Imagine-se um consumidor interessado em adquirir um qualquer bem ou serviço. O mais provável é que procure várias alternativas no mercado e recorra a uma pesquisa online. Essa pesquisa é, tradicionalmente, um processo moroso. Filtrar dezenas de resultados, muitas vezes pejados de informação incompleta, obriga a pesquisas secundárias para colmatar falhas, comparar preços, consultar avaliações, visualizar vídeos de formato “review” ou “unboxing” e, finalmente, decidir e adquirir.
Atualmente, porém, o que se constata é que, com crescente frequência, o consumidor recorre a assistentes de IA. Escreve uma pergunta como se falasse com um amigo sobre o tema e é recebido por uma voz clara, bem estruturada, que por vezes elogia a própria decisão de adquirir um novo computador ou seguro de saúde, enaltece as vantagens de o fazer e apresenta várias sugestões disponíveis no mercado. Em si mesmo, nada disto é problemático. Utilizar um assistente de IA para sintetizar informação é útil e benéfico para o consumidor. O problema é que a arquitetura destes sistemas não é neutra. É desenhada para gerar relações de confiança, reproduzindo informação, mas também procurando saber mais sobre o utilizador, filtrando as suas recomendações em conformidade e elogiando as opções e perguntas do interlocutor ao longo do processo, tudo para auxiliar a uma decisão de consumo. E aqui surge a questão inevitável, a de como fica o consumidor garantido de que não existem vieses comerciais ou recomendações “patrocinadas”. Além dos já conhecidos serviços de pagamento a conhecidos motores de pesquisa para se destacar nos resultados, motores esses que são usados pelos chatbots para recolha de informação, as empresas têm igualmente à sua disposição serviços que se dedicam a otimizar “websites” para que sejam mais bem reconhecidos por assistentes de IA neste tipo de pesquisas. O objetivo é simples, que estes “prefiram” o seu conteúdo ao demais disponível, ou pelo menos o apresentem mais favoravelmente. São as chamadas GEO (Generative Engine Optimization), entre outras variações, umas mais focadas em otimização para LLM’s e outras especificamente para resposta direta (Answer Engine Optimization ou AEO).
E onde se enquadram estas questões?
No campo da legislação comunitária, o Regulamento da Inteligência Artificial tentou antecipar parte destes riscos. Fê-lo através do mecanismo do artigo 50.º, segundo o qual os sistemas de IA concebidos para interagir com pessoas devem ser desenhados de modo que o utilizador saiba que está a falar com uma máquina, ressalvando quando tal já seja óbvio para uma pessoa razoavelmente informada e atenta.
Proíbe, ainda, através do seu artigo 5.º, sistemas que recorram a técnicas subliminares ou deliberadamente manipuladoras da capacidade de decisão de uma pessoa, que visem distorcer o seu comportamento, causando prejuízo significativo. No plano dos factos, porém, a persuasão comercial, entendida como a capacidade de levar alguém a adquirir um produto ou a escolher um produto em detrimento de outro, não é uma ação normalmente capaz de causar prejuízo significativo. É até expectável que exista algum grau de persuasão em vendas, presenciais ou à distância. O consumidor normalmente informado, razoavelmente atento e perspicaz, já o espera. Mas em interação com um chatbot, a resposta não é tão clara. A questão adensa-se quando a IA deixa de se limitar a persuadir e pode explorar o perfil comportamental e financeiro do utilizador, construído a partir das suas próprias interações, para o conduzir a uma decisão que, sem essa intervenção, talvez não tomaria. Nesse cenário, o “prejuízo significativo” deixa de ser especulativo. E a prática entra tendencialmente no perímetro da proibição expressa do art. 5.º.
As guidelines publicadas pela Comissão Europeia em fevereiro de 2025 vieram densificar este conceito de “prejuízo significativo”, esclarecendo que o mesmo abrange danos de natureza física, psicológica, financeira e material, não sendo sequer necessária a verificação efetiva do prejuízo para acionar a proibição, bastando que este seja razoavelmente expectável. A Comissão foi ainda mais longe ao reconhecer que os prejuízos que se acumulam ao longo do tempo estão igualmente abrangidos, o que é relevante no contexto de interações com assistentes de IA, e que a proibição opera independentemente de existir intenção de causar o dano. A Comissão reconhece, também, que os sistemas de IA conversacionais podem preencher este critério, sempre que exerçam influência manipuladora ou enganosa ou explorem vulnerabilidades. A questão que se aborda ora não é meramente teórica, pois num contexto em que um chatbot dispõe de informação suficiente para personalizar a interação e condicionar decisões de consumo, aferir se o prejuízo é ou não “significativo” passa a exigir uma avaliação casuística que estas orientações procuram, precisamente, balizar.
Estas ferramentas são desenhadas para gerar relações de confiança com o utilizador. Dependendo do grau e extensão da interação, dispõem de informação privilegiada sobre o mesmo, nomeadamente preferências, padrões de consumo, idade, género, rendimento, entre outros dados. A resposta gerada, se enviesada comercialmente, já não será uma resposta puramente comercial de um qualquer guião de vendas, identificável como tal. Será algo familiar e reconhecível, preparado à medida. Isto levanta questões importantes do ponto de vista da informação de que a IA dispõe para orientar uma decisão de consumo. E há um ponto que merece destaque, o de que, quanto maior o grau de personalização, menos sentido faz aferir a conduta pelo padrão do “consumidor médio”. A IA já não se dirige a um destinatário genérico, dirige-se àquele utilizador em concreto, cujas vulnerabilidades conhece. É para situações de especial vulnerabilidade que o art. 6.º/a) do Decreto-Lei n.º 57/2008 dispensa o padrão do consumidor médio, exigindo, contudo, que a prática se dirija a um único grupo, claramente identificável, de consumidores particularmente vulneráveis, em razão da sua doença mental ou física, idade ou credulidade, e que o profissional pudesse razoavelmente ter previsto que a sua conduta era suscetível de provocar a distorção do comportamento económico desse grupo. A aplicabilidade prática deste conceito ao contexto em análise é, todavia, problemática. A IA opera em escala sobre todos os utilizadores, não se dirigindo tipicamente a um único grupo claramente identificável. E a vulnerabilidade gerada pela personalização algorítmica não decorre necessariamente das causas taxativamente previstas na norma. A subsunção ao caso é, por isso, significativamente mais difícil do que a letra do artigo poderia, à primeira vista, sugerir.
A articulação com as Práticas Comerciais Desleais
O que se descreve é, em rigor, um padrão obscuro, uma prática que recorre à arquitetura digital de escolha para subverter a autonomia e a tomada de decisão do consumidor. Com a agravante de ser personalizado, invisível e desprovido de qualquer marcação publicitária clara. A publicidade não marcada já é proibida pelo artigo 26.º do DSA (Digital Services Act). Só que este apenas vincula «plataformas em linha», na aceção do Regulamento, categoria de que os chatbots de IA, pela sua arquitetura de serviço conversacional, não beneficiam de forma líquida.
Existem, naturalmente, mecanismos que procuram impedir este tipo de influência. Os mais relevantes decorrem da Diretiva 2005/29/CE relativa às práticas comerciais desleais, transposta em Portugal pelo DL 57/2008, que sob a égide da ficção do “consumidor médio” (art. 5.º/2 do DL 57/2008), cria um conjunto de barreiras à interação entre profissionais e consumidores.
O que torna estas interfaces particularmente eficazes é a sua capacidade de simular empatia. Validam o utilizador. Dão a impressão de quem pondera antes de responder. É natural que até o consumidor mais atento fique desarmado perante este tipo de interação. A isto acresce um problema concreto, o de que a interface não informa o utilizador de que determinada recomendação de produto ou serviço é feita porque determinado resultado é patrocinado na pesquisa, ou de que essa recomendação resulta de determinado website estar otimizado para o efeito. Nesta situação, estaremos potencialmente perante uma omissão enganosa sobre os elementos da transação, nos termos do art. 9.º do DL 57/2008.
Acresce que, atendendo à progressiva especialização de serviços de consultoria cuja premissa é precisamente a otimização algorítmica, podemos vir a confrontar-nos com situações em que o provedor do serviço digital de IA não controla, mas a sua ferramenta é, ainda assim, influenciada por terceiros com práticas potencialmente desleais.
Por outro lado, todo o esforço que estas ferramentas de IA encetam no sentido de humanizar a interação, de se simularem antropomórficas e facilitarem a vinculação, poderia ser incluído no conceito de influência indevida do artigo 11.º do DL 57/2008, entendida, nos termos do art. 3.º/j), como a utilização de uma posição de poder para pressionar o consumidor de forma que limita significativamente a sua capacidade de tomar uma decisão esclarecida. A assimetria informativa entre a IA e o utilizador não tem paralelo em nenhuma relação comercial tradicional. E não é despiciendo, pois dependendo do grau de utilização, é plausível que uma ferramenta de IA disponha de tanta informação sobre um utilizador que lhe permita exercer uma verdadeira posição de poder sobre este. De tal ordem que seja capaz de influenciar a sua capacidade de contratar.
Se olharmos para qualquer ferramenta de IA publicamente acessível, são comuns os avisos de que o utilizador não está a interagir com um ser humano, que as recomendações podem conter erros e que, essencialmente, estaremos a interagir com uma máquina. Mas no contexto que aqui analisamos, isto não é suficiente.
Conclusão
Quanto mais avançados se tornam estes modelos, mais desatualizada se mostra a definição de consumidor médio sobre a qual estão alicerçados os mecanismos de proteção. Quando a barreira entre quem vende e quem aconselha se esbate, e quando a publicidade passa do simples “banner” ou “pop-up” online para a voz que aconselha, o paradigma do “consumidor médio” deixa de servir o propósito para que foi concebido.
Discute-se ainda, no quadro da Agenda do Consumidor 2025-2030, um Digital Fairness Act que procurará regular padrões obscuros e formas de manipulação digital. Idealmente, integrará uma definição jurídica de manipulação personalizada algorítmica que o quadro atual não oferece. O paradigma do “consumidor médio” foi construído para um mundo em que a informação era acessível e a persuasão comercial era identificável. Hoje, essas premissas encontram-se progressivamente fragilizadas.
