Wikidata e Wikipedia: fontes e identidade pública

0:00Olá e boas-vindas a esta videoaula de abertura. Vamos direto ao ponto, mergulhando na base do que sustenta a visibilidade na era da inteligência artificial. Para quem cuida da reputação de uma marca, de uma empresa ou de uma figura pública, entender o que os assistentes de IA dizem sobre essas entidades é o movimento mais vital que existe. O foco aqui recai sobre os fundamentos do primeiro capítulo do nosso estudo sobre otimização para motores generativos, ou GEO, explorando as engrenagens conjuntas do Wikidata, e da Wikipedia.

0:31É o ponto de partida exato para quem nunca editou nenhuma dessas plataformas, mas precisa navegar por esse ecossistema com muita precisão e segurança. Para começar, a gente precisa olhar para esses dois projetos da Wikimedia Foundation.

0:44Eles formam simplesmente a infraestrutura semântica aberta mais utilizada da web. De um lado, a gente tem a Wikipedia, que é uma enciclopédia colaborativa organizada em texto corrido.

0:54Ela responde a perguntas como quem, o que, quando e por que em linguagem natural, cobrindo mais de 300 idiomas. Do outro lado, entra a Wikidata, atuando como um banco de dados estruturado, multilíngue e totalmente legível por máquina.

1:09O detalhe é que o Wikidata responde às mesmas perguntas da Wikipedia, mas através de declarações formais. Pensa em três caixinhas interligadas, a tripla sujeito, predicado e objeto. É exatamente assim que os dados ganham estrutura.

1:23E por que é tão crucial estudar os dois juntos? A resposta está na forma como a tecnologia moderna consome informação. Buscadores e assistentes de IA bebem da Wikipedia e do Wikidata como fontes primárias de verdade.

1:36Além disso, aqueles Knowledge Panels que vemos nas buscas são massivamente alimentados por propriedades como o sameAs no Wikidata e pelas Infoboxes da Wikipedia. Tem mais. Os grandes modelos de linguagem leram praticamente a enciclopédia inteira.

1:51Isso acontece porque os conjuntos de treino mais importantes da IA, como Common Crawl, C4, The Pile e Dolma, contêm dumps completos da Wikipedia. Para fechar, o Wikidata ainda oferece um endpoint SPARQL público, uma ferramenta fantástica para consultas federadas que permite fazer auditorias minuciosas de entidades.

2:11É justamente por causa de toda essa integração profunda que chegamos a uma premissa inegável. Editar a Wikipedia sem entender o Wikidata é perder metade da oportunidade de GEO. Tentar gerenciar a presença de uma marca olhando apenas para os artigos em texto e ignorar os dados estruturados significa, na prática, fechar os olhos para a forma como a inteligência artificial realmente mapeia e compreende o nosso mundo.

2:35Para entender melhor, vamos comparar as diferenças estruturais essenciais entre os projetos. No formato, a Wikipedia usa a linguagem natural. Já o Wikidata trabalha com dados estruturados em RDF. A unidade básica na Wikipedia é o artigo, enquanto no Wikidata a gente fala de um item, com aquele código Q, e uma propriedade, com o código P.

2:55As fontes na enciclopédia são aquelas citações in-line no rodapé. No banco de dados, exige-se referência por declaração específica. O público também muda. Humanos leem a Wikipedia, mas tanto humanos quanto máquinas leem o Wikidata.

3:08Na verificabilidade, a Wikipedia pede fontes secundárias confiáveis, enquanto o Wikidata pede fontes verificáveis por declaração. A notabilidade na enciclopédia exige cobertura significativa em fontes independentes, mas o Wikidata adota um critério mais amplo, aceitando praticamente qualquer coisa identificável.

3:25E, por fim, a licença, que é a grande chave. A Wikipedia usa CC BY-SA 4.0, e o Wikidata opera em CC0. Vamos aprofundar essa questão da licença CC0, porque a consequência estratégica disso é gigantesca. CC0 significa domínio público.

3:43Dados em domínio público permitem o uso sem nenhuma necessidade de atribuição. Ou seja, qualquer empresa de tecnologia pode ingerir o Wikidata inteiro sem dar crédito. E isso explica brilhantemente por que tantos assistentes conversacionais adotaram o Wikidata como a sua camada de entidades. Editar um único item por lá não atualiza só uma página. Alimenta dezenas de sistemas de forma simultânea.

4:07Trazendo tudo isso para a prática da gestão de reputação, existe uma regra direta para descobrir o que os assistentes de IA vão considerar como verdade sobre um nome. Do lado esquerdo, a gente precisa verificar exatamente o que a Wikipedia diz em texto.

4:19Em paralelo, do lado direito, é fundamental rodar uma consulta pelo respectivo QID no query.wikidata.org, caso ele exista. A união do que esses dois sistemas dizem forma a base principal do que os modelos de linguagem acreditam ser a realidade.

4:35E vale lembrar que esse ecossistema segue em movimento, com mudanças técnicas e de políticas documentadas ao longo de 2026 e 2027. Começando em março de 2026, a Wikipedia em inglês implementou uma diretriz contra a geração ou reescrita de texto utilizando grandes modelos de linguagem, abrindo exceções apenas para a revisão de texto próprio e para a tradução.

4:57Em 15 de setembro de 2026, o snapshot mensal completo do Wikidata tornou-se gratuito no Wikimedia Enterprise. Na infraestrutura técnica de consultas, os novos endpoints no QLever abrem para a comunidade até 1º de novembro de 2026.

5:12Esse movimento faz parte da migração do serviço de consultas que sai do Blazegraph com a transição completa prevista para 30 de junho de 2027. Essas não são as únicas atualizações.

5:23O ecossistema passou a contar com um servidor MCP público e um banco de vetores do Wikidata, uma arquitetura pensada exatamente para que agentes de IA consigam consultar o grafo com mais eficiência. Em paralelo, o comportamento de edição gerou reações.

5:37Registrou-se uma alta na criação de itens promocionais. Por conta disso, existe uma proposta em andamento para incluir novos avisos na própria tela de criação de um novo item.

5:45Para materializar o impacto prático dessas dinâmicas, vamos analisar o caso de uma agência B2B em São Paulo, um cenário ilustrativo criado para o curso. O problema começou quando o pacote antigo da agência focava apenas na criação de itens no Wikidata.

5:59O resultado foi que parte dos itens acabou apagada. A solução estratégica foi trocar esse pacote de criação por uma auditoria de entidade. A agência passou a avaliar se já existia um QID, a garantir que as propriedades tivessem referência, validar a presença de sameAs no site oficial e mapear uma lista das fontes que faltam.

6:18O foco passou a ser gerar a fonte independente exigida, garantindo que itens novos só entrem com notabilidade documentada. E assim chegamos à estrutura fundamental de todo esse cenário. É a combinação exata entre o texto corrido e os dados estruturados que alimenta continuamente os grandes modelos de linguagem e os Knowledge Graphs em toda a web.

6:38Tudo isso ocorre através do alcance poderoso da licença CC0, que distribui informações vitais em domínio público sem necessidade de atribuição. Encerramos aqui nossa aula. Até a próxima!

0:00Imagina tentar ajustar a forma como uma marca é percebida, sabe? Por um assistente de inteligência artificial. Alguém passa horas mudando um texto enciclopédico e aí descobre que a inteligência artificial, na verdade, está lendo um banco de dados oculto e estruturado.

0:15Nossa, sim. Isso muda tudo. Pois é. Então, para quem cuida da reputação de uma empresa ou gerencia a própria imagem no mercado, entender esse mecanismo é fundamental. A nossa missão nesse mergulho de hoje é ir direto ao ponto.

0:30Vamos explorar os fundamentos do primeiro capítulo do curso Wikidata e Wikipedia para GEO. Essa sigla GEO significa Otimização para Motores Generativos. Começar por esse cenário é perfeito.

0:45Olha, para entender o que os assistentes de IA dizem sobre uma marca ou pessoa, a gente precisa olhar para os dois projetos centrais mantidos pela Wikimedia Foundation. Eles costumam ser confundidos, mas... Muito confundidos, né? Demais.

0:58Só que eles operam de maneiras completamente distintas. Sabe, de um lado, a gente tem a Wikipedia. Ela é uma enciclopédia colaborativa, escrita em linguagem natural. Aquela página clássica de texto corrido. Exato.

1:11O conteúdo é organizado em artigos textuais, disponíveis em mais de 300 idiomas. E, na prática, a Wikipedia responde às perguntas de quem, o que, quando e por quê. Tudo em texto corrido, feito para a leitura humana.

1:24É a interface que qualquer pessoa reconhece de imediato ao fazer uma busca. Mas, hum, e a outra ponta dessa dinâmica? Onde entra a parte desenhada para as máquinas? Aí é que entra o Wikidata. O Wikidata é um banco de dados estruturado, também multilíngue, mas a diferença técnica primária dele é ser legível por máquina.

1:46Tá, e como ele responde aquelas mesmas perguntas? Ele responde as mesmíssimas perguntas que a Wikipedia, mas faz isso utilizando uma estrutura muito específica, chamada de triplas, sujeito, predicado e objeto.

1:59Vamos detalhar como essa mecânica funciona na prática, porque ler um texto humano é tranquilo, mas como uma máquina interpreta essa tripla de sujeito, predicado e objeto? Então, imagina que em vez de ler um parágrafo inteiro explicando que uma determinada pessoa fundou uma empresa num ano específico, a máquina lê uma declaração dividida cirurgicamente em três partes.

2:20Certo. O sujeito é a entidade principal da qual a gente está falando. O predicado é a relação, a característica ou a ação. E o objeto é o valor dessa relação. O Wikidata descreve as entidades assim, por meio dessas declarações formais.

2:37Ah, entendi. É uma maneira de entregar a informação já mastigada, né? Exatamente. Entrega pronto, para que um sistema de computador consiga processar sem nenhuma margem para a ambiguidade.

2:47É tipo comparar a leitura de uma biografia num livro com uma ficha cadastral dessa pessoa, onde cada informação tem a sua coluna específica. Mas isso levanta um ponto essencial. Por que a gente precisa estudar Wikipedia e Wikidata em conjunto?

3:02Qual é o peso prático de unir o texto com a ficha? O peso prático é o ecossistema que consome esses dados. Esses dois projetos formam a espinha dorsal do que a gente chama de Knowledge Graph do Google. Que é gigantesco.

3:14Sim, e também são a base para o treinamento de modelos de linguagem, os LLMs. Se a gente olhar para os buscadores e assistentes atuais, a lista de sistemas que usam os dois como fonte primária de verdade sobre entidades inclui nomes como Google, Bing, Apple, Amazon, ChatGPT, Gemini e Perplexity.

3:35Fica muito claro que ignorar essa dupla não é uma opção para quem trabalha com presença digital. E como é que essa integração se materializa na tela de quem faz uma busca comum? Um dos exemplos mais visíveis são os Knowledge Panels do Google.

3:48Sabe aquelas caixas de informação consolidadas que aparecem do lado ou no topo das buscas? Sim, chamam muito a atenção na página. Exato. Esses painéis são fortemente alimentados por dois elementos. Primeiro, pela propriedade chamada sameAs do Wikidata, que serve basicamente para conectar as pontas e indicar que uma entidade é a mesma em diferentes plataformas.

4:09E segundo, pelas infoboxes, que são aquelas caixas de informação resumida que ficam no canto dos artigos da Wikipedia. Tem um detalhe fascinante sobre o peso da Wikipedia no treinamento das inteligências artificiais.

4:21Conjuntos de treinos gigantescos que servem de matéria-prima para os LLMs contêm a Wikipedia inteira. A gente está falando de datasets como Common Crawl, C4, The Pile e Dolma. Todos eles leem tudo, né? Integralmente.

4:35A consequência de a Wikipedia estar dentro desses conjuntos de treino é que cada LLM moderno já leu a página da Wikipedia de uma entidade. Claro, caso ela exista. É bem isso. E olha, enquanto a Wikipedia treina a compreensão de linguagem, o Wikidata entra como uma ferramenta estrutural.

4:52O Wikidata expõe um endpoint público chamado SPARQL. Tá, e o que ele faz exatamente? O grande diferencial desse endpoint público é que ele permite realizar consultas federadas em grafo. É o lugar ideal para auditar as conexões de uma entidade.

5:06Vamos fazer uma pausa para esclarecer esse conceito para quem nos acompanha. O que significa, na prática, fazer uma consulta federada em grafo nesse endpoint SPARQL? Imagina um bibliotecário digital extremamente avançado.

5:20Em vez de simplesmente buscar pelo título de um livro, a consulta em grafo permite cruzar múltiplas relações simultaneamente. Nossa, cruzando várias propriedades ao mesmo tempo.

5:30Sim. Você pode pedir, por exemplo, uma lista de todas as empresas de software fundadas em uma cidade específica, que tenham executivos formados em uma determinada universidade. O SPARQL permite extrair essas conexões exatas.

5:46Isso é ideal para fazer auditoria de entidades, né? Exatamente. Ideal para entender profundamente como os dados de uma marca estão interligados. E isso amarra com perfeição a frase central do material.

5:57Editar a Wikipedia sem compreender o Wikidata é perder metade da oportunidade de GEO. Essa compreensão técnica dupla é inegociável. Com certeza. Para aprofundar essa visão, a gente pode comparar estruturalmente os dois projetos, alternando cada linha da tabela de diferenças, começando pelo formato e pela unidade básica.

6:16Bom, no formato, a diferença consolida o que a gente falou. Na Wikipedia, temos o texto em linguagem natural. No Wikidata, os dados estruturados usam o formato RDF. E sobre a unidade básica de organização, na Wikipedia, a unidade central é simplesmente o artigo.

6:33Enquanto no Wikidata, a unidade é dividida. A unidade principal é o item, que é sempre identificado pela letra Q, e ele é acompanhado pela propriedade, identificada pela letra P. Então, Q e P organizam tudo por lá. E sobre as fontes?

6:48Porque aí a diferença começa a ficar mais estratégica. Na Wikipedia, a exigência é pelas citações in-line, aquelas notas de rodapé no meio do texto corrido. Isso. Já no Wikidata, a exigência é ter referências por declaração.

7:01E essa exigência se conecta direto ao público de cada projeto. O público da Wikipedia é o leitor humano, que consome o artigo e checa a citação no rodapé. Faz sentido. E o público do Wikidata? O público engloba humanos e máquinas.

7:16A máquina não lê um parágrafo inteiro, né? Ela lê a declaração isolada, processa o dado estruturado e confere a referência ligada especificamente àquela declaração. O que nos leva às regras de aceitação. Começando pela política de verificabilidade.

7:30A Wikipedia exige fontes secundárias confiáveis. E o Wikidata exige fontes verificáveis por declaração. Certo, e a partir da verificabilidade, a gente entra no critério de notabilidade, que é onde ocorre um distanciamento brutal entre os projetos.

7:44A enciclopédia exige uma cobertura significativa em fontes independentes para garantir a notabilidade. Já a Wikidata tem um critério de notabilidade vastamente mais amplo. Basta ser qualquer coisa identificável. Pera, pausa aqui. Qualquer coisa identificável.

8:00Deixa eu ver se entendi o impacto. A Wikipedia exige um histórico robusto na mídia, mas Wikidata aceita qualquer coisa identificável. Como isso muda o jogo para quem trabalha com reputação digital?

8:11Muda de forma drástica, porque a barreira de entrada no banco de dados estruturado é muito mais permeável do que na enciclopédia textual. Essa flexibilidade permite mapear entidades no grafo de forma muito mais ampla, desde que haja verificação por declaração.

8:27É uma ponte temática perfeita para a gente falar da última linha da tabela, as licenças. Esse é talvez o ponto mais crítico. A Wikipedia usa licença CC BY-SA 4.0, mas o Wikidata usa CC0. E essa escolha técnica muda tudo.

8:43A licença CC0 significa domínio público. A gente precisa destrinchar esse peso. Domínio público significa uso sem atribuição. Ou seja, a informação flui sem barreiras que exijam a citação de origem a todo momento.

8:58É exatamente por causa desse uso sem atribuição que o Wikidata se torna a camada de entidades de sistemas gigantescos. O Google, o Apple Maps, a Siri, a Alexa e o DuckDuckGo usam isso. São muitos sistemas downstream. Sim, são muitos sistemas downstream.

9:13Os assistentes conversacionais conseguem puxar os dados direto para o usuário porque não tem complexidade jurídica travando o reuso. A conclusão lógica é impressionante. Quem cria ou edita um item alimenta simultaneamente dezenas de sistemas downstream.

9:27Um ajuste no Wikidata irradia para todo mundo. É por isso que o material traz uma regra prática para quem quer saber o que a IA pensa sobre uma marca. E qual é a regra? Em vez de perguntar direto ao ChatGPT, o caminho ideal é fazer duas coisas em paralelo.

9:43Perguntar o que a Wikipedia diz sobre o nome e buscar o QID no endereço query.wikidata.org, caso esse QID exista. Essa combinação oferece uma aproximação razoável do que os LLMs acreditam ser verdade. Incrível!

10:00Agora, puxando o assunto para as novidades do material, a gente tem fatos recentes apontados sobre o ano de 2026. Vamos listar isso de forma independente, começando pela infraestrutura de acesso. Houve uma migração importante no serviço de consultas.

10:15O back-end do query.wikidata.org sai do Blazegraph e vai para o QLever. Os endpoints novos abrem para a comunidade até 1º de novembro de 2026, com a migração completa prevista para 30 de junho de 2027.

10:31E além da infraestrutura, tem a questão do fornecimento de dados. Desde 15 de setembro de 2026, o Wikimedia Enterprise passou a entregar um snapshot mensal completo do Wikidata em uma conta gratuita. Também temos iniciativas focadas em IA.

10:47A Wikimedia Deutschland mantém um servidor MCP público e um banco de vetores do Wikidata desenhados para agentes de IA consultarem o grafo. Entrando nas pressões comunitárias, a equipe do Wikidata registrou uma alta na criação de itens promocionais.

11:02Por conta disso, existe uma proposta de avisos e confirmação na tela de criação de itens. E finalizando a lista, tem a diretriz da Wikipedia em inglês. Desde março de 2026, é proibido gerar ou reescrever texto de artigo utilizando o LLM, havendo exceções apenas para a tradução e para a revisão de texto próprio.

11:22Quero trazer um exemplo prático para materializar isso. E eu faço questão de alertar em voz alta e com toda clareza que este é um cenário ilustrativo criado para o curso. Perfeito. A protagonista do cenário é a gerente de SEO de uma agência B2B em São Paulo que atende uma carteira de clientes de SaaS, que são os softwares vendidos como serviço.

11:43E qual era o problema lá? A agência tinha um pacote antigo de SEO que vendia a criação de itens no Wikidata para clientes que não tinham cobertura em fontes independentes.

11:52A consequência foi que parte dos itens acabou apagada e a agência virou alvo de patrulha. A virada de chave nesse cenário ilustrativo é a solução adotada. A agência trocou a criação indiscriminada por uma auditoria de entidade.

12:06E essa auditoria envolve passos claros. Mapear o QID existente, garantir propriedades com referência, adicionar o sameAs no site oficial e levantar uma lista de fontes que faltam. A regra mudou. Item novo só entra quando há notabilidade documentada.

12:22E o saldo é muito positivo. O cliente ganha um plano verificável, a agência para de queimar contas e o trabalho de digital PR ganha um objetivo certeiro. Que é gerar o tipo de fonte que a Wikipedia e o Wikidata aceitam, né?

12:35Exato. Gerar fontes aceitáveis constrói a presença real. Chegamos ao momento de fazer um apanhado exato do que precisa ficar retido. Para quem cuida de marca, a diferença crucial é entre a Wikipedia, que é texto corrido, e o Wikidata, que são os dados estruturados.

12:51E por que isso importa? Porque os dois projetos juntos são os motores, os insumos críticos que alimentam os modelos de linguagem e os Knowledge Graphs atuais. Eles definem a estrutura da IA. E o papel da licença CC0 amarra tudo.

13:06É por ser domínio público que ela garante a propagação rápida e sem atrito desses dados pela web. Entender essa dinâmica muda a visão técnica. Esse foi o nosso mergulho nos fundamentos de hoje. Um abraço e até a próxima.