Dizer que um modelo “aceita” um idioma não prova qualidade em produção. Usuários alternam idiomas e alfabetos, usam nomes locais e perguntam sobre regras de países diferentes. Um serviço confiável roteia por tarefa e evidência, busca fontes no contexto correto, mede cada idioma separadamente e sabe quando chamar uma pessoa.
Guarde a mensagem original. Detecção automática é incerta em texto curto, transliteração e code-switching. Ofereça escolha explícita de idioma e correção simples quando o roteador errar. “Suporta várias línguas” não significa que o usuário precise aceitar a inferência do sistema.
Traduzir tudo para um idioma pivô pode ampliar opções de modelo, mas também altera nomes, tratamento, termos legais, negação, unidades e referências culturais. Prefira recuperar conteúdo original quando há fonte local confiável. Embeddings multilíngues ampliam a busca, mas mantenha idioma, jurisdição, publicador, vigência e URL. Se traduzir evidência, conserve o trecho original e cite-o na resposta.
Idioma não é só um locale: indonésio e malaio não são intercambiáveis como configuração de produto; há também variações, escritas e políticas nacionais. Encaminhe assuntos sensíveis para material oficial local e se abstenha quando a base não cobre a jurisdição. O guia da ASEAN é voluntário e não substitui leis nacionais; um único seletor “APAC” esconderia diferenças importantes.
Monte conjuntos revisados por falantes nativos: perguntas nativas, alternância de idioma, nomes, transliteração, recuperação com citações, fontes vencidas e situações que exigem recusa. A SEA-HELM, da AI Singapore, oferece avaliações de competências linguísticas e culturais do Sudeste Asiático com tarefas em idiomas locais e validação humana. Sua cobertura declarada não representa todos os idiomas ou usos possíveis.
Relate resultados por idioma em vez de esconder locais fracos numa média. Meça sucesso da tarefa, fidelidade terminológica, sustentação por evidências, abstenções corretas e inconsistências de segurança. Repita testes quando modelo, prompt, índice ou tokenizer mudar.
Escolha o modelo segundo a qualidade medida naquela combinação de idioma e tarefa, além de latência, custo e residência de dados. Um bom tradutor pode falhar em busca regulatória local. Com baixa confiança, faça uma pergunta, ofereça idiomas suportados ou transfira para atendente. Não caia silenciosamente para inglês se isso puder induzir o usuário ao erro.
Registre versões, locale, fontes recuperadas, decisão de segurança e motivo do encaminhamento. Minimize retenção de conversas, isole tenants e teste injeção de prompt em documentos locais recuperados.
Começaria com três fluxos e poucos locales prioritários. Um serviço de roteamento emitiria uma decisão rastreável; a recuperação aplicaria filtros de idioma e jurisdição; cada rota teria testes avaliados por nativos. Uma tela de revisão mostraria entrada original, confiança, evidências, resposta e motivo do fallback. Só ampliaria a cobertura depois de conseguir medir qualidade e operação.
IA multilíngue é também um problema de roteamento, recuperação e operação da qualidade. Preserve a intenção, prefira evidência local oficial, avalie cada idioma e exponha incerteza. Um encaminhamento honesto é melhor do que uma tradução confiante sem suporte.