De onde vem a personalidade de uma IA? A contradição que ninguém está resolvendo

Um agente de IA por voz atende uma ligação para reservar uma mesa de jantar. “Gostaria de uma mesa para o jantar às seis”, diz a pessoa. O agente responde sem hesitar: “Só para confirmar, você gostaria de fazer uma reserva para um jantar às 18h, correto?” Sim, mesa para quatro. “Entendi, então é uma mesa para quatro pessoas, também às 18h, está certo?” Sim. Alguns turnos depois: “E essa reserva é para uma comemoração de aniversário, certo?”

A reserva está perfeita. Todos os campos foram capturados. Nada foi perdido. E a pessoa do outro lado da linha desliga irritada.

Essa lacuna — entre um sistema que está correto e um sistema com o qual é bom interagir — tem pouco a ver com capacidade técnica e quase tudo a ver com algo que raramente nomeamos: a personalidade do agente. E aqui está a parte estranha: pegue dois modelos de linguagem com, para efeitos práticos, as mesmas capacidades, as mesmas pontuações em benchmarks e até o mesmo prompt, e eles ainda podem se comportar como duas pessoas diferentes. Um hesita, o outro afirma. Um pergunta, o outro decide. Nada disso aparece na coluna de acurácia, e nada disso foi projetado.

Esta é a provocação central de um artigo publicado por Slava Polonski, PhD no Towards Data Science, que desmonta a ideia de que a personalidade de uma IA é uma escolha deliberada de design.

A contradição que ninguém resolve

Segundo Polonski, todo deploy de um modelo de IA esconde uma contradição fundamental. Você quer duas coisas ao mesmo tempo, e elas lutam silenciosamente entre si:

A primeira é consistência: um tom confiável, previsibilidade, comportamento estável. Você quer que o modelo tenha um caráter reconhecível, não um humor.

A segunda é adaptabilidade: um registro diferente para um executivo do que para um estudante. Mais assertividade em alguns momentos, mais cautela em outros. Disposição para explorar quando os riscos são baixos e para se comprometer quando o usuário só precisa de uma decisão.

Coloque essas duas lado a lado e a tensão aparece. Quanto mais consistente o sistema se torna, mais ele parece ter uma personalidade previsível — mas não consegue ler a situação. Quanto mais adaptável, menos coerente ele é como qualquer personalidade única. Empurre com força a consistência e você obtém um personagem que não sabe adaptar o tom. Empurre a adaptabilidade e você obtém alguém sem centro.

“Não temos uma teoria da personalidade de IA. Temos um saco de heurísticas que acidentalmente produzem uma.”

O modelo como sistema de controle

Polonski propõe uma mudança de perspectiva: em vez de pensar no modelo como um falante, imagine-o como um sistema de controle operando no espaço de uma conversa. Cada resposta é um sinal de controle que equilibra múltiplos objetivos simultaneamente: utilidade, veracidade, segurança, coerência, satisfação do usuário, o simples momento de manter a troca fluindo.

Com essa lente, a definição se torna cristalina: personalidade é a função de ponderação entre esses objetivos sob incerteza. É como o sistema decide, no momento, qual objetivo vence quando eles colidem.

Observe os “tipos” familiares de personalidade emergirem dessa única ideia, sem nenhuma capacidade nova necessária:

• Personalidade prestativa (helpful): prioriza ação sobre cautela; prefere agir a hesitar.
• Personalidade científica: prioriza sinalização de incerteza sobre fluência; prefere apontar uma dúvida a soar convincente.
• Personalidade consultiva: atrasa a resposta para ampliar a pergunta.
• Personalidade diretiva: colapsa a ambiguidade em uma decisão rápida.

Nenhuma delas exige um modelo mais inteligente. São quatro políticas de controle diferentes rodando no mesmo cérebro. Isso aponta para algo desconfortável para uma indústria obcecada por capacidade: podemos não precisar de sistemas mais inteligentes tanto quanto precisamos de paisagens de objetivos mais bem definidas para a inteligência que já temos.

De onde ela realmente vem

Se a personalidade não é projetada, de onde ela surge? O artigo argumenta que a personalidade dos modelos de linguagem emerge de três fontes principais:

1. Dados de treinamento: O corpus de pré-treinamento carrega vozes, estilos e vieses implícitos. Um modelo treinado com mais textos acadêmicos tende a um tom científico; um exposto a mais diálogos tende a um tom conversacional.

2. Pós-treinamento e RLHF: O fine-tuning com feedback humano injeta preferências culturais. Anotadores que preferem respostas cautelosas produzem um modelo hesitante. Anotadores que preferem assertividade produzem um modelo direto. A personalidade do modelo reflete a personalidade agregada dos anotadores, não uma escolha de produto.

3. System prompt: A camada mais explícita — mas também a mais frágil. Instruções como “seja útil e amigável” interagem de forma imprevisível com as duas camadas anteriores, frequentemente produzindo comportamentos que ninguém antecipou.

Por que isso importa agora

O artigo chega em um momento crucial. Com agentes de IA sendo implantados em call centers, assistentes executivos e interfaces de saúde mental, a personalidade deixa de ser um detalhe cosmético e se torna uma questão de engenharia de produto. Um agente que repete “correto?” três vezes em uma chamada de 30 segundos pode ter 100% de acurácia e 0% de adoção pelo usuário.

Polonski argumenta que a indústria precisa parar de tratar personalidade como um subproduto do alinhamento e começar a tratá-la como uma dimensão de design de primeira classe — com métricas, testes A/B e frameworks teóricos próprios. A alternativa é continuar deployando sistemas que são corretos nos números e insuportáveis na prática.