O melhor agente de atendimento é o que sabe dizer "não sei"

Em setembro de 2026, o Gartner publicou uma pesquisa com 3.566 clientes: só 27% dizem que tentariam usar um chatbot de novo depois de uma experiência ruim.

Leia o número pelo lado de quem vende. Uma resposta errada custa mais que aquela conversa. Ela ensina ao cliente que o seu atendimento automático não merece confiança, e quase três em cada quatro não voltam para ver se melhorou.

A resposta errada mais comum de um agente de IA raramente é grosseria ou mal-entendido. É uma informação inventada, dita com segurança. E ela tem uma causa conhecida.

Por que modelos chutam

Em setembro de 2025, a OpenAI publicou um artigo com uma explicação desconfortável para as alucinações: os modelos chutam porque o jeito como são treinados e avaliados recompensa o chute.

O exemplo do próprio texto é a data de aniversário de uma pessoa que o modelo não conhece. Se ele chutar uma data, tem uma chance em 365 de acertar. Se disser "não sei", leva zero com certeza. Num placar que só conta acertos, o modelo que chuta sempre fica na frente do modelo honesto.

Os números que a OpenAI mostra no mesmo artigo, num teste de perguntas factuais chamado SimpleQA, deixam o efeito claro:

Os dois acertam quase a mesma coisa. O que chuta erra quase três vezes mais.

Para quem atende cliente, a coluna que importa é a última. Ninguém perde uma venda porque o agente acertou 22% em vez de 24%. Perde porque ele afirmou um prazo, um preço ou uma política que não existe.

"Não invente" nas instruções não basta

A primeira reação é escrever nas instruções do agente: "se não souber, diga que não sabe". Ajuda, mas não resolve.

Uma instrução é algo que o modelo segue na maioria das vezes, e o erro mora no resto. Pior: o modelo não percebe que não sabe quando a sua base tem algo parecido com a resposta. Uma troca em até 7 dias para produto com defeito vira, na boca do agente, troca em até 7 dias para qualquer produto.

Para o agente dizer "não sei" de forma confiável, a abstenção precisa ser parte do sistema, e não um traço de personalidade que você pede com educação.

Mundo fechado: só sai o que tem fonte

A regra que funciona é a do mundo fechado. O agente só pode afirmar duas coisas:

• o que ele leu na sua base de conhecimento;
• o que um sistema respondeu naquele atendimento, como o status de um pedido ou a disponibilidade de uma data.

Todo o resto fica de fora, mesmo que seja verdade e mesmo que pareça óbvio.

Dois detalhes fazem essa regra funcionar na prática.

Saber que existe é diferente de saber o que diz. Um agente que vê um documento chamado "Política de devolução" sabe que a política existe. Não sabe o prazo. Só a leitura do conteúdo sustenta uma afirmação sobre ele.

A base guarda o que vale para todos. O sistema, o que vale agora. A política de cancelamento pertence à base, porque vale até você mudar. O status do pedido 4.512 não pertence, porque muda a cada hora e deve vir de uma consulta feita no momento.

E a conferência acontece antes da mensagem sair, frase por frase. Uma afirmação sem fonte não chega ao cliente: o agente reformula, diz que vai verificar ou passa a conversa para uma pessoa.

Como é um bom "não sei"

"Não sei", sozinho, é um beco sem saída. Um bom "não sei" tem três partes: admite, diz o que acontece agora e não obriga o cliente a repetir nada.

O cliente pergunta se pode levar o cachorro, e a base não fala de pets.

Ruim: "Desculpe, não tenho essa informação."

Pior: "Sim, aceitamos pets de pequeno porte!"

Bom: "Não tenho a política de pets aqui comigo e prefiro não te passar algo errado. Já deixei sua pergunta com a recepção, junto com as datas que você mandou, e eles te respondem por aqui."

A primeira resposta encerra a conversa. A segunda cria um problema na portaria. A terceira faz o trabalho continuar: quem assume já recebe a pergunta, as datas e o contexto, e não precisa começar do zero.

Cada "não sei" é uma tarefa

Um agente que se abstém está apontando, com um caso real, exatamente onde a sua base está incompleta. Isso vale mais que qualquer revisão de conteúdo feita no escuro, porque vem das perguntas que os clientes fazem, e não das que você imaginou que fariam.

Na prática:

1. Reúna as abstenções da semana. Toda conversa em que o agente disse "vou verificar" ou transferiu por falta de informação.
2. Agrupe por assunto. Pets, estacionamento, check-in antecipado. Os grupos maiores são as lacunas que mais custam.
3. Escreva a resposta na base. Uma vez, no lugar certo, com a regra completa e as exceções.
4. Teste a pergunta de novo. Do jeito que o cliente escreveu, não do jeito que você escreveria.

Cada resposta escrita resolve todas as vezes em que aquela pergunta voltar. É assim que a base cresce na direção certa: puxada pelo cliente.

O mesmo raciocínio vale para preço, onde o "não sei" aparece quando a combinação pedida não está na tabela. Explicamos em Seu agente de IA não deveria calcular preço.

O que medir

Se você acompanha um número só, que seja este: quantas vezes o agente afirmou algo que não estava na base nem veio de um sistema. A meta é nenhuma, conferida conversa a conversa, e não na média.

O segundo número é a taxa de abstenção. Ela deve cair com o tempo por causa da base, e não por causa do agente. Se o agente passou a se abster menos sem a base ter crescido, ele está chutando mais. Para pegar isso antes do cliente, inclua perguntas sem resposta na base entre os cenários de teste, como mostramos em Como testar um agente de IA antes de colocar no ar.

Menos impressionante, mais confiável

Numa demonstração, o agente que sabe dizer "não sei" parece menos esperto que o agente que responde tudo. Às 3h da manhã, sem ninguém olhando, ele é o único em que você pode confiar.

Na Sublime, o agente só afirma o que leu na sua base ou o que uma ação devolveu naquele atendimento, e cada frase é conferida antes de sair. Os detalhes estão em Embasamento.