Os agentes de IA e os ambientes de desenvolvimento conectados a inteligência artificial — como Claude Code, Cursor e OpenClaw — vêm ganhando cada vez mais espaço entre profissionais de tecnologia e marketing. Na prática, existem dois caminhos principais para colocar essas ferramentas em uso:
- Criar uma ferramenta de IA dentro da própria plataforma (por exemplo, usando o Claude Code através do Claude Desktop), pronta para ser reutilizada em várias sessões.
- Usar essas tecnologias para desenvolver uma aplicação independente, que roda fora do ambiente de IA — com código ainda assistido por inteligência artificial, mas publicado em serviços como Netlify ou Vercel.
Este texto explora o primeiro caminho, por ser mais acessível a quem trabalha com marketing, embora o segundo também seja mencionado ao longo do processo. O objetivo aqui é construir, na prática, um verificador de E-E-A-T do Google usando o Claude Code dentro do Claude Desktop — uma lógica que pode ser replicada em outras ferramentas de IA sem muita dificuldade.
Por que apostar justamente no E-E-A-T?
E-E-A-T é a sigla que representa Experience, Expertise, Authoritativeness e Trustworthiness — ou seja, o conjunto de critérios que o Google usa para avaliar a qualidade, a credibilidade e a confiabilidade de um conteúdo.
Diferente de métricas como velocidade de página e Core Web Vitals, que podem ser consultadas por meio de APIs diretas, o E-E-A-T não tem um endpoint simples para consulta. O Google oferece apenas uma estrutura conceitual e diretrizes gerais para que cada um aplique da própria maneira.
É justamente aí que a inteligência artificial mostra sua força: ela é ótima para lidar com grandes volumes de informação não estruturada e transformar isso em análises organizadas. Por isso, um verificador de E-E-A-T se tornou um exemplo interessante — quando bem construído, pode gerar insights realmente úteis para quem trabalha com SEO.
O que você precisa para montar o projeto
- A ferramenta é construída e executada principalmente no Claude Desktop, usando o Claude Code. É possível baixar o Claude Desktop e entrar com uma conta gratuita, mas o uso do Claude Code exige um plano Pro, Max, Team ou Enterprise — ou a compra de créditos avulsos de API.
- Se você usa outro ambiente de IA ou uma IDE com inteligência artificial embutida, não tem problema: o fluxo de trabalho é bem parecido e se adapta facilmente.
- Uma conta no GitHub é necessária para fazer o backup do projeto.
- O projeto gera um documento de auditoria em Word, então é recomendável ter o Microsoft Office instalado. Sem ele, dá para adaptar o processo para gerar uma aplicação em HTML/CSS/JavaScript, ou usar alternativas como LibreOffice e OpenOffice.
Colocando a mão na massa
- Tenha um plano do Claude compatível com o Claude Code (Pro, Max, Team ou Enterprise) ou uma conta na API da Anthropic com cobrança ativada.
- Baixe e instale o Claude Desktop.
- Faça login e conecte o aplicativo à sua conta Claude ou Anthropic.
- Caso use outro agente de IA de desktop ou uma IDE com IA, basta abri-lo e seguir o mesmo raciocínio.
Com tudo configurado, o próximo passo foi abrir uma nova sessão no Claude Code dentro do Claude Desktop, batizada de “E-E-A-T Checker Demo”, e passar as instruções iniciais para a IA.
Normalmente, quando se fornece uma lista de URLs ao Claude, ele usa sua ferramenta interna de Web Fetch. Só que muitos sites bloqueiam esse tipo de acesso automático — por isso, a orientação foi para que o Claude usasse, em vez disso, um navegador headless em Python.
Como o Python já estava instalado na máquina, o Claude conseguiu se conectar à instalação existente e criar o navegador headless sem complicação. Caso alguma biblioteca estivesse faltando, o Claude Code também é capaz de instalá-la sozinho, já que consegue operar o Prompt de Comando e o PowerShell.
Para o navegador headless, a IA optou pelo motor Chromium — a mesma base usada pelo Google Chrome, e uma escolha robusta e amplamente testada pelo mercado. É a mesma tecnologia usada por bibliotecas de automação como o Selenium, aqui reaproveitada para coletar conteúdo e recursos de páginas para análise.
Estruturando a base de conhecimento
Depois de processar os materiais de referência e montar uma estrutura inicial, o Claude reportou os seguintes avanços:
- Os materiais de origem foram organizados nas estruturas de dados escolhidas, formando a primeira versão da base de conhecimento sobre E-E-A-T.
- Toda a extração de conteúdo e conhecimento foi concluída com sucesso.
- A régua de pontuação (scoring rubric) já havia sido sintetizada.
- Uma estratégia foi definida para evitar que material protegido por direitos autorais fosse copiado literalmente para o repositório do GitHub.
- O repositório local do projeto foi criado com sucesso.
Vale destacar que não é obrigatório raspar esse material direto da web — é perfeitamente possível revisar o conteúdo manualmente e fornecer ao Claude suas próprias referências e orientações personalizadas.
Testando o verificador na prática
Com a base pronta, chegou a hora de testar. Só que avaliar uma única página isoladamente não gera um retrato fiel do E-E-A-T de um site inteiro — o ideal é escolher tipos de página representativos, sem necessariamente rastrear o site completo.
Para esse teste, a sugestão veio de uma simples busca no Google sobre quais tipos de página são mais relevantes para uma avaliação de E-E-A-T. A partir disso, foram selecionadas páginas variadas do site usado como exemplo — Search Engine Land — incluindo:
- A página inicial do site
- A página da equipe (“meet the team”)
- Perfis de autores específicos
- A página “Sobre”
- A página de últimos posts
- Um artigo recente de um dos jornalistas do veículo
- A página de guias e um guia específico sobre otimização para IA e LLMs
- Páginas institucionais como webinars, relatórios de inteligência, eventos, contato, política de privacidade e termos de uso
Essa variedade de páginas — institucionais, editoriais e de perfil de autor — é o que permite ao verificador construído com IA gerar uma avaliação mais completa e próxima da lógica que o próprio Google aplica ao analisar a credibilidade de um site como um todo.
Com informações de searchengineland.com.
