Quando o Google já indexou praticamente toda a web aberta, por que alguém gastaria US$ 26 milhões para rastreá-la tudo de novo? Porque o usuário mais importante da busca está mudando de humanos para agentes de IA. A rodada seed da Keenable, a avaliação de US$ 2,2 bilhões da Exa e as reformulações das APIs de busca da Tencent e da Alibaba apontam para a mesma mudança: a busca por agentes está se tornando uma camada de infraestrutura autônoma. Quem se tornar a interface padrão para agentes se conectarem à web pode se tornar o próximo Google. Este artigo destrincha três mudanças estruturais por trás dessa reconstrução: para que a busca otimiza, como ela é precificada e como o valor é trocado.
Humanos Buscam Uma Vez, Agentes Buscam Cem Vezes
O ciclo humano é: consulta → página de resultados → clique → leitura, e uma sessão gera um punhado de consultas. O ciclo do agente é um ciclo de tarefa: Buscar → Obter → Ler → identificar lacunas → reescrever a consulta → verificar cruzadamente → Agir. Um agente de pesquisa executa dezenas de buscas para responder a uma única pergunta complexa; um agente de programação caça constantemente documentação recente, issues e changelogs; um agente de vendas pode verificar sites de empresas, notícias de investimentos, páginas de vagas e movimentações executivas ao mesmo tempo.
A busca não é mais um clique deliberado de um usuário; é um passo dentro de um ciclo de tarefa. Duas consequências se seguem. Primeiro, agentes não precisam de dez links azuis; eles precisam de contexto completo, atualizado, confiável e compacto o suficiente para raciocínio adicional. Segundo, o volume de buscas escala em ordens de magnitude: a Exa prevê que as buscas web iniciadas por agentes vão superar as humanas ainda este ano, e que o volume de buscas gerado por LLMs pode chegar a mil vezes o Google de hoje.
O Flywheel do Google Não Gira para Agentes
O fosso competitivo do Google é um flywheel de feedback construído sobre cliques humanos: ranquear → clique → satisfação → otimização. Agentes não clicam; eles leem páginas inteiras e agem. Taxa de cliques e tempo de permanência, métricas calibradas para comportamento humano, significam quase nada para um usuário máquina. Os novos alvos de otimização são recall, frescor, latência, QPS, legibilidade para máquinas, eficiência de tokens, proveniência e, acima de tudo: quanto custa de fato uma tarefa concluída.
Por cima disso, há um clássico dilema do inovador. Google e Microsoft estão ambos encolhendo suas APIs públicas de busca para proteger seus próprios produtos, deixando um vazio exatamente onde a infraestrutura para agentes precisa existir. Como observamos em nosso artigo anterior sobre a Keenable, Styskin é direto: fazer humanos deixarem o Google é quase impossível, mas em consultas de agentes, o gigante é batível.
De Custo por Busca para Custo de Busca por Tarefa Concluída
Agentes buscam muito, então a estrutura de custos muda. Uma tarefa com 100 buscas web: à tarifa da Keenable de US$ 4 por 1.000 requisições para desenvolvedores comuns, isso dá US$ 0,40 em chamadas de busca; à tarifa base da Exa de US$ 7, US$ 0,70. Em produção, você ainda soma fetch, processamento de páginas, contexto do modelo e tokens de raciocínio.
A unidade de competição do setor está mudando de custo por busca para custo de busca por tarefa concluída. A estrutura de cobrança do Alibaba Cloud OpenSearch mostra por quê: uma única busca web pode disparar uma reescrita de consulta por LLM, a filtragem de resultados consome tokens, e a API detalha os tokens de entrada e saída dos modelos de reescrita e filtragem. Uma única “busca” agora é um pipeline: compreensão da consulta → reescrita → recuperação → filtragem → montagem de contexto.
Daí a corrida armamentista pela eficiência de tokens. Agentes geralmente precisam de alguns trechos de uma página de 5.000 palavras, não do documento inteiro. Se a camada de busca remove anúncios, navegação e módulos de recomendação antes de enviar o contexto, ela economiza não só taxas de busca, mas também o custo de inferência a jusante. Uma nova cadeia de custos se forma: qualidade da busca → qualidade do contexto → consumo de tokens → custo do agente. Infraestrutura de busca e infraestrutura de modelos agora aparecem na mesma fatura. A virada da MiniMax para venda de tokens via API segue a mesma lógica: à medida que as chamadas de agentes disparam, quem tornar cada chamada mais barata dono do ponto de entrada é.
De Encontrar Documentos para Consultar a Web
O custo é apenas a primeira camada. A mudança mais profunda é que agentes talvez não queiram “busca” nenhum. Peça a um deles: “encontre empresas europeias de IA que levantaram Série A nos últimos seis meses, cujos fundadores vieram do Google e que estão contratando engenheiros de inferência.” Nenhuma página única responde a isso. Informações de investimento estão em notícias, históricos de fundadores em sites de empresas e no LinkedIn, status de contratação em páginas de carreiras. O agente precisa Buscar → Obter → Cruzar → Filtrar → Verificar.
A WebQueryLanguage em desenvolvimento na Keenable mira exatamente isso: combinar múltiplas fontes da web para responder perguntas que nenhuma página sozinha consegue. Sistemas de busca estão tentando transformar a web aberta de uma coleção de páginas em um dataset consultável por máquinas. Se isso se confirmar, o objetivo final da busca por agentes não é uma API do Google mais inteligente, mas algo como SQL para a web aberta: as páginas continuarão existindo, mas a página pode deixar de ser a unidade primária de conhecimento para máquinas.
Três Disputas Acontecendo Agora
Disputa um: a troca de valor quebrada. Por duas décadas, um acordo se manteve: sites deixavam o Googlebot rastrear, e o Google devolvia cliques e tráfego. Agentes podem ler dez sites, sintetizar uma resposta e agir, enquanto o usuário nunca abre a página original. Publicadores fornecem conhecimento, mas não recebem visitas, assinaturas nem receita de anúncios. O Pay Per Crawl da Cloudflare explicitou o conflito: sites podem se abrir para crawlers de IA gratuitamente, bloqueá-los totalmente ou cobrar. O paradoxo: quanto mais bem-sucedida é a busca por agentes, menos tráfego os sites recebem; quanto mais os sites restringem crawlers de IA, mais caros se tornam índices web independentes.
Disputa dois: segurança se torna percepção. O SEO tradicional moldava o que humanos veem; a busca por agentes molda o que máquinas acreditam e fazem. Uma página maliciosa que entra no contexto de um agente pode usar injeção indireta de prompt contra um agente com acesso a GitHub, e-mail, sistemas corporativos ou pagamentos — um erro de recuperação agora tem consequências operacionais. Proveniência, confiança e segurança estão se tornando métricas centrais de busca. Em certo sentido, a busca por agentes é a camada de percepção de um agente em relação ao mundo real.
Disputa três: a web fechada chinesa. Bocha e Xinliu disputam posições na API de busca para agentes; a API de busca conectada da Tencent (frescor em nível de minutos, latência de cerca de 300ms e um MCP voltado para agentes lançado em 24 de agosto) e o Alibaba Cloud OpenSearch estão adaptando capacidades de busca já existentes. Mas quase nenhuma startup chinesa trata “rastrear toda a web mais um índice independente de 100B” como seu fosso competitivo central. Grande parte da informação chinesa valiosa em tempo real vive dentro do WeChat, Xiaohongshu, Douyin, Zhihu e apps — não em uma web aberta uniformemente rastreável. Um índice de 100B não é o mesmo que enxergar a internet chinesa. Esse é o outro lado da moeda que exploramos em nossa análise do dilema da publicidade sem olhos: a atenção está mudando para novos campos de batalha.
Quem Vence: Três Fins de Jogo
Três rotas competem pela mesma posição — a interface padrão para agentes acessarem a web:
- Indexadores independentes (Exa, Keenable): apostam que um índice construído do zero pode se tornar barato e rápido. A tese mais pura, a mais cara de operar e exposta a bloqueios de publicadores.
- Incumbentes adaptados (Google, Microsoft, Tencent, Alibaba): possuem índices, ecossistemas de conteúdo e pontos de entrada em nuvem, mas o dilema do inovador faz com que hesitem em se canibalizar.
- Conectores de ecossistemas fechados (Bocha e Xinliu, na China): competem no acesso autorizado a conteúdo murado, onde licenciamento e relacionamentos com plataformas importam mais que algoritmos.
Para desenvolvedores e empresas: ① coloque o custo de busca por tarefa concluída nos modelos de custo de agentes, em vez do preço bruto da API; ② prefira fornecedores com extração de conteúdo eficiente em tokens e em nível de trecho; ③ trate proveniência como requisito de produção — citações rastreáveis são como você depura decisões erradas de agentes; ④ espere que o MCP se torne a superfície de integração padrão para busca. No curto prazo, os indexadores independentes vão capturar o crescimento de laboratórios de IA e plataformas de inferência. No médio prazo, quem cortar o custo por tarefa concluída em uma ordem de magnitude define essa camada de infraestrutura.
FAQ
Q1: Como a Keenable se diferencia de uma caixa de busca de IA como a Perplexity?
A1: A Perplexity é uma interface de busca de IA voltada ao consumidor, enquanto a Keenable e a Exa são infraestrutura de busca para agentes. Elas reconstruem rastreamento, indexação e recuperação do zero e as expõem via REST API, MCP Server e CLI — sem páginas de resultados, apenas contexto legível por máquinas.
Q2: A busca por agentes pode realmente substituir o Google?
A2: Para humanos, não tão cedo. Mas vai absorver o volume gerado por agentes: a Exa prevê que buscas de agentes superarão as humanas ainda este ano e podem chegar a mil vezes o Google de hoje. Mesmo que o Google continue servindo humanos, só o tráfego de agentes pode sustentar uma camada independente.
Q3: Por que a internet chinesa é um problema especial para a busca por agentes?
A3: A maior parte da informação chinesa em tempo real vive em ecossistemas fechados como WeChat, Xiaohongshu e Douyin, que não podem ser rastreados uniformemente. Na China, conectar ecossistemas fechados importa mais que o tamanho do índice; licenciamento e relacionamentos com plataformas são fossos mais difíceis que algoritmos.
