Artigo

Elielton Pereira Santos; José Eduardo Vilas Bôas

DOI: 10.22167/2675-6528-2026M11

Artigo elaborado pela ferramenta ResumeAI, solução de inteligência artificial desenvolvida pelo Instituto Pecege voltada à síntese e redação

Resumo

O avanço da Inteligência Artificial (IA) estabeleceu os chatbots como ferramentas comuns no atendimento ao cliente, embora interações ineficazes possam gerar insatisfação e desconfiança. O estudo objetivou mensurar o impacto da IA na experiência do usuário com chatbots, focando em eficiência, clareza, confiança e satisfação. Adotou-se metodologia de pesquisa aplicada, quantitativa e exploratória, com coleta de dados via survey aplicado a 167 usuários brasileiros que interagiram com chatbots nos últimos quatro meses. Os resultados revelaram um paradoxo: embora os chatbots fossem percebidos como rápidos, de fácil uso e confiáveis, sua capacidade de resolução de problemas mostrou-se limitada. A maioria dos participantes precisou recorrer a outros canais de atendimento, e a satisfação plena foi baixa, com a maioria não considerando o atendimento automatizado equivalente ao humano. Concluiu-se que o impacto da IA nos chatbots é positivo em usabilidade e credibilidade, mas negativo em resolutividade e satisfação geral. A tecnologia mostrou-se mais adequada para triagem e questões simples, sendo crucial a integração com o atendimento humano para demandas complexas, sugerindo um modelo híbrido como o mais eficaz. Palavras-chave: Atendimento automatizado; Experiência do usuário; Inteligência Artificial; Satisfação do cliente.

1. Introdução

O avanço acelerado da Inteligência Artificial (IA) tem redefinido as estratégias de atendimento ao cliente em diversos setores. Nesse cenário dinâmico, os “chatbots” emergiram como ferramentas comuns e amplamente adotadas, prometendo uma revolução na forma como as empresas interagem com seus consumidores. A expectativa é de que esses sistemas automatizados proporcionem maior eficiência operacional, escalabilidade no atendimento e aprimorem a experiência do cliente por meio de respostas rápidas e análises de satisfação, além de otimizar indicadores-chave de desempenho (KPIs).

Contudo, a implementação e a utilização desses recursos tecnológicos para interagir com o público podem gerar impactos tanto positivos quanto negativos. Apesar da percepção superficial de que vivemos a era de ouro da tecnologia no atendimento, é crucial reconhecer que a tecnologia, por si só, não constitui uma panaceia para todas as demandas (Mele et al., 2019). Na prática, falhas e deficiências são frequentemente observadas, desafiando a promessa de uma experiência de serviço impecável.

Interações de serviço habilitadas por IA, quando ineficazes ou impessoais, podem falhar em atender às expectativas dos clientes, resultando em raiva, confusão e descontentamento (Castillo et al., 2021). Nem todos os públicos-alvo possuem as mesmas habilidades, paciência ou conforto ao receber respostas programadas, independentemente da sua sofisticação. Tais experiências desfavoráveis podem, inclusive, intensificar vieses negativos, comprometendo os comportamentos de compra e a lealdade do cliente, o que pode levar ao desengajamento (Puntoni et al., 2021).

A busca por otimização de recursos e escalabilidade de operações tem levado muitas startups a recorrerem intensivamente a chatbots e IA. No entanto, para que um diálogo seja verdadeiramente produtivo e construa confiança, ele muitas vezes requer um toque pessoal e autenticidade, características que e-mails automatizados ou ligações de “follow up” de vendas nem sempre conseguem replicar (Kotler et al., 2024). Isso ressalta a delicadeza do tema e os potenciais prejuízos de uma abordagem generalizada e sem tato humano, especialmente na conquista da confiança do público.

“Chatbots”, como um tipo específico de serviço inteligente (Li et al., 2021), são programas de computador desenvolvidos para emular a comunicação humana, utilizando texto, áudio e, em alguns casos, até emoções faciais (Mozafari et al., 2021). Provedores de serviços adotam esses agentes conversacionais para inovar no atendimento e cuidado ao cliente, complementando canais tradicionais como “call centers”. Os avanços em deep learning e machine learning, aliados ao processamento de linguagem natural, têm aprimorado significativamente a capacidade dos chatbots de fornecer esclarecimentos, informações e gerenciar reclamações, contribuindo para a lealdade e o fortalecimento da experiência do cliente (Castelo et al., 2023).

Apesar da evolução tecnológica e da crescente adoção dos chatbots, persiste uma lacuna na compreensão aprofundada da percepção do usuário sobre a real eficácia e a qualidade dessas interações no contexto brasileiro. Há um paradoxo evidente: enquanto os chatbots são percebidos como rápidos, de fácil uso e confiáveis em termos de informação, sua capacidade de resolução integral de problemas e a satisfação plena ainda são limitadas. Diante dessa problemática, esta pesquisa justifica-se pela necessidade de compreender o impacto da inteligência artificial na experiência do usuário em “chatbots”, focando em eficiência, clareza, confiança e satisfação, e tem como objetivo mensurar esse impacto no contexto brasileiro.

2. Material e Métodos

A presente pesquisa adotou uma natureza aplicada, com abordagem metodológica quantitativa, buscando mensurar o impacto da inteligência artificial na experiência do usuário em chatbots. Quanto aos objetivos, caracterizou-se como exploratória, visando aprofundar o conhecimento sobre o tema e delimitar a problemática estudada (Prodanov e Freitas, 2013; Gil, 2017).

Para a obtenção de informações e dados, empregaram-se duas estratégias principais: a pesquisa bibliográfica e a aplicação de um questionário do tipo survey. A pesquisa bibliográfica consistiu na consulta de materiais já publicados, incluindo livros, artigos científicos, teses, dissertações e anais de eventos acadêmicos, disponíveis em fontes impressas e eletrônicas.

O objetivo central da etapa bibliográfica foi estabelecer a fundamentação teórica do estudo e identificar o estágio atual do conhecimento sobre o tema. Priorizou-se a análise de publicações recentes, datadas entre 2020 e 2025, sem desconsiderar obras clássicas relevantes. A seleção das fontes foi guiada por critérios de rigor científico, credibilidade de periódicos e editoras, relevância e nível de citação dos autores, e pertinência direta com a problemática (Puntoni et al., 2021; Castelo et al., 2023; Kotler et al., 2024).

Examinaram-se 21 livros e artigos científicos, com foco em inteligência artificial, chatbots e consumo digital, incluindo trabalhos de Li et al. (2021), Mozafari, Weiger e Hammerschmidt (2021), Seeger, Heinzl e Schlagwein (2024), Al-Oraini (2025) e Wang e Lo (2025). Essa etapa forneceu o embasamento necessário para a compreensão do fenômeno investigado.

O questionário, principal instrumento de coleta de dados empíricos, foi estruturado em seis blocos temáticos. Cada bloco foi concebido para investigar aspectos específicos da experiência do usuário com chatbots, alinhados aos objetivos da pesquisa.

O Bloco 1, composto pelas questões de 1 a 5, buscou caracterizar o perfil sociodemográfico dos respondentes (Seeger et al., 2024). O Bloco 2, com a questão 6, visou identificar a familiaridade dos usuários com a tecnologia de chatbots (Teng et al., 2022).

As questões de 7 a 10, que formaram o Bloco 3, foram direcionadas para analisar a eficiência e a capacidade de resolução de problemas dos chatbots (Diederich et al., 2023). O Bloco 4, abrangendo as questões de 11 a 14, teve como propósito avaliar a clareza e a facilidade de uso na interação com esses sistemas (Pengnate e Riggins, 2022).

No Bloco 5, as questões de 15 a 18 foram elaboradas para verificar a confiança dos usuários nas informações fornecidas pelos chatbots (Shamszare e Choudhury, 2023). Por fim, o Bloco 6, com as questões de 19 a 22, objetivou identificar os canais de atendimento mais utilizados pelos respondentes (Wang e Lo, 2025).

A unidade de análise da pesquisa consistiu em usuários residentes no território brasileiro. A população-alvo foi definida como indivíduos com idade mínima de 18 anos, sem restrição de idade máxima, que tivessem interagido com chatbots nos últimos quatro meses.

A coleta de dados ocorreu entre os dias 14 e 19 de maio de 2025. Inicialmente, 221 voluntários participaram. Após a etapa de limpeza dos dados, foram excluídos os participantes que não atendiam aos critérios de inclusão, como menores de idade, aqueles que declararam não compreender o conceito de chatbot, e os que deixaram grandes trechos do formulário em branco.

Adicionalmente, respondentes que se identificaram como não-binários foram retirados da amostra devido ao número reduzido, o que inviabilizaria análises estatísticas consistentes para esse grupo. Após esse processo de filtragem, a amostra final válida para análise estatística totalizou 167 participantes, todos tendo completado o questionário.

O questionário foi hospedado na plataforma Google Forms e distribuído por meio das mídias sociais do pesquisador, incluindo Instagram, WhatsApp e LinkedIn. Empregou-se a técnica de amostragem “bola de neve”, caracterizada como não probabilística e por conveniência, onde os participantes encaminhavam o hyperlink do formulário a outros contatos de suas redes (Vinuto, 2014).

Antes da aplicação em larga escala, o questionário passou por uma etapa de validação. Três voluntários, com perfil similar ao público-alvo, avaliaram a compreensão das questões, a abrangência das opções de resposta e a funcionalidade do formulário. Os feedbacks recebidos foram utilizados para realizar correções e aprimorar o instrumento.

Os procedimentos de coleta e validação do questionário foram conduzidos em conformidade com as normas da Resolução nº 510, de 07 de abril de 2016, que rege pesquisas em Ciências Humanas e Sociais. A pesquisa foi dispensada de submissão e análise pelo Comitê de Ética em Pesquisa (Conep), por se enquadrar nos incisos I e III do parágrafo único do artigo 1º da referida resolução.

Garantiram-se os cuidados éticos, mantendo o anonimato dos participantes em todas as fases da pesquisa. Antes do início, os objetivos do estudo e o uso dos dados foram claramente informados, e a anuência dos participantes foi solicitada por meio do Termo de Consentimento Livre e Esclarecido (TCLE), com a opção de esclarecer dúvidas ou desistir a qualquer momento (MS, 2016).

Para a análise dos dados coletados, utilizaram-se métodos da estatística descritiva básica. A tabulação simplificada dos dados foi realizada com o auxílio do software Microsoft Excel. Posteriormente, as discussões foram elaboradas em consonância com o embasamento teórico estabelecido na revisão de literatura (Gil, 2017; Malhotra, 2019).

3. Resultados e Discussão

A análise dos dados coletados, provenientes de 167 usuários brasileiros que interagiram com chatbots nos últimos quatro meses, revelou um panorama complexo sobre o impacto da inteligência artificial na experiência do cliente. Os resultados, organizados em etapas correspondentes aos blocos do questionário, indicam que, embora os chatbots sejam percebidos como ferramentas ágeis e confiáveis, sua capacidade de resolução integral de problemas e a satisfação plena do usuário ainda são limitadas. Esta seção detalha os achados e os discute à luz da literatura, evidenciando um paradoxo central na interação com a tecnologia.

Os participantes da pesquisa demonstraram um perfil sociodemográfico predominantemente feminino, representando 69,5% da amostra, com a faixa etária de 25 a 34 anos sendo a mais representativa, correspondendo a 59,3% do total. A maioria dos respondentes, 69,5%, reside na região Sudeste do Brasil, e 29,9% possui renda familiar entre R$ 4.001 e R$ 8.000. Em termos de escolaridade, observou-se um alto nível de formação, com 58% dos participantes tendo ensino superior completo ou pós-graduação. Esses dados caracterizam uma amostra com considerável familiaridade e acesso a tecnologias digitais, o que pode influenciar suas expectativas e percepções sobre os chatbots.

Familiaridade com a tecnologia

A familiaridade dos usuários com os chatbots e o atendimento automatizado revelou-se alta, tanto em nível conceitual quanto prático. Os dados indicaram que homens e jovens adultos, especialmente aqueles na faixa dos 25 a 34 anos, tendem a utilizar os chatbots de forma mais efetiva. Em contraste, mulheres e indivíduos com maior nível de escolaridade demonstraram uma postura mais crítica e analítica em suas avaliações, enquanto os usuários com 55 anos ou mais apresentaram maior resistência à tecnologia. Essa variação na aceitação e no uso, conforme características sociodemográficas, sublinha a necessidade de estratégias de implementação segmentadas, que considerem as particularidades de cada grupo de usuários para otimizar a experiência (Teng et al., 2022).

Eficiência e Resolução de Problemas

A avaliação da eficiência dos chatbots e sua capacidade de resolver problemas de forma integral revelou um dos principais desafios. Apenas 21,0% dos participantes relataram que suas demandas foram completamente resolvidas pelo chatbot, sem necessidade de intervenção humana. Uma parcela significativa, 47,3% dos respondentes, indicou que o atendimento foi apenas parcialmente resolutivo, com a falta de informações ou clareza impedindo uma solução completa. Este achado sugere que, embora os chatbots contribuam para o atendimento inicial, eles frequentemente não conseguem entregar uma resolução definitiva para as questões dos usuários.

A limitação na resolutividade dos chatbots é ainda mais evidente ao observar que 74,9% dos participantes precisaram recorrer a outro canal de atendimento, como telefone, e-mail ou redes sociais, após a interação com o sistema automatizado. Apenas 25,1% declararam que não houve necessidade de buscar suporte adicional. Essa constatação reforça a ideia de que os chatbots, na maioria dos casos, funcionam como um ponto de triagem ou suporte inicial, mas não como uma solução final para demandas complexas. A experiência com chatbots, portanto, atua mais como um filtro do que como um substituto completo do atendimento humano (Diederich et al., 2023).

A rapidez do atendimento via chatbot é um atributo valorizado pelos usuários, com 53,3% da amostra considerando-a importante ou muito importante. No entanto, essa agilidade não se traduz em resolução completa de problemas. As análises cruzadas indicaram que, apesar da velocidade, a maioria das demandas não é integralmente resolvida, levando a uma contradição: os chatbots são rápidos, mas não eficazes o suficiente para evitar que cerca de três quartos dos usuários busquem outros canais. Isso sugere que a experiência do cliente depende não apenas da agilidade, mas, crucialmente, da clareza, qualidade e efetividade das soluções apresentadas.

Clareza e Facilidade de Uso

A percepção sobre a clareza e a facilidade de interação com os chatbots demonstrou uma aceitação significativa, embora com ressalvas. A maioria dos respondentes, 56,9%, afirmou “concordar parcialmente” que as respostas do chatbot foram claras e fáceis de entender, enquanto 26,9% “concordaram totalmente”. Isso indica que, para 83,8% da amostra, a comunicação do chatbot é compreensível, mas frequentemente carece de profundidade e completude para solucionar integralmente os problemas. Essa distinção entre clareza e profundidade é fundamental, pois o chatbot pode transmitir informações de modo compreensível sem, contudo, oferecer o detalhamento necessário para uma resolução definitiva.

Apesar da percepção geral de clareza, 37,8% dos participantes reconheceram algum nível de dificuldade em compreender as respostas do chatbot, com 24,6% “concordando parcialmente” e 13,2% “concordando totalmente” com a afirmação de ter tido dificuldade. As análises cruzadas revelaram que, embora 56,3% dos usuários não tenham encontrado dificuldades significativas, as mulheres e os usuários mais velhos (55+) tenderam a uma percepção mais crítica, enquanto os mais jovens (18-24 anos) demonstraram maior facilidade de entendimento. Isso reforça que a dificuldade não reside na complexidade da linguagem, mas na falta de profundidade e completude das respostas, o que impulsiona a busca por outros canais de atendimento.

A facilidade de interação com o chatbot, sem a necessidade de ajuda humana, foi reconhecida por 74,8% da amostra, com 37,7% “concordando totalmente” e 37,1% “concordando parcialmente”. Contudo, quase um em cada cinco usuários (19,8%) discordou, indicando que a experiência não é homogênea. A agilidade na busca por informações também apresentou percepções divididas: 43,7% “concordaram parcialmente” e 19,2% “concordaram totalmente” que conseguiram encontrar o que procuravam rapidamente, totalizando 62,9% de avaliações positivas ou parcialmente positivas. Em contrapartida, 33,0% da amostra não conseguiu encontrar informações de forma rápida, evidenciando que a rapidez e clareza dos chatbots não garantem soluções diretas e completas (Pengnate e Riggins, 2022).

Confiança nas Informações

A confiança nas informações fornecidas pelos chatbots é predominante entre os usuários, com 82,0% da amostra expressando algum nível de credibilidade (44,3% “concordaram totalmente” e 37,7% “concordaram parcialmente”). Essa alta confiança, no entanto, não se traduz em satisfação plena ou resolução completa de problemas. Apenas 18,0% dos usuários declararam-se “totalmente satisfeitos” com o atendimento recebido via chatbot, enquanto 42,5% “concordaram parcialmente” e 35,4% manifestaram insatisfação (22,2% “discordaram parcialmente” e 13,2% “discordaram totalmente”). Este achado revela um paradoxo: a credibilidade está consolidada, mas a satisfação é baixa devido à insuficiência das respostas.

As análises cruzadas sobre a confiança e satisfação revelaram que os homens tenderam a uma confiança mais consolidada, enquanto as mulheres demonstraram maior cautela. O grupo de 25-34 anos apresentou maior adesão positiva, reforçando a familiaridade com a tecnologia, ao passo que os usuários com 55 anos ou mais mostraram maior resistência à credibilidade atribuída. Em termos de escolaridade, aqueles com ensino médio completo se mostraram mais confiantes, enquanto os com superior completo e pós-graduação tenderam a uma postura mais crítica. Esses resultados indicam que a confiança não é o principal entrave, mas sim a incapacidade dos chatbots de converter essa credibilidade em soluções práticas e completas (Shamszare e Choudhury, 2023).

Canais de Atendimento Utilizados

A pesquisa também investigou a importância das redes sociais como canais de atendimento, como WhatsApp, Instagram, Site e Facebook. Os resultados indicaram que 52,7% dos usuários consideram esses canais importantes ou muito importantes para a resolução de problemas. Essa valorização é particularmente acentuada entre mulheres, jovens de 18-24 anos e usuários com ensino médio completo. As redes sociais, portanto, consolidaram-se como uma alternativa prática e preferida, especialmente entre os usuários mais conectados digitalmente, funcionando como uma ponte para o atendimento humano e não eliminando as limitações dos chatbots em termos de resolução completa e eficácia das respostas (Wang e Lo, 2025).

A frequência de atendimentos totalmente automatizados, sem intervenção humana, é uma realidade para a maioria dos usuários, com 70,1% da amostra tendo vivenciado essa experiência nos últimos três meses. Contudo, essa frequência não garante plena satisfação. A comparação entre o atendimento via chatbot e o atendimento humano revelou uma clara desvantagem para os chatbots: 58,6% dos usuários não consideram o atendimento automatizado equivalente ao humano, com 32,9% “discordando totalmente” e 25,7% “discordando parcialmente”. Apenas 36,0% da amostra reconhece algum nível de equivalência entre as duas formas de atendimento, reforçando a percepção de que os chatbots são ferramentas complementares, mas não substitutivas (Seeger et al., 2024).

Discussão teórica dos resultados

Os achados da pesquisa, ao longo dos blocos analisados, revelam um quadro consistente com a literatura acadêmica contemporânea, na qual os chatbots são percebidos como úteis, rápidos e confiáveis para demandas simples, mas falham em oferecer clareza plena, profundidade e autonomia em situações mais complexas. Essa combinação de alta confiança e insatisfação parcial, juntamente com a dependência de outros canais, alinha-se a estudos que destacam o papel central da confiança na satisfação do usuário com serviços habilitados por IA (Al-Oraini, 2025). No entanto, a confiança por si só não é suficiente para gerar alta satisfação quando a clareza ou a resolução do problema ficam aquém das expectativas.

A complexidade da tarefa impacta negativamente tanto a confiança quanto a satisfação, conforme observado por Diederich et al. (2023). Os usuários aceitam bem os chatbots para demandas simples, mas percebem suas limitações quando a tarefa exige maior esforço ou conteúdo. Essa percepção é reforçada pela comparação com o atendimento humano, onde os chatbots frequentemente perdem pontos em tarefas que demandam empatia, nuances ou resultados negativos. A falta de capacidade empática e de adaptação ao usuário nos chatbots é um fator crítico que impede a equivalência com o serviço humano (Seeger et al., 2024).

As diferenças demográficas observadas na pesquisa, como idade, gênero e nível de escolaridade, que influenciam a percepção de clareza, confiança e facilidade de uso, também encontram respaldo na literatura. Usuários mais velhos, mais escolarizados ou mulheres tendem a avaliações mais críticas, enquanto jovens e usuários menos escolarizados, ou mais acostumados com interações digitais, tendem a aceitar mais (Wang e Lo, 2025). Essa convergência sugere que os padrões observados na amostra brasileira refletem tendências globais, indicando que as expectativas dos usuários variam significativamente e devem ser consideradas no design e implementação de chatbots.

Uma tensão evidente nos dados e na literatura reside entre a expectativa de rapidez e conveniência versus a expectativa de qualidade e profundidade. Embora os usuários valorizem a agilidade e a disponibilidade dos chatbots para questões simples, a qualidade e a completude das respostas são cruciais para a satisfação em demandas mais complexas. Estudos sobre confiança indicam que, quando a expectativa de desempenho é alta, qualquer lacuna percebida na qualidade afeta fortemente a satisfação e a confiança (Shamszare e Choudhury, 2023). Isso reforça a sugestão de que modelos híbridos de atendimento são os mais promissores, utilizando chatbots para triagem e demandas simples, e integrando eficientemente o atendimento humano para casos complexos ou quando a insatisfação do usuário é detectada.

Síntese dos resultados

Os resultados da pesquisa demonstram que a familiaridade tecnológica do público brasileiro com os chatbots é alta, com 96,8% dos respondentes compreendendo o conceito e tendo tido contato com atendimento automatizado. Homens e jovens adultos (25-34 anos) destacam-se em experiências totalmente automatizadas, enquanto os mais velhos apresentam maior resistência. Para capitalizar essa familiaridade, as empresas devem expandir o uso de chatbots, mas também investir em programas de inclusão digital e usabilidade para grupos mais velhos e com menor escolaridade.

A eficiência e a capacidade de resolução de problemas dos chatbots são limitadas. Apenas 19,3% dos usuários tiveram seus problemas totalmente resolvidos pelo chatbot, enquanto 45,9% relataram resolução parcial e 23,2% precisaram de atendimento humano. Para transformar a confiança existente em satisfação efetiva, é fundamental adotar um modelo híbrido, onde o chatbot inicia a solução e rapidamente integra o atendimento humano para demandas complexas. A revisão da base de conhecimento dos chatbots é crucial para reduzir respostas incompletas e garantir uma transição fluida para o suporte humano.

A clareza e a facilidade de uso dos chatbots foram parcialmente reconhecidas, com 57,1% dos usuários concordando parcialmente que as respostas são claras e 28,2% concordando totalmente. No entanto, 36,5% afirmaram ter tido dificuldade em entender as respostas. Mulheres e grupos mais escolarizados apresentaram mais críticas. É imperativo melhorar a clareza e a profundidade das respostas, priorizando linguagem simples e objetiva, e incluindo exemplos práticos e detalhamentos para reduzir ambiguidades, garantindo que a comunicação básica eficaz se converta em soluções completas.

A confiança nas informações fornecidas pelos chatbots é alta, com 82,0% dos usuários confiando nas informações, mesmo que parcialmente. Contudo, apenas 18,0% estão totalmente satisfeitos com o atendimento. A satisfação é majoritariamente parcial (42,5%) ou inexistente (35,4%). O desafio reside em capitalizar essa confiança já existente e investir na eficácia do chatbot para entregar soluções completas, transformando a credibilidade em satisfação total por meio de maior resolutividade e integração com o atendimento humano. A credibilidade está consolidada, mas as falhas em profundidade e clareza limitam a resolução de problemas, gerando a necessidade de outros canais.

Os canais de atendimento utilizados revelaram que 52,7% dos usuários consideram as redes sociais (WhatsApp, Instagram, Facebook, Site) importantes ou muito importantes para resolver problemas. Esse canal é especialmente valorizado por jovens e mulheres. É essencial fortalecer o atendimento via redes sociais, reconhecendo seu papel como canal preferido e complementar ao chatbot. Integrar esses canais em uma estratégia omnichannel é fundamental para proporcionar uma experiência contínua e verdadeiramente resolutiva, garantindo que a automação seja eficiente e se integre com o suporte humano para uma experiência satisfatória.

4. Conclusão

O presente estudo objetivou mensurar o impacto da inteligência artificial na experiência do usuário com chatbots, focando em eficiência, clareza, confiança e satisfação no contexto brasileiro. Verificou-se um paradoxo central na interação com essa tecnologia: embora os chatbots fossem amplamente percebidos como ferramentas ágeis, de fácil uso e confiáveis para a obtenção de informações, sua capacidade de resolução integral de problemas mostrou-se significativamente limitada. Os resultados indicaram que apenas 21,0% dos participantes tiveram suas demandas completamente resolvidas pelo chatbot, e uma expressiva maioria de 74,9% precisou recorrer a outros canais de atendimento após a interação inicial. Consequentemente, a satisfação plena com o atendimento automatizado foi baixa, atingindo somente 18,0% dos usuários, e 58,6% não consideraram o serviço via chatbot equivalente ao atendimento humano. Observou-se que a tecnologia se mostrou mais adequada para triagem e para a resolução de questões simples, atuando predominantemente como um ponto de suporte inicial, mas não como uma solução definitiva para demandas mais complexas.

A principal contribuição deste trabalho reside na oferta de evidências empíricas robustas que corroboram e detalham a relação paradoxal entre a confiança e a satisfação em serviços habilitados por IA no cenário brasileiro, orientando gestores de marketing e experiência do cliente para a adoção de um modelo híbrido. Este modelo combina a eficiência inicial da automação com a resolutividade efetiva proporcionada pelo atendimento humano, sugerindo a integração contínua e ágil a canais humanos, especialmente nas mídias sociais, para assegurar uma experiência omnichannel verdadeiramente resolutiva. Contudo, a pesquisa apresenta limitações decorrentes da natureza da amostra, que foi não probabilística e composta majoritariamente por mulheres jovens, com alto nível de escolaridade e residentes da região Sudeste, o que restringe a generalização dos resultados para a totalidade da população brasileira. Para estudos futuros, recomenda-se a realização de pesquisas quantitativas com amostras probabilísticas e nacionalmente representativas, bem como investigações qualitativas, como grupos focais ou entrevistas em profundidade, para explorar as razões subjacentes à percepção de “falta de profundidade” nas respostas e identificar situações específicas que demandam, de forma inevitável, a intervenção humana.

Referências Bibliográficas

Castelo, N., Boegershausen, J., Hildebrand, C., & Henkel, A. P. 2023. Understanding and improving consumer reactions to service bots. Journal of Consumer Research, 50(4), 1-16. Disponível em: https://www.researchgate.net/publication/369788406_Understanding_and_Improving_Consumer_Reactions_to_Service_Bots. Acesso em: 20 mar. 2025.

Castillo, D., Canhoto, A. I., & Said, E. 2021. The dark side of Al-powered service interactions: Exploring the process of co-destruction from the customer perspective. The Service Industries Journal, 41(13-14), 900-925. Disponível em: https://www.researchgate.net/publication/342574519_The_dark_side_of_Al-powered_service_interactions_exploring_the_process_of_co-destruction_from_the_customer_perspective. Acesso em: 20 mar. 2025.

Gil, A. C. (2017). Como elaborar projetos de pesquisa (6. ed.). São Paulo: Atlas.

Kotler, P., Pfoertsch, W., Sponholz, U., & Bedendo, M. 2024. Marketing H2H: a jornada para o marketing human to human (1. ed.). São Paulo: Benvirá.

Li, L., Lee, K. Y., Emokpae, E., & Yang, S. B. 2021. What makes you continuously use chatbot services? Evidence from Chinese online travel agencies. Electronic Markets, 31(3), 575-599. Disponível em: https://link.springer.com/article/10.1007/s12525-020-00454-z. Acesso em: 19 abr. 2025.

Mele, C., Polese, F., & Gummesson, E. 2019. Once upon a time… technology: A fairy tale or a marketing story. Journal of Marketing Management, 35(11-12). Disponível em: https://www.tandfonline.com/doi/full/10.1080/0267257X.2019.1648722. Acesso em: 11 abr. 2025.

Mozafari, N., Weiger, W. H., & Hammerschmidt, M. 2021. Trust me, I’m a bot – repercussions of chatbot disclosure in different service frontline settings. Journal of Service Management, 33(2), 221-245. Disponível em: https://www.uni-goettingen.de/de/document/download/0a0cb34d6c10c02ed20eca8

Mozafari, N., Weiger, W. H., & Hammerschmidt, M. 2021. Trust me, I’m a bot – repercussions of chatbot disclosure in different service frontline settings. Journal of Service Management, 33(2), 221-245. Disponível em: https://www.uni-goettingen.de/de/document/download/0a0cb34d6c10c02ed20eca822f57db4f.pdf/10-1108_JOSM-10-2020-0380.pdf. Acesso em: 18 abr. 2025.

Prodanov, C. C., & Freitas, E. C. de. 2013. Metodologia do trabalho científico: métodos e técnicas da pesquisa e do trabalho acadêmico (2. ed.). Novo Hamburgo: Universidade Feevale. Disponível em: https://books.google.com.br/books?id=zUDsAQAAQBAJ&lpg=PA4&dq=(Prodanov%20e%20Freitas%2C%202013)&lr&hl=pt-BR&pg=PA2#v=onepage&q=(Prodanov%20e%20Freitas,%202013)&f=false. Acesso em: 26 mar. 2025.

Puntoni, S., Reczek, R. W., Giesler, M., & Botti, S. 2021. Consumers and artificial intelligence: An experiential perspective. Journal of Marketing, 85(1), 131-151. Disponível em: https://mii.ie/wp-content/uploads/2020/05/Consumers-and-Artificial-Intelligence.pdf. Acesso em: 15 abr. 2025.

Artigo oriundo de Trabalho de Conclusão de Curso de Especialização em Marketing do MBA USP/Esalq

_{Saiba mais sobre o curso; clique aqui:}