Como fazer um chatbot que entende linguagem natural?

Publicado em 22 de julho de 2026 · por Sanderson Palmeira de Oliveira

O que significa um chatbot “entender”

Processamento de linguagem natural (PLN) é a área que permite a um sistema interpretar texto escrito do jeito que as pessoas escrevem. No atendimento, entender se resume a duas tarefas: descobrir a intenção (o que a pessoa quer fazer) e extrair as entidades (os dados que ela já informou).

Na mensagem “vcs tem horário sabado de manha pra limpeza?”, a intenção é agendar; as entidades são o serviço (limpeza), o dia (sábado) e o período (manhã). Um bot de menu não entende nada disso e responde “digite 1 para agendamento”. Um bot com PLN já responde com os horários de sábado de manhã para limpeza, ou pergunta só o que falta.

Entender também inclui saber quando não entendeu. Um bom chatbot reconhece que a mensagem está fora do que ele sabe tratar e diz isso, em vez de responder qualquer coisa.

Um terceiro elemento é o contexto. “E pra sexta?” só faz sentido para quem lembra que a conversa era sobre limpeza de manhã. O chatbot precisa carregar as últimas mensagens para interpretar a nova, senão cada frase é tratada como se fosse a primeira.

Duas formas de construir: intenções cadastradas ou modelo de linguagem

Há dois caminhos principais, e muitos projetos combinam os dois.

A escolha entre um bot de regras e um com IA está detalhada em chatbot com IA vs. bot de árvore. Na prática, é comum o LLM entender a mensagem e as regras conduzirem o que não pode errar, como a marcação na agenda.

Passo a passo para montar

1. Junte mensagens reais. Exporte algumas semanas de conversas do WhatsApp ou do chat do site. É daí que saem as intenções que importam e o jeito como seu cliente escreve.
2. Liste as intenções e o escopo. Poucas e bem definidas no começo: agendar, remarcar, preço, localização, falar com alguém. O que ficar fora vai direto para uma pessoa.
3. Defina as entidades de cada intenção. Para agendar: serviço, dia, período, nome. O bot pergunta só o que não veio na primeira mensagem.
4. Escreva a base de respostas. Horários, endereço, serviços, preços que podem ser informados e políticas, com um responsável por atualizar.
5. Configure o modelo e as instruções. Tom de voz, o que ele pode e não pode afirmar, e a ordem de prioridade: base da empresa primeiro, nada de conhecimento geral.
6. Monte um conjunto de teste. Separe 50 a 100 mensagens reais que o bot nunca viu, com gírias, abreviações e perguntas misturadas. Rode antes de cada mudança.
7. Defina o que acontece na dúvida. Quando a intenção não estiver clara, o bot pergunta uma vez; se continuar sem entender, passa para uma pessoa com o resumo.
8. Acompanhe depois de ligar. Leia uma amostra de conversas por semana e transforme as falhas em exemplos e respostas novas.

Onde os chatbots mais erram (e como corrigir)

• Duas perguntas na mesma mensagem: “quanto custa e vocês abrem domingo?”. O bot responde só uma. Corrija instruindo a IA a tratar todas as perguntas e testando esse caso.
• Contexto perdido: o cliente diz “e na outra unidade?” e o bot não sabe de qual pergunta se trata. A conversa precisa carregar as últimas mensagens.
• Resposta confiante e errada: quando a base não tem a informação, o modelo completa com algo plausível. A solução é limitar a IA à base e mandar para uma pessoa o que não estiver nela.
• Mensagens de áudio: muito comuns no WhatsApp. Se o bot não transcreve, precisa ao menos avisar e pedir texto ou passar para alguém.
• Ironia e irritação: “ótimo atendimento, só esperei três dias” não é elogio. Frases de reclamação devem ir para uma pessoa.

O problema da resposta inventada tem um post próprio: alucinação de IA no atendimento. E a montagem da base que a IA consulta está em como treinar a IA com a base da empresa (RAG).

Um exemplo: a mesma pergunta escrita de cinco jeitos

Imagine um salão de beleza em Valinhos testando o bot antes de colocá-lo no ar. A intenção “saber se há horário no sábado” chega assim nas conversas reais: “tem vaga sabado?”, “sábado vcs atendem?”, “queria marcar p/ sab de manhã”, “fim de semana funciona?” e “dá pra ir amanhã?” (enviada numa sexta-feira).

As quatro primeiras são diretas para um bot com IA. A última exige saber a data de hoje, o que é um detalhe de configuração que muita gente esquece. É esse tipo de caso que o conjunto de teste pega antes do cliente.

O teste também mostra o que o bot deve responder. “Tem vaga sábado?” pede uma resposta com horários reais, o que significa consultar a agenda, não só a base de texto. Se a agenda não estiver integrada, a resposta honesta é informar que o salão abre aos sábados e perguntar o serviço e o período para a recepção confirmar. Entender a pergunta e ter o dado para respondê-la são dois problemas diferentes, e o segundo costuma ser o mais trabalhoso.

Se você atende na região, veja também como trabalhamos com empresas de Valinhos.

Como a 2S Digital ajuda

A 2S levanta as intenções a partir das suas conversas reais, monta a base e o conjunto de teste, configura o bot no WhatsApp ou no site e define a passagem para o time.

Conheça a solução de IA e automação ou comece por um diagnóstico.

Perguntas frequentes

O que é PLN em um chatbot?

PLN (processamento de linguagem natural) é o que permite ao chatbot interpretar mensagens escritas livremente, identificar a intenção e extrair dados como dia, horário e produto. Sem PLN, o bot depende de menus e palavras exatas.

Preciso programar para ter um chatbot que entende linguagem natural?

Não necessariamente. Há plataformas sem código que conectam um modelo de IA ao WhatsApp e ao site. O trabalho maior está em organizar a base, definir limites e testar com mensagens reais.

Qual a diferença entre chatbot com PLN e chatbot de menu?

O de menu só reconhece opções numeradas ou palavras exatas. O com PLN entende a frase como o cliente escreveu e responde ou pergunta só o que falta.

Como saber se o chatbot está entendendo bem?

Use um conjunto de mensagens reais que o bot nunca viu e confira quantas ele classificou e respondeu certo. Depois de ligar, revise uma amostra de conversas por semana.

Continue explorando

• Chatbot com IA vs. bot de árvore (regras)
• Como treinar a IA com a base da empresa (RAG)
• Diferença entre chatbot e agente de IA
• Atendimento automatizado que não parece robô