O que acontece quando você muda do inglês para o twi no meio de uma frase?

Uma IA conversacional precisa acompanhar a intenção, o contexto e a troca de idioma da pessoa, mesmo quando há barulho ou pressa. Exigir uma seleção limpa entre inglês e twi interrompe a conversa justamente quando o assistente deveria entender o que continua sendo dito.

Em 1999, a sonda Mars Climate Orbiter se aproximava de Marte quando uma incompatibilidade silenciosa já havia comprometido sua trajetória. Uma equipe trabalhava com dados em unidades imperiais; outra esperava unidades métricas. Os números atravessavam a interface, mas o significado não atravessava com eles.

A NASA perdeu contato com a sonda em 23 de setembro. A investigação concluiu que informações de impulso haviam sido fornecidas em libra-força segundo quando o software de navegação esperava newton-segundo. O episódio está documentado no relatório Mars Climate Orbiter Mishap Investigation Board Phase I Report, do conselho presidido por Arthur Stephenson.

Os sistemas envolvidos conseguiam processar números. O problema estava na interpretação do contexto que dava sentido a esses números.

A conversa continua quando o idioma muda

Agora reduza a distância entre Marte e a Terra até chegar à calçada diante de uma provision shop em Acra.

Há motores, vozes e música ao redor. A pessoa segura o celular, grava uma mensagem depressa e começa em inglês. No meio do raciocínio, passa para o twi porque aquela parte sai com mais naturalidade assim. Ela não iniciou uma nova tarefa. Não mudou de assunto. Continuou a mesma frase com os recursos linguísticos que usa todos os dias.

Uma interface baseada em “escolha o idioma antes de falar” trata essa mudança como uma falha de configuração. A pessoa precisa parar, tocar em outra opção, repetir o trecho ou reorganizar a própria fala para caber no sistema.

Essa exigência transfere o trabalho para o lado errado. Quem está com pressa, no meio da rua, deveria conseguir concluir o pensamento. O assistente é que precisa acompanhar a passagem do inglês para o twi e preservar o contexto do turno.

Essa é a diferença entre reconhecer palavras isoladas e participar de uma conversa.

Barulho não apaga a intenção

Áudio captado fora de casa raramente chega com condições de estúdio. Pode haver trânsito, conversas próximas e uma pronúncia acelerada porque a pessoa quer guardar o celular e seguir o caminho.

O ruído torna a compreensão mais difícil, mas não transforma a fala em duas conversas separadas. Se o primeiro trecho estabelece o pedido em inglês e o segundo acrescenta a informação decisiva em twi, os dois pertencem ao mesmo raciocínio.

Nkomo permite conversar por texto ou voz em twi e inglês ganês, inclusive com a mistura que aparece na fala cotidiana. No modo de voz, a pessoa segura para falar, pode interromper naturalmente e ouve a resposta. O objetivo é acompanhar o turno como ele acontece, sem obrigar o falante a policiar cada troca de idioma.

O conjunto KasaSpeech ajuda a mostrar por que esse contexto importa. Ele reúne 54.855 gravações transcritas manualmente, somando mais de 95 horas de fala de pessoas de diferentes partes de Gana. O material cobre alternâncias naturais entre inglês e twi em assuntos e situações comuns. Essa escala documenta algo que muitos ganeses já conhecem pela experiência: a mistura não é exceção a ser corrigida. É parte da comunicação.

[A história de Afi e a palavra “nanso”](/blog/pt-BR/twi-voice-assistants-what-nanso-taught-afi-about-real-understanding-14ec835c/) explora o mesmo desafio por outro ângulo: uma única palavra pode carregar a relação lógica entre tudo o que veio antes e tudo o que vem depois.

O sistema também precisa explicar seus limites

Acompanhar a pessoa inclui deixar claro quando algo não funcionou. Se o áudio não puder ser processado, esconder o erro ou responder como se tivesse entendido cria uma falsa sensação de continuidade. Nkomo mostra os erros em vez de engoli-los silenciosamente.

A mesma clareza vale para privacidade. Antes que uma conversa chegue à nuvem, a pessoa pode definir o consentimento como “nunca”, “perguntar sempre” ou “nesta sessão”. O histórico fica no dispositivo sob controle do usuário. Ao desativá-lo, esse histórico é apagado imediatamente. Também há exportação de dados e exclusão da conta com um toque.

Esses controles importam porque uma fala espontânea pode conter nomes, planos ou assuntos pessoais. A liberdade de misturar idiomas não deve exigir abrir mão da decisão sobre onde a conversa fica.

Projete para a fala real, não para um formulário

Quem avalia um assistente de voz pode fazer um teste simples: comece uma pergunta em inglês, termine em twi e mantenha o mesmo assunto. Faça isso em um ambiente comum, sem transformar o teste numa gravação de estúdio. Depois confira se a resposta preserva a intenção completa, se o sistema admite qualquer falha e se deixa claro quando os dados podem chegar à nuvem.

A Mars Climate Orbiter não foi perdida porque os sistemas fossem incapazes de lidar com números. Ela foi perdida porque dois lados atribuíram significados diferentes aos mesmos dados sem tornar a incompatibilidade visível a tempo.

Em uma conversa bilíngue, o risco cotidiano tem outra escala, mas a lição de projeto permanece: formato sem contexto não basta. O assistente precisa acompanhar a pessoa enquanto ela fala, inclusive quando o idioma muda antes que a frase termine.