Chatbot para bibliotecas com IA: o que é, como funciona e o que resolve

Não é um chatbot genérico com o logotipo da biblioteca

Quando alguém pede “um chatbot para a biblioteca” sem mais contexto, costuma imaginar algo parecido com os assistentes de atendimento de qualquer loja on-line. O problema é que um assistente genérico, ligado apenas a um modelo de linguagem, tem um defeito grave no contexto de uma biblioteca: ele pode inventar. Se um estudante pergunta se a biblioteca tem determinado livro disponível, um modelo genérico sem acesso ao catálogo real pode responder algo plausível e falso, porque o trabalho dele é gerar texto coerente, não consultar um acervo.

Um chatbot de biblioteca bem construído resolve isso com RAG (retrieval-augmented generation, ou geração aumentada por recuperação): antes de responder, o sistema busca nas fontes reais da biblioteca — o catálogo, a página de serviços, o regulamento, os guias temáticos — e só então redige a resposta com base nessa informação. É uma técnica documentada e cada vez mais comum em bibliotecas acadêmicas. A biblioteca da Universidade de Calgary, no Canadá, por exemplo, opera desde 2021 o T-Rex, um chatbot de referência que hoje combina um modelo de linguagem com RAG e responde a partir do conteúdo web da própria biblioteca, como guias de pesquisa e horários de funcionamento.

Como funciona por dentro

O fluxo, simplificado, tem três passos:

1. A pergunta. O usuário escreve em linguagem natural: “vocês têm disponível o livro de cálculo do Stewart?”, “até que horas a biblioteca abre no sábado?”, “como renovo um empréstimo?”.
2. A recuperação. O sistema busca nas fontes conectadas a informação relevante para aquela pergunta: se é sobre um livro, consulta o catálogo (o Koha, por exemplo); se é sobre um documento do repositório, consulta o DSpace; se é sobre horários ou normas, consulta a página de serviços e o regulamento.
3. A resposta. O modelo de linguagem redige a resposta usando a informação recuperada, não a sua memória geral. Se as fontes não cobrem a pergunta, o assistente diz isso e encaminha a consulta à equipe.

Isso tem uma consequência prática que vale destacar: o chatbot só sabe o que a biblioteca permite que ele saiba. Se o catálogo não está atualizado, ou se o regulamento não está publicado em nenhum lugar que o chatbot consiga ler, ele também não vai responder bem a essas perguntas. Nos projetos da BiblioLabTech, a primeira fase nunca é “ativar o chatbot”: é revisar quais fontes de informação existem e em que estado estão, porque um chatbot conectado a dados incompletos herda essas mesmas lacunas.

Chatbot para bibliotecas x chatbot genérico

Que perguntas ele resolve de verdade

Não é mágica nem substitui a equipe da biblioteca nas tarefas complexas. O que um chatbot com IA bem implantado faz bem é o que representa o grosso do volume de consultas de qualquer biblioteca: perguntas repetitivas, diretas e de alto volume, que hoje uma pessoa responde de novo e de novo. Entre as mais comuns:

• Horários: da biblioteca, de salas específicas, em período de provas ou de férias.
• Disponibilidade de um recurso: se um livro está emprestado, em que unidade está, se há cópia digital.
• Renovações e empréstimos: como renovar, quantas vezes é possível renovar, o que acontece se houver multa.
• Recomendações personalizadas: sugestões de leitura ou de bibliografia conforme o interesse ou o curso do usuário.
• Orientação bibliográfica: que bases de dados usar para um tema, como citar segundo uma norma específica, onde buscar um recurso digital.
• Procedimentos administrativos: como se cadastrar como usuário externo, como acessar remotamente as bases assinadas.

O que um chatbot de biblioteca não deveria tentar é substituir o critério do bibliotecário de referência em uma consulta de pesquisa complexa ou em uma mediação delicada com um usuário. O objetivo realista — e o que a BiblioLabTech persegue quando implanta o serviço — é que o chatbot absorva o volume repetitivo e libere a equipe para o que exige julgamento humano: estratégias de busca, formação de usuários e apoio a pesquisadores. Para a leitura e a síntese de literatura acadêmica existe outra ferramenta, o assistente de pesquisa com IA.

Canais: site e WhatsApp

O mesmo chatbot pode estar em mais de um canal sem duplicar o trabalho de treinamento. Os dois mais usados em bibliotecas são o widget de chat no site — a janela flutuante que qualquer visitante do catálogo on-line abre sem sair da página — e o WhatsApp, que no Brasil, como em boa parte da América Latina, é para muitos usuários o canal de conversa padrão, muito à frente do e-mail ou do chat de uma página. Somar o WhatsApp não é cosmética: é reconhecer que um estudante que nunca visitaria o site da biblioteca manda, sim, uma mensagem para um número se isso resolve a dúvida em dez segundos. O assistente também pode ser integrado a portais acadêmicos, ambientes virtuais de aprendizagem e centrais de atendimento, conforme o caso de cada instituição.

O chatbot responde no idioma em que o usuário escreve, e o conjunto de idiomas suportados pode ser definido na configuração, algo útil para universidades com estudantes estrangeiros. O tom também se configura: tratamento do usuário, nível de formalidade, terminologia própria da instituição e mensagens de encaminhamento, ajustados durante o piloto com a equipe de referência, que é quem melhor conhece a forma de falar com os seus usuários.

Integração com Koha, DSpace e outros sistemas

Um chatbot que não está conectado ao sistema de gestão da biblioteca só consegue responder perguntas genéricas. O que lhe dá valor real é a conexão com as fontes vivas de dados: com o Koha, para consultar disponibilidade de exemplares, situação de empréstimos e catálogo (veja o que é o Koha); com o DSpace, para responder sobre o conteúdo do repositório institucional — teses, artigos, conjuntos de dados (veja o que é o DSpace); e, conforme o caso, com ABCD ou OJS. A BiblioLabTech implanta o chatbot como uma camada que se conecta ao que já existe, sem exigir que a biblioteca troque de sistema de gestão para ter um assistente conversacional.

O tratamento dos dados das conversas também é definido em contrato: finalidade, período de retenção e quem acessa os registros. Quando o assistente não autentica o usuário, a conversa não é associada a uma pessoa identificada. Se a instituição quer consultas personalizadas, como a situação dos empréstimos de cada leitor, é preciso autenticação, e aí valem as políticas de tratamento de dados da instituição — no Brasil, à luz da LGPD.

Um caso real: o ChatBot Referencista da Escuela Colombiana de Ingeniería

Na Escuela Colombiana de Ingeniería Julio Garavito, a BiblioLabTech implantou um ChatBot Referencista como parte do conjunto completo da plataforma da biblioteca, ao lado do Koha com catalogação assistida pelo BiblioScan AI, do repositório DSpace com a MetaExtract API e do metabuscador BiblioMeta, tudo em um servidor dedicado da universidade administrado pela nossa equipe. Antes da abertura ao público, foram preparados o corpus institucional do assistente e as regras de encaminhamento à equipe, e foi feito um piloto interno. É o mesmo padrão que este artigo descreve: o chatbot não funciona isolado, mas como mais uma peça conectada ao catálogo e ao repositório reais da instituição.

Quanto custa um chatbot para bibliotecas

Não existe tarifa fixa, porque o custo depende do volume de consultas esperado, do número de canais (o WhatsApp exige uma conta comercial, o WhatsApp Business, com regras e custo recorrente próprios), da integração com Koha ou DSpace, do estado da informação de partida e da manutenção. Como referência — e não como tabela de preços —, a BiblioLabTech publica estas faixas para a implantação:

A isso se soma um custo recorrente, que acompanha o volume de conversas: o chatbot quase sempre roda sobre um modelo de linguagem de um fornecedor externo, que cobra pelo volume de texto processado, além da manutenção das fontes e do suporte técnico. Em qualquer proposta séria, vale separar o que cobra o fornecedor de IA do que cobra quem implanta e mantém o chatbot — e perguntar o que acontece se as consultas dispararem na semana de provas ou de matrícula.

O que a sua biblioteca precisa antes de implantar

Três coisas definem se o chatbot funciona bem desde o primeiro dia. Primeiro, um catálogo razoavelmente completo e atualizado: um chatbot não conserta um catálogo mal carregado, só o expõe mais rápido. Segundo, políticas e regulamentos escritos em algum lugar consultável — horários, normas de empréstimo, procedimentos —, porque, se essa informação só existe na cabeça da equipe, o chatbot não tem como aprendê-la. Terceiro, clareza sobre qual canal a sua comunidade realmente usa: não faz sentido priorizar um widget no site se os seus usuários vivem no WhatsApp, ou o contrário. Além disso, é preciso um responsável na biblioteca para validar conteúdos e uma definição de para quem vão as consultas encaminhadas; infraestrutura própria não é necessária.

Esse diagnóstico inicial é o que mais pesa no prazo: o típico até a abertura ao público, incluindo o piloto interno, é de seis a dez semanas, e a fase que mais varia é a preparação das fontes. Depois da implantação, o indicador mais útil é a lista de consultas que ficaram sem resposta: é a pauta de trabalho para ampliar a base de conhecimento todo mês e, com frequência, revela lacunas na informação pública da própria biblioteca. Conheça o serviço de chatbots com IA da BiblioLabTech ou peça um orçamento com o seu volume e os seus canais reais.