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.
