Blog

O que fazem os media portugueses com os bots de IA: analisámos o robots.txt de 46 meios

Por Esteve Castells

O que fazem os media portugueses com os bots de IA: 46 robots.txt analisados
Índice
  1. Os números principais
  2. Que bots batem à porta
  3. As quatro estratégias dos media portugueses
  4. Grupo a grupo
  5. A porta das traseiras: apostas, assinaturas e prognósticos
  6. Acordos e regulação: o que o robots.txt não conta
  7. Para além do robots.txt: llms.txt, RSL e a nova sinalização comum
  8. O que significa para um meio
  9. Metodologia
  10. Sobre o LLM Pulse
  11. Perguntas frequentes

Cada grande meio de comunicação português tem de decidir que inteligências artificiais podem ler as suas notícias. O ChatGPT, o Claude, o Perplexity, a Meta AI e a Alexa usam os seus próprios bots, a Google reserva ao Gemini uma etiqueta à parte, e todos consultam o mesmo ficheiro: o robots.txt, o ficheiro de texto que diz a cada rastreador o que pode e o que não pode ler. O que cada meio lá escreve retrata a sua estratégia perante a IA.

A 16 de novembro de 2026 analisámos o robots.txt de 46 meios portugueses, dos grandes grupos aos diários regionais, das televisões e rádios às revistas e aos nativos digitais, e vimos como cada um trata 15 bots das grandes empresas de IA. A conclusão principal: Portugal está dividido ao meio, e quem fecha a porta pensa sobretudo na OpenAI.

Os números principais

  • 52 % dos meios portugueses bloqueiam pelo menos um bot de IA das grandes empresas. São 24 dos 46 meios analisados. Os outros 22 (48 %) não bloqueiam nenhum.
  • O GPTBot, da OpenAI, é o bot mais bloqueado. Metade dos meios proíbe-o de ler os artigos, à frente do CCBot, da Common Crawl (37 %).
  • A Perplexity quase passa despercebida, e a Anthropic fica longe dos números americanos. Só 11 % bloqueiam o PerplexityBot e 22 % o ClaudeBot. Nos Estados Unidos, os números são 69 % e 76 %.
  • O Gemini pode ler sete em cada dez meios. Só 28 % bloqueiam o Google-Extended, e quatro meios dão-lhe autorização expressa.
  • Nenhum meio bloqueia o Googlebot nem o Bingbot. A Vista geral de IA (AI Overviews) e o Modo IA (AI Mode) da Google alimentam-se do Googlebot, por isso nenhum meio da amostra ficou de fora deles por via do robots.txt.
  • Os grandes grupos seguem estratégias muito diferentes. A Impresa (Expresso, SIC), o Público e o SAPO fecham a porta a todos; a TVI e a CNN Portugal, da Media Capital, só bloqueiam a OpenAI; a Medialivre (Correio da Manhã, Record) bloqueia o GPTBot, o ChatGPT-User e o Gemini; a RTP, o DN, o ECO e a Visão não bloqueiam ninguém.
  • A porta das traseiras são as apostas. O Jornal de Notícias e O Jogo bloqueiam o GPTBot, mas abrem-lhe as páginas de apostas, e o JN também as de casino.

Que bots batem à porta

Cada empresa de IA usa vários bots, cada um com a sua função, e bloquear um ou outro tem consequências muito diferentes para um meio:

  • Bots de treino (GPTBot, ClaudeBot, meta-externalagent, Applebot-Extended, Bytespider e CCBot, da Common Crawl): recolhem texto para treinar modelos futuros. Bloqueá-los não afeta a visibilidade imediata nas respostas.
  • Bots de pesquisa (OAI-SearchBot, Claude-SearchBot e PerplexityBot): constroem o índice a que os assistentes recorrem para responder e citar fontes. Bloqueá-los reduz a probabilidade de o meio aparecer citado.
  • Bots de utilizador (ChatGPT-User, Claude-User, Perplexity-User e MistralAI-User): visitam uma página quando alguém o pede no chat. A OpenAI avisa na sua documentação que as regras do robots.txt podem não se aplicar ao ChatGPT-User, e a Perplexity diz na sua que o Perplexity-User «geralmente ignora» essas regras.
  • Google-Extended: não é um rastreador, é uma etiqueta que decide se o Gemini pode treinar com o conteúdo e usá-lo para responder. Segundo a documentação da Google, não afeta a pesquisa nem, por isso, a Vista geral de IA ou o Modo IA.
Gráfico de barras horizontais: percentagem dos 46 meios portugueses analisados que bloqueiam cada bot de IA no robots.txt, 16 de novembro de 2026. O GPTBot lidera com 50 %; o PerplexityBot e o Claude-SearchBot ficam nos 11 %.
Bot Empresa Para que serve Meios que o bloqueiam
GPTBot OpenAI Treino 50 %
CCBot Common Crawl Arquivo aberto usado para treinar 37 %
ChatGPT-User OpenAI Visitas a pedido do utilizador 35 %
Google-Extended Google Treino e respostas do Gemini 28 %
Bytespider ByteDance Treino 24 %
OAI-SearchBot OpenAI Índice da pesquisa do ChatGPT 22 %
ClaudeBot Anthropic Treino 22 %
Applebot-Extended Apple Treino 22 %
meta-externalagent Meta Treino 22 %
Amazonbot Amazon Treino e Alexa 22 %
MistralAI-User Mistral Visitas a pedido do utilizador 13 %
Claude-SearchBot Anthropic Índice de pesquisa 11 %
Claude-User Anthropic Visitas a pedido do utilizador 11 %
PerplexityBot Perplexity Índice de pesquisa 11 %
Perplexity-User Perplexity Visitas a pedido do utilizador 11 %
Googlebot e Bingbot Google e Microsoft Motores de pesquisa (e as suas funções de IA) 0 %

A tabela mostra uma particularidade portuguesa: a OpenAI concentra os bloqueios. Treze meios bloqueiam o GPTBot, mas deixam passar o OAI-SearchBot, o bot que alimenta a pesquisa do ChatGPT. Pode ser uma escolha (fechar o treino e manter a presença nas respostas) ou apenas uma lista que ninguém atualizou desde que a OpenAI lançou o OAI-SearchBot, em 2024.

As quatro estratégias dos media portugueses

Gráfico de barras: distribuição dos 46 meios portugueses analisados em quatro estratégias perante a IA. Portas abertas, 48 %; escolhe quem entra, 24 %; fecha o treino e abre a pesquisa, 17 %; fecha a porta aos assistentes, 11 %.
Estratégia O que faz Meios Exemplos
Portas abertas Não bloqueia nenhum dos 15 bots 22 (48 %) RTP, Diário de Notícias, ECO, Visão, A Bola, Jornal Económico
Escolhe quem entra Abre a porta a algumas empresas de IA e fecha-a a outras 11 (24 %) TVI, CNN Portugal, Correio da Manhã, Record, Lusa, Notícias ao Minuto
Fecha o treino, abre a pesquisa Veta os bots que treinam modelos e deixa passar os que pesquisam e citam 8 (17 %) Jornal de Notícias, TSF, O Jogo, Observador, Renascença
Fecha a porta aos assistentes Bloqueia os bots de pesquisa e de utilizador da OpenAI, da Anthropic e da Perplexity 5 (11 %) Público, Expresso, SIC Notícias, SIC, SAPO

Em Espanha, a estratégia mais comum é fechar a porta aos assistentes e deixar entrar o Gemini. Em Portugal, os cinco meios que fecham a porta aos assistentes fecham-na também ao Gemini, e o grupo mais numeroso a seguir aos que não bloqueiam nada é o dos que escolhem quem entra, sempre com a OpenAI, total ou parcialmente, do lado de fora.

Grupo a grupo

Em Portugal, quem fecha a porta à IA está a pensar sobretudo na OpenAI: o GPTBot é o bot mais bloqueado e a TVI e a CNN Portugal não bloqueiam mais nenhuma empresa. Já o PerplexityBot só é bloqueado por 11 % dos meios, contra 69 % nos Estados Unidos. Quem quer controlar o uso do seu conteúdo tem de decidir empresa a empresa.

Head-and-shoulders portrait of a smiling man in a dark zip-up sweater against a plain gray background.Esteve Castells Cofundador do LLM Pulse
Matriz de pontos: o que o robots.txt de 20 dos principais meios portugueses deixa ler a cada empresa de IA. O Público, o Expresso, a SIC Notícias e o SAPO bloqueiam todas; a TVI e a CNN Portugal só bloqueiam a OpenAI; a RTP, o Diário de Notícias, o ECO, a Visão e A Bola não bloqueiam nenhuma.
Grupo Meios analisados O que faz no robots.txt
Impresa Expresso, SIC, SIC Notícias Bloqueia os 15 bots, incluindo o Gemini e o Applebot, o rastreador de pesquisa da Apple
Público Público Bloqueia os 15 bots num grupo de 179 agentes; abre as páginas de assinaturas e institucionais
SAPO SAPO Bloqueia os 15 bots, incluindo o Gemini e o Applebot
Media Capital TVI, CNN Portugal, IOL, SOL, Polígrafo, Rádio Comercial Só bloqueia os bots da OpenAI; o IOL bloqueia também o Gemini, e a Rádio Comercial não bloqueia nenhum
Medialivre Correio da Manhã, Record, Jornal de Negócios, Flash, Máxima Bloqueia o GPTBot, o ChatGPT-User, o Gemini e o CCBot; deixa passar a pesquisa do ChatGPT. A Máxima bloqueia antes os bots de treino e deixa entrar o Gemini
Verbos Imaculados Jornal de Notícias, TSF, O Jogo Bloqueia o GPTBot e o CCBot, autoriza expressamente o Gemini; o JN e O Jogo abrem as apostas ao GPTBot
Observador Observador Só bloqueia o Bytespider e autoriza expressamente a maioria dos outros
Renascença Renascença Bloqueia os bots de treino e o Gemini; deixa passar os de pesquisa
Lusa Lusa Bloqueia o GPTBot e o ChatGPT-User
Portas abertas RTP, Diário de Notícias, ECO, Visão, A Bola, Jornal Económico Não bloqueiam nenhum dos 15 bots

Impresa, Público e SAPO: porta fechada a todos

O Expresso, a SIC e a SIC Notícias, da Impresa, têm a política mais restritiva do país, a par do Público e do SAPO. Os cinco bloqueiam os 15 bots analisados, o Google-Extended incluído, e vão mais longe do que qualquer meio espanhol: bloqueiam também o Applebot, o rastreador que a Apple usa para a pesquisa da Siri e do Spotlight, e não apenas o Applebot-Extended, que controla o treino.

O Público tem o maior grupo de regras da amostra: 179 agentes num só bloco, de bots de IA a ferramentas de extração de dados, todos proibidos de ler o site. Mesmo assim, abre-lhes três exceções: /assinaturas, /nos/ e /site/, as páginas de assinaturas e as páginas institucionais. Um assistente de IA não pode ler as notícias do Público, mas pode ler quanto custa assiná-lo.

Media Capital: só a OpenAI fica à porta

A TVI e a CNN Portugal bloqueiam apenas a OpenAI, com uma lista que junta os nomes reais dos seus bots (GPTBot, OAI-SearchBot, ChatGPT-User) a nomes que a OpenAI não usa, como «OpenAI» e «OpenAI-Crawler». Todos os outros (Gemini, Claude, Perplexity, Meta, Apple, Amazon) podem entrar. O portal IOL usa a mesma lista e junta-lhe o Google-Extended, e a Rádio Comercial, do mesmo grupo, não bloqueia nenhum bot. O SOL e o Polígrafo, que a Media Capital comprou em 2025 e 2026 e que hoje funcionam no domínio iol.pt, aplicam à IA as mesmas regras que a TVI.

Medialivre: fora o GPTBot, o ChatGPT-User e o Gemini

O Correio da Manhã, o Record, o Jornal de Negócios e a Flash têm ficheiros curtos com as mesmas regras para a IA, que bloqueiam quatro bots: o GPTBot, o ChatGPT-User, o Google-Extended e o CCBot. O OAI-SearchBot, o que alimenta a pesquisa do ChatGPT, não aparece, por isso pode entrar. A Máxima, do mesmo grupo, tem uma lista muito mais longa e é o único meio português da amostra que declara uma licença no formato RSL, um padrão para indicar no robots.txt as condições de licenciamento do conteúdo para a IA. A licença aponta para o site do Record.

Jornal de Notícias, TSF e O Jogo: «apenas os nossos parceiros»

Os três partilham o ficheiro mais explícito da amostra. Abre com um aviso: «É proibido o uso de web crawlers ou outros métodos automáticos de navegação neste site», invoca o Código do Direito de Autor (Decreto-Lei n.º 63/85) e acrescenta: «Convidamos-vos a entrar em contato connosco para subscrever uma licença de utilizador. Apenas os nossos parceiros têm o direito de utilizar o nosso conteúdo para uma finalidade que não seja estritamente individual».

Na prática, bloqueiam só dois bots de IA, o GPTBot e o CCBot, e dão autorização expressa ao Google-Extended e ao Bingbot. Dois deles abrem uma exceção curiosa: num bloco intitulado «EXCEPTIONS FOR BUSINESS CONTENT» (exceções para conteúdo comercial), o Jornal de Notícias autoriza o GPTBot e o Google-Extended a ler /apostas e /casino, e O Jogo, só /apostas.

Observador: portas abertas por escrito

O ficheiro do Observador dá permissão expressa ao Google-Extended e a uma longa lista de bots de IA, entre eles os da OpenAI, da Anthropic, da Meta, da Apple e da Amazon. O único bloqueado é o Bytespider, da ByteDance, e mesmo esse pode ler a secção /prognosticos/.

Renascença e Lusa

A Renascença bloqueia os bots de treino (OpenAI, Anthropic, Meta, Apple, Amazon, ByteDance e Common Crawl) e o Gemini, mas deixa passar os de pesquisa e de utilizador. A Lusa, a agência de notícias, bloqueia o GPTBot e o ChatGPT-User, mas não o OAI-SearchBot nem nenhum bot de outras empresas de IA. Com uma ressalva: as regras gerais do ficheiro, que valem para todos os bots que não nomeia, fecham as notícias com endereço /article/, embora deixem abertas as que estão dentro das secções, como /national/article/.

Os que não põem barreiras

A RTP, o Diário de Notícias, o ECO, a Visão, A Bola, o Jornal Económico, a Rádio Comercial, a NiT, a Time Out e todos os diários regionais da amostra não bloqueiam nenhum dos 15 bots. O robots.txt do Diário de Notícias tem quatro linhas, e o da RTP só bloqueia ferramentas de SEO e de publicidade e o PetalBot, da Huawei.

A porta das traseiras: apostas, assinaturas e prognósticos

Em Espanha e nos Estados Unidos, muitos meios que fecham a porta à IA abrem-na, com uma regra expressa, às secções de conteúdo patrocinado. Em Portugal, só quatro meios abrem rotas concretas aos bots que bloqueiam, e nenhuma é de conteúdo patrocinado, embora o JN e O Jogo classifiquem as apostas como conteúdo comercial:

  • Jornal de Notícias e O Jogo: /apostas (e, no JN, /casino), abertas ao GPTBot.
  • Público: /assinaturas, /nos/ e /site/, abertas aos 179 agentes que bloqueia.
  • Observador: /prognosticos/, aberta ao Bytespider.

Acordos e regulação: o que o robots.txt não conta

Ao contrário de Espanha e dos Estados Unidos, não encontrámos nenhum acordo público de licenciamento entre um meio português e uma empresa de IA, nem nenhum processo em tribunal. Francisco Pedro Balsemão, presidente executivo da Impresa, disse a 11 de novembro de 2026 que as plataformas de IA generativa têm usado os conteúdos dos media «sem qualquer tipo de compensação», segundo o ECO.

A negociação passa pelo Estado. A 4 de novembro de 2026, o Governo anunciou para este ano uma proposta de lei que criará um mecanismo de arbitragem para regular o acesso das plataformas de IA aos conteúdos jornalísticos e garantir uma remuneração justa (comunicado do Governo). O primeiro caso de teste será o Amália, o modelo de linguagem do Estado, e o Público, a Media Capital, a Renascença, a Medialivre e a Impresa estão a negociar as condições de utilização dos seus arquivos. Todos os cinco bloqueiam algum bot de IA no robots.txt.

O robots.txt também pode ter peso legal. O Decreto-Lei 47/2023, que transpôs a diretiva europeia sobre direitos de autor no mercado único digital, permite a mineração de textos e dados salvo se os titulares a tiverem reservado «de forma adequada, em particular por meio de leitura ótica no caso de conteúdos disponibilizados ao público em linha». O robots.txt é a forma mais comum de fazer essa reserva.

Para além do robots.txt: llms.txt, RSL e a nova sinalização comum

O robots.txt só permite dizer a cada bot onde pode e onde não pode entrar. Há outras formas de dizer mais, e a amostra mostra até onde chegaram em Portugal:

  • llms.txt. Um ficheiro que resume para os modelos de linguagem o que o site contém e onde está o mais importante. Publicam-no seis meios: a Máxima, o Notícias ao Minuto, o Shifter, o ZAP, o Diário de Coimbra e o Diário de Aveiro. Os dois últimos são gerados por um plugin e apresentam-se como «Diário de Leiria», o jornal irmão, e o da Máxima ainda diz que a revista é «publicada pela Cofina Media», o nome anterior da Medialivre: sinal de que nem todos os editores os releem depois de os publicar.
  • Content Signals. A sintaxe que a Cloudflare propôs em setembro de 2025 para separar pesquisa, respostas de IA e treino (explicação da Cloudflare). Usam-na o ZAP e a Notícias Magazine, com a configuração gerida pela própria Cloudflare: «search=yes,ai-train=no,use=reference».
  • RSL (Really Simple Licensing). Só a Máxima declara uma licença.
  • TDMRep. Nenhum meio português da amostra publica este protocolo europeu para reservar os direitos de mineração de texto e dados.

O próximo passo está previsto para 2027. A 30 de outubro de 2026, a Google anunciou no seu blogue para programadores que pretende respeitar, com outras empresas de IA, uma sinalização comum no robots.txt para recusar o treino de modelos. Nenhum meio português da amostra a adotou ainda.

O que significa para um meio

  1. Separe treino e pesquisa. Bloquear o GPTBot ou o ClaudeBot protege o conteúdo do treino sem tirar visibilidade imediata. Bloquear o OAI-SearchBot, o Claude-SearchBot ou o PerplexityBot reduz as citações.
  2. Decida o que fazer com cada empresa, não só com a OpenAI. Muitos ficheiros portugueses foram escritos a pensar no ChatGPT e ignoram os bots da Anthropic e da Perplexity.
  3. Mantenha o ficheiro atualizado. Nomes como «OpenAI-Crawler» não correspondem a nenhum bot conhecido, e um llms.txt com o nome de outro jornal induz os modelos em erro.
  4. Meça o resultado. O robots.txt é um pedido, não uma barreira. Para saber se funciona, é preciso medir que bots visitam realmente o site, algo que o Agent Analytics permite a partir dos registos do servidor, e em que respostas do ChatGPT, do Gemini, do Perplexity e da Google o meio aparece.

Aplicámos a mesma análise a 62 meios do Brasil, a 88 meios espanhóis (em espanhol) e a 86 meios dos Estados Unidos (em inglês). Portugal está a meio caminho: bloqueia menos do que os Estados Unidos (90 %) e Espanha (65 %), e mais do que o Brasil (34 %).

Metodologia

  • Data. Consultámos os ficheiros a 16 de novembro de 2026.
  • Amostra. Analisámos o robots.txt de 46 meios portugueses, escolhidos para cobrir os grandes grupos de imprensa, as televisões e rádios, a agência Lusa, as revistas, os nativos digitais e a imprensa regional. Ficaram de fora três meios cujo robots.txt não foi possível ler: o Maisfutebol (o servidor recusa o pedido), a Sábado (não tem robots.txt) e o Jornal do Fundão (responde com uma página HTML). A Blitz, o Jornal i e o Dinheiro Vivo não contam à parte: hoje redirecionam para o Expresso, o SOL e o Diário de Notícias.
  • Leitura. Descarregámos os ficheiros com um cliente automatizado que se identifica como ferramenta de análise. Quando um site recusava esse pedido, repetimo-lo com outros identificadores comuns, incluindo o de um navegador; só a Renascença precisou deste passo. Interpretámos cada ficheiro segundo o padrão do robots.txt (RFC 9309): procurámos o grupo de regras que nomeia o bot e, se não existisse, aplicámos o grupo geral. Considerámos que um meio «bloqueia» um bot quando as suas regras o impedem de ler os artigos.
  • Os 15 bots. GPTBot, OAI-SearchBot e ChatGPT-User (OpenAI); Google-Extended (Google); ClaudeBot, Claude-SearchBot e Claude-User (Anthropic); PerplexityBot e Perplexity-User (Perplexity); meta-externalagent (Meta); Applebot-Extended (Apple); Amazonbot (Amazon); Bytespider (ByteDance); CCBot (Common Crawl); e MistralAI-User (Mistral). Analisámos outros bots menores, mas não contam para as estratégias.
  • Estratégias. «Portas abertas»: nenhum bloqueio entre os 15 bots. «Fecha o treino»: algum bloqueio, mas nenhum aos seis bots de pesquisa e de utilizador da OpenAI, da Anthropic e da Perplexity. «Fecha a porta aos assistentes»: bloqueia esses seis. «Escolhe quem entra»: os restantes.
  • Limites. O robots.txt declara uma intenção e não impede o acesso: uma firewall ou uma rede de distribuição de conteúdos pode bloquear ou permitir um bot independentemente do que diga o ficheiro. Os acordos de licenciamento podem entregar conteúdo por outras vias. É uma fotografia de um dia, e estes ficheiros mudam com frequência.

Sobre o LLM Pulse

O LLM Pulse mede como as marcas e os meios de comunicação aparecem nas respostas do ChatGPT, do Gemini, do Perplexity, do Modo IA da Google, da Vista geral de IA e de outros assistentes: menções, citações, Share of Voice e sentimento, com acompanhamento semanal ou diário e em vários mercados. Para um meio, isso significa saber em que respostas aparece, que concorrentes são citados no seu lugar e como esses números mudam quando altera o robots.txt ou assina um acordo.

Meça a visibilidade do seu meio nas respostas de IA

Veja em que respostas do ChatGPT, do Gemini, do Perplexity e da Google aparece, em Portugal e noutros mercados.

Ver planos

Perguntas frequentes

Descubra sem esforço a visibilidade da sua marca na pesquisa com IA

Iniciar teste gratuito