Como superar preconceitos linguísticos e culturais na adoção da GenAI

Em 2025, o ChatGPT e as buscas do Google com tecnologia de IA dominarão, mas é crucial ter em mente diferentes modos de comunicação. A IA Generativa (genAI) é predominantemente baseada em texto e funciona em inglês, o que pode isolar seus casos de uso para falantes não nativos.

Embora o inglês seja falado como língua nativa por menos de 20% da população mundial, ele representa 67.3% de sites. Muitas plataformas genAI são treinadas em inglês, o que significa que a comunicação pode ser distorcida em ambientes de trabalho que envolvem vários idiomas ou culturas.

A comunicação é muito mais do que letras em uma tela: envolve tom, linguagem corporal, expressões faciais, ritmo e nuances culturais, para citar apenas alguns fatores-chave. As organizações que implementam IA de geração precisam garantir que também estejam mitigando potenciais vieses linguísticos e culturais, especialmente considerando que vivemos em um mundo globalizado.

Por que a voz ainda importa

Existem diversas teorias que abordam a importância da comunicação multimodal, especialmente em contextos multiculturais e multilíngues.

Uma das mais proeminentes é a teoria de Edward T. Hall em torno culturas de alto e baixo contextoHall descreve as diferenças intrínsecas na forma como diferentes culturas se comunicam. Culturas de alto contexto, presentes em muitos países asiáticos, dependem de sinais indiretos e não verbais na comunicação. O japonês, por exemplo, é uma língua de alto contexto, onde onomatopeias e mudanças sutis na expressão influenciam drasticamente a intenção e a inferência.

Culturas de baixo contexto, por outro lado, como muitas no Ocidente (EUA e muitos países europeus), dependem da comunicação direta e verbal. Como culturas de baixo contexto tendem a ser mais explícitas, as mensagens digitais baseadas em texto se integram perfeitamente ao seu tecido comunicacional. Contextualizando as características predominantes baseadas em texto da genAI em relação a essa teoria, não é surpresa que pessoas de culturas de alto contexto, especialmente falantes não nativos de inglês, tenham dificuldade para se comunicar de forma tão eficaz com essas ferramentas.

Em um ambiente de negócios internacionalizado, onde pessoas de todas as esferas da vida convergem, a ausência de sinais sutis, como linguagem corporal e tom de voz, pode tornar a comunicação com IA extremamente menos confiável. A comunicação digital ou tecnológica, especificamente aquela vivenciada por meio de ferramentas de IA, deve incluir outros modos além das mensagens de texto.

O problema do preconceito em inglês no GenAI

Houve também preocupações sérias levantadas sobre o preconceito em detectores de IA (que ironicamente são alimentados por IA) contra escritores não nativos de inglês. Além disso, no mundo da ciência, pesquisas recentes sugerem que até 38% dos falantes não nativos de inglês são rejeitados por periódicos devido à percepção de uma barreira linguística. O autor desta pesquisa, na verdade, postula que quebrar as barreiras linguísticas é fundamental para o compartilhamento de conhecimento. Ele também argumenta que a qualidade da linguagem não deve determinar se o conhecimento é valioso o suficiente para ser compartilhado.

Pesquisadores estão soando os alarmes sobre a falta de diversidade linguística entre os LLMs e os riscos de excluir um grande número da população mundial que não é falante nativo de inglês. Esta é uma questão profundamente arraigada que está limitando a forma como as pessoas podem interagir e usar ferramentas de IA.

É também uma questão que deve ser abordada o mais cedo possível, tendo em conta que 95% das empresas dos EUA adotaram a genAI. Esta tecnologia está sendo cada vez mais aplicado para ambientes de trabalho movimentados, como fábricas. No entanto, falantes não nativos de inglês são frequentemente deixados de fora da discussão sobre estratégias de implantação de IA.

Vejamos como são as barreiras para a adoção bem-sucedida da IA ​​na vida real. Falantes não nativos de inglês têm dificuldade com prompts, o que leva a resultados distorcidos e riscos de informações ou instruções mal interpretadas. Por exemplo, fabricantes vietnamitas com domínio limitado do inglês dependem de traduções para o inglês via genAI para obter instruções. Isso cria uma enorme margem para erros, pois o contexto e as dicas mais sutis são eliminados.

Além disso, a confiança é corroída. Isso pode aumentar a resistência ao uso da tecnologia nos fluxos de trabalho, ao mesmo tempo em que prejudica o moral e a motivação dos funcionários.

Fechando a lacuna

Essas barreiras e desafios devem ser enfrentados o quanto antes. Para nivelar o campo de atuação em torno da adoção da genAI, nuances culturais e linguísticas devem ser levadas em consideração. Há uma série de estratégias que as organizações podem incorporar para preencher essas lacunas e construir a adoção da genAI para um futuro multilíngue.

Incorporar estruturas cognitivas e analíticas

Uma estrutura cognitiva particularmente útil é a Loop OODA, desenvolvido pelo renomado piloto de caça John Boyd. Os cinco componentes de "orientar", que compõem uma das quatro etapas do Ciclo OODA — herança genética, tradições culturais, experiências anteriores, novas informações e análise/síntese — podem ser aplicados para compreender como as decisões individuais são afetadas por insumos.

Minha recomendação é tratar a linguagem como parte das "tradições culturais", com atenção especial à "herança genética" e à "análise/síntese" dos indivíduos. Aqui está uma análise de como cada componente desempenha um papel no treinamento de modelos de IA para que tenham um escopo linguisticamente mais amplo.

• Herança genética (características humanas incorporadas): treinar sistemas de IA para detectar sinais universais, como tom e ritmo, compartilhados entre idiomas e culturas. Uma abordagem multimodal para IA genética que inclui sinais de voz, texto e vídeo — não apenas texto.

• Tradições culturais: Crie conjuntos de dados para capturar certas características linguísticas, como onomatopeias e formas de comunicação com forte contexto. Crie modelos para regiões em vez de usar um modelo universal que não seja tão ágil cultural ou linguisticamente.

• Experiências anteriores: As pessoas são mais propensas a confiar em sistemas que refletem sua realidade. Por exemplo, funcionários no Vietnã ou no Japão usarão a IA de forma diferente das equipes dos EUA, dependendo do seu nível de exposição e confiança nessas ferramentas. Workshops onde equipes locais podem testar e praticar o uso da genAI. Elas podem então compartilhar feedback sobre o quão bem ela reflete seu contexto linguístico e cultural. As organizações podem então ajustar as bibliotecas de prompts de acordo, levando em consideração os casos de uso desses guias (operários de fábrica geralmente preferem guias visuais).

• Novas informações: as ferramentas genAI precisam ser continuamente atualizadas com dados do mundo real. Utilize a entrada de dados multilíngue em conjuntos de dados para que o sistema integrado aprenda as nuances de diferentes idiomas e formas de comunicação.

• Análise/síntese: É aqui que acontece o alinhamento entre pessoas e IA. Dados e sinais linguísticos são frequentemente fragmentados, o que não é compatível com modelos de IA Gen. Esses dados precisam ser convertidos em dados digeríveis por IA para que possam ser processados ​​e analisados ​​a fim de gerar resultados cultural e linguisticamente ágeis.

Treinamento Prático para Melhores Práticas

Os funcionários também devem ser treinados sobre as melhores práticas para plataformas de genAI, com foco na clareza. Bibliotecas de prompts podem ser extremamente úteis para familiarizar as equipes com as melhores práticas para prompts.

É importante ressaltar que, em workshops de treinamento em IA, também recomendo focar em princípios como justiça e transparência. Esses são aspectos fundamentais da implantação imparcial de IA, e as equipes também devem estar bem familiarizadas em identificar sinais de alucinações e vieses, que agravam as barreiras linguísticas.

Além disso, evite "câmaras de eco", garantindo que as novas informações da IA ​​não sejam apenas de um indivíduo, mas de uma ampla gama de fontes. As câmaras de eco são um problema significativo em tecnologia, incluindo IA, reforçando vieses preexistentes e distorcendo os resultados. Os funcionários estão expostos ao risco de cair em uma armadilha de viés e seguir orientações ou informações desalinhadas.

Por fim, reconheça que qualquer ferramenta de IA, incluindo a genAI, deve ser tratada como um "consultor", não como uma diretriz rígida. As equipes devem ser incentivadas a sempre contar com um humano para esclarecer qualquer dúvida, a fim de mitigar o risco de desinformação ou orientação equivocada.

A IA está transformando os processos de negócios, mas é importante não deixar ninguém para trás ao longo do caminho. A integração dessas estratégias na implantação da IA ​​capacita as empresas a superar as barreiras linguísticas que, de outra forma, causariam viés e problemas acumulados.