Reconstruí a Hi, Moose em torno de uma convicção: uma ferramenta de AEO tem de fazer o trabalho, e só consegue pagar esse trabalho o dia inteiro se a IA correr na sua própria máquina. Hoje sai essa versão - uma aplicação de desktop para Windows e macOS com um modelo de IA real a bordo.
É a maior coisa que construí desde que fundei a empresa, e aquela de que mais me orgulho. O Moose já não é um separador que se visita com uma tarefa em mente. É um colega que já lá está quando se senta e que se lembra daquilo em que está a trabalhar. Ainda não faz todos os trabalhos, mas os que faz, fá-los de fio a pavio.
As ferramentas que ficam pelo painel vão perder os seus clientes para as ferramentas que também fazem o trabalho.
Para onde acho que vão as ferramentas de AEO
As perguntas que antes começavam com uma pesquisa no Google agora começam ou terminam no ChatGPT ou no Claude, e aparecer nessas respostas exige uma abordagem diferente do manual tradicional de SEO. O mercado reparou. Parece que sai uma nova ferramenta de visibilidade em IA todas as semanas, e desconfio que muitas são projetos de fim de semana programados por instinto - a sondar o terreno, a ver o que pode render dinheiro. Não há nada de errado nessa garra, é empreendedorismo. Mas isso diz o que vale hoje um gráfico de visibilidade por si só: pouco. Quando tanta gente consegue lançar um num fim de semana, é um produto banalizado.
Aqui está a minha previsão. As ferramentas que não se adaptarem e não forem além do painel vão perder os seus clientes para ferramentas que oferecem as duas coisas: o acompanhamento da visibilidade e o trabalho operacional que se segue. Um gráfico pode dizer-lhe que caiu no ChatGPT, mas o verdadeiro trabalho começa depois do gráfico, e é aí que a maioria das ferramentas bate o ponto de saída. A antiga Hi, Moose também batia o ponto cedo demais. No seu próprio site, o verdadeiro trabalho é um ciclo - observar, detetar, escrever, aprovar, publicar, observar de novo. Fora do seu site, é conquistar as menções e citações em que os motores de resposta se apoiam fortemente.
Algumas equipas já veem isto. O lado operacional do AEO foi-se preenchendo ao longo do último ano, e as ferramentas que o fazem bem, como a AirOps, tomam as suas decisões de produto com base em dados reais e casos de estudo, em vez do que está em tendência no LinkedIn. Respeito o que a AirOps está a construir, é uma excelente solução. Sobrepomo-nos em alguns pontos, mas eu construo para um cliente diferente: as PME. Criar uma ligação com equipas pequenas e crescer com elas significa mais para mim, e é aí que prefiro gastar a minha energia quando também faz sentido para o negócio.
Por isso, um ano depois de começar a Hi, Moose como um conjunto de ferramentas pontuais para a minha própria equipa de SEO, deitei fora o formato antigo e reconstruí o produto inteiro em torno de para onde acredito que isto vai. Para mim, criar algo que as pessoas adoram usar, de que tiram valor e com que acabam por criar uma ligação é uma forma de arte. É isso que estou a tentar fazer.
Porque é que a IA tem de viver na sua máquina
A reconstrução parte de uma decisão que soa técnica mas que, no fundo, é sobre o que o produto pode pagar: o Moose executa um modelo de IA real localmente, no seu próprio computador.
O custo é a maior razão. As equipas de marketing que dependem do Claude estão neste momento a bater em limites de utilização reais. Cada token cobrado é uma razão para uma ferramenta fazer menos: rastrear menos páginas, verificar menos consultas. Um modelo local inverte isso. Os LLM são poderosos, e ter um sempre disponível, sem custo adicional por token, abre um mundo de possibilidades. O Moose pode dar-se ao luxo de voltar a rastrear o seu site e voltar a consultar os motores tantas vezes quantas o trabalho exigir, porque fazer mais não custa nada, nem a si nem a mim.
A velocidade vem por acréscimo. Não há ida e volta a um servidor, e funciona offline.
A privacidade também faz parte. As suas consultas e rascunhos ficam no seu disco, juntamente com quaisquer dados que ligue. E há mais para construir aqui: os planos pagos podem enviar tarefas individuais para modelos na nuvem, e quero dar a esses clientes um bloqueio rígido que mantenha tudo apenas local. Está na minha lista.
O que sai hoje
O modelo é o Gemma, em três tamanhos para caber no portátil que tem:
- Gemma 2B - corre em 8 GB de RAM, respostas quase instantâneas. Ótimo para máquinas mais antigas e tarefas leves do dia a dia.
- Gemma 4B - a escolha de todos os dias. Briefs e análises sólidas em cerca de um segundo, numa máquina de 16 GB. A maioria fica por aqui.
- Gemma 26B - músculo de estação de trabalho para documentos longos e investigação densa, com 32 GB.
Descarrega-se uma vez e depois funciona totalmente offline para sempre. Usa a sua GPU quando pode e a sua CPU quando não pode. Não há contador, e pode falar com o Moose o dia inteiro a custo zero.
Chegar aqui foi uma luta em alguns pontos. As máquinas da Apple com Intel foram a maior dificuldade: não há Apple Silicon em que apoiar-se, por isso a eficiência deixa de ser opcional. Temos de ser extremamente eficientes com as instruções de sistema, equilibrando manter a utilidade com dar ao modelo contexto suficiente para trabalhar. Cada token gasto em instruções é um token que o modelo não pode dedicar ao seu conteúdo.
O Moose também aprende o seu site inteiro. Cada página, descarregada e arquivada localmente, tal como os rastreadores de IA a veem. Pergunte a um chatbot genérico como está o seu site e não pode saber o que ele foi ver: às vezes descarrega algumas páginas, às vezes responde de memória. O Moose lê todas as páginas, e é assim que apanha os problemas silenciosos - um CDN que rejeita discretamente o rastreador da OpenAI, ou conteúdo que só aparece depois de o JavaScript correr. Vetoriza o que encontra, para que possa perguntar que páginas cobrem um tema e obter uma resposta tirada do seu site real. E as verificações de visibilidade correm a partir da sua máquina e arquivam as respostas na sua máquina, para que não pague a um serviço de monitorização por cada consulta.
Quando um trabalho pede um modelo frontier, tem duas formas de chegar a um, e ambas ficam sob o seu controlo. Traga a sua própria chave OpenRouter (para OpenAI, Claude, Gemini e vários outros) e o Moose encaminha essa tarefa específica para lá - paga diretamente ao fornecedor, à tarifa dele, e eu não cobro margem. Ou opte pelo gerido, e um plano pago executa os modelos frontier por si, sem chaves para gerir. De qualquer forma, o modelo local está sempre lá por baixo.
A seguir, sobre a mesma fundação: um grafo de entidades do que o seu site cobre e de como tudo se liga, e fluxos de agente mais profundos que executam trabalhos de vários passos mais longos.
O Moose é o seu colega de trabalho
O que eu mais queria que este lançamento transmitisse: um especialista em AEO sempre disponível. O Moose cumprimenta-o quando entra, e lembra-se dos seus projetos e da sua voz.
Dois compromissos mantêm-se, seja no que for que o Moose se torne: nada é publicado sem a sua aprovação, e cada recomendação é etiquetada segundo a evidência por trás dela - comprovada, direcional ou boa prática. Não empurro truques que a investigação já desmentiu, e o Moose nunca inventa uma citação para parecer inteligente.
Venha dizer olá
Dei à empresa o nome do meu cão - um cão sereno e leal que fica deitado debaixo da secretária por todas as noites longas. Foi para esse temperamento que construí: algo que está simplesmente ali, do seu lado.
A Hi, Moose para desktop já está disponível para Windows e macOS, e o modelo local é mesmo gratuito - não é uma versão de teste. Descarregue-a, ponha-a a trabalhar num projeto real e diga-me o que acha. Falo com qualquer pessoa: em [email protected] quem responde sou eu.
Faz SEO de dia e construiu a Hi, Moose à noite. Sem investidores, sem uma grande equipa, apenas ferramentas práticas para os problemas de AEO com que se ia deparando. Deu à empresa o nome do seu cão.