Como o Google descobre que a sua empresa é uma coisa, e não um nome

Existem pelo menos quatro empresas chamadas Atlas no Brasil. Uma faz ventilador, outra é corretora, outra é escola de idiomas, outra é oficina.

Quando alguém digita Atlas, o buscador precisa escolher. Ele não escolhe pelo nome, porque o nome é igual nos quatro casos.

O que ele faz é outra coisa, e essa coisa tem data de nascimento.

O nome da sua empresa, para a máquina, é uma sequência de letras

Em 16 de maio de 2012, Amit Singhal publicou no blog do Google um texto com um título que já dizia tudo: “Introducing the Knowledge Graph: things, not strings”. Coisas, não sequências de letras. ¹

O anúncio veio com dois números. Mais de 500 milhões de objetos catalogados, e mais de 3,5 bilhões de fatos e relações entre eles. ¹

Um objeto, ali, é uma coisa do mundo. Uma empresa, uma pessoa, um lugar, um produto. Cada uma recebe um identificador de máquina próprio, herdado de um sistema anterior e exposto hoje no formato kg:. ²

É esse identificador que separa as quatro Atlas. Elas têm o mesmo nome e códigos diferentes.

Isso se chama entidade.

O que o Google guarda sobre uma coisa

A frase de três partes

O registro não guarda parágrafos. Guarda frases curtas de três partes: sujeito, predicado, objeto. ³

A sua empresa, escrita assim, vira uma pilha de linhas. Fulana Ltda, tem sede em, Belo Horizonte. Fulana Ltda, atua em, arquitetura corporativa. Fulana Ltda, foi fundada em, 2014.

Cada linha dessas pode ser confirmada ou desmentida por uma fonte de fora. É essa possibilidade de conferência que faz a estrutura funcionar.

O catálogo original não nasceu dentro do Google. Veio da compra da Metaweb, dona de uma base chamada Freebase, anunciada em julho de 2010. Wikipédia, Wikidata e dados estruturados da web entraram depois. ⁴

O tamanho do registro, em dois retratos

No lançamento de 2012, eram 500 milhões de objetos e 3,5 bilhões de fatos. ¹

Em 20 de maio de 2020, o Google publicou outro número: mais de 500 bilhões de fatos sobre 5 bilhões de entidades. ⁵

Oito anos entre um retrato e outro. Os dois são declaração oficial do Google, com data, e não estimativa de mercado.

De onde saem os fatos, e o que o Google admite sobre eles

No mesmo post de 2020, o Google descreve as fontes do registro. A frase é curta: “Wikipedia is a commonly-cited source, but it’s not the only one. We draw from hundreds of sources from across the web”. ⁶

Centenas de fontes. A Wikipédia é uma delas, e é citada com frequência, e não é a única.

O post admite outra coisa que raramente é citada junto: “Inaccuracies in the Knowledge Graph can occasionally happen”. Imprecisões acontecem, e existe canal de feedback nos painéis para correção. ⁷

Junte as duas frases e sobra uma consequência prática. Se o registro se alimenta de centenas de fontes, o que você publica sobre si mesmo é uma delas. É a que você controla, e por isso mesmo é a que pesa menos quando está sozinha.

O nome disso é reconciliação, e é o Google que chama assim

Decidir que dois registros falam da mesma coisa tem nome técnico, e o nome não é invenção de mercado.

Na documentação do Google Cloud, existe um serviço descrito como “a standalone API that wraps around the Google core entity reconciliation”. Reconciliação de entidade, com essas palavras. ⁸

Um limite, e ele é meu, não do documento. Aquele serviço é vendido a empresas para reconciliar bases de dados próprias. A documentação dele não descreve como a busca funciona. Uso o termo porque é o termo que o Google usa para a operação. A ponte entre o produto de nuvem e o buscador é leitura minha. ⁹

Reconciliar é o verbo certo para o que acontece com a sua empresa. Existem menções dela espalhadas, com grafias diferentes, endereços diferentes, às vezes fatos diferentes. Alguém precisa decidir se aquilo tudo é uma coisa só.

Três patentes, e o que elas provam de verdade

As três, com número e data

O Google patenteou mecanismos ligados a isso, e as três patentes abaixo estão concedidas, não apenas depositadas.

A US 9.477.759 B2, “Question answering using entity references in unstructured data”, foi depositada em 15 de março de 2013 e concedida em 25 de outubro de 2016. Ela descreve reconhecimento de entidade em texto livre, ou seja, sem marcação nenhuma. ¹⁰

A US 10.235.423 B2, “Ranking search results based on entity metrics”, foi depositada em 12 de dezembro de 2012 e concedida em 19 de março de 2019. ¹¹

A US 11.328.218 B1, “Identifying subjective attributes by analysis of curation signals”, foi depositada em 2017 e concedida em 10 de maio de 2022. ¹²

O que uma patente concedida prova

Aqui está a parte que o mercado costuma pular.

Patente concedida passou por exame. Isso prova investimento e direção de engenharia. Não prova que o sistema está em produção, e não prova como ele funciona hoje. ¹³

Quem cita número de patente do Google como se fosse manual de funcionamento está fazendo uma promessa que o documento não faz.

Existe ainda uma ponte que costuma aparecer nesse assunto, entre o reconhecimento de entidade e a atualização Hummingbird, de 2013. A relação cronológica existe e a conceitual faz sentido. Nenhuma fonte primária liga os dois documentos, e por isso essa ponte entra aqui como leitura minha. ¹⁴

Duas coisas que o Google tentou e desligou

Pesquisadores do Google publicaram, em 2014, um artigo sobre um sistema chamado Knowledge Vault. Ele reuniu 1,6 bilhão de triplas, das quais 324 milhões passaram de um limiar de confiança. ¹⁵

O Knowledge Vault nunca virou produto. O próprio Google declarou isso publicamente, em agosto de 2014, depois que a imprensa tratou o artigo como anúncio. ¹⁶

O Freebase, aquele catálogo comprado em 2010, também teve fim. O encerramento foi anunciado em 16 de dezembro de 2014. A base congelou para edição em 31 de março de 2015. Site e APIs saíram do ar em 30 de junho de 2015, e os dados foram para o Wikidata. ¹⁷

Guardo essas duas histórias aqui por um motivo. Manter um registro de fatos sobre o mundo é caro, e o Google desliga o que não sustenta a escala. Quem espera encontrar um botão de cadastro está esperando o contrário do que essa história mostra.

Não existe formulário

Esta é a pergunta que mais chega, e a resposta é curta.

Não existe formulário, cadastro ou protocolo público de inclusão de entidade no Knowledge Graph. Nenhum. A ausência é fato verificável: basta procurar. ¹⁸

Existe canal para sugerir correção quando já há um painel no ar, e isso é outra coisa. Corrigir um registro que existe é diferente de criar um que não existe.

O que resta é o caminho longo, e ele é o único. Ser mencionado de forma consistente por fontes que você não controla. Com os mesmos fatos, escritos do mesmo jeito.

O seu exercício de segunda-feira

Dez minutos, sem ferramenta.

Pergunte ao ChatGPT e ao Gemini: quem é a sua empresa? Use o nome exato, sem contexto nenhum.

Anote o que voltar. Pode voltar certo, pode voltar errado, pode voltar nada. As três respostas são informação, e a terceira é a mais comum em empresa que nunca tratou disso.

Guarde o print com a data. Esse é o seu marco zero de reconhecimento, e sem ele não há como dizer depois se alguma coisa mudou.