Tom de voz e empatia em scripts de IA: como escrever sem soar robótico

“Eu entendo como isso deve ser frustrante para você.” Escrita por um atendente humano, essa frase costuma acalmar. Gerada por um chatbot em resposta a um sentimento negativo detectado no texto do cliente, a mesma frase pode produzir o efeito oposto. Não é intuição, é o que uma pesquisa recente publicada na MIS Quarterly encontrou ao testar, em três experimentos, como clientes reagem quando um chatbot reconhece e espelha a emoção negativa deles.

Isso desmonta uma premissa que guiou boa parte dos scripts de IA dos últimos anos: a de que mais empatia, mais linguagem calorosa e mais espelhamento emocional sempre melhoram a experiência. Não melhoram, pelo menos não da forma simples que a maioria dos times de conteúdo assume.

O que realmente é “tom de voz” num script de IA

Tom de voz não é um conjunto fixo de frases, é uma calibração que muda de acordo com a situação do cliente no momento do contato. A orientação prática do Zendesk para agentes de IA resume bem essa lógica: o agente deve ser assertivo ao coletar informação e empático quando o cliente já teve uma experiência ruim, evitando um tom excessivamente formal, que soa robótico e impessoal. Ou seja, tom de voz não é sinônimo de “ser gentil o tempo todo”, é saber qual registro usar em qual momento da conversa.

Essa calibração fica mais evidente quando comparada lado a lado. Uma abordagem formal responde “Olá, como posso ajudar?” e “Aqui está o que encontrei”. Uma abordagem casual responde “Oi! O que posso fazer por você?” e “Veja o que encontrei”. Nenhuma das duas é certa ou errada em si mesma, a certa é a que combina com a marca e com o momento da jornada em que o cliente está.

A pesquisa que desafia a lógica de “quanto mais empatia, melhor”

Dezhi Yin, professor associado de sistemas de informação na Muma College of Business da University of South Florida e coautor do estudo “Bots with Empathy: Reactance Against Emotion-Aware AI Agents in Customer Service”, publicado na MIS Quarterly em abril de 2026, resume o achado central da pesquisa de forma direta: “Empathy from a chatbot can feel intrusive and undermine trust” — Dezhi Yin, University of South Florida, MIS Quarterly (2026).

O mecanismo por trás disso tem nome: reatância psicológica, a resposta emocional negativa que surge quando uma pessoa sente que seu senso de controle foi ameaçado ou que um limite foi cruzado. Os clientes testados reagiram mal à ideia de que um sistema não humano pudesse reconhecer e responder às emoções deles. Esse desconforto fez o chatbot parecer menos competente e reduziu a percepção geral de qualidade do atendimento e de satisfação, mesmo quando a mensagem empática, isoladamente, parecia bem escrita.

O ponto que a pesquisa deixa claro é que clientes têm expectativas diferentes para humanos e para inteligência artificial, especialmente em relação a consciência emocional. Tornar um chatbot mais humano nem sempre é a estratégia certa, principalmente em situações sensíveis de recuperação de serviço, quando o cliente já está insatisfeito e mais alerta a qualquer coisa que pareça artificial demais.

Por que a linguagem de espelhamento emocional ativa desconforto, não conforto

Quando um atendente humano diz “entendo sua frustração”, o cliente interpreta isso como reconhecimento genuíno vindo de outra pessoa capaz de sentir. Quando a mesma frase vem de um sistema que o cliente sabe ser automatizado, a interpretação muda: em vez de acolhimento, o cliente percebe uma tentativa de simular algo que o sistema não tem, e essa percepção de simulação é o que dispara a reatância. Já tratei de um problema adjacente, o de scripts de IA que soam humanos demais e criam expectativas que o sistema não consegue sustentar depois, no artigo sobre como mais inteligência artificial exige mais humanidade, e o achado da USF reforça esse ponto por outro ângulo: a tentativa de parecer emocionalmente consciente pode ser vista como mais artificial, não menos.

Isso não significa que scripts de IA devem ser frios. Significa que a calorosidade precisa vir de outro lugar que não seja a simulação de emoção compartilhada: precisão na resolução, transparência sobre o que o sistema pode e não pode fazer, e transferência rápida para um humano quando a situação exige.

Onde o script de IA realmente ganha ao soar mais humano, e onde não ganha

A distinção que mais ajuda na prática separa dois tipos de momento na conversa. No momento informacional (coletar dados, explicar um processo, apresentar uma opção), um tom mais caloroso e menos formal costuma ajudar, porque reduz a sensação de estar “preenchendo um formulário” e não gera a expectativa de que o sistema está processando emoção, só está sendo claro e agradável. No momento emocional (o cliente está frustrado, algo deu errado, ele já reclamou antes), é exatamente aí que a simulação de empatia tende a sair pela culatra, e a resposta mais eficaz é reconhecer o fato (o atraso, o erro, o problema) sem alegar sentir a frustração do cliente, e oferecer um caminho concreto de resolução ou a transferência para um humano.

Essa distinção também é relevante para quem está migrando de chatbots baseados em regras para sistemas de IA generativa com mais capacidade de gerar linguagem nova a cada interação, como discuti no artigo sobre migração de chatbot para IA com memória contextual. Quanto mais capaz o sistema fica de gerar frases que soam humanas, maior o risco de ele cruzar, sem querer, para o tipo de linguagem que a pesquisa da USF mostrou que gera reatância.

Um roteiro prático para calibrar tom de voz em scripts de IA

O primeiro passo é mapear a jornada de atendimento e marcar, para cada etapa, se ela é predominantemente informacional ou predominantemente emocional, porque o tom apropriado muda de uma para outra. O segundo é banir, das etapas emocionais, qualquer frase que alegue sentir ou compartilhar a emoção do cliente (“eu entendo sua frustração”, “sei como isso é chato”), substituindo por reconhecimento factual do problema (“percebo que esse atraso já aconteceu duas vezes com você”) seguido de ação concreta.

O terceiro passo é testar as variações de script com clientes reais, não só com a equipe interna, porque a percepção de artificialidade é subjetiva e varia por público, o que soa acolhedor para um segmento pode soar performático para outro. O quarto é definir um gatilho claro de transferência para humano assim que a situação for classificada como emocionalmente sensível, em vez de deixar o sistema tentar “resolver com simpatia” um problema que exige reparação real. O quinto é revisar os scripts periodicamente com dados de satisfação segmentados por tipo de interação, comparando conversas informacionais e conversas emocionais separadamente, porque uma média geral esconde exatamente a diferença que mais importa aqui.

Erros mais comuns que vejo empresas cometendo

O primeiro erro é copiar o tom de voz do atendimento humano linha por linha para o script de IA, assumindo que o que funciona vindo de uma pessoa funciona igual vindo de um sistema, ignorando que o cliente processa as duas fontes de forma diferente. O segundo é tratar “mais empático” como sinônimo de “melhor” em qualquer contexto, sem segmentar por tipo de momento da jornada. O terceiro é nunca testar variações de tom com dado real de satisfação, ajustando o script com base em preferência interna da equipe de conteúdo em vez de reação real do cliente.

O quarto erro, e talvez o mais caro, é manter um script empático justamente nos momentos de recuperação de serviço, que é exatamente onde a pesquisa da USF mostra que a simulação de emoção tem mais chance de sair pela culatra, porque o cliente já está mais atento e mais cético.

Um quinto erro, mais sutil, é confundir personalidade de marca com empatia simulada. Uma marca pode ter um tom de voz próprio, mais leve, mais direto, mais bem-humorado, sem que isso implique alegar sentir a emoção do cliente. É perfeitamente possível manter a identidade da marca num script de IA, com escolhas de vocabulário e ritmo de frase consistentes, sem cruzar para o território de “eu sinto o que você sente”, que é especificamente o gatilho que a pesquisa identificou como problemático. Times de conteúdo que tratam as duas coisas como sinônimas acabam descartando um tom de voz que funcionava bem só porque ele continha, em algum ponto, uma frase de espelhamento emocional que não deveria estar ali.

Como saber se o tom de voz do script está funcionando

O indicador mais direto é a satisfação segmentada por tipo de interação, comparando conversas informacionais e conversas de recuperação de serviço separadamente, porque um script pode estar funcionando bem num tipo de momento e mal no outro sem que a média geral revele isso. Um segundo indicador é a taxa de escalonamento para humano solicitada explicitamente pelo cliente durante a conversa com IA: um aumento nesse número, especialmente em conversas classificadas como emocionais, costuma indicar que o tom do script está gerando desconfiança em vez de resolução.

Um terceiro indicador, mais qualitativo, é revisar transcrições de conversas emocionais em busca de sinais de reatância, como o cliente repetir “eu só quero falar com uma pessoa” ou reagir com ironia a uma frase de empatia do bot. Esses sinais aparecem no texto antes de aparecerem em qualquer métrica agregada.

O que fazer a partir de amanhã

Revise os scripts atuais de IA e marque, frase por frase, quais alegam sentir ou compartilhar a emoção do cliente. Para cada uma, teste uma versão alternativa que reconhece o fato sem simular a emoção, e compare a satisfação entre as duas versões num piloto controlado. Em paralelo, defina um gatilho explícito de transferência para humano em interações classificadas como emocionalmente sensíveis, para que o script de IA nunca precise carregar sozinho o peso de uma recuperação de serviço mais delicada.

Referências

• Brown, Elizabeth L. USF study reveals chatbots with empathy can worsen customer reactions. University of South Florida, Muma College of Business, 20 abr. 2026. Disponível em: usf.edu.
• Zendesk. Best practices for AI agent tone of voice. Zendesk Help Center, 2026. Disponível em: support.zendesk.com.

Sobre a autora
Sou Euriale Voidela. Iniciei minha carreira em 1998 como operadora de atendimento e, desde então, construí uma trajetória de mais de 25 anos dedicada à evolução do relacionamento com clientes. Sou especialista em Customer Experience, Customer Success e Customer Centricity, fundadora e CEO da Customer Centric Consulting, editora-chefe do Portal Customer, presidente da AIESC, autora de 5 livros sobre CX e CS e conselheira de empresas.

Já revisei scripts de IA cheios de frases de empatia bem-intencionadas que, na prática, soavam mais artificiais do que se o sistema simplesmente resolvesse o problema sem fingir sentir nada. A lição que essa pesquisa da USF confirma com dado é uma que a experiência prática já sugeria: um script de IA ganha mais confiança sendo competente e transparente do que tentando parecer humano numa dimensão em que o cliente sabe, no fundo, que ele não é.

Sobre a Customer Centric Consulting
A Customer Centric Consulting é a consultoria que fundei para ajudar empresas a transformar experiência do cliente em resultado de negócio, da estratégia à execução. Atuamos em diagnóstico de maturidade em CX e CS, redesenho de jornadas e processos, governança e indicadores, tecnologia e Inteligência Artificial aplicada ao atendimento, cultura centrada no cliente e estruturação de operações de contact center.

Nosso principal diferencial é o método CX Maturity Intelligence, um diagnóstico estruturado que combina análise qualitativa (pilares, critérios e regras que evitam avaliações infladas) com análise quantitativa de dados operacionais reais, como taxa de contato, comportamento do cliente único, speech analytics e correlações regulatórias. É esse cruzamento entre percepção e dado que torna possível saber, com precisão, em que estágio de maturidade uma empresa realmente está, e não em qual estágio ela acredita estar.

Já apoiamos mais de 100 projetos em empresas de diversos segmentos, sempre com o mesmo compromisso: colocar o cliente, e quem cuida dele todos os dias, no centro da estratégia.

Saiba mais em customercentric.com.br ou conheça também o Portal Customer, mídia especializada em CX e CS.

Seus scripts de IA sabem a diferença entre um momento informacional e um momento de recuperação de serviço, ou tratam todos com o mesmo tom? A Customer Centric Consulting aplica o diagnóstico CX Maturity Intelligence para mapear, com dado real da sua operação, onde o tom de voz da sua IA está gerando confiança e onde está gerando desconfiança. Fale com a nossa equipe.