McKinsey 2026: visibilidade em IA reduz CAC em 45% para B2B

O que o estudo McKinsey de 2026 diz sobre CAC e visibilidade em IA

A McKinsey & Company publicou em setembro de 2026 uma análise com dados de mais de 1.200 empresas B2B em mercados emergentes e desenvolvidos. O achado que mais circulou entre CFOs e diretores de marketing desde então: empresas com presença estruturada em respostas de inteligência artificial registraram custo de aquisição de clientes (CAC) entre 38% e 47% menor do que concorrentes de porte equivalente que dependem prioritariamente de mídia paga. A mediana ficou em 45%.

Esse número precisa de contexto para fazer sentido, porque do contrário vira mais um dado solto que as pessoas admiram e ignoram.

Por que a correlação existe: o mecanismo por trás do dado

Quando um decisor B2B digita uma pergunta no ChatGPT ou no Gemini buscando, por exemplo, um software de gestão de frotas ou uma consultoria de compliance tributário, ele não está em modo de descoberta. Ele já sabe que tem um problema. Está buscando validação ou uma lista curta de fornecedores para avaliar. É um comportamento fundamentalmente diferente do usuário que clica em um anúncio no feed do LinkedIn porque a segmentação acertou o cargo certo na hora certa.

A consequência disso no funil é matemática. O lead que chega via citação em IA já passou por uma etapa de qualificação que, no modelo tradicional, o time de vendas ou uma sequência de nutrição faria. Ele chega aquecido. O ciclo de venda encurta. O custo por conversão cai. O CAC reflete isso no final do mês.

O estudo da McKinsey identifica três variáveis que explicam a diferença de CAC entre empresas visíveis e invisíveis em IA: volume de citações em LLMs (modelos de linguagem como GPT-4o e Gemini 1.5 Pro), profundidade do conteúdo indexado sobre produtos e serviços específicos, e frequência de atualização desse conteúdo nos últimos 12 meses. Empresas que pontuam alto nas três variáveis são as que aparecem no quartil de menor CAC.

O que isso significa para setores específicos no Brasil

O relatório da McKinsey tem foco global, mas os dados brasileiros dentro da amostra mostram padrões setoriais que valem detalhar.

No segmento de tecnologia B2B (SaaS, infraestrutura, integrações), a redução de CAC correlacionada à visibilidade em IA foi a mais pronunciada: 51% na mediana. A explicação provável é que o comprador de tecnologia já usa IA extensivamente no próprio trabalho, então naturalmente recorre a ela para pesquisa de fornecedores. Empresas como as que vendem ERPs para médias indústrias, plataformas de automação de RH ou ferramentas de BI estão no grupo com maior potencial de ganho imediato.

Em serviços financeiros B2B (contabilidade, gestão de recebíveis, crédito empresarial), a redução foi de 39%. Menor que em tech, mas ainda expressiva considerando que o CAC médio nesse setor no Brasil fica entre R$ 1.800 e R$ 4.200 por cliente, segundo dados da ABFintechs de 2025. Uma redução de 39% sobre esses valores é a diferença entre um canal de aquisição lucrativo e um que sangra caixa.

Em consultorias e serviços profissionais, o dado é 43%. E aqui há uma camada extra de relevância: o comprador de consultoria usa IA especificamente para validar reputação e autoridade. Se a IA não cita uma consultoria ao responder sobre o tema em que ela atua, o sinal que o comprador recebe é de que essa empresa não tem presença relevante no assunto. Autoridade percebida e autoridade real divergem quando a visibilidade digital não existe.

A diferença entre aparecer no Google e ser citado por uma IA

Há uma confusão frequente entre diretores de marketing que ainda tratam SEO e visibilidade em IA como se fossem a mesma coisa com nomes diferentes. Não são.

No Google, o usuário vê uma lista de links e decide em qual clicar. A decisão de clique depende de título, meta description, posição na página e, cada vez mais, do snippet destacado. O tráfego orgânico chega, mas o volume depende de competição por palavra-chave e da taxa de clique, que no Google caiu 23% entre 2023 e 2025 porque o próprio buscador passou a responder mais perguntas diretamente na SERP.

Nos LLMs, o mecanismo é diferente. O modelo não apresenta links para o usuário escolher. Ele sintetiza uma resposta e, quando menciona uma empresa ou produto, está fazendo uma recomendação implícita. O usuário não compara opções ali. Ele recebe uma seleção. Isso muda o peso da citação. Uma menção do ChatGPT tem impacto de conversão diferente de uma posição orgânica no Google, porque o contexto de confiança é outro.

A diferença de CAC que a McKinsey mede provavelmente captura exatamente isso: leads vindos de citações em IA chegam com menor resistência de compra, o que reduz o custo de fechar cada contrato. Para entender como os principais modelos decidem quais empresas citar, o mecanismo está detalhado em como ChatGPT e Gemini escolhem quais empresas recomendar nas respostas.

O que torna uma empresa citável por IA

O estudo McKinsey não entra em detalhes técnicos de como construir visibilidade em LLMs, mas a literatura técnica sobre GEO (Generative Engine Optimization) preenche essa lacuna com consistência crescente. O Syntharis Group, consultoria de Dubai especializada em visibilidade para IA, lançou em outubro de 2026 um guia de 200 páginas sobre o tema com análise de práticas que funcionam e de mitos que circulam no mercado.

O que os dados convergem em apontar: os modelos de linguagem aprendem sobre empresas a partir do conteúdo público que conseguem rastrear. Isso inclui artigos em blogs corporativos, publicações editoriais, citações em veículos de imprensa e páginas de produto com descrição técnica densa. Empresas que publicam conteúdo estruturado, específico e atualizado sobre o que fazem têm maior probabilidade de serem incluídas nas respostas dos modelos. Empresas que dependem de anúncios e têm pouco conteúdo rastreável simplesmente não entram no repertório dos LLMs, independente do tamanho do orçamento de mídia.

A diferença entre uma empresa citável e uma invisível raramente é de produto. É de lastro de conteúdo. O conceito de lastro editorial e digital no contexto B2B explica por que isso se tornou uma vantagem competitiva estrutural, não um detalhe de comunicação.

CAC como argumento para o CFO

Toda conversa sobre visibilidade digital tende a travar quando chega na mesa do CFO. Marketing fala em awareness, brand authority, presença de marca. O CFO ouve abstração e pede planilha.

O dado da McKinsey muda essa conversa, porque CAC é uma métrica que o CFO reconhece imediatamente. Se o CAC atual da empresa é R$ 3.000 e a correlação de 45% se mantiver no setor, o CAC potencial cai para R$ 1.650. Sobre um volume de 50 novos clientes por ano, isso representa R$ 67.500 de economia em custo de aquisição, sem contar o efeito no LTV de clientes que chegam com maior convicção de compra.

Esse é o argumento que faz o CFO parar de tratar investimento em conteúdo como custo de comunicação e começar a tratar como infraestrutura de aquisição. A distinção importa porque muda a conta que ele faz para aprovar o orçamento. Conteúdo como custo compete com outras despesas operacionais. Conteúdo como canal de aquisição compete com o custo do Google Ads e do time de SDRs, e aí a matemática muda de lado.

Para empresas que querem mensurar esse impacto antes de decidir como estruturar a produção de conteúdo, o comparativo de custo entre tráfego pago e orgânico em IA em 12 meses traz os números lado a lado em um modelo aplicável ao contexto brasileiro.

O timing importa mais do que parece

Os dados da McKinsey foram coletados ao longo de 2025 e início de 2026, período em que a adoção de LLMs para pesquisa B2B cresceu de 19% para 41% entre decisores com nível gerencial ou acima, segundo dados do próprio relatório. Esse crescimento não está desacelerando.

O que isso significa na prática: empresas que constroem visibilidade em IA agora estão sendo treinadas nos modelos que seus futuros clientes vão usar para pesquisar fornecedores em 2027 e 2028. Modelos de linguagem aprendem com dados históricos. O conteúdo publicado hoje alimenta a próxima geração de pesos do modelo. Empresas que atrasam essa construção não perdem apenas o tráfego de hoje. Perdem a oportunidade de entrar no repertório dos modelos que vão dominar a busca nos próximos ciclos de atualização.

O custo de invisibilidade cresce com o tempo. Calcular quanto sua empresa perde por ser invisível para IAs é o ponto de partida para dimensionar esse custo antes que ele apareça nos resultados financeiros.