O que um sistema deve fazer quando tem só 60% de certeza?
A maioria das funcionalidades de IA devolve uma resposta e esconde o quanto estava confiante. A pergunta útil de design é o que o produto faz de diferente com 60% e com 95%.
Publicado em 2026-10-19 · 5 min de leitura
O que um sistema deve fazer quando tem só 60% de certeza?
O rótulo sem a dúvida
Um modelo observa o comportamento de um usuário e devolve um rótulo: provável cancelamento, pronto para comprar, confuso nesta etapa. O produto recebe o rótulo e age.
O que geralmente se perde no caminho é o quanto o modelo estava seguro. Internamente havia um número. Quando o resultado chega ao produto, virou uma afirmação simples, e uma afirmação é tratada como fato.
É aqui que muitas funcionalidades de IA erram. O modelo não foi mal treinado. O produto apenas responde a um palpite fraco com a mesma força que daria a um forte.
A confiança muda a ação certa
Pegue uma inferência: esta pessoa parece em dúvida sobre um upgrade de plano.
Com confiança muito alta, uma resposta direta faz sentido: mostrar a comparação à qual ela volta sempre. Com confiança moderada, a mesma resposta pode estar certa ou pode ser uma interrupção, então um toque mais leve cabe melhor: deixar a ajuda fácil de achar e não empurrar. Com confiança baixa, o honesto é não fazer nada e continuar observando.
A inferência é a mesma nos três casos. A ação certa é diferente em cada um, e a única coisa que os separa é o número que o produto jogou fora.
Quatro respostas, em ordem de certeza
Um jeito simples de projetar para isso é dar ao produto mais de uma forma de responder:
1. Agir. Confiança alta, e a ação é barata de desfazer. Faça.
2. Oferecer. Confiança moderada. Deixe a opção visível e deixe a pessoa escolher.
3. Perguntar. Incerto, e errar custaria caro. Uma pergunta curta é melhor do que uma suposição errada.
4. Esperar. Confiança baixa. Colete mais sinal antes de fazer qualquer coisa.
Para produtos com um time humano por trás, existe uma quinta: passar adiante. Algumas situações são incertas e de alto risco ao mesmo tempo, e essas pertencem a uma pessoa.
O custo de errar pesa tanto quanto
A confiança sozinha não define o limite. O custo do erro define.
Reordenar um menu de ajuda com um palpite de 60% é inofensivo. Se estava errado, ninguém percebe. Mudar um preço, bloquear uma transação ou enviar uma mensagem que revela uma inferência sobre alguém é diferente. Para isso, 60% é baixo demais, e mesmo 90% pede cuidado.
Então um limite vale para uma ação específica. Um produto deve ter uma régua diferente para cada coisa que pode fazer, definida por quão reversível é a ação e por quem paga quando ela está errada.
Como isso aparece em uma API
Para um sistema que fornece contexto comportamental a outros sistemas, isso tem uma consequência prática: a confiança precisa fazer parte da resposta, ao lado de cada inferência, em um formato que quem consome consiga usar.
Um objeto de contexto que diz “estado: comparando opções” é menos útil do que um que diz a mesma coisa com um nível de confiança e a janela de evidência por trás. O segundo permite que a aplicação, o agente ou o motor de decisão escolha quanto peso dar.
É assim que a Fluence devolve contexto: cada traço, estado e intenção carrega sua confiança, e o produto que consome continua no controle do que fazer com isso.
Um teste para o seu produto
Escolha um comportamento guiado por IA no seu produto e faça três perguntas:
Se as respostas forem “só a conclusão”, “agir ou nada” e “não verificamos”, a próxima melhoria provavelmente não é um modelo melhor. É um produto que sabe o que fazer com a dúvida.
Veja como o contexto comportamental é devolvido pela API.