Pesquisa semântica versus pesquisa por palavra-chave: porque importa para os concursos

Uma empresa de gases medicinais configura alertas de concursos no TED, o portal Tenders Electronic Daily da UE. Usa as palavras-chave óbvias: "gás medicinal", "central de oxigénio", "gerador PSA". Durante seis meses os alertas estão silenciosos, por isso assume que o mercado também está. Depois um concorrente ganha um contrato hospitalar no valor de várias centenas de milhares de euros. O comprador tinha-o publicado como "sistema de rede central para terapia respiratória". Três palavras que a empresa nunca pensaria em monitorizar, e o filtro por palavra-chave deixou-o passar em frente.

Isto não é uma falha rara. É a fraqueza definidora da forma como a maioria dos alertas de concursos ainda funciona. E é a razão mais clara pela qual a pesquisa semântica supera a pesquisa por palavra-chave para qualquer um que leve a sério ganhar contratos públicos.

Como a pesquisa por palavra-chave realmente falha

A correspondência por palavra-chave é literal. Procura as cadeias exatas que escreveu, ou raízes próximas delas, dentro do título e da descrição de um concurso. Se o comprador usou uma palavra diferente, não obtém nada. A contratação pública é o pior ambiente possível para isto, por três razões:

Os compradores descrevem a mesma coisa de dezenas de formas. "Central de oxigénio" pode aparecer como "unidade de produção de oxigénio", "sistema PSA", "skid de produção de gás" ou "fonte de alimentação central de ar medicinal". Um hospital em Lisboa, uma clínica em Nairobi e um ministério em Riade vão exprimi-lo cada um de forma diferente.

A língua e a tradução derivam. O TED publica em 24 línguas, o PNCP brasileiro em português, a maioria dos portais do Golfo em árabe e inglês lado a lado. Uma palavra-chave que funciona numa língua devolve silêncio noutra, mesmo depois de uma tradução automática destroçar o termo técnico.

Os códigos CPV e de classificação são aplicados de forma inconsistente. O Common Procurement Vocabulary da UE deveria normalizar isto, mas os compradores escolhem regularmente um código suficientemente próximo em vez de exato. Filtrar por um único código CPV elimina oportunidades reais; filtrar por um código-pai amplo afoga-o em ruído.

Enfrenta assim um compromisso brutal. Palavras-chave estreitas significam falsos negativos: concursos reais que nunca vê. Palavras-chave amplas significam falsos positivos: uma inundação diária de anúncios irrelevantes que deixa de ler ao fim de uma semana. De qualquer forma, perde negócios.

O que a pesquisa semântica faz de diferente

A pesquisa semântica corresponde pelo significado, não pela ortografia. Em vez de perguntar "este concurso contém as minhas palavras exatas", pergunta "este concurso é sobre a mesma coisa que me interessa".

O mecanismo são os embeddings. Um modelo de IA lê um texto, o perfil da sua empresa ou um anúncio de concurso, e converte-o numa longa lista de números (um vetor) que representa aquilo de que o texto realmente trata. Textos com significado próximo acabam próximos uns dos outros neste espaço matemático, mesmo quando não partilham nenhuma palavra.

Na prática, isto significa que um perfil que descreve "sistemas de fornecimento de oxigénio medicinal para hospitais" aterra mesmo ao lado de um concurso intitulado "sistema de rede central para terapia respiratória", porque o modelo compreende que as duas expressões apontam para a mesma coisa do mundo real. Nenhuma palavra-chave partilhada é necessária. O mesmo modelo também sabe que um "contrato de fornecedor Apple" num concurso de aquisição de fruta não é sobre computadores, algo que um filtro por palavra-chave em "Apple" nunca consegue descortinar.

O resultado é uma correspondência que sobrevive a:

Sinónimos e jargão: "gerador PSA", "unidade de adsorção por variação de pressão" e "produção de oxigénio no local" correspondem todos ao mesmo perfil.

Tradução e fontes multilingues: o significado é preservado entre línguas porque o vetor representa o conceito, não a cadeia literal.

Códigos de classificação vagos ou errados: o modelo lê a própria descrição, por isso um código CPV mal etiquetado já não lhe esconde o concurso.

Um antes e depois concreto

Tome uma empresa de engenharia civil de média dimensão que constrói infraestruturas de tratamento de água. Com alertas por palavra-chave em "estação de tratamento de águas" no TED, nos anúncios de contratação do Banco Mundial e em alguns portais nacionais, apanha os concursos óbvios e perde uma longa cauda:

"Modernização da rede de águas residuais" num anúncio eTenders sul-africano

"Estação de tratamento de águas residuais" publicada no portal BASE de Portugal

"Trabalhos de gestão de efluentes" num projeto do Banco Mundial na África Oriental

"Reabilitação de ETAR" no PNCP brasileiro

Nenhum destes contém a expressão "estação de tratamento de águas". Um sistema por palavra-chave não mostra nenhum deles à empresa. Um sistema semântico pontua todos os quatro como fortes correspondências, porque cada um descreve trabalho que a empresa faz, numa linguagem que a empresa simplesmente não previu. Ao longo de um ano, essa lacuna é a diferença entre um pipeline saudável e um pipeline magro.

Semântica não significa que as palavras-chave são inúteis

A resposta honesta é que os melhores sistemas combinam ambos, uma abordagem muitas vezes chamada pesquisa híbrida. As palavras-chave ainda importam quando precisa de precisão numa restrição rígida: um nome de comprador específico, um número de registo, uma norma obrigatória como a ISO 13485 ou a marcação CE, um país onde está licenciado para operar. Estes são factos, não conceitos, e a correspondência exata é a ferramenta certa para factos.

Onde a pesquisa semântica ganha é na questão difusa e de alto valor da relevância: dos 3000 anúncios publicados no TED hoje, mais milhares de outros na África, na América Latina, no Médio Oriente e nos bancos multilaterais, qual deste punhado é realmente sobre o que a minha empresa faz. Use os embeddings para ordenar por significado, depois filtros por palavra-chave para impor os inegociáveis. Obtém tanto abrangência (deixa de perder concursos) como precisão (deixa de se afogar em ruído).

Alguns sinais práticos de que ultrapassou os alertas por palavra-chave:

Só encontra concursos que usam o seu vocabulário interno exato.

Ou recebe quase nada, ou recebe centenas de e-mails irrelevantes.

Continua a ouvir falar de contratos depois de fecharem, por pessoas que os viram descritos de forma diferente.

Opera em mais do que uma língua ou país.

O que isto significa para a sua monitorização

Os portais não vão normalizar a sua redação, e os compradores não vão começar a usar o seu vocabulário. A fragmentação é permanente. A única coisa que controla é como a lê de ponta a ponta.

É exatamente este o problema para o qual um fluxo de concursos baseado no significado foi construído. Em vez de adivinhar palavras-chave, a plataforma aprende o que a sua empresa faz a partir do seu perfil, codifica cada novo anúncio de centenas de fontes assim que é publicado, e pontua cada um por significado face a si. O que aterra na sua caixa de entrada é uma lista diária curta e ordenada dos concursos que realmente encaixam, incluindo os descritos em palavras que nunca teria pesquisado. Menos pesquisa, menos falhas, e muito menos probabilidade de o próximo "sistema de rede central para terapia respiratória" ir parar a outra pessoa.