O que regiões multilíngues revelam sobre o futuro da busca por IA
A busca por IA não apenas traduz ou localiza resultados. Ela decide quais fontes, instituições e versões da realidade são apresentadas em primeiro lugar.
A Catalunha oferece um teste de estresse útil para esse sistema. Duas línguas compartilham a mesma geografia, o que torna os padrões de recuperação mais fáceis de identificar.
Quando as mesmas consultas são feitas em catalão e espanhol no Google AI Overviews e ChatGPT, as diferenças vão muito além da redação — e revelam problemas mais amplos que se estendem muito além das regiões multilíngues.
Catalunha como um teste de estresse para a busca por IA
Você sabia que se você pesquisar por Tradicions de Sant Jordi — Tradições de São Jorge, escrito em catalão — o Google Translate identificará a língua de origem como occitano?
Provavelmente não. A maioria dos falantes de catalão também não sabe disso, em parte porque o palpite de língua do Translate não está exatamente errado: o catalão e o occitano compartilham uma ancestralidade românica comum, e alguns sistemas de classificação os agrupam juntos.
A resposta é tecnicamente defensável. Também é, estatisticamente, uma decisão estranha — e o tipo de pequeno anedótico que aponta para um problema muito maior na infraestrutura subjacente.
O occitano tem cerca de 200.000 falantes, principalmente no sul da França. O catalão tem cerca de 9 milhões de falantes e é a língua co-oficial da Catalunha, uma das regiões mais ricas da Europa e lar de uma cidade onde o Google opera há mais de 20 anos.
Quando perguntado a partir de um IP de Barcelona, o produto de tradução do Google decide que a língua de origem mais plausível é aquela com mais de uma ordem de magnitude a menos de falantes, em outro país. O Translate então traduz Sant Jordi para o espanhol como San Jorge — castelhanizando o nome próprio do santo padroeiro da Catalunha, um nome que não precisa ser traduzido em primeiro lugar.
Essa peculiaridade única do Translate é anedótica. O que ela aponta não é. É um problema de identificação de língua que vive na infraestrutura do Google há anos — e o próprio Google reconheceu publicamente.
Em janeiro de 2023, a conta de Liaison de Pesquisa da empresa respondeu a uma onda de reclamações de usuários falantes de catalão sobre resultados em catalão sendo rebaixados em favor dos espanhóis. O Google chamou a questão de "uma prioridade" e se comprometeu a continuar investigando. O reconhecimento foi até postado em catalão — uma admissão tácita de que o público afetado era real e grande o suficiente para justificar uma resposta direta.
O Google posteriormente lançou atualizações naquele ano que melhoraram de forma mensurável a visibilidade do catalão nos SERPs clássicos. Mas a camada subjacente de identificação de língua nunca foi reparada estruturalmente. Quando um falante de catalão hoje assiste a resposta do AI Overview do Google a uma consulta em língua catalã em espanhol, não é um novo bug. É um bug antigo agora sentado sob uma camada de síntese que o propaga.
A busca por IA, quando chegar, herda a suposição de que a língua da consulta é, em primeiro lugar, não confiável. O pipeline de recuperação que achata o catalão em espanhol hoje é o mesmo pipeline que, em formas modificadas, achataria o contexto jurisdicional subnacional em mercados onde a língua de superfície nunca muda.
Passei os últimos meses documentando como a busca por IA colapsa mercados hispânicos — tratando 20+ países de língua espanhola como um único padrão estatístico. Esse trabalho é severo em suas consequências, mas pelo menos a geografia é limpa: a Espanha é um país, o México é outro, o modelo simplesmente falha em diferenciá-los.
O que acontece dentro da Catalunha é mais revelador porque a geografia não muda. Duas línguas compartilham um território, e o sistema produz duas realidades paralelas — quando consegue identificar as línguas, pelo menos.
Regiões multilíngues são onde os padrões arquitetônicos de recuperação se tornam visíveis, porque os usuários nessas regiões podem alternar entre idiomas e observar o sistema reatribuir significado, autoridade e, às vezes, até mesmo a língua da resposta.
Os mesmos padrões aparecerão dentro de mercados que parecem monolíngues na superfície, em formas diferentes e com diferentes mitigadores. A Catalunha é um indicador líder.
Como eu testei isso
Os padrões que estou prestes a descrever são familiares para qualquer profissional que trabalhou com SEO em língua catalã na última década — minha própria experiência e a experiência de muitos colegas que trabalham em condições semelhantes.
Qualquer um que tenha
O artigo destaca como a identificação inadequada de idiomas em sistemas de busca de IA pode impactar a visibilidade de marcas em regiões multilíngues. Empresas brasileiras que atuam em mercados diversos devem estar atentas a esses desafios para garantir que suas informações sejam corretamente interpretadas e apresentadas.
