Existe uma diferença prática entre uma informação simplesmente desatualizada (um preço antigo) e uma que ativamente prejudica a decisão de compra — por exemplo, a IA descrever a empresa como algo que ela não é, atribuir uma reclamação ou avaliação ruim de outro negócio, ou recomendar consistentemente um concorrente específico no lugar da sua marca usando um argumento que não é verdadeiro. Nesses casos, o protocolo é o mesmo, mas a prioridade muda: vale tratar como urgente, não como ajuste de rotina, porque cada dia com a informação errada no ar é uma decisão de compra potencialmente perdida com base em algo que nunca foi real.

O que fazer enquanto a correção não “pega”

Entre corrigir a fonte e a IA refletir a correção, existe uma janela — de dias a meses, dependendo da ferramenta — em que a informação errada continua circulando. Nesse período, vale considerar reforçar o canal onde você tem controle direto sobre a conversa com o cliente: se o time comercial ou de atendimento sabe que existe uma informação errada específica rodando nas IAs, ele pode antecipar e corrigir isso ativamente numa conversa de vendas, em vez de descobrir depois que um cliente já decidiu com base na informação errada. Não resolve o problema na origem, mas evita que ele custe uma venda enquanto a correção de fonte ainda não circulou.

Por que isso tende a ficar mais comum, não menos

Conforme mais gente pergunta pra uma IA antes de decidir uma compra, mais peso uma informação errada carrega — porque, diferente de uma busca no Google, onde a pessoa ainda vê vários resultados e pode formar a própria opinião, uma resposta de IA generativa costuma vir como uma síntese única, apresentada com confiança, sem o usuário necessariamente checar uma segunda fonte. Isso significa que o custo de uma informação errada não corrigida tende a crescer, não diminuir, à medida que mais decisões de compra passam por essa camada de busca — a mesma terceira busca (além do anúncio pago e do Google orgânico) descrita no guia completo de SEO para IA.

Perguntas frequentes

Dá pra pedir pro ChatGPT ou pro Gemini corrigir a resposta diretamente? Não de forma permanente — a correção dentro de uma conversa não muda o que o modelo responde pra outra pessoa depois. A correção real acontece na fonte.

Quanto tempo leva pra uma correção aparecer nas respostas de IA? Dias, em ferramentas com busca ao vivo. Meses, no ChatGPT em modo padrão, porque depende do próximo ciclo de treinamento.

É má-fé ou golpe quando a IA fala errado sobre minha empresa? Quase nunca — geralmente é só o reflexo de uma fonte pública desatualizada, sem nenhuma intenção por trás.

Preciso corrigir em todos os lugares de uma vez? Não, mas priorize a fonte mais forte primeiro — geralmente o próprio site, depois o Google Meu Negócio e os diretórios de maior autoridade no seu setor.