Vou dar a resposta curta primeiro, porque ela costuma surpreender os dois lados do debate: schema markup ainda importa, mas não pelo motivo que a maioria das pessoas pensa, e não na proporção que muita gente vende. Se você esperava um "sim, é tudo" ou um "não, morreu", lamento desapontar — a verdade honesta mora no meio, e é mais útil ali.
O que o schema realmente faz
Dados estruturados são uma forma de você dizer, de maneira explícita e legível por máquina, o que cada pedaço da sua página significa. "Isto é um preço." "Isto é uma avaliação." "Isto é uma pergunta frequente, e esta é a resposta." Em vez de o sistema ter que inferir tudo a partir do texto bruto, você entrega rótulos.
Na era dos buscadores tradicionais, isso virou sinônimo de rich snippets — aquelas estrelinhas, preços e FAQs que apareciam direto nos resultados. O valor era visível e direto. Por isso o schema ganhou fama de "obrigatório".
Por que o papel mudou com as LLMs
Aqui está a nuance que muda tudo. As LLMs modernas são extraordinariamente boas em entender texto não estruturado. Elas não precisam de schema para compreender que "a partir de R$99/mês" é um preço, ou que um bloco de pergunta-e-resposta é um FAQ. Elas leem como um humano lê — e tiram sentido sem precisar de rótulos.
Isso derruba o argumento mais forte que sustentava o schema: "as máquinas não entendem texto, então você precisa estruturar para elas". As máquinas de hoje entendem. Então, parte do valor histórico do schema, sim, diminuiu.
Então por que ele ainda importa?
Porque "entender" e "interpretar sem ambiguidade, com confiança" não são a mesma coisa. O schema não é mais a única forma de a máquina te entender, mas ele reduz a chance de erro de interpretação — e, num mundo onde a IA decide o que dizer sobre você, reduzir ambiguidade tem valor.
Há três motivos concretos pelos quais ele segue relevante:
Confiança na extração. Quando o preço, o nome do produto ou a avaliação estão marcados explicitamente, há menos margem para o sistema entender errado. A LLM pode acertar lendo o texto, mas o schema diminui a probabilidade de confundir.
Os sistemas de busca ainda usam. Muitas respostas de IA passam por uma camada de busca tradicional antes de chegar ao modelo. Essa camada continua usando dados estruturados. Ou seja, o schema influencia o que é recuperado, mesmo que o modelo final não dependa dele.
É barato e não tem downside. Implementar schema correto é trabalho de uma vez, de baixo custo e sem risco. Quando algo ajuda na margem e não custa quase nada, a conta fecha.
Onde o schema foi superestimado
Sejamos honestos sobre o outro lado. Schema não vai fazer uma marca sem autoridade ser citada. Não compensa conteúdo fraco. Não é um botão de visibilidade. Quem vende o schema como o segredo do AEO está vendendo ilusão — é higiene técnica, não estratégia.
E há um exagero comum: encher a página de marcações irrelevantes ou enganosas na esperança de "sinalizar" mais. Isso não ajuda e pode prejudicar. O schema bom é o schema honesto e pertinente, não o schema abundante.
A posição prática
Trate o schema como o que ele é: um fundamento técnico de baixo custo que reduz ambiguidade e ajuda a camada de busca, não como uma alavanca de crescimento. Implemente o que faz sentido para o seu tipo de página, faça direito, e siga para o que move de verdade o ponteiro — autoridade, conteúdo de referência, presença em fontes que a IA respeita.
Em outras palavras: faça o schema porque é barato e ajuda na margem, não porque alguém te disse que é o coração do AEO. Ele não é. O coração do AEO é ser uma resposta que vale a pena citar — e isso nenhum dado estruturado constrói por você.
Se quiser saber se os seus fundamentos, schema incluído, estão de fato melhorando como a IA enxerga e cita sua marca, o jeito é medir o resultado, não a implementação. É isso que a Genoma acompanha: não se você marcou a página, mas se a IA está te entendendo e citando melhor por causa do conjunto do seu esforço.