Estudo: agente de IA com normas sociais explícitas se coordena com humanos quase 4 vezes melhor

Em julho de 2026, pesquisadores mostraram, usando a interação entre pedestres e motoristas, que formalizar normas sociais não escritas e embuti-las em um agente de IA melhora sua coordenação com uma pessoa em situações dinâmicas em quase quatro vezes em relação à estratégia base.

Por que a IA se entende mal com as pessoas no momento

As pessoas se coordenam o tempo todo por meio de normas sociais implícitas e difíceis de formalizar: expectativas compartilhadas e tácitas entre os participantes de uma interação. À medida que agentes de IA, incluindo grandes modelos de linguagem, se integram mais ao cotidiano, eles também participam dessas interações dinâmicas, mas muitas vezes se coordenam com humanos de forma ineficiente, desatenta e "pouco natural".

Os autores supõem que a causa está na forma como esses modelos costumam ser treinados: o comportamento deles é ajustado a demonstrações humanas, mas as normas que geram esse comportamento não são isoladas de modo explícito. Em outras palavras, o modelo copia o resultado, mas não entende a regra por trás dele.

Como a hipótese foi testada

Para testá-la, os pesquisadores escolheram a interação entre pedestres e motoristas, exemplo típico de coordenação dinâmica em que os dois lados leem as intenções um do outro o tempo todo, sem palavras, e construíram uma plataforma experimental simplificada que reproduz as características principais dessa interação.

• Foram coletadas 3.456 interações dinâmicas entre humanos por meio dessa plataforma
• Com esses dados, foram identificados três princípios que sustentam as normas sociais: previsibilidade do resultado (outcome predictability), alinhamento de valores (value alignment) e consciência da vantagem (advantage awareness)
• Esses três princípios foram embutidos de forma explícita no comportamento do agente de IA
• O efeito foi testado em uma tarefa de ciclo fechado (closed-loop), ou seja, em interação dinâmica real com pessoas, e não em um teste estático com dados históricos

Quanto a coordenação melhorou

Na tarefa de ciclo fechado com humanos, o agente de IA treinado com normas sociais fez quase quatro vezes mais pontos totais do que a estratégia base sem normas. Além disso, esse agente superou em qualidade de coordenação até as duplas humano-humano, em 43%.

O que isso significa

Os resultados sugerem que transformar normas sociais não escritas em princípios explícitos e mensuráveis, e não apenas copiar o comportamento de demonstrações, pode ser um caminho viável para tornar agentes de IA parceiros mais naturais das pessoas em interações dinâmicas: de veículos autônomos que precisam "negociar" sem palavras com pedestres a qualquer outro cenário em que robôs e assistentes tenham de se coordenar com humanos em tempo real.

Um detalhe importante: os autores não testaram o efeito em registros históricos, mas em ciclo fechado. O agente realmente interagiu com pessoas em tempo real, em vez de apenas prever o que uma pessoa faria na gravação de uma interação passada. Isso diferencia o resultado de muitos testes de laboratório de interação humano-máquina, em que o modelo é avaliado pela coincidência com um comportamento humano já registrado, e não pela qualidade da coordenação em tempo real.

Perguntas frequentes

Quantas interações foram coletadas para o estudo?

Os autores coletaram 3.456 interações dinâmicas entre pedestres e motoristas por meio de uma plataforma experimental construída para o estudo.

Quais três princípios sustentam as normas sociais?

Os pesquisadores identificaram previsibilidade do resultado (outcome predictability), alinhamento de valores (value alignment) e consciência da vantagem (advantage awareness) como os princípios-chave que explicam as normas sociais humanas de coordenação.

Quanto melhor o agente de IA passou a se coordenar depois de treinado

com normas?

O agente que levava em conta as normas sociais fez quase quatro vezes mais pontos do que a estratégia base e superou a coordenação entre humanos em 43%.