Inteligência Artificial
Última Atualização:
João Pedro Carvalho
Comecemos pelo enquadramento, porque quem estiver a preparar um projeto de automação de atendimento precisa de saber com o que conta.
O Regulamento (UE) 2024/1689, conhecido como Regulamento da Inteligência Artificial, classifica os sistemas por categorias de risco, e uma dessas categorias abrange precisamente os que apresentam riscos de transparência. As obrigações correspondentes estão no artigo 50.º.
Segundo a análise do NOVA Consumer Lab da NOVA School of Law, o artigo 50.º passou a ser aplicável a 2 de agosto de 2026, com exceção do n.º 2, cuja aplicação foi diferida para dezembro deste ano no âmbito do pacote de simplificação aprovado pelo Conselho e pelo Parlamento Europeu.
O que o n.º 1 exige é curto e tem consequências práticas grandes.
Quem coloca no mercado sistemas destinados a interagir diretamente com pessoas tem de garantir que essas pessoas são informadas de que estão a interagir com um sistema de inteligência artificial, de forma clara e distinguível, o mais tardar no momento da primeira interação, tendo em conta as características de pessoas pertencentes a grupos vulneráveis.
Chatbots de serviço ao cliente, assistentes de voz e agentes conversacionais estão expressamente abrangidos, e devem cumprir a obrigação com as técnicas adequadas ao meio, sejam avisos escritos, sinais visuais ou auditivos.
No atendimento telefónico automatizado, a identificação não basta no início. A leitura das orientações é que o sistema deve identificar-se no arranque da chamada e voltar a lembrar a sua natureza periodicamente, sobretudo quando a chamada se prolonga.
Agentes que executam tarefas devem revelar a sua natureza artificial e em nome de quem atuam. Isto abrange sistemas que fazem reservas, gerem correspondência ou executam compras, e vale também quando interagem com outros agentes.
Há duas exceções expressas. A primeira aplica-se quando for óbvio, do ponto de vista de uma pessoa razoavelmente bem informada, atenta e advertida, que está perante um sistema automatizado, tendo em conta as circunstâncias e o contexto. A segunda diz respeito a utilizações autorizadas por lei para deteção, prevenção, investigação ou repressão de infrações penais.
E há um requisito comum a todas as obrigações de transparência que merece atenção especial de quem desenha interfaces: a informação tem de ser transmitida de forma clara e percetível, com avisos regulares em casos de exposição prolongada, e os avisos não podem confundir-se com o ambiente nem estar escondidos ou disfarçados atrás de menus pouco visíveis ou de várias camadas de opções.
Traduzindo para linguagem de projeto. Aquela prática comum de dar um nome humano ao assistente, uma fotografia de perfil de pessoa e uma saudação em primeira pessoa, sem em momento algum dizer que é uma máquina, deixou de ser uma escolha de tom. É uma questão de conformidade.
O que a investigação diz sobre a diferença que a transparência faz
Aqui chegamos ao dado mais incómodo de toda esta discussão, e ao que explica por que razão tantas empresas evitaram identificar os seus assistentes durante anos.
Xueming Luo, Siliang Tong, Zheng Fang e Zhe Qu publicaram na Marketing Science um estudo de campo com mais de 6.200 clientes de uma empresa de serviços financeiros, aleatorizados para receberem chamadas de venda altamente estruturadas feitas por chatbots ou por trabalhadores humanos.
Os resultados mostram que chatbots não identificados são tão eficazes quanto trabalhadores proficientes e quatro vezes mais eficazes do que trabalhadores inexperientes a gerar compras. Até aqui, o argumento a favor da automação.
A segunda metade é a que interessa. A divulgação da identidade do chatbot antes da conversa reduziu as taxas de compra em mais de 79,7%, e encurtou substancialmente a duração das chamadas. A exploração dos mecanismos revela que, quando os clientes sabem que o interlocutor não é humano, tornam-se secos e compram menos, porque percecionam o assistente como menos conhecedor e menos empático.
E os autores acrescentam a observação decisiva: o efeito negativo da divulgação parece resultar de uma perceção humana subjetiva contra máquinas, apesar da competência objetiva dos assistentes.
Vale a pena separar bem as duas leituras possíveis, porque são opostas.
A leitura errada é concluir que convém não identificar. Além de ser ilegal desde este mês na União Europeia, é uma estratégia que só funciona enquanto ninguém percebe, e as pessoas percebem cada vez mais depressa.
A leitura certa é outra, e é bastante mais útil. Se identificar reduz drasticamente a eficácia numa interação de venda, então uma interação de venda não é o sítio certo para pôr uma máquina. O estudo não diz que os chatbots são maus. Diz que existe uma penalização de perceção que se aplica sempre que a relação faz parte daquilo que se está a vender. E isso dá o primeiro critério sério para decidir onde automatizar: onde a relação é acessória, a máquina passa; onde a relação é o produto, a máquina custa dinheiro.
Uma nota de rigor sobre este estudo. Foi feito em 2019, com chamadas de venda estruturadas, num contexto cultural específico e com a tecnologia da época. Os modelos conversacionais melhoraram muito desde então, e é plausível que a magnitude do efeito seja hoje menor. O que não é plausível é que tenha desaparecido, e a única forma de saber como se comporta no teu caso é medir, não assumir.
Existe no direito português uma norma que raramente aparece em conversas sobre chatbots e que devia aparecer, porque limita um modelo de negócio que várias empresas estão a considerar.
O Decreto-Lei n.º 59/2021, de 14 de julho, na redação dada pela Lei n.º 14/2023, estabelece o regime aplicável às linhas telefónicas para contacto do consumidor. Obriga fornecedores de bens e prestadores de serviços que disponibilizem essas linhas a assegurar que o custo para o consumidor não excede a tarifa de base, e a disponibilizar uma linha gratuita ou, em alternativa, uma linha com numeração geográfica ou móvel.
O artigo que interessa a esta discussão é o 6.º. Sempre que exista uma linha adicional para além da linha gratuita ou da linha geográfica ou móvel, o fornecedor não pode prestar nessa linha adicional um serviço manifestamente mais eficiente, mais célere ou com melhores condições do que aquele que presta através da linha gratuita ou da linha geográfica ou móvel.
A violação desta norma é sancionada como contraordenação económica, com coimas fixadas no artigo 8.º.
A consequência para quem está a desenhar um sistema misto é direta. A tentação de colocar atendimento automatizado na linha acessível e reservar o contacto humano rápido para uma linha paga esbarra nesta regra. O mesmo raciocínio deve ser aplicado com prudência a qualquer arquitetura em que o acesso a pessoas fique atrás de um pagamento, de um plano superior ou de qualquer barreira que torne o canal gratuito manifestamente pior.
Convém dizer com clareza o que esta norma não faz. Não obriga ninguém a ter linha telefónica, não obriga a ter atendimento humano, e aplica-se a linhas telefónicas e não a canais de conversa escrita. É uma peça do puzzle, não a resposta completa.
O direito ao interlocutor humano está em cima da mesa, mas ainda não é lei
Este é o ponto onde é preciso ter cuidado com o que se afirma, porque circula a ideia de que já existe um direito a falar com uma pessoa.
Foi apresentado o Projeto de Lei n.º 639/XVII/1, que propõe alterar a Lei de Defesa do Consumidor para consagrar esse direito, estabelecendo que o atendimento automatizado só pode funcionar como complemento e não pode ser usado para excluir, restringir, dificultar ou atrasar injustificadamente o acesso do consumidor a um interlocutor humano.
Até agosto de 2026, a iniciativa ainda não tinha sido votada na generalidade em plenário, pelo que não se sabe se será aprovada nem com que redação final.
Para quem gere, a leitura estratégica é simples e não depende do desfecho. A direção da regulação europeia e nacional aponta consistentemente para mais transparência e para menos barreiras entre o cliente e uma pessoa. Desenhar hoje um sistema que dificulta deliberadamente o acesso a humanos é construir uma dívida técnica e reputacional que provavelmente vai ter de ser paga dentro de poucos anos.
Deixando a lei de lado, falta a parte que ninguém pode decidir por ti: que conversas passam para a máquina.
O erro mais comum é organizar esta decisão por canal ou por volume. O canal não diz nada sobre a natureza do problema, e o volume só diz onde dói. O critério que funciona cruza três eixos, e cada conversa recebe uma posição em cada um.
Repetitividade. Quantas vezes por mês esta pergunta aparece com a mesma forma e a mesma resposta. Uma pergunta que aparece cinquenta vezes por semana com resposta idêntica é candidata natural. Uma que aparece três vezes por mês e nunca da mesma maneira não é.
Custo do erro. O que acontece se a resposta estiver errada. Informar mal um horário custa um telefonema. Informar mal um prazo contratual, uma condição de garantia ou uma questão de segurança pode custar um cliente, um processo ou pior. Quanto maior o custo do erro, mais perto de uma pessoa a conversa deve ficar.
Carga emocional. Em que estado chega a pessoa. Uma consulta neutra de informação e uma reclamação sobre um serviço falhado são conversas tecnicamente semelhantes e humanamente opostas. Um sistema que responde com o mesmo tom às duas está a agravar a segunda.
A regra que daqui resulta cabe numa frase: automatiza o que é repetitivo, barato de errar e emocionalmente neutro. Tudo o resto exige, no mínimo, supervisão humana.
Repara que o volume não entra diretamente nesta grelha. Entra depois, para priorizar. Automatizar primeiro o que é seguro e frequente produz resultados rápidos. Automatizar primeiro o que é frequente e arriscado produz manchetes.
O que se automatiza sem hesitação
Aplicando a grelha, há um conjunto de interações que quase nunca gera arrependimento.
Informação factual estável. Horários, moradas, formas de pagamento, prazos-padrão, condições gerais. Muda pouco, é verificável, e o cliente prefere resposta imediata a resposta simpática.
Consulta de estado. Onde está a encomenda, qual o saldo de pontos, quando é a próxima visita marcada. O cliente quer um dado, não uma conversa, e ligar o sistema aos dados reais é onde está o valor.
Marcação e remarcação com regras simples. Escolher um horário livre numa agenda não beneficia de intervenção humana e liberta imenso tempo em serviços com agenda.
Recolha estruturada antes de passar a uma pessoa. Identificar o cliente, perceber o assunto, reunir os dados necessários e entregar tudo isso a quem vai resolver. É provavelmente o uso com melhor relação entre esforço e retorno, e é o menos utilizado.
Triagem e encaminhamento. Perceber a que equipa pertence o assunto e enviar para lá com o contexto todo, em vez de o cliente repetir a história duas ou três vezes.
Respostas fora de horário com expectativa clara. Melhor do que silêncio, desde que a mensagem diga com honestidade quando alguém responde e não simule uma resolução que não aconteceu.
Repara no padrão. Em todos estes casos a máquina está a poupar tempo a alguém sem se colocar entre o cliente e a solução. Quando a automação passa a ser um filtro em vez de um acelerador, muda de natureza.
Há também um conjunto de situações onde automatizar produz sempre prejuízo, e onde vale a pena ser categórico.
Reclamações e conflitos. Quem reclama já está insatisfeito com a empresa. Colocá-lo a falar com um sistema acrescenta a sensação de não estar a ser levado a sério, e transforma um problema resolúvel numa avaliação negativa pública.
Cancelamentos e retenção. É o momento em que a empresa tem a última oportunidade de perceber o que correu mal. Automatizar aqui é abdicar da única informação que permitiria evitar o próximo cancelamento.
Situações com impacto financeiro relevante para o cliente. Cobranças contestadas, valores em dívida, alterações de preço. O custo do erro é alto e a carga emocional também.
Qualquer assunto com implicações de saúde, segurança ou direitos. Não é matéria para probabilidades.
Exceções e casos que não estão no manual. Um sistema treinado em casos típicos comporta-se mal em casos atípicos, e são precisamente os casos atípicos que geram histórias contadas a outras pessoas.
Clientes de alto valor em momentos de decisão. Aqui aplica-se diretamente a lição do estudo de Luo e colegas: quando a relação faz parte do que se está a vender, a penalização de perceção anula a poupança.
Uma nota que vale por toda a lista. A pergunta a fazer antes de automatizar não é se o sistema consegue responder. É o que acontece nos 5% de casos em que responde mal, e se esse cenário é aceitável.
A zona cinzenta, e as regras que a tornam navegável
Entre os dois blocos anteriores fica a maior parte do trabalho real, e é aí que se decide se o projeto correu bem.
Vendas simples de produtos conhecidos podem funcionar com apoio automatizado, desde que exista saída imediata para pessoa quando surge uma pergunta que sai do guião. Vendas consultivas não.
Apoio técnico de primeiro nível funciona bem quando o histórico está acessível e o sistema pode consultar o caso concreto. Falha sempre que se limita a devolver artigos de ajuda genéricos.
Follow-up pós-venda funciona quando serve para confirmar que está tudo bem e para abrir porta a uma pessoa. Falha quando é usado para pedir avaliação sem ter resolvido nada.
A regra prática que uso nestes casos é dar à máquina um mandato limitado e explícito: pode informar e pode recolher, não pode decidir nem negociar. E acompanhá-la de um mecanismo de dúvida, ou seja, instruções claras para passar a humano sempre que a confiança na resposta for baixa, em vez de responder na mesma.
Vale a pena acrescentar três casos que aparecem em quase todas as empresas e que costumam ser mal classificados.
O primeiro é a resposta a mensagens em redes sociais. A tentação de automatizar é grande porque o volume é alto e as perguntas parecem repetitivas. O problema é que uma resposta automática mal calibrada num canal público fica visível para toda a gente, e o custo de uma resposta desajustada multiplica-se por todos os que a leem. A regra aqui é automatizar apenas a primeira resposta de acolhimento e nunca a resposta substantiva.
O segundo são os pedidos de orçamento. Parecem informação e são negociação. Um sistema que devolve um preço a partir de três variáveis está a fechar uma conversa que devia estar a abrir, e a eliminar exatamente o momento em que se percebe o que o cliente precisa de verdade. O que funciona é usar a máquina para recolher os dados do pedido e entregá-los preparados a quem vai propor.
O terceiro é o agendamento em serviços onde a marcação implica avaliação prévia. Marcar uma consulta técnica sem perceber a natureza do problema produz visitas mal preparadas, deslocações inúteis e clientes irritados. Aqui a automação funciona a jusante, depois de alguém ter triado, e não a montante.
Um critério transversal a estes três casos: quando a conversa serve para a empresa aprender alguma coisa sobre o cliente, automatizá-la elimina a aprendizagem. Poupas minutos e perdes informação que valia mais do que os minutos.
Este desenho de fronteiras entre o que a máquina faz e o que a pessoa faz é o tipo de decisão que a imersão CHECKMATE: Inteligência Artificial trabalha com quem gere o próprio negócio.
Só se automatiza aquilo que já está escrito
Existe um pré-requisito que trava mais projetos do que qualquer limitação tecnológica, e que ninguém gosta de ouvir.
Um sistema automatizado só pode responder com consistência se existir uma resposta consistente para dar. Em muitas empresas pequenas, a mesma pergunta recebe três respostas diferentes consoante quem atende, e ninguém tinha reparado porque cada pessoa está convencida de que a sua versão é a correta.
Automatizar nestas condições não resolve a inconsistência, congela-a e distribui-a em escala.
O trabalho prévio, portanto, é documental e não técnico. Consiste em levantar as perguntas mais frequentes a partir das conversas reais dos últimos meses, escrever a resposta correta para cada uma, obter acordo interno sobre essa resposta, e só então alimentar o sistema. É o mesmo exercício de normalização que sustenta qualquer procedimento operacional documentado, e é o que separa uma implementação que funciona de uma que produz respostas confiantes e erradas.
Há um segundo pré-requisito, menos óbvio: o acesso a dados. Um assistente que não sabe quem está do outro lado, o que essa pessoa comprou e o que aconteceu na última interação está condenado a respostas genéricas. É por isso que projetos de automação de atendimento que arrancam sem um sistema de gestão de clientes minimamente organizado costumam produzir muito menos do que prometiam.
A saída para humano é a peça mais importante de todo o sistema
Se houvesse uma única coisa a levar deste artigo, seria esta. A qualidade de um sistema de atendimento automatizado mede-se menos pelo que ele resolve e mais pela forma como entrega o que não resolve.
Sete regras de desenho que evitam a esmagadora maioria das más experiências:
A opção de falar com uma pessoa tem de estar visível desde a primeira mensagem, e não escondida atrás de três tentativas falhadas. Além de ser boa prática, alinha com a exigência de que a informação relevante não esteja disfarçada em menus pouco visíveis.
O contexto passa junto com a conversa. Se o cliente já explicou o problema à máquina e tem de o explicar outra vez à pessoa, o sistema piorou o atendimento em vez de o melhorar.
A transição tem de dizer o que vai acontecer e quando. Vou passar-te a um colega, que responde em cerca de dez minutos, é informação. Aguarde, não é.
Fora do horário, a máquina recolhe e promete, não simula. Prometer resposta em X horas e cumprir vale mais do que resolver 40% dos casos e deixar os outros no limbo.
Palavras e sinais de escalada devem ser detetados e respeitados. Quando alguém escreve que quer falar com uma pessoa, com reclamação, com advogado ou com cancelar, o sistema encerra a tentativa de resolução e encaminha.
Nunca fingir que a pessoa chegou. Mudar o tom de voz do assistente a meio para parecer um humano é exatamente o comportamento que o regulamento pretende impedir.
O caminho de volta existe. Se a pessoa resolveu e a conversa continua noutro dia, o histórico tem de estar acessível.
Uma empresa que aplique só estas sete regras já está acima da média do mercado, sem ter de investir em tecnologia nenhuma além do que já tem.
Seis perguntas a fazer antes de assinar com qualquer fornecedor
A maior parte das más decisões nesta área é tomada numa demonstração comercial de quarenta minutos, onde tudo funciona porque as perguntas foram escolhidas por quem está a vender. Estas seis perguntas mudam o equilíbrio da conversa e não exigem conhecimento técnico para serem feitas.
Como é que a solução cumpre a obrigação de identificação prevista no artigo 50.º do Regulamento da Inteligência Artificial? Onde é que essa identificação aparece exatamente na interface? Pede para ver, não aceites a garantia verbal. Se a resposta for que a identificação está nas condições de utilização ou num menu, é insuficiente face à exigência de que a informação não esteja escondida.
O que acontece quando o sistema não sabe responder? Há três comportamentos possíveis e só um é aceitável: inventar uma resposta plausível, repetir a pergunta em ciclo, ou assumir a limitação e encaminhar. Pede para ver o comportamento com uma pergunta deliberadamente fora do âmbito.
Onde ficam alojadas as conversas e durante quanto tempo? Conversas de atendimento contêm dados pessoais, e às vezes bastante mais do que se imagina, porque as pessoas escrevem o que lhes apetece. Quem trata, com que fundamento, por quanto tempo e com que subcontratantes são perguntas que têm de ter resposta escrita, e cruzam-se com tudo o que o RGPD exige a uma empresa pequena.
Os dados das conversas são usados para treinar modelos? É a pergunta que mais fornecedores contornam e a que mais interessa a quem tem clientes empresariais com informação sensível. A resposta aceitável é não, ou é sim com consentimento explícito e possibilidade de desativar.
Quem é responsável quando o sistema dá uma informação errada que causa prejuízo? Se o contrato exclui toda a responsabilidade do fornecedor pelo conteúdo das respostas, o risco fica inteiramente do lado da tua empresa, e isso deve ser um dado da decisão e não uma surpresa posterior.
Como é que se sai? Levar o histórico de conversas, as respostas configuradas e as integrações para outro fornecedor deve ser possível e deve estar previsto. Sistemas que retêm o histórico como forma de fidelização existem e reconhecem-se por respostas vagas a esta pergunta.
Uma sugestão de método para a demonstração em si. Leva contigo dez conversas reais dos últimos meses, escolhidas para incluir três fáceis, quatro médias e três difíceis, e pede que o sistema seja confrontado com elas em direto. É desconfortável para quem vende e é o teste mais informativo que existe, porque substitui promessas por comportamento observável.
Como medir se isto está a ajudar ou apenas a esconder
A métrica mais usada nestes projetos é também a mais perigosa, e convém desmontá-la.
Chama-se normalmente taxa de contenção, e mede a percentagem de conversas que terminaram sem chegar a um humano. O problema é que ela sobe exatamente da mesma forma quando o sistema resolve bem e quando o cliente desiste. Uma empresa pode celebrar 80% de contenção enquanto perde clientes em silêncio.
Quatro indicadores substituem-na com vantagem:
Resolução confirmada pelo cliente, e não resolução assumida pelo sistema. Basta perguntar no fim se o assunto ficou resolvido e contar as respostas.
Reincidência a sete dias. Quantas pessoas voltaram com o mesmo assunto pouco depois. É o indicador que apanha os falsos resolvidos.
Tempo até pessoa, quando há escalada. Mede se a saída funciona ou se é decorativa.
Avaliações públicas que mencionam o atendimento automatizado. É retorno gratuito, brutalmente honesto, e geralmente ignorado.
Cruza estes números com o volume por tipo de assunto e obténs a única coisa que interessa: quais as conversas onde a máquina está mesmo a ajudar e quais aquelas onde está a atrasar a resolução. Depois retira essas últimas do âmbito do sistema, sem discussão. Um assistente que faz cinco coisas bem vale mais do que um que tenta fazer trinta.
Nada disto substitui a leitura qualitativa. Ler cinquenta conversas reais por mês, escolhidas ao acaso, ensina mais sobre o sistema do que qualquer painel de indicadores, e é a prática que os responsáveis por customer success e customer experience mais competentes mantêm mesmo quando têm equipas grandes.
Os erros que se repetem em quase todos os projetos
Vale a pena listar os enganos mais frequentes, porque nenhum deles é técnico.
Automatizar para reduzir equipa em vez de para libertar tempo. Quando o objetivo declarado é cortar pessoas, o desenho tende a privilegiar barreiras em vez de resolução, e o resultado aparece nas avaliações antes de aparecer na poupança.
Começar pelo caso mais difícil. Há sempre a tentação de provar valor no problema complicado. A ordem correta é o contrário: casos simples primeiro, confiança construída, âmbito alargado depois.
Dar personalidade humana sem identificação. Nome próprio, fotografia e linguagem em primeira pessoa sem dizer que é um sistema deixou de ser questão de estilo.
Ignorar o que já existe escrito. Empresas com centenas de conversas registadas nos últimos meses arrancam projetos a partir de suposições sobre o que os clientes perguntam. A resposta está nos registos.
Tratar o lançamento como fim do projeto. Um assistente sem revisão periódica degrada-se, porque a empresa muda e ele não.
Não preparar a equipa. Quem recebe as conversas escaladas passa a lidar apenas com casos difíceis, e isso muda a natureza do trabalho e o perfil necessário. Ignorar essa mudança produz desgaste rápido.
Este último ponto liga-se a uma discussão maior sobre o que a automação faz às pessoas que ficam, e que merece ser tida antes e não depois. Há vantagens reais em concentrar humanos no que é difícil, e há um custo de carga emocional que precisa de ser gerido, tal como há um conjunto de riscos e limitações da IA que convém conheceres antes de assinares qualquer contrato de licenciamento.
Se estás a desenhar o percurso completo, desde a primeira automação de tarefas internas até ao atendimento externo, olha para isto como um programa e não como uma compra, seguindo uma sequência de implementação de inteligência artificial que começa pelo diagnóstico. E distingue bem duas coisas que costumam ser confundidas: a automação de processos internos, onde o erro é barato e a poupança é imediata, e o atendimento a clientes, onde o erro tem público. A primeira devia vir sempre antes da segunda, e quase nunca vem.
Fica ainda um aviso sobre reclamações, que é a fronteira mais mal desenhada de todas. Uma reclamação bem tratada aumenta a fidelidade acima do nível anterior ao problema, e uma reclamação mal tratada é a origem da maioria das avaliações públicas negativas. Não é território para experiências de automação, e há um método próprio para a gestão de reclamações que depende de coisas que nenhum sistema faz: reconhecer, assumir e compensar.
Durante alguns anos foi possível instalar um assistente automático, dar-lhe um nome simpático, esconder o botão de falar com uma pessoa e chamar a isso transformação digital. Essa janela fechou-se, primeiro porque os clientes aprenderam a reconhecer o padrão, e agora porque a lei europeia passou a exigir que a máquina se identifique de forma clara, no momento da primeira interação, sem se esconder atrás de menus. O que sobra é bastante mais interessante do que aquilo que se perdeu. Sobra a possibilidade de tirar das costas da equipa as centenas de conversas repetidas que ninguém gosta de ter, e de a devolver àquilo que só uma pessoa consegue fazer: perceber alguém que está irritado, decidir uma exceção que não está no manual, e transformar um problema numa razão para ficar. A linha entre as duas coisas não é difícil de traçar. Só exige que alguém se sente a olhar para as conversas reais, uma a uma, e decida honestamente de que lado cada uma pertence.
