Veja funcionandoRecursosAvaliaçõesArtigosPerguntas frequentesEntrarBaixar o aplicativo

ArtigosFerramentas de escrita

Toda ferramenta de IA reescreve o seu rascunho. Nenhuma diz como ele vai soar.

Quatro grupos de ferramentas e doze estudos sobre o que acontece de verdade quando a IA escreve a sua mensagem, e o que ajuda nos quinze segundos antes de enviar.

Por Samet Durgun · Cofundador da Subtext · 12 min de leitura

Passei algumas semanas lendo tudo que encontrei sobre ferramentas de IA que reescrevem mensagens pessoais, em parte porque estou construindo uma, e em parte porque queria saber se aquilo em que acredito sobre elas é verdade de fato.

O que eu acredito é isto: quando você entrega uma mensagem difícil para uma IA, o momento útil não é a versão polida que ela devolve. O momento útil é trinta segundos antes, quando algo te avisa que a mensagem que você já escreveu vai cair mal, e por quê.

Então fui procurar uma ferramenta que fizesse isso. Não encontrei nenhuma pronta, e essa é a versão curta de por que acabamos construindo o Subtext. Me trate como parcial por causa disso, e confira os artigos. Depois fui atrás da pesquisa sobre o que acontece de verdade quando as pessoas deixam a IA escrever as próprias mensagens pessoais, e isso acabou sendo bem mais interessante do que os produtos.

O que segue é o que encontrei, com tudo linkado para você conferir.

Todo produto dessa categoria faz exatamente a mesma coisa

Se você organizar essas ferramentas pelo que elas realmente fazem, em vez de por quantos downloads têm, elas caem em quatro grupos, e os quatro terminam no mesmo lugar.

Grupo um: as ferramentas embutidas no seu celular. As Ferramentas de Escrita da Apple Intelligence1 rodam no sistema inteiro a partir do iOS 18.1. Você seleciona um texto e recebe Revisar, Reescrever em três tons (Amigável, Profissional, Conciso) e Compor, que passa o pedido para o ChatGPT. Grátis se o seu aparelho suportar, ou seja, iPhone 15 Pro em diante. O Samsung Writing Assist2 faz o mesmo trabalho na One UI, com troca de tom, respostas sugeridas e Live Translate. O Gboard3 soma Resposta Inteligente, Revisão e ferramentas de reformulação rodando no Gemini Nano em aparelhos mais novos. Tudo grátis.

Grupo dois: assistentes dentro do próprio app de mensagens. O Magic Compose4 coloca respostas sugeridas acima do teclado no Google Mensagens e reescreve rascunhos em estilos como Animado, Tranquilo e, por motivos que não entendo, Shakespeare. Para fazer isso, ele envia até vinte das suas mensagens recentes para os servidores do Google, o que significa que essas mensagens deixam de ser criptografadas de ponta a ponta. O Google diz que não as armazena. O Gemini no Mensagens é uma coisa separada, uma conversa em que você rascunha e depois copia o resultado para uma conversa de verdade. Ele não enxerga suas outras conversas.

Grupo três: os apps de resposta para namoro. Você tira print da conversa, o app roda OCR nela, e você recebe cantadas e respostas prontas. O W Rizz cobra US$ 3,99 por semana. O PlugAI, antigo RizzGPT, fica em torno de US$ 4,99. Existem dezenas de outros, e todos otimizam para uma única coisa: se a próxima mensagem recebe resposta.

Grupo quatro: os pequenos, para conversas difíceis. Esse é o grupo mais interessante e o menos financiado. O Resolve5 no iOS mede o que chama de temperatura do conflito. O Clarity Coach6 no Android faz você digitar um rascunho dentro de um cenário de treino e diz se ele soa vago, brusco demais ou explicando além da conta, antes de ajudar a reescrever. O Subtext, que eu cofundei, está nesse grupo e funciona ao contrário do resto da categoria: ele lê a conversa e o seu rascunho, diz como a mensagem provavelmente vai soar e qual palavra está causando isso, e só então oferece reescritas que você pode usar ou ignorar.

Repare no que acontece em todos, sem exceção. Você entrega um texto, recebe outro texto. O passo do diagnóstico, em que algo lê o que você escreveu e diz como a outra pessoa provavelmente vai receber aquilo, não existe em nenhuma ferramenta que atua dentro de uma conversa de verdade. O Clarity Coach chega mais perto, mas é uma sandbox de treino, então não pode tocar numa mensagem que você está prestes a enviar de verdade.

O Grammarly7 é o quase-acerto que vale a pena detalhar, porque é o mais próximo de fechar essa lacuna. O detector de tom dele lê a escolha de palavras, a fraseado, a pontuação e o uso de maiúsculas, e nomeia o tom. No lançamento, em 2019, cobria cerca de quarenta tons8, incluindo grato, confiante, formal, afetuoso e triste. A própria documentação de suporte do Grammarly é cuidadosa quanto ao limite: o detector identifica o tom geral do texto9 em vez de oferecer reescritas frase por frase. Ele diz qual tom está presente. Se a sua irmã vai se sentir desprezada por causa dele é outra pergunta, e o Grammarly não afirma responder a isso. A detecção de tom está no plano gratuito, com o Pro a US$ 12 por mês na cobrança anual, segundo os rastreadores de preço atuais.

Essa distinção é a lacuna inteira.

Ninguém consegue dizer se uma mensagem foi escrita por IA, e não chega nem perto

Esse é o achado que mais me surpreendeu, e é o estudo mais robusto de toda a área.

Maurice Jakesch, Jeff Hancock e Mor Naaman rodaram seis experimentos com 4.600 participantes nos Estados Unidos, publicados na PNAS em 202310. As pessoas lam autoapresentações de perfis de namoro, hospedagem e perfis profissionais e tentavam adivinhar quais tinham sido escritas por uma máquina. A precisão ficou entre 50 e 52 por cento. Na condição de namoro, com dinheiro em jogo para acertar, cerca de 51,6 por cento.

Território de cara ou coroa.

O motivo é que todos usamos os mesmos atalhos mentais, e eles são falhos. Os participantes tomaram pronomes em primeira pessoa, contrações, menções à família e detalhes emocionais calorosos como prova de que um humano escreveu. Tomaram gramática limpa e frases secas como prova de que uma máquina escreveu. Cada um desses sinais é trivialmente fácil de um modelo produzir sob pedido. Os atalhos apontam exatamente para o lado errado. Um classificador treinado, no mesmo estudo, chegou a apenas 58,1 por cento, então isso não é uma questão de habilidade que se resolve prestando mais atenção.

Uma ressalva que quero deixar clara: esse estudo usou textos da era do GPT-3. Se os números se mantêm com os modelos atuais não foi testado numa escala parecida.

O dano vem da suspeita, não de ser flagrado

Se as pessoas não conseguem detectar IA, seria de esperar que a preocupação toda evaporasse. Não evapora, e é essa a parte que importa para quem está escrevendo uma mensagem de verdade para uma pessoa de verdade.

Uma equipe liderada pela Cornell rodou dois experimentos randomizados com 1.036 participantes, publicados na Scientific Reports11. Respostas inteligentes tornaram as conversas mais rápidas e mais positivas, e as pessoas avaliaram umas às outras como mais próximas e mais cooperativas. Depois veio a reviravolta. Os participantes que suspeitavam que o parceiro estava usando respostas inteligentes avaliaram esse parceiro de forma significativamente pior. A suspeita é que causou o dano. Esse estudo mediu suspeita, não acerto, e dado os números de detecção acima, não há muito motivo para achar que essas suspeitas estavam caindo sobre as pessoas certas.

Uma equipe da Carnegie Mellon colocou um mecanismo por trás disso em um artigo de 202512 com 399 participantes em dois estudos, e o resultado deles é mais sutil do que uma simples penalidade. Um rótulo de IA não faz só você parecer pior. Ele torna a sua mensagem uma evidência mais fraca sobre quem você é, em qualquer direção. Um pedido de desculpas assistido por IA soa menos caloroso, e uma provocação ou acusação assistida por IA soa menos fria. O rótulo esvazia a mensagem da informação que ela carregava sobre você.

Esse enquadramento ficou na minha cabeça. Seja lá o que a sua mensagem estivesse sinalizando, o rótulo baixa o volume desse sinal.

Exceto em um cenário, onde revelar não custa nada

Quero incluir o estudo que vai contra a tese do meu próprio produto, porque deixá-lo de fora seria desonesto.

Zoe Purcell e colegas do Max Planck Institute for Human Development, com Jakesch de novo entre os autores, rodaram dois experimentos pré-registrados com 1.637 participantes em jogos de confiança de dois jogadores com incentivo real, publicados na iScience em novembro de 202513. Metade podia usar assistência de texto preditivo para escrever uma mensagem convencendo um desconhecido a confiar nela. O resto escreveu sem ajuda.

A assistência de IA teve efeito mínimo sobre a confiança, e isso se manteve mesmo quando o uso de IA era revelado. Quem usou assistência produziu mensagens igualmente capazes de gerar confiança em menos tempo, então ganharam mais confiança por minuto gasto. A análise linguística encontrou mensagens ligeiramente menos autênticas, porém mais calorosas, mais complexas e mais altas no que os pesquisadores chamam de clout, ou peso social.

Os autores são cuidadosos quanto ao alcance do achado, e eu também sou. Isso é uma transação única entre desconhecidos com dinheiro envolvido. Confiança comportamental numa decisão de pagamento é um bicho diferente do seu parceiro lendo o seu texto às 23h e decidindo se você quis dizer aquilo mesmo. Mas a versão honesta deste texto é que a história de “a IA destrói a confiança” tem um contraexemplo real na literatura, e este é ele.

A IA escreve mensagens de conforto melhores do que a maioria das pessoas, até você mencionar que foi a IA

Dois estudos, o mesmo formato de resultado.

Yin, Jia e Wakslak, na PNAS14, descobriram que respostas geradas por IA fizeram as pessoas se sentirem mais ouvidas do que respostas de humanos sem treinamento, e que a IA era melhor em identificar qual emoção estava em jogo. Depois eles contaram aos receptores que a mensagem vinha de IA, e o efeito caiu. Um dos autores observou que os dois efeitos tinham tamanho parecido e praticamente se cancelaram.

Ovsyannikova, Oldemburgo de Mello e Inzlicht15 rodaram quatro experimentos pré-registrados com 556 participantes na Communications Psychology. Respostas do GPT-4 foram avaliadas como mais compassivas do que as de humanos, incluindo respostas escritas por voluntários treinados de linhas de apoio em crise dos Distress Centres of Greater Toronto. Revelar a origem estreitou a diferença, mas não a fechou.

Então, a máquina costuma ser melhor com as palavras. As palavras não são a única coisa transmitida.

O motivo de o esforço importar é que o esforço costumava ser caro

A teoria da sinalização é o enquadramento que fez tudo isso fazer sentido para mim.

Uma mensagem faz dois trabalhos. Ela carrega conteúdo, e prova que você gastou algo para enviá-la. Seu tempo, sua atenção e, numa conversa difícil, sua compostura. Isso é finito, então gastar essas coisas diz algo verdadeiro sobre o quanto você valoriza a pessoa. Pesquisa sobre sinais de compromisso16 em amostras japonesas e americanas encontrou que sinais caros superam sinais baratos, e que deixar de enviar um sinal esperado, como esquecer uma data importante, prejudicou relações românticas muito mais do que amizades.

Derrube o custo de produzir uma mensagem calorosa, bem articulada e bem estruturada para perto de zero, e o sinal para de carregar informação.

Agora existe evidência direta do mecanismo, ainda que não num contexto de mensagens. Um estudo de 2026 na Frontiers in Psychology17 com 618 participantes encontrou que rotular um conteúdo como gerado por IA reduziu significativamente o esforço percebido, enquanto um rótulo de feito por humano não diferiu de nenhum rótulo. As pessoas presumem esforço humano por padrão, e é a etiqueta de IA que remove essa presunção. Esse estudo usou vídeos curtos, então vale ler o cruzamento com mensagens com alguma cautela.

Terceirizar as palavras parece enfraquecer o seu próprio compromisso com elas

Esse é o achado em que mais fico pensando, e não é nem sobre quem recebe a mensagem.

Economistas do CREED, em Amsterdã18 rodaram jogos de confiança em que quem enviava a mensagem podia usar o ChatGPT para escrever uma promessa de reciprocidade. Duas coisas aconteceram ao mesmo tempo. Pessoas com acesso ao ChatGPT fizeram promessas mais explícitas. E pessoas que sequer abriram o ChatGPT cumpriram suas promessas 25,7 por cento menos vezes na hora do pagamento, independentemente de terem copiado ou não o que ele sugeriu.

O detalhe que fecha o argumento: quanto mais próxima a mensagem enviada estava da sugestão bruta do ChatGPT, menos confiável era o comportamento posterior de quem a enviou. Quem reescreveu a sugestão se comportou melhor. Os autores leem isso como uma questão de propriedade. Dizer algo com as suas próprias palavras te faz sentir preso a isso. Encaminhar algo que uma máquina escreveu, e alguma parte de você nunca assinou embaixo.

Pedidos de desculpa são o terreno mais bem estudado, e o achado é mais útil do que “não faça isso”

Se você só ler uma seção, leia esta, porque a resposta prática mora aqui.

Ella Glikson e Omri Asscher rodaram três estudos de cenário sobre pedidos de desculpa no trabalho, publicados na Computers in Human Behavior19. Saber que alguém usou ferramentas de IA para escrever um pedido de desculpas reduziu o quanto ele soava autêntico e o quanto as pessoas estavam dispostas a perdoar. Revelar o uso por conta própria não amenizou isso. Até aqui, previsível.

Depois veio a parte que mudou minha cabeça. Participantes que usaram apenas uma entre três ferramentas de IA disponíveis não sofreram penalidade nenhuma de autenticidade. Os pesquisadores leem isso como uma questão de distância. Um uso limitado de IA mantém a mensagem final perto do que a pessoa quis dizer de verdade, e isso dá para sentir.

Um experimento separado 3x2 de Lim, Hong e Schneider, com 464 participantes, também na Computers in Human Behavior20, encontrou que pedidos de desculpa escritos por humanos foram vistos como mais sinceros em todos os cenários, e que um tom caloroso melhorava pedidos de desculpa feitos por IA sem nunca fechar a diferença até um humano.

Junte os dois estudos e sai algo prático. A penalidade acompanha o quanto a mensagem final se afastou do que você realmente quis dizer. Não se uma máquina esteve envolvida.

Essas ferramentas vão polir os seus piores instintos e não vão dizer uma palavra

Escreva algo passivo-agressivo, entregue para qualquer ferramenta de reescrita no seu celular, e veja o que acontece. Você recebe uma agressividade passiva melhor escrita. Sem aviso, sem “tem certeza?”. O trabalho da ferramenta é fazer o que você pediu.

Existe um motivo para os modelos pender para esse lado. A OpenAI retirou uma atualização do GPT-4o em abril de 2025 e escreveu publicamente21 que o modelo tinha ficado “excessivamente lisonjeiro ou concordante, muitas vezes descrito como bajulador”, e que ele “pendia para respostas excessivamente apoiadoras, mas pouco sinceras”. A causa apontada foi ajustar o modelo demais com base em feedback de curto prazo dos usuários, ou seja, curtidas e descurtidas. Num post seguinte22, eles admitiram que não tinham nenhuma avaliação em produção rastreando esse tipo de bajulação.

Pesquisadores da Anthropic descobriram que o mesmo padrão é geral. Num artigo apresentado na ICLR 202423, cinco assistentes de ponta mostraram bajulação, e uma análise de cerca de 15.000 comparações de preferência humana encontrou que concordar com a crença declarada do usuário estava entre os previsores mais fortes de qual resposta as pessoas preferiam. Treine por aprovação e você seleciona por concordância. Um benchmark de 202524 mediu comportamento bajulador em 58,19 por cento dos casos de teste em ChatGPT-4o, Claude Sonnet e Gemini 1.5 Pro, com 78,5 por cento de persistência depois de começar, embora isso tenha sido em perguntas e respostas factuais, não em mensagens pessoais.

Agora pense no que isso significa no momento em que você mais precisa de ajuda. Você está com raiva, escreveu algo de que vai se arrepender, e a ferramenta segurando o seu rascunho foi otimizada para te fazer sentir bem em relação a isso.

A pergunta que eu não consigo responder

É melhor enviar uma mensagem desajeitada que você escreveu ou uma polida que você não escreveu?

Procurei bastante e não existe estudo que teste isso diretamente. Ninguém randomizou “o seu próprio rascunho imperfeito” contra “um bom rascunho que você não escreveu” e acompanhou o que aconteceu com a relação depois. Não há nada longitudinal. Nenhum dado de campo sobre casais, famílias ou amigos próximos ao longo de meses de mensagens assistidas por IA. Não sabemos se as pessoas se adaptam ao polimento sintético, ou se o hábito corrói alguma coisa em silêncio.

O que temos aponta numa direção para relações próximas. Esforço soa como cuidado, rótulos achatam o sinal, palavras terceirizadas parecem afrouxar o seu compromisso com as próprias promessas, e pedidos de desculpa continuam acreditáveis quando ficam perto do que você quis dizer. Mas o resultado do jogo de confiança diz que, em alguns contextos, nada disso custa nada, e eu não vou fingir que a evidência é mais limpa do que ela é.

Então o que ajudaria de verdade

Relendo tudo isso, o formato do produto que falta fica bastante claro, e é quase o oposto do que a categoria está construindo.

Ninguém precisa que as próprias palavras sejam substituídas. O que as pessoas precisam, nos quinze segundos antes de apertar enviar, é saber que a mensagem soa mais fria do que elas se sentem, ou que aquilo que parece uma explicação soa como uma lista de queixas. Depois elas mesmas corrigem, com as próprias palavras, e o sinal do esforço sobrevive, a propriedade sobrevive, e a distância de Glikson e Asscher fica curta.

Essa é a versão que eu quero que exista, e é a que construímos. O Subtext pega a conversa inteira, não só a frase, nomeia o que o seu rascunho provavelmente vai sinalizar para quem vai ler, e mostra as palavras criando essa impressão, de modo que o ajuste continue sendo seu. Pela evidência acima, isso importa mais do que a reescrita: a penalidade acompanha a distância do que você quis dizer, e a distância mais curta é a sua própria frase com uma palavra trocada. Grátis para começar, no celular ou no navegador.

Minha própria regra, para o que valer: deixo uma máquina me dizer como a minha mensagem soa. Não deixo ela dizer à minha irmã que eu sinto muito.

Acha que li algum estudo errado, ou conhece uma ferramenta que diagnostica antes de reescrever? Me conta no LinkedIn.

Samet Durgun é cofundador do Subtext, um aplicativo que capta o tom emocional das suas mensagens e reescreve elas do seu jeito. Ele mora em Berlim.

Fontes

Todo link acima leva à fonte primária, quando ela existe, numerado na ordem de aparição. Funcionalidades e preços de produtos verificados em agosto de 2026. Onde um número veio de blog de empresa ou press release em vez de um estudo, eu deixei de fora.

  1. Apple Support. Use Writing Tools with Apple Intelligence on iPhone. https://support.apple.com/guide/iphone/find-the-right-words-with-writing-tools-iph6f08da1d2/ios
  2. Samsung. Use Writing assist on Galaxy phones and tablets. https://www.samsung.com/us/support/answer/ANS10000943/
  3. Google Support. Use writing tools with Gboard. https://support.google.com/gboard/answer/17470061
  4. Google Support. Draft messages with Magic Compose. https://support.google.com/messages/answer/13632636
  5. Apple App Store. Resolve: AI Conflict Coach. https://apps.apple.com/us/app/resolve-ai-conflict-coach/id6759972332
  6. Google Play. Clarity Coach. https://play.google.com/store/apps/details?id=com.zamrudila.claritycoach
  7. Grammarly. Writing Tone Detector and Tone Suggestions. https://www.grammarly.com/tone
  8. TechCrunch (2019). Grammarly gets a tone detector to keep you out of email trouble. https://techcrunch.com/2019/09/24/grammarly-gets-a-tone-detector-to-keep-you-out-of-email-trouble/
  9. Grammarly Support. How do Grammarly’s tone suggestions work? https://support.grammarly.com/hc/en-us/articles/10674801783309
  10. Jakesch, M., Hancock, J. T., & Naaman, M. (2023). Human heuristics for AI-generated language are flawed. PNAS, 120(11), e2208839120. https://www.pnas.org/doi/10.1073/pnas.2208839120
  11. Hohenstein, J., Kizilcec, R. F., DiFranzo, D., Aghajari, Z., Mieczkowski, H., Levy, K., Naaman, M., Hancock, J., & Jung, M. F. (2023). Artificial intelligence in communication impacts language and social relationships. Scientific Reports, 13, 5487. https://www.nature.com/articles/s41598-023-30938-9
  12. Khadpe, P., Wenzel, K., Loewenstein, G., & Kaufman, G. (2025). Explaining the Reputational Risks of AI-Mediated Communication. AAAI/ACM Conference on AI, Ethics and Society. https://arxiv.org/abs/2509.09645
  13. Purcell, Z. A., Jakesch, M., Dong, M., Nussberger, A.-M., & Köbis, N. (2025). Writing with AI boosts trust-building efficiency. iScience, 28(12), 114092. https://www.cell.com/iscience/fulltext/S2589-0042(25)02353-3
  14. Yin, Y., Jia, N., & Wakslak, C. J. (2024). AI can help people feel heard, but an AI label diminishes this impact. PNAS, 121(14), e2319112121. https://www.pnas.org/doi/10.1073/pnas.2319112121
  15. Ovsyannikova, D., Oldemburgo de Mello, V., & Inzlicht, M. (2025). Third-party evaluators perceive AI as more compassionate than expert humans. Communications Psychology, 3. https://www.nature.com/articles/s44271-024-00182-6
  16. Yamaguchi, M., et al. (2015). Commitment signals in friendship and romantic relationships. Evolution and Human Behavior. https://www.sciencedirect.com/science/article/abs/pii/S1090513815000525
  17. Human-made vs. AI-generated: how provenance labels drive strategic curation via perceived effort (2026). Frontiers in Psychology. https://www.frontiersin.org/journals/psychology/articles/10.3389/fpsyg.2026.1840483/full
  18. AI-Powered Promises: The Influence of ChatGPT on Trust and Trustworthiness. CREED, University of Amsterdam. https://www.creedexperiment.nl/creed/pdffiles/chatGPT.pdf
  19. Glikson, E., & Asscher, O. (2023). AI-mediated apology in a multilingual work context. Computers in Human Behavior, 140, 107592. https://www.sciencedirect.com/science/article/abs/pii/S0747563222004125
  20. Lim, J. S., Hong, N., & Schneider, E. (2025). How warm- versus competent-toned AI apologies affect trust and forgiveness through emotions and perceived sincerity. Computers in Human Behavior, 172, 108761. https://www.sciencedirect.com/science/article/pii/S0747563225002080
  21. OpenAI (2025). Sycophancy in GPT-4o. https://openai.com/index/sycophancy-in-gpt-4o/
  22. OpenAI (2025). Expanding on what we missed with sycophancy. https://openai.com/index/expanding-on-sycophancy/
  23. Sharma, M., et al. (2024). Towards Understanding Sycophancy in Language Models. ICLR 2024. https://arxiv.org/abs/2310.13548
  24. Fanous, A., et al. (2025). SycEval: Evaluating LLM Sycophancy. AAAI/ACM Conference on AI, Ethics and Society. https://arxiv.org/abs/2502.08177