Bloquear bots de IA: como decidir, aplicar e validar

Bloquear bots de IA é configurar o site para que robôs de empresas de inteligência artificial deixem de acessar as páginas, com regras no robots.txt e, quando preciso, no firewall ou na CDN. A decisão trata separadamente robôs de treino e robôs de busca, porque bloquear os de busca tira o site das respostas daquela ferramenta.

Principais pontos do artigo

• Cada empresa de IA usa robôs diferentes para treino, para busca e para visitas pedidas pelo usuário, e cada um recebe uma regra própria.
• Obedecer ao robots.txt é voluntário: o Cloudflare registra isso na documentação, e a Perplexity informa que o Perplexity-User em geral ignora o arquivo.
• Bloquear o Google-Extended não tira o site da Pesquisa Google nem dos AI Overviews; esses recursos têm controles próprios.
• No Google, só um grupo do robots.txt vale para cada robô, então uma regra geral precisa ser repetida no grupo específico.
• A validação usa o relatório de robots.txt do Search Console, os logs do servidor e o painel da CDN.

O que significa bloquear bots de IA

Bloquear um bot de IA é impedir que um robô identificado de uma empresa de IA leia as páginas do site. O robots.txt faz o pedido aos robôs que respeitam o arquivo. O firewall ou a CDN recusa a requisição de fato, o que alcança também os robôs que não seguem o arquivo.

A documentação de OpenAI, Anthropic, Google e Perplexity, consultada em 14/10/2026, permite agrupar esses robôs em três funções:

• Treino: coletam conteúdo que pode entrar no treino de modelos. Exemplos: GPTBot, ClaudeBot e o token Google-Extended.
• Busca: leem páginas para mostrar e citar sites nas respostas com busca. Exemplos: OAI-SearchBot, Claude-SearchBot e PerplexityBot.
• Acesso pedido pelo usuário: visitam uma página quando alguém pede isso na conversa. Exemplos: ChatGPT-User, Claude-User e Perplexity-User.

Por causa dessa divisão, bloquear robôs de IA vira uma decisão de negócio. Fechar o acesso ao treino protege o conteúdo. Fechar a busca reduz a presença nas respostas, justamente o objeto do GEO, a frente que cuida da visibilidade em respostas de IA.

Antes de começar: requisitos

• Objetivo escrito: proteger conteúdo do treino, reduzir carga no servidor, sair das respostas de IA ou uma combinação delas.
• Acesso ao robots.txt: no WordPress, pelo plugin de SEO ou pelo arquivo na raiz do servidor.
• Acesso ao firewall ou à CDN: necessário para bloquear robôs que não seguem o robots.txt.
• Search Console verificado como propriedade de domínio: o relatório de robots.txt do Search Console só funciona em propriedades no nível do domínio.
• Logs do servidor ou painel da CDN: para ver quais robôs visitam o site antes e depois da mudança.

Como decidir o que bloquear

A decisão parte do objetivo e é tomada robô por robô. A tabela resume o efeito de cada escolha.

O valor de aparecer nas respostas de IA costuma ficar visível na analytics. Em diagnósticos da Studio Visual, é comum o tráfego vindo de ferramentas de IA converter acima do tráfego vindo do Google, e esse custo precisa entrar na conta antes de bloquear robôs de busca. A comparação entre as duas frentes está no artigo GEO vs SEO.

A recomendação da Studio Visual depende do que o site vende. Para site institucional e e-commerce, a gente recomenda bloquear os robôs de treino e deixar liberados os de busca e de acesso pedido pelo usuário, porque a citação nas respostas pode levar visita para a página de serviço ou de produto. Num portal de conteúdo que vive de audiência ou de assinatura, o bloqueio do treino pesa mais, e liberar ou não os robôs de busca é uma decisão editorial, tomada com o jurídico e a área comercial.

Bloquear bots de IA: passo a passo

1. Levante quem visita o site. Ferramenta: logs do servidor ou painel da CDN. No AI Crawl Control do Cloudflare, a tabela de robôs mostra nome, categoria, requisições, violações de robots.txt e ação, segundo a documentação do Cloudflare, atualizada em 28/07/2026.

2. Registre a decisão por robô. Ferramenta: planilha ou documento do projeto, com o objetivo, o robô, a regra e a data.

3. Escreva as regras no robots.txt. Ferramenta: editor do plugin de SEO ou editor de texto. Cada robô recebe um grupo próprio, como User-agent: GPTBot seguido de Disallow: /. Pela especificação do Google, atualizada em 31/08/2026, só o grupo mais específico vale para cada robô, e quem tem grupo próprio ignora o grupo geral.

4. Publique e confira. Ferramenta: navegador e Search Console. Abra o endereço /robots.txt numa janela anônima e veja no relatório de robots.txt se o Google já buscou a versão nova. Depois de uma mudança crítica, o relatório permite pedir novo rastreamento do arquivo.

5. Bloqueie no firewall o que não segue o arquivo. Ferramenta: painel da CDN. A documentação do robots.txt gerenciado do Cloudflare, atualizada em 08/10/2026, afirma que a obediência ao robots.txt é voluntária. No AI Crawl Control, o bloqueio cria uma regra de WAF; no plano gratuito, a detecção se baseia no user agent declarado pelo robô.

6. Aguarde o prazo de cada empresa. A OpenAI informa cerca de 24 horas para ajustar a busca, a Perplexity fala em até 24 horas, e o Google guarda o robots.txt em cache por até 24 horas.

Quanto tempo leva

O prazo total depende do levantamento dos robôs, da decisão com as áreas da empresa e da validação depois do prazo de cada fornecedor; a escrita das regras em si leva pouco tempo.

Como validar que deu certo

• Relatório de robots.txt do Search Console: status “Fetched”, data da última busca e nenhum erro na linha nova.
• Logs do servidor ou painel da CDN: o robô bloqueado para de pedir páginas ou passa a receber resposta 403.
• Coluna de violações de robots.txt no AI Crawl Control: mostra os robôs que continuam pedindo páginas mesmo com a regra publicada.
• GA4: sessões com origem chatgpt.com e de outras ferramentas, para conferir se o efeito foi o esperado.
• Bing Webmaster Tools: citações no relatório AI Performance, quando a decisão envolve o Copilot.

Se as citações caírem, comece pelas datas. Compare o início da queda com o histórico de alterações do robots.txt e das regras da CDN e, em seguida, com o calendário do site, porque depois de um período de base inflada a volta ao normal parece queda.

O que fazer quando dá errado

Fontes: Google, rastreadores comuns (atualizada em 14/07/2026), Google, recursos de IA (atualizada em 10/12/2025), OpenAI, rastreadores, Anthropic, central de ajuda e Perplexity, rastreadores, consultadas em 14/10/2026.

Vale fazer sozinho ou contratar

Em um site com poucos robôs nos logs, sem CDN e com uma decisão simples, como bloquear só o treino, dá para seguir os passos acima sem ajuda. Contratar faz sentido quando a decisão envolve áreas diferentes da empresa, quando existem CDN e firewall com regras próprias ou quando o site depende de tráfego vindo de respostas de IA.

O escopo de uma revisão de regras de robôs de IA cresce com o número de hosts e subdomínios, com a presença de CDN e firewall com regras próprias e com a quantidade de áreas que participam da decisão. A faixa de investimento sai desse levantamento.

Opinião

Ninguém fora das empresas de IA sabe quanto o bloqueio de um robô de treino pesa na forma como um modelo vai descrever uma marca meses depois. O efeito do robô de busca aparece em citação e em sessão; o do treino continua sem instrumento público de medida. No meu site, que funciona como laboratório público, o robots.txt separa treinamento, busca e agente, e acompanho as regras pelas categorias de bots da Cloudflare. Para clientes, recomendo o mesmo desenho: decidir robô por robô, registrar a data de cada regra e acompanhar logs, GA4 e Bing Webmaster Tools. Quem promete fórmula para aparecer ou sumir das respostas de IA está vendendo uma certeza que a documentação dos fornecedores não oferece.

Próximo passo

Com a decisão por robô registrada, as regras publicadas e a validação feita, a empresa sabe o que está protegendo e o que deixou aberto. Para revisar as regras do seu site junto com a presença nas respostas de IA, a página do serviço de GEO mostra como a Studio Visual conduz o diagnóstico.