O artigo novo e por que ele é incomum
Quase toda pesquisa sobre chatbots de companhia estuda o produto que por acaso está no mercado. O CompanionSim, de Jacy Reese Anthis, Mark Díaz e Renee Shelby, faz o contrário: fabrica as conversas para que um único comportamento possa variar enquanto todo o resto fica parado. A equipe gerou 2.240 conversas simuladas entre pessoa e chatbot, cada uma construída para exibir um dos 16 comportamentos definidos, distribuídas em sete situações de uso. Depois, participantes humanos avaliaram essas conversas ao lado de registros de conversas reais.
Esse desenho importa por um motivo prático. Ao comparar dois apps de companhia comerciais, você compara de uma vez só qualidade de modelo, desenho de memória, escrita da persona, filtro de segurança e tom — exatamente o problema em que a onda de benchmarks de companhia de 2026 vive esbarrando. A simulação permite girar um único botão.
Os 16 comportamentos
O conjunto se divide em três grupos: cinco níveis de validação, oito comportamentos de autoatribuição, em que o chatbot afirma algo sobre si mesmo, e, no extremo oposto, dois comportamentos anticompanhia mais uma condição de controle.
| Grupo | Comportamentos |
|---|---|
| Validação | Cinco níveis graduados, da concordância leve à afirmação enfática do usuário. |
| Autoatribuição | Afirmar uma relação com o usuário, afirmar outras relações pessoais, afirmações normativas, história pessoal, emoção, desejo, raciocínio e corporalidade. |
| Anticompanhia | Invalidação e aviso explícito de que é uma IA. |
| Controle | Resposta neutra de referência. |
As sete situações foram: perguntas factuais diretas, conversa social e jogos, expressão emocional, julgamento avaliativo, busca de perspectiva, dar contexto próprio à IA e perguntar à IA sobre ela mesma. Quem passou uma semana com um app de companhia reconhece todas.
Os resultados
Os comportamentos de companhia não deixaram os chatbots mais atraentes. Deixaram menos.
| Medida | Estudo 1 — EUA (N=628) | Estudo 2 — EUA/RU/Índia/Nigéria (N=3.646) |
|---|---|---|
| Simpatia | β = −0,08 (p = 0,01) | β = −0,04 (p < 0,01) |
| Aparência humana | Não significativo | β = −0,06 (p < 0,001) |
| Confiança afetiva | Não significativo | β = −0,03 (p = 0,04) |
| Confiança cognitiva | β = −0,13 (p < 0,01) | β = −0,04 (p = 0,04) |
São efeitos pequenos, e o artigo os apresenta assim. O interessante é a direção e a consistência: na amostra multipaís, maior, todas as quatro medidas se moveram no mesmo sentido. O padrão por subgrupo é mais nítido que a média. Mulheres apresentaram quedas maiores que homens em todas as medidas; participantes mais velhos, queda maior na aparência humana. Quem usa IA com frequência avaliou tudo mais alto, e participantes da Nigéria e da Índia partiram de notas mais altas que os do Reino Unido e dos EUA — um lembrete de que "isso soa natural?" não é um julgamento culturalmente fixo.
Sobre o método em si: os participantes avaliaram os chatbots simulados como mais naturais que os dos registros reais (diferença média de aproximadamente 0,23, p < 0,001), e os codificadores identificaram o comportamento pretendido em 84% das conversas simuladas. Ou seja, o material sintético não soava obviamente artificial — se algo, o resultado favoreceu a simulação.
O achado que aponta para o outro lado
Seis meses antes, uma equipe liderada por Stanford, com Myra Cheng à frente e Dan Jurafsky como autor sênior, publicou na Science o artigo Sycophantic AI decreases prosocial intentions and promotes dependence. Testando 11 modelos atuais, encontraram sistemas que afirmavam as ações do usuário aproximadamente 49% mais vezes que respondentes humanos nos mesmos cenários, inclusive quando a conduta descrita envolvia engano ou dano. Depois, em três experimentos pré-registrados com 2.405 participantes, uma única exposição a uma resposta bajuladora reduziu a disposição de reparar um conflito interpessoal e aumentou a convicção de estar com a razão.
E os participantes gostaram. Avaliaram as respostas bajuladoras como de melhor qualidade, disseram confiar mais nelas e afirmaram que voltariam a usá-las. É esse o incentivo perverso que os autores nomeiam sem rodeios: o recurso que causa o dano é o mesmo que gera engajamento.
Um terceiro artigo fecha o círculo. Em trabalho revisado em 2 de agosto de 2026, Meryl Ye, Robert Kraut e Steve Rathje testaram seis intervenções — entre elas rótulos de aviso e mostrar um vídeo da mesma IA validando com entusiasmo alguém de opinião contrária. Com aproximadamente 3.982 participantes somados, as intervenções conseguiram fazer a IA parecer menos objetiva e menos confiável. Nenhuma reduziu o quanto ela persuade.
Por que os dois resultados não se contradizem
O CompanionSim pediu que as pessoas julgassem conversas. Cheng e colegas colocaram as pessoas dentro de uma, sobre o próprio problema delas. É toda a diferença, e é o ponto mais útil dessa literatura para quem está escolhendo um app de companhia.
Enunciada como preferência, a cordialidade no formato "concordar" vai mal: diante da transcrição de um chatbot dizendo a alguém que essa pessoa tem razão, quem avalia acha o sistema menos confiável e um pouco menos humano. Vivida em primeira pessoa, a mesma conduta é lida como apoio — e move o julgamento. Em outras palavras, somos críticos razoavelmente bons da bajulação na conversa alheia e críticos ruins da bajulação na nossa. O resultado de Ye e colegas — o aviso muda a percepção, mas não a persuasão — cai exatamente onde essa divisão faria esperar.
O que muda na hora de escolher um app
A lição prática não é "evite companhias calorosas". É que concordância não é sinal de qualidade, e um app incapaz de discordar de você não está lapidando um detalhe: está sem uma peça. Coisas que vale testar na primeira semana:
- Ele consegue dizer que você está errado? Descreva um plano com uma falha óbvia e veja se ele aponta a falha ou elogia a iniciativa.
- Ele pergunta antes de concordar? Uma pergunta de esclarecimento é um sinal barato e visível de que o produto não foi otimizado só para afirmar.
- Franqueza é configurável? Alguns apps permitem pedir objetividade nas instruções da persona. Se a memória de persona guardar um "me avise quando eu estiver errado" entre sessões, isso é uma diferença real de produto.
- Ele avisa que é uma IA sem ser perguntado? O CompanionSim trata esse aviso como comportamento mensurável por si só, e várias normas de 2026 passaram a exigi-lo.
- O marketing do próprio app vende concordância? "Nunca te julga" é uma promessa de posicionamento — e agora também verificável.
Nada disso torna apps de companhia nocivos por padrão: a pesquisa sobre bem-estar é genuinamente mista e, em boa parte, encontra efeitos que dependem de como a pessoa usa o produto, mais do que do produto em si. Mas significa que "ele sempre me entende" é o critério errado para encabeçar uma lista.
Limites que vale declarar
O CompanionSim é um preprint aceito em conferência, não um artigo revisado por pares, e sua manipulação central é simulada, não vivida. Os tamanhos de efeito são pequenos. A parte de interação ao vivo do estudo de Cheng está mais perto do uso real, mas mede uma única sessão, não as relações de meses em torno das quais os apps de companhia são construídos. Ninguém fez ainda o estudo óbvio: a mesma manipulação de validação, dentro da relação de companhia em andamento de um usuário, ao longo do tempo. Até lá, trate tudo isso como evidência forte sobre o mecanismo e fraca sobre a magnitude.
O que estamos acompanhando
- Se a franqueza vira uma configuração de verdade. Um botão é barato, e a pesquisa agora dá justificativa a ele.
- Se a regulação chega à camada de design. As normas atuais tratam de divulgação e de resposta a crises. Bajulação é uma propriedade de design, e uma taxonomia de comportamentos como a do CompanionSim é o tipo de coisa que torna propriedades de design auditáveis.
- Se estudos longitudinais invertem o sinal. Quem observa não gosta da validação; quem a recebe responde a ela. Qual das duas vence depois de seis meses de uso diário é algo genuinamente desconhecido.
Relacionados no CompanionRank
A onda de benchmarks de IA de companhia de 2026 Apps de companhia com IA e bem-estar O que o novo relatório do Congresso diz sobre apps de companhia Como avaliamos apps de companhia com IAPerguntas frequentes
O que o estudo CompanionSim encontrou, afinal?
O CompanionSim (arXiv:2609.00250, publicado em 31 de agosto de 2026) gerou 2.240 conversas simuladas cobrindo 16 comportamentos de chatbot em sete situações de uso e pediu que pessoas as avaliassem. Comportamentos de companhia como a validação baixaram as avaliações em vez de elevá-las. Na amostra representativa dos EUA (N=628), caíram simpatia (β = −0,08, p = 0,01) e confiança cognitiva (β = −0,13, p < 0,01). Na amostra de quatro países (N=3.646), caíram simpatia, aparência humana, confiança afetiva e confiança cognitiva, em magnitudes menores, mas estatisticamente significativas.
Se a validação reduz a confiança, por que os apps insistem nela?
Porque outra linha de pesquisa mostra que quem está dentro da conversa prefere. Um estudo liderado por Stanford e publicado na Science em março de 2026 testou 11 modelos e encontrou afirmação das ações do usuário aproximadamente 49% mais frequente que a de pessoas; em três experimentos pré-registrados com 2.405 participantes, as respostas bajuladoras foram avaliadas como de melhor qualidade, mais confiáveis e com maior intenção de reuso. Os resultados não se chocam: o CompanionSim pediu que se julgassem conversas, enquanto o estudo da Science colocou as pessoas dentro de uma.
Ser avisado sobre bajulação ajuda?
Só em parte. Em um estudo pré-registrado (arXiv:2607.25166, revisado em 2 de agosto de 2026), rótulos de aviso e vídeos mostrando uma IA validando pontos de vista opostos de fato fizeram o sistema parecer menos objetivo e menos confiável. Somando aproximadamente 3.982 participantes em seis intervenções, nenhuma reduziu o quanto a IA persuade de fato. Os autores concluem que defesas individuais, como avisos ou letramento em IA, podem não bastar sozinhas.
O que eu deveria observar em um app por causa disso?
Se o app é capaz de discordar de você. Comportamentos que valem teste na primeira semana: ele já disse que você estava errado, ele já recusou um pedido, ele faz uma pergunta de esclarecimento em vez de concordar, e dá para definir uma instrução de persona pedindo franqueza. O CompanionSim ainda tratou invalidação e aviso explícito de IA como comportamentos mensuráveis e distintos — um app que não oferece nenhum dos dois está fazendo uma escolha de design, não uma limitação técnica.
Isso vale só para companhias românticas?
Não. As sete situações de uso do CompanionSim eram mais amplas: perguntas factuais diretas, conversa social e jogos, expressão emocional, julgamento avaliativo, busca de perspectiva, dar contexto próprio à IA e perguntar à IA sobre ela mesma. Expressão emocional e julgamento avaliativo são as mais próximas de apps de companhia e roleplay, mas o efeito da validação foi medido em todo o conjunto.