O Que É Um Ato De Fala

Como lidar com atos de fala na prática

Muita gente estuda atos de fala como se fosse pura teoria linguística. Na realidade, é uma ferramenta prática que você usa todo dia, mesmo sem perceber. Quando alguém diz "passa o sal", isso não é apenas uma descrição do mundo — é uma solicitação disfarçada de afirmação. O conceito vem da filosofia da linguagem, mas ganhou força com John Searle e J.L. Austin nos anos 1960, e desde então virou base para processamento de linguagem natural, análise de discurso e design de assistentes virtuais. Em termos diretos, um ato de fala é a ideia de que toda utterance faz algo, não apenas diz algo. Austin chamou isso de força ilocucionária. Quando você diz "eu prometo pagar amanhã", você não está descrevendo uma promessa — você está fazendo a promessa. Isso funciona de forma diferente dependendo do contexto, do interlocutor e da intenção real por trás das palavras. A estrutura básica tem três níveis. O ato locucionário é o ato de dizer algo com sentido gramatical. O ato ilocucionário é o que você faz ao dizer — prometendo, ordenando, questionando. O ato perlocucionário é o efeito que a utterance produz no ouvinte. Pode causar medo, convencimento, ação imediata ou nada de mais.

O problema é que esses três níveis raramente se alinham de forma limpa. Na prática, eu trabalhei com um sistema de atendimento automatizado que interpretava "você poderia verificar meu saldo?" como uma pergunta factual, quando na verdade era um pedido de ação. O modelo classificador tinha sido treinado predominantemente com frases declarativas e imperativas, então perguntas formuladas como pedidos indiretos simplesmente caíam na categoria errada. A solução foi adicionar regras de reescrita baseadas em padrões linguísticos específicos — quando a frase continha "poderia" + verbo no infinitivo + objeto direto, o sistema redirecionava automaticamente para o fluxo de intent de solicitação, não de informação.

Tipos de atos de fala e como eles aparecem no mundo real

Searle classificou os atos de fala em cinco tipos principais. Os assertivos, onde o falante se compromete com a verdade do que diz — afirmar, declarar, denunciar. Os diretivos, onde o falante tenta fazer o ouvinte fazer algo — ordenar, pedir, aconselhar. Os comisivos, onde o falante se compromete com uma ação futura — prometer, jurar, ameaçar. Os expressivos, que manifestam atitude psicológica — agradecer, pedir desculpas, congratular-se. E os declaratórios, que mudam o estado das coisas pelo simples ato de serem pronunciados — "você está demitido", "fica declarada aberta a sessão". O que ninguém te conta é que a maioria das utterances cotidianas não se encaixa neatly em nenhuma dessas categorias. "Que dias terríveis, hein?" pode parecer um assertivo, mas na verdade é um diretivo disfarçado — quem responde "sim, são" está cumprindo uma expectativa social, não entregando informação meteorológica. Erros desse tipo são a principal causa de falha em chatbots e sistemas de análise de sentimento.

Problemas comuns que quebram a análise de atos de fala

Ironia é o primeiro obstáculo. "Ah, perfeito. Meu carro quebrou de novo." O sentimento é negativo, a forma é positiva. Modelos puramente baseados em léxico classificam isso como positivo e o resultado é completamente errado. Sarcasmo piora ainda mais porque muitas vezes depende de conhecimento contextual que o texto sozinho não carrega. Contexto cultural também é crítico. Um "vamos almoçar algum dia" no Brasil é frequentemente uma cortesia, não um convite real. Em outras culturas, a mesma frase seria interpretada como compromisso. Se você está construindo um sistema para múltiplos mercados, isso vira um problema sério de localização que raramente é levado a sério nas fases iniciais do projeto. Registros formais versus informais criam outro gap. "Gostaria de solicitar uma devolução" é um diretivo educado que modelos treinados com dados formais entendem bem. "Quero meu dinheiro de volta" é o mesmo ato de fala, só que mais direto, e pode ser classificado erroneamente como assertivo agressivo dependendo do threshold do classificador.

Como implementar análise de atos de fala em um projeto real

Se você precisa de algo prático, comece com uma abordagem híbrida. Regras heurísticas cobrem os casos mais óbvios e frequentes, enquanto um modelo de aprendizado de máquina lida com as variações e exceções. Eu montei um pipeline assim em menos de duas semanas usandospaCy com extensões personalizadas para extração de padrões ilocucionários e um classificador treinado com dados anotados de transcrições reais de atendimento. O dataset precisa ser anotado por atores humanos. Bancos de dados genéricos como o Switchboard não capturam a riqueza de atos de fala em português brasileiro, especialmente variais regionais e registros informais. Anotar manualmente leva tempo — estime entre 40 e 60 horas para um dataset mínimo de 2.000 utterances bem anotadas com os cinco tipos de Searle mais subclasses de diretivos e assertivos. Para modelos prontos, existem workarounds. O UDPipe suportaParsing de português com dependências, o que ajuda a identificar estruturas de diretividade. A biblioteca Transformers da Hugging Face tem modelos pré-treinados em português como o PT-GPT2 e o CasperStruik/pt-bert-base, que podem ser fine-tuned para classificação de atos de fala com resultados razoáveis a partir de 500 exemplos anotados. Não espere precisão acima de 78% sem mais dados ou arquitetura customizada.

Quando a análise de atos de fala simplesmente não funciona

Textos muito curtos — menos de oito palavras — perdem a maior parte da informação ilocucionária. "Está bom" pode ser uma aceitação, uma resignação ou uma crítica velada dependendo completamente do tom e do contexto precedente. Modelos precisam de window de contexto de pelo menos três utterances anteriores para fazer uma leitura aceitável nesses casos. Atos de fala implícitos são outro ponto cego. Quando um gerente diz "o relatório precisa estar na minha mesa até sexta", isso é um diretivo, mas palavras como "pedido" ou "ordem" nunca aparecem. A detecção depende de reconhecimento de padrão de poder hierárquico no diálogo, algo que modelos atuais fazem de forma inconsistente, especialmente fora de contextos corporativos. O maior gargalho atual é a falta de benchmarks padronizados em português. O speech act annotation corpus mais usado internacionalmente, o Searle's classification corpus, foi construído inteiramente em inglês americano. Traduções não resolvem porque a pragmática é cultural, não linguística. Se seu projeto exige alta acurácia, o caminho mais honesto é construir seu próprio dataset anotado, mesmo que isso signifique postergar o launch por algumas semanas a mais.