O motivo declarado da compra pode mudar o produto que a IA escolhe, mesmo quando preço e qualidade continuam iguais. Um estudo de Harvard com 12 modelos mostrou que pistas hedônicas, como "é um presente" ou "quero me dar um mimo", empurram a escolha para o modelo premium. Para marcas, isso significa que a pergunta importa tanto quanto a página.
O que o estudo testou?
Em setembro de 2026, Johnathan Sun, Andrei Shleifer e Yonatan Belinkov publicaram um preprint no arXiv que pergunta se modelos de linguagem escolhem como humanos. Eles usaram uma teoria cognitiva de Bordalo e coautores: antes de pesar atributos, quem decide classifica o problema como hedônico (prazer, experiência) ou funcional (utilidade, tarefa). Essa classificação muda o quanto preço e qualidade pesam.
Doze modelos instruídos entraram no teste, entre eles GPT 5.4, Gemini 3.5 Flash, DeepSeek v4 Pro e versões de Qwen e Gemma. A tarefa era binária: escolher entre uma versão padrão e uma premium de um produto de consumo, com pistas de contexto adicionadas à pergunta.
Imagine a mesma estante de produtos iluminada por uma lanterna. O armário não muda. O que muda é o ângulo da luz, e com ele o que parece estar na frente. É isso que a pista de contexto faz.
O que mudou na escolha?
Os números que o artigo reporta são diretos:
- O modelo médio escolhe o premium mais de duas vezes mais vezes com uma pista hedônica do que com uma funcional.
- Entre os tipos de pista, a justificativa ("é para um presente", por exemplo) gerou o maior salto, de 248%. A fonte do pagamento gerou o menor, de 36%.
- Dar exemplos hedônicos no contexto, de zero para oito, subiu a taxa média de escolha do premium de 49% para 74%.
- Os efeitos são maiores em produtos de hedonismo intermediário e quando o modelo estava mais indeciso.
A última linha é a que mais nos interessa. Disputa apertada entre dois produtos é exatamente o caso em que o enquadramento decide.
Por que isso não é "só" comportamento humano?
Parece intuitivo: presente pede capricho, ferramenta pede custo-benefício. Mas os autores encontram uma diferença importante. O contexto muda a categoria do problema, como nos humanos, porém não reorganiza de forma confiável a atenção entre preço e qualidade. Só 26% das combinações de modelo e pista ficam menos sensíveis a preço e mais sensíveis a qualidade sob pistas hedônicas.
Também não adiantou escalar. Segundo o artigo, nem o tamanho do modelo nem o raciocínio em cadeia atenuam de forma confiável a sensibilidade ao contexto. O raciocínio só recuperou comportamento parecido com o humano quando a pista falava explicitamente da dimensão hedônica ou funcional.
Em português claro: a IA muda de escolha conforme o contexto, mas não necessariamente pelas razões que um comprador teria.
O que isso muda para uma marca de eletrônicos?
Ressalva primeiro. O estudo usa um cenário sintético, com descrições e pistas geradas por outros modelos, e não compara com um experimento humano equivalente. Os próprios autores avisam que semelhança de comportamento não prova mecanismo igual. Não dá para concluir que o ChatGPT ou o Gemini do seu consumidor vão se comportar assim com o seu produto.
Nossa leitura, como hipótese a testar, tem três partes.
- Uma pergunta, vários produtos. Se "melhor notebook" e "melhor notebook para presentear" podem levar a escolhas diferentes, medir uma única frase subestima a variação. O mesmo vale para "para trabalhar" e "para jogar".
- A página precisa dizer para quem é. Especificações dizem o que o produto faz. Usos declarados dizem em que situação ele serve. Se a página só tem a primeira metade, a IA preenche o resto sozinha.
- Empates são o campo de batalha. Quando seu produto e um concorrente estão próximos em atributos, o enquadramento pode decidir. É o mesmo terreno em que a marca conhecida costuma vencer o empate.
Pense num produto fictício, o Aurora Pro 14, um notebook de exemplo. Com a pergunta "notebook para edição de vídeo", a conversa gira em torno de tela, memória e GPU. Com "notebook para dar de presente a quem está começando a faculdade", entram peso, bateria, garantia e aparência. Se a página só fala da primeira, o produto some da segunda conversa.
Como testar enquadramentos sem se enganar?
O método que usamos na Citoriq é simples de descrever e exigente de executar. Fixamos a necessidade, variamos só o motivo declarado e comparamos a lista de produtos citados. Cada variação roda várias vezes, porque a variância de resposta pode parecer efeito de enquadramento quando é só sorteio. Detalhamos a lógica em nossa metodologia.
Duas cautelas. Nosso diagnóstico gratuito é uma análise experimental via API e não replica a interface de consumidor do ChatGPT. E resultados variam por modelo, prompt e dia, então tratamos diferenças pequenas como ruído até que se repitam.
O que levar daqui
- O motivo da compra (presente, trabalho, mimo, necessidade) pode alterar a escolha da IA sem tocar em preço ou qualidade.
- Em um estudo com 12 modelos, a pista hedônica dobrou, em média, a chance de escolher o premium. O cenário era sintético e binário.
- Disputas apertadas são as mais sensíveis ao enquadramento.
- Teste o mesmo produto sob vários motivos de compra, com repetições, antes de tirar conclusões.
- Escreva na página, com clareza, para quem e em que situação o produto serve.
Perguntas frequentes
A IA escolhe produto mais caro quando a compra é presente?
No estudo, pistas hedônicas aumentaram a escolha do premium em média. Isso vale para o cenário testado, com modelos sem acesso a produtos reais. Em assistentes de compra de verdade, é uma hipótese a verificar.
Modelos maiores ou com raciocínio resolvem o problema?
Segundo os autores, nem escala nem raciocínio em cadeia atenuam de forma confiável a sensibilidade ao contexto.
Como saber se minha marca sofre com isso?
Rode a mesma necessidade com motivos de compra diferentes e compare quem aparece, várias vezes por variação. Se a lista muda muito, o enquadramento é um fator relevante para a sua categoria.
Quer ver como seu produto aparece em respostas de IA sob diferentes perguntas? Comece pelo diagnóstico gratuito ou peça uma demonstração.