Quando a máquina confunde a sua empresa com outra

Ao final você será capaz de:

• Distinguir identidade factual de narrativa editorial.
• Modelar pessoas, organizações, produtos e relações com fontes de verdade.
• Corrigir divergências sem fabricar notabilidade nem controlar fontes independentes.

Uma empresa pode aparecer com nome jurídico, nome comercial, abreviação, domínio e perfis sociais. Uma pessoa pode mudar de cargo, publicar em vários sites e compartilhar nome com outras pessoas. Sistemas e públicos precisam de pistas para perceber quando os registros representam a mesma entidade.

Coerência não exige repetir uma biografia idêntica em todos os lugares. Cada canal pode oferecer contexto diferente, mas fatos centrais como nome, função, organização, credencial, produto e relação precisam ser compatíveis e atualizados.

O trabalho começa por um registro canônico: uma fonte interna controlada que reúne fatos aprovados, origem, responsável, data de vigência e URLs de referência. Esse registro alimenta site, imprensa, apresentações, perfis e dados estruturados.

Exemplo resolvido, empresa B2B que mudou de marca

Cena hipotética, construída para o capítulo. Domínios, perfis, releases e bios apresentavam versões incompatíveis, dificultando entender quais registros pertenciam à mesma empresa e qual cargo estava vigente.

Como ler o resultado. Coerência preserva contexto histórico em vez de apagar o passado. O objetivo é reduzir ambiguidade e contradição, não fabricar uniformidade artificial.

Ao final deste capítulo você será capaz de definir entidade sem depender do vocabulário de fornecedor, de diagnosticar por que um script de auditoria de entidade parou de responder, e de reescrever um parágrafo de forma que a menção da sua marca deixe de ser ambígua. A dor que abre o capítulo é concreta e provavelmente já aconteceu com você: alguém monta um script para verificar o identificador da marca no grafo de conhecimento, o script começa a devolver vazio, e ninguém consegue dizer se o problema é o código, se a marca saiu do grafo ou se o endpoint morreu. Três hipóteses muito diferentes, um único sintoma, e um processo de auditoria inteiro apoiado em um endpoint que ninguém mantém.

Para deixar concreto: o time de Marina, diretora de marketing da fintech de crédito Correnteza Crédito, montou uma verificação de identidade da marca em cima de uma única chamada de API ao grafo de conhecimento. Rodava sozinha todo dia, silenciosa, até a manhã em que parou de responder. Ninguém na sala sabia dizer se o código tinha quebrado, se a entidade da Correnteza havia sumido do grafo, ou se o endpoint mudou de comportamento sem avisar. Um mesmo silêncio, três explicações incompatíveis, e a auditoria inteira apoiada num ponto de falha que ninguém escolheu de propósito. O caso é hipotético, mas a arquitetura frágil que ele descreve é banal.

Vale separar duas camadas que o mercado costuma misturar. A ontologia interna de um buscador é privada, não versionada publicamente e ninguém de fora enxerga a estrutura dela. O vocabulário Schema.org é público, versionado e serve para você declarar tipos e relações em linguagem que várias máquinas leem. Cada uma opera em um plano próprio: você marca uma organização em Schema.org, e o buscador decide sozinho se aquilo o ajuda a resolver a entidade. Assumir que o seu markup é um comando para a ontologia interna é o erro conceitual que produz frustração no primeiro trimestre de qualquer projeto de entidade.

A segunda camada de frustração é de infraestrutura, e ela tem datas. As superfícies programáticas de entidade fecharam ou congelaram em sequência entre outubro de 2022 e novembro de 2025, e a figura abaixo põe os cinco marcos na mesma linha: release notes congeladas do sucessor, o anúncio de retirada das Bing Search APIs, o desligamento efetivo com o Entity Search dentro dele, a retirada da API de perguntas e respostas do Google My Business, e o aviso de migração sem data que segue pendurado na Knowledge Graph Search API.

Com isso na mesa, o diagnóstico do script quebrado deixa de ser adivinhação. São três hipóteses mutuamente excludentes e cada uma tem um teste barato. Primeira: o código quebrou, e você testa chamando o mesmo endpoint com uma entidade notória e estável, algo que certamente está no grafo. Segunda: a entidade sumiu ou nunca esteve lá, e você testa consultando outra fonte de identidade para a mesma marca. Terceira: o endpoint mudou ou morreu, e você testa lendo a documentação e o histórico de ciclo de vida do produto, não o Stack Overflow.

O item que mais gente pula é o carimbo de data. Um dado de entidade sem data de coleta é inútil seis semanas depois, porque você não consegue distinguir mudança do mundo de mudança do seu método. Isso vale duplamente aqui, já que o próprio endpoint pode ter mudado de comportamento entre duas coletas sem emitir erro. Registre a data, a URL exata consultada, o status devolvido e o valor bruto, sempre nessa ordem, e trate a planilha de auditoria como registro de laboratório.

Resolvida a disciplina de coleta, sobra a pergunta que realmente move o ponteiro: quais sinais de identidade valem mais? A hierarquia é simples e segue um critério único, que é a possibilidade de verificação fora do buscador. A figura abaixo empilha quatro camadas, do perfil de rede social até o identificador registrado, e serve como ordem de prioridade de implementação.

Traduzindo para o Brasil: o CNPJ entra em taxID, o nome empresarial em legalName, o nome fantasia em alternateName, e os identificadores internacionais entram quando existem. Vale abrir as siglas do topo da pirâmide, porque elas aparecem em contrato antes de aparecer em briefing. LEI é o Legal Entity Identifier, código global de vinte caracteres exigido de quem opera em mercados financeiros. DUNS é o Data Universal Numbering System, número de nove dígitos que a Dun & Bradstreet emite para identificar empresas em cadeias de fornecimento. GLN é o Global Location Number, identificador da GS1 usado para designar uma empresa ou um endereço específico no varejo e na logística. A vantagem desses campos sobre uma lista de trinta perfis sociais é que eles apontam para registros públicos mantidos por terceiros, o que os torna checáveis por qualquer sistema sem depender da sua palavra. É o tipo de sinal que resolve o caso mais difícil de todos, que é o de duas empresas com o mesmo nome em setores diferentes.

Uma nota sobre o terceiro degrau da pirâmide, para o capítulo conversar com o seguinte sem contradição. O Google publica um fluxo chamado Reivindicar Painel de Informações, com verificação de quem representa a entidade por meio de um perfil oficial. Nem todo painel é elegível. E, uma vez verificado, o representante ganha prioridade de análise para sugerir mudanças pelo canal de Feedback, sem editar o painel diretamente. Reivindicar, portanto, dá identidade reconhecida e canal preferencial de correção, jamais controle editorial da superfície.

Markup resolve a camada declarada. Falta a camada que decide o jogo na prosa, que é a desambiguação dentro do próprio texto. E aqui houve uma mudança de mecanismo que muita gente ainda não incorporou: os sistemas atuais de ligação de entidade tratam reconhecer a menção e decidir a qual entidade ela se refere como uma coisa só, a partir do contexto ao redor. Reconhecimento e desambiguação deixaram de ser dois estágios independentes.

Coocorrência desambiguadora é qualquer termo que, aparecendo perto da menção, elimina candidatos concorrentes. Elas se organizam em quatro famílias, e uma primeira menção bem construída costuma carregar pelo menos três delas sem soar artificial. O teste de qualidade é honesto e rápido: se você trocasse o nome da sua marca pelo nome do concorrente, a frase continuaria verdadeira? Se sim, o contexto ainda não desambigua nada, apenas descreve o setor.

As quatro famílias de coocorrência para plantar em volta da primeira menção

• Categoria: o que a coisa é (consultoria de dados, fabricante de válvulas, escola técnica). Elimina os homônimos de outros setores.
• Geografia: onde ela opera, no nível mais específico que for verdadeiro (bairro, cidade, estado, país). Elimina os homônimos de outras praças.
• Pessoas: quem responde por ela, com nome completo e papel. Elimina as entidades que compartilham nome mas não compartilham quadro.
• Produtos: os nomes próprios que só existem no universo dela. Elimina tudo o que sobrou, porque nome de produto raramente se repete entre empresas.

O contraste com a tática que ainda circula em briefing de conteúdo fica evidente quando você põe as duas lado a lado. Repetir o nome dez vezes aumenta a densidade da string e não altera o conjunto de candidatos; cercar a menção reduz o conjunto a um. Uma custa legibilidade e não paga nada, a outra custa duas frases e resolve o problema.

Vale visualizar o resultado do trabalho como grafo, porque é isso que você está construindo com prosa. A menção no centro, as coocorrências como nós vizinhos, e o homônimo do outro setor apartado por não compartilhar nenhuma aresta com você. Repare que cinco relações declaradas cabem em duas frases bem escritas.

Do lado da verificação, o plano B substitui o endpoint único por triangulação: consulta a uma base aberta de identidade, observação manual do painel de conhecimento na busca, e leitura das respostas de assistentes sobre a marca. Nenhuma das três é autoritativa sozinha, e é exatamente por isso que funcionam juntas. Quando as três divergem, você tem um achado a investigar, e ele costuma valer mais que a resposta convergente.

E a fragilidade não é privilégio das APIs de buscador. Em 09/05/2025 o serviço de consulta do Wikidata separou o grafo principal do grafo de artigos acadêmicos, passando a exigir federação para consultas que atravessam os dois lados, e o endpoint transitório completo ficou disponível apenas até dezembro de 2025. Um script escrito antes disso, que toque publicações acadêmicas, passou a devolver resultado incompleto sem lançar erro nenhum. Esse é o tipo de bug mais caro que existe em auditoria: ele não falha, ele mente.

Antes do exercício, separe o que dá para automatizar do que exige julgamento. A divisão importa porque o valor do seu trabalho mora justamente nas tarefas de maior julgamento, e são elas que costumam ser empurradas para um script incapaz de avaliar se uma coocorrência é verdadeira. Coletar, carimbar e alertar são mecânicos e devem virar rotina semanal. Decidir, avaliar notabilidade e reescrever ficam com você, sempre.

Exercício prático

Escolha um parágrafo já publicado no seu site em que a marca é mencionada de forma nua. Reescreva esse parágrafo cercando a primeira menção de pelo menos três das quatro famílias de coocorrência. Justifique, em uma linha por item, qual candidato concorrente cada coocorrência elimina. Aplique o teste do concorrente na versão final. Registre, na mesma folha, a data de hoje e a URL do parágrafo original.

Critérios de sucesso

• O parágrafo reescrito não repete o nome da marca mais vezes que o original.
• Pelo menos três famílias de coocorrência estão presentes na primeira menção.
• Cada coocorrência tem justificativa escrita ligando-a a um candidato eliminado.
• Trocar o nome da marca pelo do concorrente torna a frase falsa.
• Nenhuma afirmação nova sobre a empresa foi introduzida sem que você possa comprová-la.
• A folha traz data de coleta e URL de origem.

Máquinas precisam desambiguar antes de confiar

Uma pessoa usa contexto para entender que duas grafias, uma razão social e um nome de produto pertencem à mesma organização. Sistemas automatizados precisam de sinais mais explícitos: nome preferido, nomes alternativos legítimos, domínio oficial, localização, fundadores, liderança, datas, perfis e relações. Quando esses fatos divergem, aumenta o risco de fragmentação ou mistura com outra entidade.

Coerência factual não significa repetir a mesma bio em todos os lugares. Um perfil para investidores pode destacar governança; a página de carreira, cultura; o press kit, trajetória e porta-vozes. O núcleo verificável precisa permanecer compatível: quem é a organização, o que oferece, desde quando, onde opera, quem responde e quais fontes sustentam cada afirmação.

O registro canônico funciona como fonte de verdade editorial. Ele não obriga veículos independentes a adotar a linguagem da empresa nem transforma um posicionamento em fato. Serve para reduzir erros sob controle da organização e facilitar correções fundamentadas quando terceiros publicam dados incorretos.

Aprofundamento

A partir daqui o capítulo sai do "como fazer" e entra no "por que funciona". Se você só precisa executar, o material acima já basta.

Caso longitudinal, Episódio 6 · separar organização, produto e especialista depois de um rebranding

Quem está na sala: CEO com jurídico, comunicação, produto, RH e tecnologia

A reunião: Comitê de marca após um parceiro publicar que Orbe Maintenance foi fundada em 2019, confundindo o lançamento do produto com a fundação da organização.