Entenda como ferramentas fazem com que a inteligência artificial fique cada vez mais próximas dos usuários Tecnologia, ferramentas tecnológicas, Inteligência Artificial CNN Brasil
As ferramentas com recursos de inteligência artificial estão cada dia mais ficando “parecidas” com a linguagem usada pelo humanos e conseguindo interagir com as pessoas com mais eficiência, se adaptando ao dia a dia de cada usuário.
Tecnologias como linguagem generativa, memória contextual e análise de sentimentos estão criando caminhos para que esses recursos possam cada vez mais se ajustar às necessidades dos consumidores e aumentar a identificação com chatbots e outras soluções que usam IA.
Para explicar mais sobre as ferramentas usadas para que a inteligência artificial fique mais parecida com os humanos, Douglas Torres, fundador e CEO da YUP Chat — empresa que constrói soluções inteligentes para o relacionamento com clientes online — e especialista em IA, respondeu à CNN as principais dúvidas sobre o assunto.
CNN: Quais são as tecnologias mais usadas para tornar as IAs mais humanizadas nos dias de hoje?
Douglas Torres: A humanização da IA combina modelos de linguagem generativa (LLMs) com memória contextual (RAG – Retrieval Augmented Generation), permitindo que os agentes entendam o histórico do cliente e mantenham conversas consistentes.
Ainda, é comum usar análise de sentimentos para ajustar respostas de acordo com o tom e a emoção percebida, processamento de linguagem natural (NLP) para interpretar e responder de forma mais próxima da fala humana, e integração multimodal (texto, voz, imagem, vídeo) para experiências mais ricas.
Além disso, há o treinamento com o “tom de voz” da marca, incorporando cultura e valores organizacionais.
Em que medida a personalização impulsionada por IA realmente contribui para aumentar a confiança do consumidor?
A personalização baseada em IA eleva a confiança porque reduz fricções e aumenta a relevância de cada interação.
Quando o cliente percebe que a empresa conhece seu histórico, preferências e contexto, há maior sensação de cuidado e atenção individual, mais consistência nas respostas (evitando contradições que minam credibilidade) e percepção de eficiência e agilidade, o que aumenta a satisfação.
Por que os setores financeiro, varejista e de telecomunicações são os mais avançados nesse processo de implementação de IA?
Esses setores lideram por três razões principais: pelo volume massivo de interações — a grande base de clientes exige escalabilidade e automação inteligente; pela pressão competitiva — a alta concorrência força inovação constante para manter diferenciais; e pela disponibilidade de dados, já que são setores com riquíssimo histórico de transações e comportamento, ideal para treinar e alimentar modelos preditivos.
Que cuidados éticos precisam ser tomados ao desenvolver uma IA humanizada, especialmente em setores sensíveis como o financeiro?
Alguns cuidados incluem conformidade regulatória, como a LGPD (Lei Geral de Proteção de Dados Pessoais) no Brasil, e a transparência no uso de dados, além de evitar viés algorítmico para garantir que as respostas não discriminem ou excluam perfis de consumidores.
Também é essencial a explicabilidade, ou seja, ser capaz de justificar as decisões e recomendações da IA. Segurança e privacidade devem ser asseguradas com criptografia ponta a ponta e controles de acesso rígidos.
Outro ponto é a clareza de identidade, deixando claro quando o consumidor está interagindo com uma inteligência artificial.
Existe uma regulação ou um senso comum para os limites da humanização da IA?
No Brasil, ainda não existe uma lei específica para o “nível de humanização da IA”, mas há boas práticas de mercado e diretrizes globais, como as da Unesco e da União Europeia, que orientam a transparência sobre o uso de IA; a responsabilidade compartilhada entre tecnologia e supervisão humana; e não induzir o cliente ao erro sobre a natureza não-humana da interação.
Como a empatia pode ser incorporada em interações feitas por inteligência artificial de forma consistente e escalável?
A empatia pode ser aplicada com análise de sentimentos em tempo real, ajustando tom e ritmo da conversa com bibliotecas de respostas baseadas em linguagem positiva e acolhedora adaptadas ao contexto e com memória contextual para demonstrar que a IA “lembra” interações anteriores.
Também é possível treinar modelos com dados de atendimentos humanos de excelência, replicando boas práticas.
Como a IA preditiva pode ser usada para antecipar necessidades sem invadir a privacidade do cliente?
Isso pode ser feito com uso de dados anonimizados e agregados, sem expor informações pessoais sensíveis. O ideal é adotar modelagem baseada em padrões de comportamento, e não em dados individuais identificáveis, além de obter consentimento claro para uso das informações, respeitando preferências do cliente.
Assim, é possível prever, por exemplo, quando um usuário pode precisar de suporte ou estar pronto para comprar, sem coletar dados além do necessário.
De que forma a adaptação de linguagem e tom da IA pode apoiar diversidade e inclusão no atendimento?
A adaptação pode ajudar a evitar termos discriminatórios ou excludentes por meio de filtros linguísticos, além de ajustar o registro de linguagem (formal ou informal) conforme o perfil do cliente, respeitando a diversidade cultural e regional.
Também é possível garantir acessibilidade para diferentes públicos com suporte multilíngue e multicanal, bem como promover representatividade nos exemplos e ilustrações usados nas interações, de modo que todos se sintam contemplados.
Brasil está entre os países que mais usam inteligência artificial
