Como a IA do Google Entende a Busca Visual

O Google não está mais apenas reconhecendo objetos em fotos, está desmontando cenas inteiras em tempo real, como um analista visual que identifica cada peça de roupa, móvel ou utensílio em uma única imagem e dispara buscas paralelas para todos eles. Isso é possível graças ao 'visual search fan-out', técnica que surgiu oficialmente em setembro de 2025 no AI Mode e agora está integrada ao Circle to Search e ao Lens. O Gemini 3.5 Flash, modelo padrão do Search desde maio de 2026, atua como motor dessa operação: seu codificador multimodal extrai atributos visuais finos (cor, textura, estilo, posição espacial) e transforma cada objeto detectado em um thread de consulta independente. Enquanto o Lens já processava 20 bilhões de buscas visuais por mês em maio de 2025, o Circle to Search agora roda em mais de 300 milhões de dispositivos Android, incluindo modelos de gama média como o Galaxy A17 5G, sinal de que a busca visual deixou de ser um recurso de elite para virar infraestrutura de consumo diário.

Essa mudança técnica tem impacto direto na forma como as pessoas interagem com informações no mundo físico: não é mais preciso tirar uma foto de cada item separadamente para comparar preços ou identificar marcas. Um único gesto, circulando uma cena complexa, aciona até dezenas de consultas simultâneas. Para comerciantes, isso significa que 36% dos consumidores americanos já usam essa funcionalidade para compras online, com 1 em cada 4 buscas visuais tendo intenção comercial. Para desenvolvedores, o Gemini Embedding 2, lançado em março de 2026, abre caminho para aplicações que cruzam imagens, vídeos, áudio e texto em um único espaço vetorial, o que torna viável, por exemplo, buscar um produto por um trecho de vídeo ou por uma descrição falada gravada ao lado dele.