Uma revisão sistemática da literatura reuniu o que a pesquisa empírica já sabe, e o que ainda não sabe, sobre “coaching com IA”, incluindo chatbots baseados em linguagem e agentes conversacionais por voz. Com 16 estudos e 2.312 participantes, o trabalho sugere que soluções com escopo bem delimitado podem ser aceitas pelos usuários e eficazes para metas específicas, mas aponta lacunas importantes em evidência, ética e padrões de qualidade que afetam diretamente a formação, a oferta e a governança de coaching em contextos educacionais e corporativos.
O QUE HÁ DE NOVO: O estudo faz uma revisão sistemática de artigos revisados por pares sobre IA aplicada ao coaching, cobrindo publicações até março de 2024 em oito bases de dados e consolidando 16 estudos quantitativos, qualitativos e mistos (n = 2.312). A síntese organiza o campo em quatro temas, desenho de pesquisa e integração da IA, utilidade, impactos e ética, e conclui que, em tarefas específicas, “coachbots” podem atingir desempenho semelhante ao de coaches humanos, ao mesmo tempo em que expõem riscos de segurança, vieses e decisões éticas frágeis.
COMO FUNCIONA: A revisão usou protocolo baseado em PRISMA, critérios de elegibilidade (intervenção explicitamente rotulada como coaching e com “AI” no título/resumo, entre outros) e um processo de triagem em duas etapas com avaliação independente por dois pesquisadores e arbitragem de um terceiro. Para qualidade e viés, foram aplicados QATSDD e ROBINS-I, resultando em 11 estudos com baixo risco geral de viés e uma qualidade média de 77% (com ressalvas de consistência na avaliação). Na prática, as soluções analisadas variaram de abordagens “Wizard of Oz” a chatbots de texto e voz, com “treinamentos” (ou roteiros) inspirados em modelos como GROW, teoria de metas, terapia cognitivo-comportamental, entrevistas motivacionais e coaching focado em soluções.
PRINCIPAIS RESULTADOS: Nos estudos com desenhos mais robustos (incluindo RCTs e quase-experimentos), os melhores resultados aparecem quando o coach de IA tem um propósito estreito e mensurável: houve evidências de aumento de alcance de metas em intervenções com estudantes e de ganhos em desfechos como resiliência ou atividade física em populações específicas. Em um dos maiores conjuntos de evidências, um chatbot treinado para meta-atingimento apresentou melhora em goal attainment e, em um estudo, efeito comparável ao de coaches humanos nesse desfecho, mas sem melhorias consistentes em bem-estar psicológico, resiliência ou estresse percebido. Já em medidas de “aliança de trabalho” (working alliance), alguns estudos observaram níveis de médios a altos com chatbots, embora haja indícios de que aceitação tecnológica e expectativas de desempenho possam pesar mais do que a aliança para explicar engajamento e adoção.
POR QUE ISSO IMPORTA PARA A EDUCAÇÃO: Para o ensino superior e para programas de formação executiva, a revisão sinaliza um ponto de virada: ferramentas conversacionais podem escalar apoio individualizado para planejamento de metas, acompanhamento e accountability, dimensões comuns em tutoria acadêmica, orientação de carreira e desenvolvimento socioemocional, com custo marginal baixo e disponibilidade 24/7. Ao mesmo tempo, o efeito parece mais confiável quando a intervenção é desenhada para objetivos claros (por exemplo, redução de ansiedade de prova, organização de metas, hábitos), o que sugere que instituições educacionais tendem a ter mais retorno quando evitam “coachbots generalistas” e priorizam usos delimitados, com critérios de sucesso definidos e supervisão humana.
SIM, MAS…: A própria revisão descreve o campo como nascente e heterogêneo: muitos estudos usam amostras de estudantes, cenários específicos e métricas diversas, o que dificulta generalizações para outros públicos e contextos educacionais. Além disso, parte da evidência tem limitações metodológicas (tamanhos amostrais reduzidos, lacunas de validação de instrumentos e contextos atípicos, como coletas durante lockdown), e há um alerta relevante sobre LLMs: modelos podem produzir respostas plausíveis, mas com erros e informações inventadas, além de demonstrar fragilidade para reconhecer risco e encaminhar casos sensíveis, um ponto crítico para ambientes educacionais com dever de cuidado.
CONTEXTO E BASTIDORES: A revisão também antecipa efeitos no ecossistema de trabalho e formação: se sistemas de IA conseguem cobrir competências padronizáveis, a pressão recai especialmente sobre serviços de coaching mais iniciais e sobre escolas de formação que treinam práticas muito baseadas em modelos. O texto argumenta que a oportunidade de curto prazo tende a ser híbrida, IA automatizando tarefas repetitivas (relatórios, acompanhamento, “nudges”, preparação pré-sessão) e ampliando capacidade do coach, enquanto competências humanas como julgamento ético, sensibilidade cultural e adaptabilidade seguem como diferenciais, especialmente em conversas complexas.
O QUE VEM DEPOIS: Entre as prioridades, o estudo propõe mais ensaios controlados e quase-experimentos com amostras maiores e públicos variados, além de comparações sistemáticas entre modalidades (texto, voz e agentes conversacionais incorporados/avatares) mantendo constante o “mecanismo” de interação. Também recomenda investigar efeitos colaterais, dependência, danos e o “uncanny valley” em agentes muito humanizados, e desenvolver pesquisas específicas sobre quais princípios éticos aumentam confiança e adoção sem incentivar coleta excessiva de dados ou manipulação. Para produtos, as sugestões enfatizam multimodalidade, personalização com limites, transparência sobre não-humanidade, atuação dentro do escopo treinado e encaminhamento em situações de crise, além de estratégias de mitigação de vieses.
