“Ah, perfeito, mais uma semana esperando o retorno de vocês. Nota dez para o atendimento, viu? Nunca vi tanta eficiência na minha vida.”
Todas as palavras avaliativas desse texto são positivas: perfeito, nota dez, eficiência. O sentido é o oposto. Ironia é o caso clássico em que análise de sentimento por léxico erra, e é um dos motivos pelos quais desconfiamos de classificador em português.
Mandamos para o Jev e o resultado tem duas metades interessantes.
O resultado
| Pergunta | Resposta | Confiança |
|---|---|---|
| Sentimento | Negativo, 98% | — |
| Categoria | Outro, probabilidade 0,79 | 0,72 |
| Urgência | 0,77 de 5 | 0,49 |
| Risco de cancelamento | 2,39 de 5 | — |
| Menciona prazo | 0,25 | — |
A chamada levou 538 milissegundos de ida e volta.
Método: uma chamada, em 18 de setembro de 2026, contra a API oficial, com
seis perguntas na mesma requisição, modelo jev-1.13.0 reportado pela própria
API. Faz parte de um conjunto de cinco chamadas com média de 955 tokens de
entrada. Uma chamada não é um benchmark. Os cinco casos estão em
o Jev funciona em português.
A primeira metade: a ironia passou
Sentimento negativo com 98% sobre um texto cujas palavras são todas elogiosas. O modelo não somou adjetivos: leu a situação — uma semana de espera, o “mais uma” no começo, o “viu?” — e concluiu o contrário do léxico.
É um resultado bom e vale registrar sem exagerar: um texto, com ironia explícita e curta. Ironia sutil, sarcasmo regional, elogio verdadeiro misturado com crítica: nada disso foi testado.
A segunda metade, que é a mais interessante
A categoria caiu em “outro”, com probabilidade 0,79 e confiança 0,72 — a menor confiança de categoria das cinco chamadas. Nos outros quatro casos, a categoria saiu com 1,00 e confiança 1,00.
A leitura fácil seria “o modelo se confundiu”. A leitura correta é outra: a lista de opções não tinha onde colocar aquele texto. As categorias eram dúvida técnica, cobrança, elogio e outro. Uma reclamação irônica sobre demora de atendimento não é nenhuma das três primeiras. “Outro” foi a resposta certa, e a confiança de 0,72 é o modelo dizendo, em número, que o encaixe é frouxo.
Isso é exatamente o que a documentação descreve: confiança baixa em um Choice costuma significar que nenhuma opção é vencedora clara. O conceito está em confiança e a diferença entre a probabilidade da opção e a confiança da resposta está em probabilidade não é confiança.
Por que a incerteza é a parte boa
Compare dois sistemas hipotéticos diante desse mesmo texto.
Sistema A devolve “cobrança” com confiança 0,95. Ele está errado e não avisa. O ticket vai para a fila errada, o cliente irritado espera mais, e ninguém descobre até a reclamação subir.
Sistema B devolve “outro” com confiança 0,72. Ele também não resolveu o problema — mas entregou, junto da resposta, a informação de que aquele caso merece um par de olhos. Um piso de confiança manda o ticket para revisão, e o cliente irritado é atendido por gente.
O segundo é o comportamento útil, e ele só existe porque a saída traz um número de incerteza. É a base do padrão de roteamento por confiança.
Há ainda um detalhe que reforça o ponto: a urgência desse texto saiu 0,77 de 5 com confiança 0,49 — a mais baixa do conjunto inteiro. O modelo estava igualmente inseguro sobre a pressa, o que faz sentido em um texto que reclama de uma espera sem pedir nada com prazo.
O que fazer no seu fluxo
Tenha sempre uma opção de escape. Sem “outro”, o modelo teria sido forçado a escolher entre três categorias que não serviam, e a confiança poderia ter saído mais alta em uma resposta pior. Isso vale para todo Choice, e está em critérios que separam.
Use o piso de confiança antes de qualquer regra. A ordem que repetimos em todo caso de uso: piso de confiança primeiro, regras determinísticas depois, combinação de notas por último.
Monitore a pilha do escape. Se 8% dos textos caem em “outro”, existe uma categoria faltando na sua lista. A pilha de escape é o melhor indicador de que a sua taxonomia envelheceu.
Não crie uma categoria “ironia”. Ironia é um jeito de dizer, não um assunto. O que você quer classificar continua sendo o assunto e o sentimento — e o caso acima mostra que o sentimento aguenta o tranco.
O que ainda não sabemos
Não sabemos como o modelo se comporta com ironia longa, com sarcasmo apoiado em referência cultural, ou com aquele elogio brasileiro que é meio elogio e meio cobrança. Não medimos nada disso, e a documentação oficial não publica avaliação por idioma.
O caminho é o mesmo de sempre: vinte textos reais do seu canal, a resposta que você esperava de cada um, e a comparação. Para rodar um agora, use o playground; para a versão prática deste caso no canal onde ele mais aparece, veja atendimento no WhatsApp. O índice desta seção está em português.
Perguntas frequentes
O Jev detecta ironia em português?
No nosso teste de 18/09/2026, detectou. O texto 'Nota dez para o atendimento, viu? Nunca vi tanta eficiência na minha vida' recebeu sentimento negativo com 98%, apesar de todas as palavras serem elogiosas. Foi uma chamada, não um benchmark.
Por que a categoria ficou incerta se o sentimento acertou?
Porque são perguntas diferentes. O sentimento tinha uma resposta clara no texto; a categoria não, porque uma reclamação irônica sobre demora não encaixava bem em nenhuma das opções da lista. A confiança de 0,72 é o modelo dizendo isso.
Confiança 0,72 é ruim?
É informação, não defeito. Num sistema bem desenhado, essa faixa vira revisão humana ou uma pergunta ao usuário, em vez de uma ação automática. O problema seria o contrário: confiança alta em uma categoria errada.
Como eu trato ironia no meu fluxo?
Não como um caso especial. Trate como qualquer entrada ambígua: tenha opção de escape na lista de categorias, use um piso de confiança para desviar e não dispare ação irreversível na faixa baixa.
Ironia derruba o sentimento em textos mais longos?
Não sabemos, e não vamos fingir que sabemos. Testamos um texto curto e explícito. Ironia sutil, com elogio real misturado a crítica, é outro problema e merece o seu próprio teste com o seu conteúdo.