Persona sintética acerta a média das pessoas e perde a diferença entre elas

Vem me tirando o sono ver pesquisa com gente de verdade sendo trocada por usuário de mentira. Senta aí que esse papo vai render.

"Com certeza essa dificuldade é só minha, com meus 63 anos."

Foi isso que um cliente escreveu num campo aberto de questionário, depois de contar que a tela de compra e venda de ações, o home broker, o assustava, cheia de informação de todo lado. Ele pediu desculpa. Por um problema que era meu.

A frase é de 2019. Eu tinha entrado numa corretora pra cuidar da transformação digital dos serviços e das plataformas, e o redesenho da área logada, app e web, era parte desse trabalho. Carrego essa frase até hoje. Pois é, já se passaram sete anos.

Por que ninguém transacionava pelo aplicativo?

Naquela época a gente tinha um número na mão e nenhuma explicação pra ele. O aplicativo era usado pra consultar e quase nada pra transacionar: as pessoas entravam, olhavam o saldo e saíam. Investir, resgatar, mexer com dinheiro, tudo isso acontecia na web. Um produto inteiro no ar, subutilizado, servindo quase só pra mostrar saldo.

Hipótese não faltava. O fluxo de compra era longo demais. Faltava funcionalidade no app. Quem investe tem hábito de desktop, com planilha aberta e gráfico do lado. Tela de celular é pequena pra analisar ativo. Todas plausíveis. Todas fáceis de defender num slide. E nenhuma delas explicava o número.

A resposta veio de outro cliente, no mesmo questionário:

"já tentei agregar fundo pelo aplicativo, foi confirmado no aplicativo mas quando acessei o site não estava agregado. Tive que agregar pelo site. Ou seja, o aplicativo não passa sensação de segurança para fazer mínimas coisas. Por enquanto, só utilizo para ver saldo."

Estava tudo ali. Ninguém confiava naquela tela pra mexer com dinheiro. Pra olhar, servia. E quando o assunto é investimento, confiança é o produto que você está vendendo. A gente estava procurando problema de fluxo e tinha um problema de credibilidade.

Os dados fechados do mesmo questionário iam na mesma direção. Perguntamos onde a pessoa preferia fazer cada coisa. Investir ficava no site. Checar saldo ficava no app. Na comparação direta, "acho mais rápido" e "acho mais prático" iam pro aplicativo, e "acho mais seguro" ia pro site quase sempre. O celular era mais conveniente e menos confiável ao mesmo tempo. Dinheiro ia pra onde tinha confiança.

E o senhor dos 63 anos não estava sozinho. Outro cliente contou que tinha dificuldade de entender as informações da tela de posição e emendou: "isso deve ser deficiência minha".

Duas pessoas pedindo desculpa por um problema que era nosso.

Aquilo mudou a prioridade do projeto. Deixamos de tratar o app como um lugar de consulta e passamos a tratá-lo como um lugar de transação, o que significava resolver confiança antes de resolver funcionalidade. Também mudou o jeito de conversar: fomos atrás dos detratores, que no Net Promoter Score são as pessoas que dão nota de 0 a 6 na escala de 0 a 10 da pergunta de recomendação, e que concentram o risco de abandono. Conversar com detrator é desconfortável, e rende. Quem está satisfeito não sabe dizer o que quase deu errado. Quem está indo embora sabe, e conta sem diplomacia.

E deu no que?

Essa é a parte que eu costumava não contar, e devia. O redesenho passou por todas as plataformas, e a nota do aplicativo saiu de 3,5 para 4,7 nas duas lojas, App Store e Google Play. Por um período a gente ficou com nota acima do maior player do mercado, coisa que parecia fora de alcance quando o projeto começou. A meta de novas contas abertas também foi batida depois. E o que mais importa pra mim: gente que antes só entrava pra olhar o saldo passou a investir pelo celular. O comportamento que a gente queria destravar destravou.

Agora a ressalva, porque é aqui que todo mundo estica. O redesenho mexeu em muita coisa ao mesmo tempo, e tinha outras frentes rodando junto, inclusive a do cadastro. Eu não tenho como isolar quanto da nota e quanto das contas novas veio de resolver confiança, e quanto veio de performance, de fluxo, de conteúdo ou de marketing. O que eu sustento é mais estreito: a prioridade do projeto mudou por causa daquelas falas, e os números andaram junto.

E aqui chego no que vem me tirando o sono.

O que a persona sintética devolve

Anda circulando a promessa de trocar a pesquisa com pessoa real por persona sintética, que é você pedir pra um modelo de linguagem responder como se fosse seu cliente. Rápido, barato, disponível às duas da manhã. Eu uso IA todo dia e não tenho nenhuma vontade de fazer discurso de resistência. Mas será que eu tô exagerando ao achar que a gente está jogando fora justamente a parte que dá valor ao trabalho?

Repara no que teria acontecido naquele projeto. As explicações plausíveis da minha lista, fluxo longo, falta de funcionalidade, hábito de desktop, tela pequena, são exatamente as que estão escritas na internet sobre app de investimento. É delas que um modelo é feito, e ele me devolveria todas com convicção.

E vou ser honesta até o fim, porque essa objeção é boa: queixa de operação que não sincroniza e de app que não passa segurança também está escrita por aí, em review de loja e em site de reclamação. O ponto não é que ninguém nunca disse aquilo. O ponto é que um modelo não tem como saber qual daquelas explicações está acontecendo na sua base, com aquelas pessoas, naquele trimestre. Ele devolve a lista de possibilidades. Ele não aponta qual é a sua.

Vou aos números, que é onde a coisa fica interessante.

O que a pesquisa já mediu sobre resposta sintética

Um estudo muito citado sobre isso é o de James Bisbee e colegas, publicado em 2024 na revista Political Analysis. Eles pediram ao ChatGPT que adotasse personas e respondesse a perguntas de opinião, depois compararam com o American National Election Study, uma pesquisa eleitoral de verdade feita com gente. As médias bateram bem. Parece ótimo, e é aqui que mora o problema: a variação das respostas sintéticas foi menor que a real, os coeficientes de regressão frequentemente deram diferente, mudanças pequenas na redação do prompt mudaram a distribuição das respostas, e o mesmo prompt devolveu resultado significativamente diferente ao longo de três meses. Justiça com o estudo: o teste foi feito em 2023, com o GPT-3.5, e não retrata o modelo de hoje. O padrão, mesmo assim, me interessa muito: a ferramenta acertou as médias agregadas e perdeu a diferença entre as pessoas, inclusive dentro de cada subgrupo, que é o que os coeficientes diferentes estão dizendo. Só que o meu trabalho vive da diferença entre as pessoas.

O segundo estudo é mais duro. Angelina Wang, Jamie Morgenstern e John Dickerson publicaram em 2025 na Nature Machine Intelligence uma série de estudos com quatro modelos e 3.200 participantes reais ao todo, cobrindo dezesseis identidades demográficas. A conclusão: os modelos podem retratar esses grupos de forma equivocada e achatar as diferenças que existem dentro deles. Eles testaram técnicas de mitigação, que reduzem o problema sem eliminar. E pedem cautela sempre que a identidade das pessoas importa pra tarefa. Pro uso como complemento, um estudo-piloto por exemplo, eles até oferecem caminho. A decisão de substituir, escrevem eles, fica com quem implanta, avaliando se o benefício supera o dano.

Quem some da simulação

Traduzindo pro nosso dia a dia: quem não escreve na internet quase não aparece na simulação, e quando aparece, aparece distorcido. Idoso, pessoa de baixa renda, quem fala uma variante distante da norma, quem tem deficiência. O jeito do senhor de 63 anos dizer o que sentia, se desculpando pela própria dificuldade, é o tipo de fala que quase não pesa no treino de um modelo. E ele era exatamente a pessoa que eu precisava ouvir, porque a base ativa daquela corretora tinha muita gente na faixa dele.

Quantos profissionais de pesquisa usam persona sintética hoje?

Poucos, e a maioria desconfia. Em maio de 2026, a User Interviews ouviu 150 profissionais de pesquisa numa pesquisa online, além de cinco entrevistas em profundidade: 8% usam ferramentas de IA pra simular participante, 21% já experimentaram, quase metade se declara cética e 17% são abertamente contra, enquanto 80% dizem usar IA regularmente no trabalho. Duas ressalvas honestas: a amostra é de conveniência, recrutada nos canais da própria empresa, e essa empresa vive de recrutar participantes humanos. Leia com esse filtro. Ainda assim, o retrato é de uma categoria que adotou IA pra quase tudo e trava na hora de substituir gente.

Vale citar também o State of UX 2026 do Nielsen Norman Group, de janeiro deste ano, que nem trata de persona sintética e sustenta o contrário: quanto mais IA existe dentro do produto, mais fundo você precisa entender quem usa.

Então onde a persona sintética serve?

Agora, o outro lado, porque crítica sem alternativa não serve pra nada. Persona sintética tem lugar. Fato. Ensaiar roteiro antes de gastar a hora de um participante real. Gerar hipótese pra depois testar com gente. Treinar quem vai moderar a conversa. Varrer cenário raro pra descobrir o que perguntar. Nesses casos ela poupa tempo de verdade.

Resumão do critério que eu uso pra decidir: pergunte quem descobre o erro, e quando. Se quem descobre é você, na semana seguinte, numa conversa com pessoa real que já está agendada, use sem medo. Se quem descobre é o cliente, no dia do lançamento, não use.

E tem uma coisa que esse critério não cobre, então deixo dito: ele pega a resposta errada, não a pergunta que nunca existiu. Persona sintética responde bem o que você perguntou e não tem como te avisar do assunto que não passou pela sua cabeça. Pra isso não achei atalho. A ferramenta prepara a coleta. A coleta ela não faz.

O incentivo é o que me preocupa de verdade. Pessoa real atrasa cronograma, discorda do roadmap e traz um problema que ninguém quer resolver neste trimestre. Persona sintética responde em segundos, cabe na sprint e concorda com você. E isso não é acaso: modelo treinado pra ser útil puxa pra concordância. A NN/g testou usuário sintético contra estudos próprios com gente real e registrou justamente isso, o sintético parecendo se importar com tudo que era apresentado, o que destrói qualquer priorização. Aí a pesquisa deixa de produzir evidência e passa a produzir permissão.

E tem um detalhe que resume tudo. Uma queixa daquelas a IA escreve, e escreve bem. A pessoa que reclamou é que ela não tem. Ninguém gera quem confirmou uma operação no app, viu que não tinha acontecido, e nunca mais confiou naquela tela pra mexer no dinheiro dela. Aquele ressentimento era específico, era dela, e era ali que estava a informação que mudou o projeto.

Cada coisa no seu lugar. O lugar da persona sintética não é a cadeira do usuário.

Um beijo e até a próxima!

Perguntas rápidas

O que é persona sintética em pesquisa de produto? É pedir a um modelo de linguagem que responda como se fosse seu cliente, gerando perfil e respostas de entrevista sem ouvir ninguém. Também aparece como usuário sintético ou participante gerado por IA.

Persona sintética substitui pesquisa com usuário? Como evidência para decidir, ela não substitui. Os dados disponíveis mostram uso minoritário e auxiliar, e os autores do estudo publicado na Nature Machine Intelligence pedem cautela sempre que a identidade das pessoas importa pra tarefa. Como preparação da coleta, ela ajuda.

Como decidir se posso usar persona sintética numa etapa? Pergunte quem descobre o erro, e quando. Se a resposta errada aparece na semana seguinte, na primeira conversa com pessoa real, o risco é baixo. Se só aparece quando o produto lança, não use.

O que mudou no produto depois dessa pesquisa? A prioridade saiu de funcionalidade para confiança, o redesenho passou por todas as plataformas, a nota do aplicativo subiu de 3,5 para 4,7 na App Store e no Google Play, a meta de novas contas abertas foi batida e clientes que antes só consultavam saldo passaram a investir pelo celular. Como o redesenho mexeu em várias frentes ao mesmo tempo, e havia outras frentes rodando junto, não dá pra atribuir esses números a um fator isolado.

Por que conversar com detrator? Porque quem está satisfeito não sabe dizer o que quase deu errado. Detrator é quem dá nota de 0 a 6 na escala de recomendação do Net Promoter Score, concentra o risco de abandono e conta o problema sem diplomacia.

---

Pra quem quiser ir na fonte:

• Bisbee, J., Clinton, J. D., Dorff, C., Kenkel, B. & Larson, J. M. (2024). Synthetic Replacements for Human Survey Data? The Perils of Large Language Models. Political Analysis, 32(4), 401–416 (ler na Cambridge). Open access. É de onde vêm os quatro achados: médias próximas às do American National Election Study 2016–2020, menos variação que a pesquisa real, coeficientes de regressão frequentemente diferentes, sensibilidade à redação do prompt e resultado diferente com o mesmo prompt ao longo de três meses. O modelo testado foi o GPT-3.5, com coleta em 2023.
• Wang, A., Morgenstern, J. & Dickerson, J. P. (2025). Large language models that replace human participants can harmfully misportray and flatten identity groups. Nature Machine Intelligence, 7, 400–411 (ler na Nature). A versão gratuita é o preprint aceito na revista (arXiv:2402.01908), que traz os números citados aqui: quatro modelos, 3.200 participantes ao todo, dezesseis identidades demográficas, e as técnicas de tempo de inferência que reduzem sem remover o problema.
• User Interviews (2026). The State of Synthetic Users (ler). Coleta de 11 a 22 de maio de 2026, com 150 respostas qualificadas mais cinco entrevistas moderadas. Amostra de conveniência recrutada nos canais da própria empresa, que comercializa recrutamento de participantes humanos. Circula em blogs de terceiros um número de 97% de uso de IA que não existe no relatório: o que está publicado é 80% de uso regular.
• Moran, K., Budiu, R., Gibbons, S. & os experts da NN/g (2026). State of UX 2026: Design Deeper to Differentiate, Nielsen Norman Group, 16 de janeiro de 2026 (ler). O relatório não trata de persona sintética, e é dele a frase de que entender o usuário fica mais importante quando existe IA no produto.
• Rosala, M. & Moran, K. (2024). Synthetic Users: If, When, and How to Use AI-Generated "Research", Nielsen Norman Group, 21 de junho de 2024 (ler). Onde eles testam usuário sintético contra estudos próprios com pessoas reais e registram a tendência à concordância, com o sintético parecendo se importar com tudo.
• Reichheld, F. F. (2003). The One Number You Need to Grow, Harvard Business Review, dezembro de 2003. A origem do Net Promoter Score, onde nasce a figura do detrator. A faixa de 0 a 6 e a associação com abandono estão descritas pela Bain & Company, que mantém a metodologia (ler).
• As falas de cliente citadas aqui vêm de um questionário de pesquisa que eu conduzi em 2019, em material interno do projeto. O nome da empresa fica de fora por acordo de confidencialidade, e os números internos de base e de conversão também. A variação da nota nas duas lojas, de 3,5 para 4,7, e a meta de novas contas são o que eu acompanhei durante e depois do redesenho, e não são números que dê pra reconstruir hoje em fonte pública.