LLMs.txt vs Robots.txt: O Guia Completo de Otimização para Crawlers de IA
Richard • May 07, 2026
Atualizado por
Atualizado em Mar 18, 2026
O Google substituiu o First Input Delay (FID) pelo Interaction to Next Paint (INP) como uma Core Web Vital em 12 de março de 2024. O FID mediava apenas o atraso do navegador antes de processar a primeira interação do usuário. O INP mede o tempo total desde qualquer interação do usuário — clique, toque ou pressionamento de tecla — até a primeira resposta visual na tela, em todas as interações durante uma sessão, relatando a pior. O INP é mais difícil de passar: mais de 30% dos sites móveis ainda falham no limiar. Mais importante ainda, em 2026, as pontuações ruins de INP afetam mais do que os rankings orgânicos. A responsividade da página influencia diretamente a rastreabilidade pelos crawlers de IA — incluindo o GPTBot e o PerplexityBot — e os sinais de experiência do usuário que prevêm a elegibilidade para citações de IA. Este guia explica FID vs INP de forma completa e conecta a otimização do INP à camada de visibilidade de busca de IA que a Dageno AI monitora.
Ambas as métricas medem a responsividade do site — como uma página reage às ações do usuário. Ambas são baseadas em interações reais dos usuários: nem o FID nem o INP são registrados se um usuário abrir uma página e ler sem clicar, tocar ou pressionar uma tecla. Você não pode medir qualquer uma delas de forma confiável em ambientes de laboratório puros recarregando uma página; você precisa simular interações reais para gerar pontuações.
Isso as distingue tanto do LCP (Largest Contentful Paint) quanto do CLS (Cumulative Layout Shift), que são capturados automaticamente no carregamento da página, independentemente do comportamento do usuário.
O FID mede apenas a primeira interação do usuário — o atraso antes que o navegador comece a processar o primeiro clique, toque ou pressionamento de tecla após o carregamento da página.
O INP coleta dados sobre todas as interações durante toda a sessão, e então relata a pior interação única — aquela que levou mais tempo para produzir uma resposta visível. O Google aplica uma exceção: se uma página tiver 50 ou mais interações em uma sessão, o único maior outlier é ignorado, evitando que eventos catastróficos raros distorçam a pontuação. Para a maioria das páginas com menos de 50 interações por sessão, a interação mais longa se torna a pontuação do INP.
Exemplo prático de como o INP atualiza durante uma sessão:
O FID mede apenas o atraso de entrada — o tempo desde uma ação do usuário até quando o navegador começa a processá-la. O tempo de processamento do navegador e a renderização visual da resposta não estão incluídos no FID.
O INP mede a duração total da interação: atraso de entrada + tempo de processamento + atraso de apresentação — o tempo até que a primeira alteração visual do quadro apareça na tela após a ação do usuário. O INP relata o tempo total que o usuário espera para ver que algo aconteceu.
Isso torna o INP uma medida fundamentalmente mais completa da qualidade da interação. Uma página que começa a processar uma interação rapidamente, mas leva 800ms para atualizar visualmente, pode passar no FID (delay de entrada rápido) enquanto falha no INP (duração total da interação lenta).
A transição do FID foi parcialmente impulsionada pelo fato de que a maioria dos sites já havia alcançado boas pontuações de FID — a métrica havia se tornado insuficientemente discriminatória. Mais de 90% dos sites estavam passando no FID tanto em dispositivos móveis quanto em desktops, tornando-o um referencial pobre para diferenciar a qualidade da interação na web.
O INP é significativamente mais difícil de passar. Mais de 30% dos sites móveis ainda falham no limite de INP, fornecendo um sinal de diferenciação mais significativo e um verdadeiro alvo de otimização para a maioria da indústria.
O escopo do FID, que se limita apenas à primeira interação, pode produzir uma imagem enganosa da experiência do usuário. Uma página que responde instantaneamente ao primeiro clique, mas se torna progressivamente menos responsiva à medida que o usuário interage mais — talvez devido à execução do JavaScript acumulado em uma página interativa pesada — mostraria um excelente FID enquanto entrega uma experiência real pobre.
O INP, ao medir todas as interações e relatar a pior, reflete o que os usuários realmente experimentam ao longo de seu tempo na página — fazendo dele um proxy mais preciso para a responsividade percebida pelo usuário.
| Pontuação | Classificação |
|---|---|
| 200ms ou menos | Bom |
| 201ms–500ms | Precisa de melhorias |
| Mais de 500ms | Ruim |
Uma boa pontuação de INP exige que cada interação durante uma sessão seja concluída dentro de 200ms desde a ação do usuário até a resposta visual. Isso é significativamente mais exigente do que o FID, onde apenas o delay de entrada da primeira interação precisava ser rápido.
Em 2026, a otimização de Core Web Vitals tem implicações além das classificações orgânicas que não estavam presentes quando o FID foi introduzido.
De acordo com a análise de crawlers de maio de 2025 da Cloudflare, o GPTBot cresceu para 7,7% de toda a fatia de mercado de crawlers (subindo de 2,2% em maio de 2024, +305%) e o PerplexityBot cresceu 157.490% a partir de uma presença mínima. Juntamente com o ClaudeBot e outros crawlers de IA, o tráfego de bots de IA agora representa uma fração significativa e crescente da atividade total de crawlers.
Os crawlers de IA não executam JavaScript. GPTBot, ClaudeBot e PerplexityBot consomem apenas HTML estático. Pesos pesados de JavaScript que produzem pontuações de INP ruins — porque bloqueiam a thread principal, atrasam o processamento de eventos ou criam tarefas longas que impedem atualizações visuais oportunas — também são os pesos mais propensos a tornar seu conteúdo invisível para crawlers de IA. A mesma otimização de JavaScript que melhora o INP para usuários reais também reduz a carga de renderização que causa aos crawlers de IA receber conteúdo vazio ou malformado.
Isso cria um alinhamento direto: corrigir os problemas de JavaScript que causam pontuações de INP ruins também melhora a acessibilidade do crawler de IA que determina se as plataformas de IA podem indexar e, posteriormente, citar seu conteúdo.
A distinção crítica: INP é principalmente uma métrica de Monitoramento de Usuário Real (RUM). Testes de laboratório podem simular interações, mas as pontuações de INP no Google Search Console refletem padrões de comportamento do usuário real que não podem ser totalmente replicados em testes sintéticos.
Otimizar o INP melhora os sinais de experiência do usuário que contribuem para a autoridade da página — e a autoridade da página é um dos preditores de elegibilidade para citação de IA. Mas uma vez que seu desempenho técnico esteja otimizado, você ainda precisa de uma camada dedicada para saber se essa otimização está se traduzindo em citações reais de IA.
Dageno AI fornece essa camada de medição — rastreando o desempenho de citação da marca em ChatGPT, Perplexity, Google AI Overviews, Google AI Mode, Gemini, Claude, Grok, Microsoft Copilot, DeepSeek e Qwen simultaneamente de um único painel.
Onde a otimização do INP aborda o que acontece quando crawlers de IA visitam seu site (qualidade de renderização do JavaScript, acessibilidade do conteúdo), a integração do grafo de conhecimento do Dageno AI aborda o que as plataformas de IA dizem sobre sua marca quando o fazem — garantindo que o conteúdo que suas páginas otimizadas e de bom desempenho contêm seja caracterizado de forma precisa nas respostas geradas por IA.
A conexão é sequencial: bom INP → melhor acesso do crawler de IA → maior probabilidade de indexação de IA → Dageno AI monitora se as páginas indexadas ganham citações de IA → alinhamento do grafo de conhecimento garante que essas citações sejam precisas.
Preços: Plano gratuito disponível. Planos pagos escalam com o volume de prompts e frequência de monitoramento.
Ainda devo me preocupar com o FID após a mudança para o INP?
O FID não afeta mais as avaliações do Core Web Vitals no Google Search Console ou sinais de classificação. Monitorá-lo não é mais necessário. No entanto, como o FID sempre foi um subconjunto do INP (o componente de atraso na entrada), otimizar o INP abordará naturalmente quaisquer problemas de FID que possam ter existido.
O INP é um fator de classificação?
Sim — o INP faz parte dos Core Web Vitals, que o Google usa como um sinal de classificação na avaliação da experiência da página. Não passar no INP não garante quedas de classificação, mas o Google confirmou que os Core Web Vitals são um sinal de desempate quando outros fatores de classificação são semelhantes entre as páginas.
O que causa pontuações baixas de INP?
A maioria das pontuações baixas de INP se deve a longas tarefas de JavaScript na thread principal que atrasam o processamento de eventos, scripts de terceiros pesados que interferem no manuseio de interações ou atualizações complexas do DOM que atrasam a renderização visual. A mesma otimização que reduz esses problemas — divisão de código, adiamento de JavaScript não crítico, redução do bloqueio da thread principal — também melhora a acessibilidade ao conteúdo para rastreadores de IA.
Ye Faye is an SEO and AI growth executive with extensive experience spanning leading SEO service providers and high-growth AI companies, bringing a rare blend of search intelligence and AI product expertise. As a former Marketing Operations Director, he has led cross-functional, data-driven initiatives that improve go-to-market execution, accelerate scalable growth, and elevate marketing effectiveness. He focuses on Generative Engine Optimization (GEO), helping organizations adapt their content and visibility strategies for generative search and AI-driven discovery, and strengthening authoritative presence across platforms such as ChatGPT and Perplexity
Read full bio