Caderno de requisitos para escolher um chatbot universitário: o guia completo

Um caderno de requisitos estruturado elimina 80% dos erros de seleção

A maioria das instituições de ensino superior escolhe o seu chatbot após uma demonstração de 30 minutos e uma negociação de preço. Seis meses depois, a ferramenta dá respostas irrelevantes, ninguém consulta os analytics e a equipe de admissões retorna ao formulário de contato.

O problema não é o chatbot. É a ausência de um caderno de requisitos. Sem critérios formalizados, cada departamento avalia a solução segundo suas próprias prioridades — a TI vê a integração, a diretoria de admissões quer leads, a diretoria financeira compara preços. O resultado é uma decisão por omissão, não por método.

Este guia fornece os 12 critérios a incluir no caderno de requisitos, organizados em quatro blocos: funcional, técnico, conformidade e suporte. Cada critério inclui um limiar de aceitação concreto e uma ponderação recomendada para a planilha de avaliação.

Os benchmarks citados resultam da análise de 200.000 sessões de chatbot em 50 instituições parceiras entre outubro de 2025 e fevereiro de 2026 (fonte: dados internos Skolbot).

Os 12 critérios do caderno de requisitos: visão sintética

Antes de entrar em detalhe, eis a planilha completa. Cada critério é agrupado por bloco e ponderado de acordo com o impacto no recrutamento estudantil.

A soma atinge 100%. Ajuste as ponderações de acordo com as prioridades da sua instituição — mas não elimine nenhum critério. Um chatbot excelente a nível funcional que falha na conformidade expõe a instituição a um risco jurídico real.

Bloco funcional: o que o chatbot deve saber fazer

1. Treinamento com dados da instituição (15%)

O chatbot deve responder a perguntas específicas da sua instituição, não a generalidades do setor. A análise de 12.000 conversas Skolbot (set. 2025 — fev. 2026) revela que 89% dos candidatos perguntam sobre mensalidades e 78% sobre estágios. Um chatbot que não conhece os seus valores de mensalidade nem a oferta de estágios falha nas perguntas mais frequentes.

Limiar de aceitação. O chatbot deve responder corretamente a 90% das 10 perguntas mais frequentes (mensalidades, mercado de trabalho, estágios, moradia, mobilidade internacional, requisitos de admissão, estágio obrigatório, avaliação do MEC, vida no campus, bolsas PROUNI/FIES) nas 48 horas seguintes à implementação.

Pergunta ao fornecedor: "Como é alimentado o conteúdo do chatbot? Scraping automático, importação manual ou ambos? Qual é o prazo de atualização quando um curso muda?"

2. Suporte multilíngue nativo (12%)

58% dos candidatos internacionais não falam português (fonte: detecção de língua, 8.500 conversas Skolbot, 2025-2026). Um chatbot monolíngue bloqueia o acesso a mais da metade do pipeline internacional.

Limiar de aceitação. Detecção automática da língua do candidato, resposta na mesma língua, cobertura de pelo menos 10 línguas sem degradação de qualidade.

Armadilha comum. "Tradução automática" não é "multilíngue nativo". Um chatbot que traduz a sua resposta em português para inglês produz conteúdo aproximado e perde as particularidades do sistema educativo local (ENEM, SISU, vestibular, PROUNI, FIES, estágio obrigatório).

3. Inscrição automática em dias abertos (10%)

O chatbot deve detectar a intenção de visita e propor a inscrição na própria conversa, em vez de simplesmente redirecionar para um formulário. Os dados de tracking de 35 instituições (2025-2026) mostram uma taxa de inscrição em dias abertos de 18,4% via chatbot contra 6,2% via formulário — um fator de 3x.

Limiar de aceitação. Inscrição na conversa (sem redirecionamento externo), confirmação instantânea, lembrete personalizado em D-7 e D-1 com taxa de no-show inferior a 20%. Para referência, sem lembrete a taxa de no-show atinge 52% (fonte: acompanhamento de 4.200 inscrições, 12 instituições, 2025-2026).

4. Analytics e relatórios (8%)

Sem dados, o chatbot é uma caixa-preta. O dashboard deve fornecer, no mínimo: volume de conversas, perguntas mais frequentes, taxa de resolução, taxa de encaminhamento para humano e conversões (dias abertos, formulários, inscrições).

Limiar de aceitação. Dashboard acessível sem conhecimentos técnicos, exportação CSV/API, segmentação por curso/campus/língua e alertas diante de anomalias.

Bloco técnico: como o chatbot se integra

5. Integração CMS / CRM (10%)

O chatbot deve integrar-se no ecossistema existente, não substituí-lo. Integrações críticas: CMS (WordPress, Drupal, headless), CRM (HubSpot, Salesforce, Dynamics 365, RD Station) e ferramentas de automação de marketing.

Limiar de aceitação. Snippet JavaScript para o CMS (implementação sem programador), webhook ou API REST para o CRM (sincronização de leads em tempo real) e documentação técnica completa.

6. Prazo de implementação (8%)

A sazonalidade do recrutamento estudantil torna o prazo crítico. Um chatbot implementado após o período de inscrições do SISU ou após o início do semestre letivo perdeu a sua janela de valor. Instituições que realizam vestibular próprio têm calendários específicos que exigem agilidade.

Limiar de aceitação. Menos de 2 semanas da assinatura do contrato até a produção, incluindo treinamento com o conteúdo da instituição. As soluções especializadas em educação conseguem 48 horas; as genéricas necessitam de 4 a 8 semanas de configuração.

7. SLA de disponibilidade (5%)

67% da atividade dos candidatos ocorre fora do horário de expediente, com um pico no domingo à noite (fonte: 200.000 sessões Skolbot, 2025-2026). Um chatbot que falha nos fins de semana perde a sua principal vantagem competitiva.

Limiar de aceitação. SLA mínimo de 99,9% (menos de 8 horas e 45 minutos de indisponibilidade por ano), com monitoramento e alertas em tempo real.

8. Desempenho e tempo de resposta (5%)

Limiar de aceitação. Tempo de resposta inferior a 5 segundos em 95% das solicitações. Os dados de campo mostram uma mediana de 3 segundos para chatbots IA especializados em educação, contra 47 horas por email e 72 horas via formulário de contato (fonte: auditoria mystery shopping, 80 instituições, 2025).

Bloco de conformidade: o que a lei exige

9. LGPD e hospedagem de dados (10%)

Qualquer chatbot que colete dados de candidatos — incluindo menores de idade — deve cumprir a LGPD (Lei 13.709/2018). Não é opcional; é o enquadramento legal brasileiro para proteção de dados pessoais.

Limiar de aceitação. Dados hospedados com garantias de segurança adequadas, contrato de operador de dados (DPA) assinado, registro de tratamentos acessível, direito à exclusão operacional em 72 horas e consentimento explícito antes de qualquer coleta. A ANPD (Autoridade Nacional de Proteção de Dados) publica orientações específicas sobre IA e proteção de dados.

Pergunta crítica: "Onde ficam hospedados os dados das conversas? Quem tem acesso? Qual é o processo de eliminação a pedido?"

10. Regulamentação de IA — transparência e obrigações (5%)

O Brasil está avançando na regulamentação de IA com o Marco Legal da Inteligência Artificial (PL 2338/2023), que prevê obrigações de transparência: o candidato deve saber que está interagindo com uma IA. Os sistemas de IA na educação deverão ter requisitos adicionais de documentação e supervisão humana.

Limiar de aceitação. Aviso explícito "Você está conversando com um assistente de IA" no início de cada conversa, documentação técnica acessível do sistema de IA e mecanismo de transferência para um humano a qualquer momento.

Bloco de suporte: o que faz a diferença após a assinatura

11. Onboarding e treinamento (7%)

Um chatbot potente mas mal configurado produz os mesmos resultados que um chatbot medíocre. O onboarding deve incluir: configuração inicial assistida, treinamento da equipe de admissões e validação do conteúdo antes de ir para produção.

Limiar de aceitação. Sessão de treinamento dedicada (não um webinar genérico), validação conjunta do chatbot nas 20 perguntas mais frequentes e documentação interna personalizada.

12. SLA de suporte e CSM dedicado (5%)

Limiar de aceitação. Tempo de resposta do suporte inferior a 4 horas em dias úteis, CSM dedicado com conhecimento do setor educativo e revisão trimestral de desempenho com recomendações de otimização.

Planilha de avaliação: o template pronto para usar

Utilize esta matriz para pontuar cada solução candidata. Cada critério é classificado de 1 (insuficiente) a 5 (excelente) e multiplicado pela ponderação.

Como interpretar a pontuação. Abaixo de 3/5, a solução apresenta lacunas estruturais. Entre 3 e 4, funciona com compromissos. Acima de 4, cobre as necessidades de uma instituição de ensino superior brasileira.

Para um comparativo detalhado das soluções do mercado, consulte o nosso comparativo de chatbots IA para o ensino superior. Para compreender por que o chatbot supera o formulário de contato, leia a nossa análise chatbot vs formulário. Explore também todas as nossas análises individuais na nossa página de comparativo.

FAQ

Quem deve elaborar o caderno de requisitos na instituição?

O caderno de requisitos deve ser coelaborado por três partes: a diretoria de admissões (que define as necessidades funcionais), a TI (que valida os requisitos técnicos e de integração) e o DPO ou o setor jurídico (que garante a conformidade com a LGPD e a regulamentação de IA). Um comitê de 3 a 5 pessoas é suficiente. Envolver partes interessadas demais prolonga o processo sem melhorar a qualidade do documento.

Quanto tempo demora a elaborar um caderno de requisitos?

Com essa planilha como base, conte 2 a 3 semanas entre o arranque e o documento finalizado. A fase mais longa não é a redação, é o alinhamento interno sobre prioridades (ponderação dos critérios). Comece pela tabela-resumo deste artigo, ajuste as ponderações em comitê e depois detalhe os limiares de aceitação.

O caderno de requisitos deve incluir um orçamento?

Sim, indique uma faixa orçamentária. Isso filtra soluções fora do escopo e evita perder tempo em demonstrações com fornecedores cinco vezes acima do orçamento. Para um chatbot IA especializado em educação, a faixa situa-se entre R$ 1.000 e R$ 4.000/mês por instituição. As soluções B2B genéricas começam em US$ 2.500/mês.

O caderno de requisitos deve mencionar a regulamentação de IA?

Sim, explicitamente. O Brasil avança na regulamentação de IA com o Marco Legal da Inteligência Artificial, e os sistemas de IA na educação deverão ter obrigações adicionais de transparência e supervisão humana. O caderno de requisitos deve exigir conformidade com as obrigações de transparência e verificar a classificação do sistema proposto. O MEC e o INEP fornecem orientação sobre a utilização de tecnologias no ensino superior brasileiro.

Como avaliar a qualidade das respostas do chatbot durante o teste?

Prepare uma lista de 30 perguntas reais retiradas das suas comunicações com candidatos (email, telefone, redes sociais). Introduza-as no chatbot em modo de teste e avalie cada resposta em três eixos: exatidão (a informação está correta?), completude (a resposta cobre a pergunta?) e tom (a resposta é adequada para um candidato universitário?). Uma pontuação de 80% ou mais nas 30 perguntas indica uma solução viável. Para aprofundar o cálculo do retorno sobre o investimento, consulte o nosso guia ROI chatbot recrutamento estudantil.