A forma como interagimos com a inteligência artificial pode ter nuances mais profundas do que imaginamos, especialmente em cenários complexos como negociações. Uma pesquisa publicada no arXiv demonstrou que a língua utilizada na interação com LLMs não apenas muda a formulação das palavras, mas também o comportamento simulado de negociação, influenciando diretamente os resultados finais.
O estudo investigou se uma instrução de comportamento, como pedir a um LLM para ser “obstinado” em uma negociação, manteria o mesmo efeito em diferentes idiomas. Os pesquisadores utilizaram instâncias idênticas do Gemini 3.6 Flash, atuando como comprador e vendedor, para negociar 12 cenários de vendas em inglês e coreano. O design experimental variou a língua de interação, a urgência do vendedor e a persona do comprador (cooperativo, neutro ou obstinado), resultando em 432 tentativas de negociação.
Diferenças Culturais e Linguísticas na Negociação da IA
Os resultados foram surpreendentes: as negociações em coreano alcançaram acordos com muito mais frequência do que em inglês (77,3% contra 52,5%), uma diferença de 24,8 pontos percentuais. Essa disparidade foi notada principalmente para compradores com personas neutras e obstinadas, já que os compradores cooperativos já atingiam um alto índice de acordos em ambos os idiomas. Curiosamente, as ofertas iniciais dos compradores mal diferiram entre as línguas; a diferença surgiu mais tarde, com maiores concessões dos vendedores e uma menor diferença final de preço nas negociações em coreano. Os preços acordados também foram, em média, mais baixos em coreano.
Para validar esses achados, o experimento foi repetido com o Qwen3.7 Flash, e os resultados apontaram na mesma direção: a taxa de acordos foi novamente maior em coreano (com uma diferença de 13,9 pontos percentuais) e os vendedores fizeram mais concessões. A análise pragmática dos diálogos revelou o porquê: embora ambos os idiomas apresentassem atos que poderiam ser vistos como ameaçadores à face, como rejeições e contrapropostas, o diálogo em coreano suavizava essas ameaças com significativamente mais polidez, especialmente por parte dos vendedores (11,7% contra 3,6% em inglês).
Por Que Isso Importa para o Futuro da IA
Essa propriedade, chamada de fidelidade de política social interlinguística, questiona se uma política social definida por um prompt produz o mesmo efeito comportamental independentemente da língua de interação. O estudo demonstra que, frequentemente, isso não acontece. A pesquisa sugere que a cultura e as normas sociais embutidas na linguagem podem influenciar o comportamento dos LLMs de maneiras que vão além da mera tradução literal das instruções. Isso tem implicações significativas para o desenvolvimento e a implementação de IAs em contextos globais, especialmente em aplicações que exigem interações sociais complexas, como atendimento ao cliente, vendas ou mediação.
Se um LLM é treinado em dados que refletem padrões de comunicação específicos de uma cultura, ele pode replicar esses padrões mesmo quando instruído a seguir uma persona genérica. A polidez, por exemplo, pode ser um fator culturalmente carregado que afeta a disposição de uma IA em ceder ou manter-se firme em uma negociação. Compreender essas nuances é crucial para garantir que as IAs sejam eficazes e justas em diversas culturas e idiomas.
O que isso muda para você
Para profissionais brasileiros que utilizam ou desenvolvem soluções baseadas em IA, este estudo do arXiv acende um alerta importante. Se você está implementando um chatbot de atendimento ao cliente, um assistente de vendas ou qualquer sistema de IA que interaja com usuários em diferentes idiomas, não basta apenas traduzir os prompts. É fundamental testar e adaptar as personas e instruções para cada língua, considerando as nuances culturais e de comunicação.
Ignorar essas diferenças pode levar a resultados inesperados: uma IA que é assertiva e eficaz em inglês pode se tornar excessivamente agressiva ou passiva em português, ou vice-versa, impactando a satisfação do cliente e a eficácia da operação. O próximo passo concreto é incluir testes de comportamento interlinguístico no ciclo de desenvolvimento e validação de suas IAs, garantindo que a intenção da persona se mantenha fiel, independentemente do idioma de interação, e que a experiência do usuário seja consistente e culturalmente apropriada.
