# O melhor agente de atendimento é o que sabe dizer "não sei" > Modelos chutam porque foram avaliados para chutar. Como fazer um agente de atendimento afirmar só o que tem fonte, e transformar cada "não sei" em melhoria da base. **URL:** https://www.sublime.am/blog/agente-de-ia-que-diz-nao-sei **Data:** 2026-10-13 **Categoria:** Atendimento com IA **Tags:** Agentes de IA, Alucinação, Base de conhecimento --- 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](https://www.gartner.com/en/newsroom/press-releases/2026-09-02-gartner-finds-only-27-percent-of-customers-would-try-a-chatbot-again-after-a-negative-experience). 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](https://openai.com/index/why-language-models-hallucinate/) 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: | Modelo | Se absteve | Acertou | Errou | |---|---|---|---| | gpt-5-thinking-mini | 52% | 22% | 26% | | o4-mini | 1% | 24% | 75% | 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](/blog/agente-de-ia-nao-deveria-calcular-preco). ## 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](/blog/como-testar-agente-de-ia-antes-de-publicar). ## 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](/docs/knowledge/grounding).