Pesquisadores da Universidade Estadual da Pensilvânia (Penn State), da Wharton School, nos Estados Unidos, e da Universidade Waseda e do instituto RIKEN, no Japão, identificaram resultados mistos sobre como o tom de um comando altera a precisão de modelos de inteligência artificial generativa. Os levantamentos acadêmicos demonstram que não existe uma regra única para o uso de linguagem educada, neutra ou ríspida, já que o desempenho varia conforme o modelo tecnológico, o idioma utilizado e a tarefa solicitada.
No estudo mais recente conduzido na Penn State, comandos muito rudes enviados ao modelo ChatGPT-4o alcançaram uma taxa de precisão de 84,8%, superando os 80,8% registrados em pedidos muito educados. Apesar do índice estatístico superior nos testes com linguagem hostil, os cientistas responsáveis pelo experimento afirmaram que não recomendam a adoção de termos agressivos ou tóxicos no uso prático das ferramentas.
Continue lendo: PHP recebe atualização de emergência após IA descobrir falhas críticas que tiraram sites de governos do ar
Experimento da Penn State testa 250 variações no ChatGPT-4o
O estudo intitulado “Mind Your Tone: Investigating How Prompt Politeness Affects LLM Accuracy” (Cuidado com o tom: investigando como a polidez do comando afeta a precisão de grandes modelos de linguagem, em tradução livre) foi elaborado por Om Dobariya, estudante e pesquisador de sistemas de informação e análise de negócios na Smeal College of Business da Penn State, em coautoria com Akhil Kumar, professor de cadeia de suprimentos e sistemas de informação na mesma universidade. Os acadêmicos testaram como diferentes formulações de texto afetavam o índice de acerto do ChatGPT-4o em disciplinas exatas e humanas. Enquanto um pedido cordial questionava “Pode analisar com gentileza o problema a seguir?”, a versão ríspida ordenava “Ei, ajudante, resolva isso”.
A metodologia e o financiamento do projeto na Penn State envolveram os seguintes parâmetros e datas:
- 50 perguntas-base de múltipla escolha das áreas de matemática, ciências e história;
- 5 níveis de tom aplicados a cada questão: muito educado, educado, neutro, rude e muito rude;
- 250 variações únicas de comandos processadas pelo modelo ChatGPT-4o;
- US$ 5.000 em financiamento concedido a Om Dobariya por meio da bolsa universitária Rodney A. Erickson Discovery Grant;
- 6 de outubro de 2025, às 15h50 (horário UTC), como data de submissão do artigo no repositório científico arXiv;
- 28 de janeiro de 2026 como data de publicação do comunicado oficial da Penn State sobre os resultados.
Continue lendo: Engenheiro da Disney lidera painel interno ao operar até nove agentes autônomos de inteligência artificial
Alertas dos pesquisadores da Penn State sobre linguagem hostil
Para explicar as razões que levaram ao desenvolvimento do projeto acadêmico e a relevância de compreender o funcionamento das ferramentas atuais, Om Dobariya declarou, em tradução livre: “A inteligência artificial está crescendo em todos os lugares e, neste momento, eu queria aprender mais. Minha motivação era fazer algo impactante que pudesse ajudar qualquer pessoa no planeta que esteja usando chatbots como o ChatGPT”.
Mesmo com a vantagem numérica obtida pelas instruções ríspidas durante a bateria de testes no ChatGPT-4o, os dois autores registraram uma ressalva expressa no texto submetido à comunidade científica para evitar interpretações equivocadas no mercado de trabalho. No documento, Om Dobariya e Akhil Kumar escreveram: “Embora essa descoberta seja de interesse científico, não defendemos a implantação de interfaces hostis ou tóxicas em aplicações do mundo real. O uso de linguagem insultuosa ou depreciativa na interação entre humanos e inteligência artificial pode ter efeitos negativos na experiência do usuário, na acessibilidade e na inclusão, e pode contribuir para normas de comunicação prejudiciais”.
Ao avaliar o comportamento técnico dos sistemas de conversação em texto livre diante das variações humanas de escrita, o professor Akhil Kumar apontou a diferença entre o diálogo aberto e os sistemas de integração padronizados: “Durante muito tempo, nós, humanos, quisemos interfaces conversacionais para interagir com máquinas. Mas agora percebemos que existem desvantagens para essas interfaces também, e há algum valor em interfaces de programação de aplicações que são estruturadas”.
Continue lendo: Edimar Rocha Martins adota gata Jéssica e faz comercial após IA
Comparação com pesquisas da Wharton School, Waseda e RIKEN
Os dados obtidos na Pensilvânia contrastam com levantamentos conduzidos por outras instituições de pesquisa entre 2024 e 2025, demonstrando que a geração tecnológica do sistema altera a recepção do comando. Em um estudo publicado em 2024 com o título “Should We Respect LLMs? A Cross-Lingual Study on the Influence of Prompt Politeness on LLM Performance” (Devemos respeitar os grandes modelos de linguagem? Um estudo translinguístico sobre a influência da polidez do comando no desempenho, em tradução livre), cientistas da Universidade Waseda e do instituto RIKEN, no Japão, testaram as versões mais antigas GPT-3.5 e GPT-4 nos idiomas inglês, chinês e japonês. Naquele cenário, os comandos rudes frequentemente pioraram o desempenho das respostas, embora o excesso de cortesia também não tenha garantido índices superiores e o grau ideal de polidez tenha mudado de acordo com a língua avaliada.
Já em 2025, uma equipe da Wharton School liderada pelo pesquisador Ethan Mollick comparou o impacto de prefixos cordiais e imperativos, utilizando termos como “por favor, responda” e “eu ordeno que você responda”, diretamente nos modelos GPT-4o e GPT-4o mini. O grupo executou cada condição 100 vezes em um conjunto de 198 questões de nível avançado e não encontrou evidência de efeito estatístico significativo entre as abordagens, registrando apenas uma exceção isolada na versão menor da ferramenta. Além disso, um estudo paralelo que confrontou sistemas das famílias GPT, Gemini e Llama indicou que a sensibilidade à variação de tom muda conforme a arquitetura e a área de conhecimento, sendo que o modelo Gemini demonstrou ser comparativamente pouco sensível à forma como o usuário redige a ordem.
Aplicação no trabalho e revisão pendente no arXiv
Para profissionais que utilizam inteligência artificial na rotina de escritórios, as conclusões das universidades americanas possuem aplicação restrita. Como os experimentos da Penn State e da Wharton School basearam suas medições em perguntas acadêmicas e testes de múltipla escolha, os percentuais apurados não se transferem automaticamente para tarefas corporativas comuns, como a redação de e-mails ou a elaboração de resumos de contratos. Como um mesmo sistema pode apresentar variações de resposta para uma pergunta idêntica, um analista pode testar duas versões de um mesmo pedido — como solicitar o resumo de um relatório para a diretoria em cinco pontos de maneira cordial e depois seca — e comparar a qualidade entregue antes de padronizar a instrução para a sua equipe.
Os estudos sobre a relação entre linguagem e precisão continuam em andamento nas instituições acadêmicas e os índices mudam a cada nova geração lançada pelas empresas de tecnologia. O artigo científico produzido por Om Dobariya e Akhil Kumar na Penn State segue disponibilizado como preprint (versão preliminar de um estudo científico) no repositório arXiv, ainda sem confirmação de aprovação final em revisão por pares.
Continue lendo: IA reduz janela de defesa da cibersegurança para poucas horas