Opinião de Ricardo Queirós, docente na Escola Superior de Media Artes e Design (ESMAD) e autor do livro “IA e Chatbots – Um Guia Prático ao Alcance de Todos”
Vivemos numa era em que a interface dominante da IA generativa é uma simples caixa de texto. Do ChatGPT ao Claude e do Gemini ao Copilot, a experiência visual é praticamente uniforme. Esta homogeneidade é funcional, mas esconde um problema crescente: a humanização da interação não depende da aparência, mas sobretudo do comportamento conversacional.
A resposta intuitiva é atribuir um rosto ou nome ao sistema. Contudo, a investigação sugere que isso tem impacto limitado e que pode até ser contraproducente quando mal implementado.
Estudos como o de Go e Sundar (2019) mostram precisamente que níveis elevados de interatividade linguística podem compensar a ausência de elementos visuais antropomórficos. Ou seja, o modo como o sistema comunica pode ser tão ou mais determinante do que a sua representação visual.
A literatura identifica cinco dimensões centrais da humanização:
Linguagem e tom – Forma como o chatbot estrutura respostas, ajustando formalidade, calor e naturalidade, influenciando diretamente a perceção de proximidade e confiança;
Personalidade consistente – Manutenção de um estilo comunicativo estável ao longo do tempo, evitando variações que quebrem a coerência percebida;
Presença social – Criação da sensação de “alguém do outro lado”, através de pistas conversacionais e reconhecimento do utilizador;
Memória contextual – Capacidade de reter e reutilizar informação relevante de interações anteriores, garantindo continuidade;
Empatia sintética – Adaptação da resposta ao estado emocional percebido do utilizador, ajustando tom e validação de forma apropriada.
Um sistema que responde a “estou completamente perdido” com neutralidade idêntica a uma pergunta factual falha do ponto de vista de design conversacional.
Para além da adaptação do tom e da resposta ao contexto do utilizador, os chatbots podem recorrer a outras estratégias para promover o envolvimento, como é o caso da gamificação. Apesar de não simular humanidade, cria estruturas motivacionais que reforçam o envolvimento. O Duolingo é um exemplo clássico, combinando identidade de marca, microcopy emocional e mecânicas de jogo para aumentar retenção. Também o Gamibot (Paiva C Ǫueirós, 2026), integrado em contexto educativo, aplica estes princípios através de identidade própria, feedback imediato e progressão baseada em desafios. Os efeitos em aprendizagem ainda não são conclusivos a longo prazo, mas os resultados iniciais são promissores. No entanto, a literatura alerta que sistemas de recompensas desligados do objetivo pedagógico tendem a gerar apenas motivação extrínseca de curto prazo.
É também importante ter sempre em consideração que a humanização resulta da combinação de várias camadas tecnológicas. Os Large Language Models constituem a base linguística, mas a experiência emerge da integração de outros componentes. O system prompt influencia o comportamento inicial do modelo, definindo instruções de tom, personalidade e gestão emocional dentro dos limites do próprio modelo. A memória contextual e o Retrieval-Augmented Generation (RAG) reduzem a sensação de amnésia ao permitir recuperar informação relevante de interações anteriores ou fontes externas. Já protocolos como o Model Context Protocol (MCP) e arquiteturas de agentes de IA permitem integração com ferramentas e tarefas externas, aumentando a continuidade e utilidade contextual. Ainda, sistemas multimodais e análise de sentimento contribuem para ajustar respostas a diferentes tipos de input.
Apesar da potencialidade destas tecnologias, a investigação recente tem levantado uma questão que o entusiasmo com a humanização tende a ignorar: chatbots demasiado humanizados podem prejudicar as relações humanas. Keeler e Murphy (2026), em Community, Work C Family, identificam quatro riscos com evidência empírica crescente.
Primeiro, a redução da socialização: um estudo controlado de quatro semanas mostrou que o uso diário mais elevado de chatbots estava associado a menor socialização com outras pessoas e maior dependência emocional do bot – mesmo em utilizadores de assistentes de propósito geral como o ChatGPT.
Segundo, a desvalorização dos outros: após interagir com um chatbot, os utilizadores avaliaram contribuições humanas de forma significativamente mais negativa e a tendência à bajulação (sycophancy) dos modelos pode influenciar a perceção de si próprio relativamente aos outros.
Terceiro, a transferência de comportamentos instrumentais: tratar um bot de forma fria e utilitária pode contaminar a forma como se trata pessoas. Por último, a atrofia de competências sociais: à semelhança do que acontece com o GPS e a orientação espacial, delegar interações sociais a chatbots pode, a longo prazo, degradar a capacidade de as conduzir sem assistência.
Estes riscos não invalidam a humanização, mas sim a humanização irresponsável. Um bot que cria dependência emocional sem reciprocidade, que valida sempre sem desafiar ou que substitui relações em vez de as complementar, falha tanto eticamente como no design.
Mais do que uma questão técnica, a humanização dos chatbots tornou-se numa questão de ética. A regulamentação europeia exige que os utilizadores saibam quando estão a interagir com sistemas não humanos. Ainda assim, essa transparência não é incompatível com uma experiência calorosa e envolvente. A identidade do sistema pode incluir essa própria transparência como parte da sua personalidade comunicativa. O desafio não é apenas evitar interfaces frias, mas também evitar humanização superficial ou enganadora.
A verdadeira reflexão que se coloca não é se os chatbots devem parecer humanos, mas até que ponto devem comportar-se como tal sem substituir aquilo que pretendem apoiar.
