Empatia e tom no atendimento com IA: onde os bots deixam a desejar

Por Linh Ngo · Atualizado em 11 de outubro de 2026

Empatia no atendimento ao cliente com IA é o quanto o cliente se sente cuidado, compreendido e respeitado em uma conversa com um bot, e a pesquisa mostra que ela tem duas metades: as palavras que um modelo escreve e aquilo em que o cliente acredita sobre quem as escreveu. As palavras costumam ser boas. Vários estudos encontram respostas escritas por IA avaliadas como acolhedoras, até mais do que as humanas. O problema é a crença. Quando os clientes sabem que uma máquina está demonstrando o cuidado, muitos o desvalorizam, e em algumas situações de atendimento a linguagem emocional sai pela culatra.

Este artigo é para líderes de suporte e gerentes de CX que decidem como um bot deve soar e quando deve parar de falar. Ele faz parte da coleção IA no atendimento ao cliente. Vamos ver o que os estudos realmente mediram (e em quem), onde os clientes querem uma pessoa e um conjunto de diretrizes de tom que você pode colocar nas instruções de um bot ainda esta semana.

Fatos Principais

• Em três estudos com vinhetas e 714 participantes, os clientes relataram menos satisfação e menos disposição de voltar após uma interação com um chatbot do que após uma interação com uma pessoa, e essa diferença foi totalmente explicada pela empatia percebida (Markovitch, Stough e Huang, Journal of Retailing and Consumer Services, 2024).
• Quando disseram às pessoas que uma resposta vinha de uma IA e não de um humano, elas se sentiram menos ouvidas: 5,13 contra 5,81 em uma escala de 7 pontos (Yin, Jia e Wakslak, PNAS, 2024).
• Em nove estudos com 6.282 participantes, o mesmo texto empático escrito por um LLM foi avaliado como mais empático e mais acolhedor quando rotulado como humano do que quando rotulado como IA (Rubin et al., Nature Human Behaviour, 2025).
• Em um estudo com um fórum médico, avaliadores classificaram 45,1% das respostas do chatbot como empáticas ou muito empáticas, contra 4,6% das respostas de médicos (Ayers et al., JAMA Internal Medicine, 2023). Isso é perguntas e respostas sobre saúde, não atendimento ao cliente.
• Metade dos consumidores teme que a IA os impeça de chegar a uma pessoa (Qualtrics XM Institute, 2026).
• Quase 75% dos consumidores querem saber se estão falando com um agente de IA, e 45% têm mais probabilidade de usar um quando há um caminho claro até uma pessoa (Salesforce, 2024).

O que "empatia" significa para um bot

Os pesquisadores dividem a empatia em partes, e essa divisão é útil para equipes de suporte. A empatia cognitiva é entender o que a pessoa está sentindo e por quê. A empatia afetiva é compartilhar o sentimento. A empatia motivacional é se importar o suficiente para agir. Um modelo faz bem a primeira, porque ela é leitura de padrões, e consegue escrever frases que soam como as outras duas. O que ele não consegue é sentir algo, e os clientes sabem disso.

Para uma operação de suporte, ajuda traduzir isso em três coisas práticas que uma resposta faz ou deixa de fazer:

1. Nomeia o problema real. "Você foi cobrado duas vezes e o reembolso não apareceu" vale mais do que "Entendo a sua frustração."
2. Reconhece o custo para o cliente. Tempo perdido, um prazo estourado, uma conversa constrangedora com o próprio chefe.
3. Faz algo a respeito. Um reembolso, um escalonamento, um próximo passo concreto com um responsável e um prazo.

O terceiro item é onde os bots são limitados por permissões, e não pela linguagem. Um bot que soa cuidadoso mas não consegue emitir um reembolso é um bot que soa cuidadoso e depois falha.

O que a pesquisa mostra

A maior parte dessa literatura usa trocas curtas por escrito, participantes online e interações isoladas, e não filas de suporte reais. Veja o que cada estudo fez, para que você avalie até onde ele se aplica.

O texto de IA pode parecer mais empático que o texto humano

O resultado mais conhecido vem de um estudo do JAMA Internal Medicine. Os autores pegaram 195 perguntas públicas de um fórum de saúde no Reddit, com respostas de médicos credenciados, e geraram uma resposta do ChatGPT (GPT-3.5) para cada uma. Três profissionais de saúde licenciados, que também eram coautores, avaliaram os pares sem saber qual era qual. Eles preferiram o chatbot em 78,6% das avaliações e deram notas mais altas de empatia às suas respostas (média de 3,65 contra 2,15 em uma escala de 5 pontos). Um detalhe pesa muito: as respostas do chatbot eram bem mais longas, com mediana de 211 palavras contra 52 dos médicos (Ayers et al., 2023).

O que um líder de suporte pode tirar disso? Não que os bots sejam mais empáticos que os seus melhores agentes. Os médicos respondiam a desconhecidos em um fórum público gratuito, provavelmente em poucas linhas, e os avaliadores eram profissionais de saúde lendo texto. A leitura segura é mais estreita: quando um modelo é instruído a escrever uma resposta cuidadosa e reconhecedora, e uma pessoa escreve uma rápida, a versão do modelo pode parecer mais acolhedora. Isso é um ponto sobre esforço e extensão, e uma razão para usar a IA para ajudar os agentes a escrever respostas melhores (veja agent assist com IA).

Um estudo da USC aponta na mesma direção. Os participantes descreveram uma situação estressante e depois leram uma resposta. No experimento principal, 540 participantes dos EUA foram recrutados na Prolific, e 455 concluíram a etapa final. As respostas escritas pelo Bing Chat (GPT-4) fizeram as pessoas se sentirem mais ouvidas do que as respostas escritas por outros participantes (5,74 contra 5,17 em uma escala de 7 pontos). Os autores ligaram isso ao apoio emocional: a IA ofereceu mais (5,76 contra 4,64) e menos sugestões práticas (3,28 contra 4,31), e foi o apoio emocional, não o conselho, que se associou a se sentir ouvido (Yin, Jia e Wakslak, 2024). Os respondentes humanos eram desconhecidos anônimos e as respostas tinham cerca de 50 a 60 palavras, então isso não diz como se compararia um agente experiente que conhece o cliente.

O rótulo de IA tira parte do efeito

O mesmo experimento da USC cruzou a origem real com o rótulo. O efeito do rótulo foi quase do tamanho do efeito da escrita, e na direção oposta. Uma resposta que se acreditava ser de IA fez a pessoa se sentir menos ouvida do que uma que se acreditava ser humana, não importava quem a escreveu de fato. Os dois efeitos se somaram quase por igual: o texto de IA com rótulo de IA (5,41) ficou perto do texto humano com rótulo humano (5,51), enquanto o texto de IA que as pessoas acreditavam ser humano teve a nota mais alta (6,12). Os autores observam que não houve condição sem rótulo, então não dá para dizer se o rótulo de IA reduz a sensação ou se o rótulo de humano a aumenta (Yin, Jia e Wakslak, 2024).

O artigo da Nature Human Behaviour reforça muito mais a mesma constatação. Em todos os estudos, os pesquisadores pediram a LLMs que escrevessem respostas empáticas a situações emocionais das pessoas e disseram aos participantes que o autor era um humano ou uma IA. O texto era o mesmo. A versão "humana" foi avaliada como mais empática, mais acolhedora, e gerou mais emoções positivas e menos negativas. A diferença se manteve em respostas de extensões, atrasos e modelos diferentes. Foi mais forte nas respostas que enfatizavam compartilhar o sentimento e se importar, e mais fraca nas puramente compreensivas. Pessoas que suspeitaram, por conta própria, que uma IA ajudou a escrever uma resposta rotulada como humana também a avaliaram pior. Quando queriam envolvimento emocional, escolhiam uma pessoa (Rubin et al., 2025).

Isso tem uma implicação clara para o suporte. Parte do que os clientes valorizam em "sinto muito que isso tenha acontecido" é que alguém escolheu dizer isso. Tire esse alguém e a mesma frase vale menos. Isso também significa que você não deve esconder o bot para recuperar a nota de empatia: a mesma pesquisa sugere que a descoberta custa caro, e a maioria dos consumidores diz que quer saber de qualquer forma (os dados de pesquisa estão na tabela abaixo).

Estudos de atendimento ao cliente: a empatia explica a diferença de satisfação

Dois artigos olham diretamente para contextos de atendimento. No primeiro, Markovitch e colegas conduziram três estudos com vinhetas. Os clientes avaliaram o atendimento de chatbot abaixo do atendimento humano em satisfação, recompra, aceitação de recomendações e disposição de recomendar, fosse o resultado bom ou ruim. A empatia percebida explicou totalmente o efeito. E há uma alavanca de design: quando o chatbot foi escrito para se comunicar com mais empatia, as avaliações subiram ao nível do agente humano, enquanto torná-lo mais parecido com uma pessoa não ajudou. Um quarto estudo, com 100 pessoas usando o ChatGPT para conselhos médicos, sustentou o mesmo padrão (Markovitch, Stough e Huang, 2024). Note que são vinhetas e interações curtas, e não clientes recorrentes convivendo com um bot por um ano.

O segundo artigo traz o alerta. Han, Yin e Zhang conduziram três experimentos na MIS Quarterly, um deles com um chatbot LLM ao vivo. Respostas do chatbot que reconheciam e espelhavam os sentimentos negativos do cliente muitas vezes provocaram reatância psicológica, a sensação de que um limite ou o senso de controle está sendo invadido. Isso fez o bot parecer menos competente e reduziu a qualidade percebida do serviço e a satisfação. A empatia de um agente humano continuou eficaz (University of South Florida, resumindo o estudo). A cobertura não informa os tamanhos das amostras, então trate a magnitude do efeito como desconhecida e a direção como um alerta.

Juntando os dois, sai uma regra mais útil do que "adicione empatia". Uma redação empática melhora o bot quando fala da situação do cliente. O espelhamento emocional ("sinto como isso é chateante") pode sair pela culatra, sobretudo depois de algo ter dado errado.

Onde os clientes querem uma pessoa

A pesquisa sobre empatia explica por que os dados de pesquisa sobre acesso a humanos têm o formato que têm. Os clientes não são contra a IA fazer o trabalho. Eles desconfiam de uma IA colocada entre eles e uma pessoa quando o problema é importante.

A recomendação da própria Qualtrics é que a IA cuide de solicitações simples e transacionais e depois forneça contexto e soluções sugeridas aos agentes humanos nas complexas. As pesquisas não medem diretamente "necessidades de empatia", então não afirme que medem. Mas combine-as com os resultados de laboratório e surge uma regra de roteamento sensata:

• Deixe o bot cuidar das solicitações em que o cliente quer a resposta, não o relacionamento: status do pedido, redefinição de senha, dúvidas de política, mudanças de endereço.
• Transfira para uma pessoa quando o cliente estiver chateado com uma falha, quando houver dinheiro ou um cancelamento em jogo, quando ele pedir uma pessoa ou quando o bot errar duas vezes.
• Apoie a pessoa nesses casos com um resumo e sugestões de redação. A página automatizar ou assistir mostra como decidir, e o que os clientes esperam do atendimento com IA aprofunda o lado das pesquisas.

Diretrizes de tom para o seu bot

Veja um conjunto de regras para escrever nas instruções do bot e usar como critério de revisão. Elas vêm das constatações acima, mais o bom senso sobre respostas curtas por escrito.

O que esses exemplos têm em comum:

1. Diga o que aconteceu, nos termos do cliente. Detalhes específicos soam como compreensão. Solidariedade genérica soa como roteiro.
2. Dispense a emoção espelhada. Não diga ao cliente como ele se sente. Dada a constatação sobre reatância, "vejo que você está chateado" é mais arriscado vindo de um bot do que "isso não deveria ter acontecido."
3. Una cada reconhecimento a uma ação ou a um próximo passo. Empatia sem nada por trás é o que os clientes reclamam.
4. Seja breve. O resultado do fórum médico foi em grande parte sobre respostas longas vencerem as apressadas. Longo não é o objetivo no chat. Completo é. Cubra o problema, a solução e o próximo passo, e pare.
5. Informe com clareza e logo no início. "Sou um assistente de IA. Posso ajudar com pedidos e cobrança, ou conectar você a uma pessoa." Não dê ao bot um nome humano nem atrasos de digitação. A pesquisa sobre rótulos diz que a descoberta custa caro.
6. Peça desculpas pelo ocorrido, não pelos sentimentos. "Desculpe a demora do reembolso" é preciso. "Desculpe que você se sinta assim" é uma forma clássica de piorar as coisas.
7. Ajuste o registro ao canal e ao cliente. Uma resposta seca serve a um desenvolvedor colando um erro. Uma mais acolhedora serve a uma reclamação de cobrança, e o contexto e o histórico da conta dizem ao bot com que cliente ele está falando. Leia primeiro a intenção com a detecção de intenção do cliente.
8. Não prometa o que só uma pessoa pode decidir. Reembolsos fora da política, exceções e créditos de cortesia pertencem à pessoa a quem o bot transfere.
9. Ofereça a saída uma vez, com clareza. Uma linha, no mesmo lugar sempre.

Passo a passo: definindo o tom do seu bot de suporte

1. Ordene seus principais motivos de contato pela carga emocional. Marque cada um como informativo, frustrante ou de alto risco. O primeiro pode ser totalmente automatizado. O último deve ir para pessoas.
2. Escreva o briefing de tom como exemplos, não como adjetivos. "Acolhedor, mas profissional" não dá nada para um modelo copiar. Cinco boas respostas e cinco ruins dão.
3. Proíba as frases de roteiro. Liste as frases que você nunca quer ("entendo a sua frustração", "desculpe que você se sinta assim", "peço desculpas por qualquer inconveniente") e teste se sumiram.
4. Defina gatilhos de escalonamento. Marcadores de raiva, palavras de cancelamento, uma segunda resposta que falhou, um pedido direto por uma pessoa e qualquer disputa de dinheiro acima de um limite. Sinais de sentimento podem ajudar; veja o verbete do glossário sobre análise de sentimento para saber o que eles podem e não podem dizer.
5. Faça a transferência levar o contexto. A pessoa deve ver a transcrição completa e os dados da conta. Nada derruba a empatia de um bot mais rápido do que o cliente ter de recomeçar.
6. Teste com transcrições reais. Pegue 50 conversas recentes, passe-as pelo bot e peça a dois agentes que avaliem o tom às cegas. As divergências mostram onde o briefing é vago.
7. Avalie o tom com uma rubrica, não com impressão. Verificações observáveis funcionam melhor ("nomeou o problema específico", "deu um próximo passo"). O guia de garantia de qualidade com IA mostra como calibrar essa avaliação com revisores humanos.
8. Meça resultados do lado do cliente. Recontato em até uma semana, taxa de transferência, tempo até chegar a uma pessoa e uma pergunta de satisfação depois de chats só com o bot.

Erros comuns

• Tratar um estudo como universal. Um estudo de fórum sobre perguntas de saúde diz pouco sobre uma disputa de reembolso. Sempre que ler uma estatística de empatia, pergunte quem eram os participantes, o que estavam avaliando e se era uma interação real.
• Esconder que é um bot para ganhar pontos de empatia. A pesquisa sobre rótulos diz que a diferença é real, e os clientes dizem que querem saber. Informar é o caminho honesto e o mais barato quando a descoberta acontece.
• Usar espelhamento emocional depois de uma falha. É aqui que a constatação sobre reatância pesa mais.
• Confundir extensão com cuidado. Respostas longas foram bem avaliadas em um estudo. Em uma janela de chat, só atrasam as pessoas.
• Dar empatia ao bot, mas não autoridade. Uma resposta gentil que termina em "não posso fazer isso" é pior do que uma simples que encaminha rápido.
• Treinar agentes para soar como o bot. Se a IA escreve reconhecimentos melhores que a sua equipe, use-a como apoio de redação, não como um modelo para copiar palavra por palavra.
• Nunca testar de novo. Modelos, políticas e o humor dos clientes mudam. Repita o teste com transcrições todo trimestre.