Sua empresa acabou de fechar o ciclo de pesquisa de clima. As notas fecharam. O eNPS foi calculado. Os gráficos estão prontos.
E então aparecem os comentários abertos.
Trezentas respostas. Quinhentas. Às vezes mais de mil. Cada uma com uma história diferente, um tom diferente, uma urgência diferente. E o prazo para apresentar o relatório à diretoria é semana que vem.
Esse é um problema que praticamente todo profissional de RH conhece — e que a maioria ainda resolve da mesma forma: lendo comentário por comentário, anotando temas em uma planilha, tentando extrair padrões manualmente de um volume de texto que uma pessoa não foi feita para processar sozinha.
A boa notícia é que existe uma forma melhor de fazer isso. E ela não exige que você vire cientista de dados.
Por que os comentários abertos são o dado mais valioso da pesquisa (e o mais subutilizado)
As perguntas fechadas mostram o que os colaboradores sentem. Os comentários abertos explicam por quê.
Uma nota 6 em “comunicação interna” pode significar coisas completamente diferentes dependendo de quem respondeu. Pode ser alguém que não recebe retorno do gestor. Pode ser alguém que fica sabendo de mudanças estratégicas pelo rumor antes de qualquer comunicado oficial. Pode ser alguém insatisfeito com a frequência das reuniões de time.
Sem ler o comentário, você não sabe. E sem saber o porquê, qualquer plano de ação é um chute.
O problema é que a análise qualitativa manual não escala. Uma empresa com 300 colaboradores pode facilmente coletar 400 a 600 comentários abertos em uma única pesquisa. Ler tudo com atenção, categorizar por tema e identificar padrões leva dias. Em organizações maiores, leva semanas.
Resultado: os comentários abertos ficam em segundo plano, ou são analisados de forma superficial. O dado mais rico da pesquisa vira o menos aproveitado.
É exatamente aí que a inteligência artificial entra.
O que a IA faz nesse processo
A IA não substitui a análise humana. Ela faz o trabalho pesado de triagem para que o profissional de RH possa focar no que realmente importa: interpretar, contextualizar e agir.
Em termos práticos, a IA consegue:
- Classificar cada comentário por tema principal (liderança, comunicação, desenvolvimento, remuneração, sobrecarga, cultura e outros)
- Identificar o sentimento de cada resposta (positivo, negativo ou neutro)
- Sinalizar comentários de alta urgência, com base em palavras e padrões associados a risco de saída ou sofrimento no trabalho
- Gerar um resumo consolidado dos principais temas e proporções
O que normalmente levaria dois dias de trabalho manual pode ser concluído em menos de uma hora, com um nível de consistência que a leitura humana dificilmente mantém em volumes grandes.
Os três níveis de análise com IA
Existem diferentes formas de usar IA nesse processo, dependendo das ferramentas disponíveis e do nível técnico da equipe. Abaixo estão três abordagens, do mais simples ao mais estruturado.
Nível 1: Prompt no ChatGPT ou no Claude (sem código, sem ferramentas especiais)
Esta abordagem funciona com qualquer plano pago do ChatGPT (a partir do Plus) ou do Claude (a partir do Pro). Não exige instalação de nada.
Como funciona:
Cole os comentários diretamente na conversa com a IA, junto com o seguinte prompt:
Você é especialista em análise de clima organizacional.
Abaixo estão comentários abertos coletados em uma pesquisa de clima.
Para cada comentário, identifique:
1. Tema principal (escolha um: comunicação, liderança, desenvolvimento, remuneração e benefícios, sobrecarga e bem-estar, processos e ferramentas, reconhecimento, cultura organizacional)
2. Sentimento (positivo, negativo ou neutro/ambíguo)
3. Nível de urgência — com base no impacto potencial sobre engajamento ou retenção (alta, média ou baixa)
Retorne uma tabela com as colunas:
Comentário | Tema | Sentimento | Urgência
Esses são os comentários:
[cole os comentários aqui, um por linha]
Exemplo de comentários fictícios e o que a IA retorna:
Imagine que sua pesquisa coletou os seguintes comentários:
- “A comunicação entre áreas poderia melhorar muito. Às vezes fico sabendo das mudanças pelos corredores.”
- “Meu gestor é excelente, mas a empresa não oferece perspectiva clara de crescimento.”
- “A sobrecarga está insustentável. Ninguém fala abertamente, mas todo mundo sente.”
- “Gosto muito do time. O problema são as ferramentas — ainda trabalhamos com muitos processos manuais.”
- “Não me sinto reconhecido pelo esforço que coloco. O feedback vem tarde e quase sempre só quando algo dá errado.”
- “Os benefícios são bons, mas o salário está defasado em relação ao mercado.”
- “Precisamos de mais treinamentos. A empresa cobra resultado mas não investe no nosso desenvolvimento.”
- “A liderança é inspiradora, mas falta alinhamento entre o que é dito nas reuniões e o que acontece na prática.”
- “Trabalho aqui há três anos e nunca recebi um feedback estruturado. Fico sem saber se estou no caminho certo.”
- “O retorno ao escritório foi mal comunicado. A decisão foi tomada de cima para baixo sem ouvir a equipe.”
- “Tenho orgulho de trabalhar aqui. A cultura é forte e as pessoas se preocupam umas com as outras.”
- “A empresa está crescendo muito rápido e os processos não acompanharam. Gera confusão e retrabalho.”
Retorno esperado:
| Comentário | Tema | Sentimento | Urgência |
|---|---|---|---|
| “A comunicação entre áreas poderia melhorar muito…” | Comunicação | Negativo | Média |
| “Meu gestor é excelente, mas a empresa não oferece perspectiva…” | Desenvolvimento | Ambíguo | Alta |
| “A sobrecarga está insustentável…” | Sobrecarga e bem-estar | Negativo | Alta |
| “Gosto muito do time. O problema são as ferramentas…” | Processos e ferramentas | Ambíguo | Média |
| “Não me sinto reconhecido pelo esforço…” | Reconhecimento | Negativo | Alta |
| “Os benefícios são bons, mas o salário está defasado…” | Remuneração e benefícios | Negativo | Alta |
| “Precisamos de mais treinamentos…” | Desenvolvimento | Negativo | Média |
| “A liderança é inspiradora, mas falta alinhamento…” | Liderança | Ambíguo | Média |
| “Trabalho aqui há três anos e nunca recebi feedback estruturado…” | Reconhecimento | Negativo | Alta |
| “O retorno ao escritório foi mal comunicado…” | Comunicação | Negativo | Alta |
| “Tenho orgulho de trabalhar aqui…” | Cultura organizacional | Positivo | Baixa |
| “A empresa está crescendo muito rápido e os processos não acompanharam…” | Processos e ferramentas | Negativo | Média |
Em segundos, você tem uma tabela que antes levaria horas para montar manualmente. E ela pode ser colada direto em uma planilha para as próximas etapas.
Limitação desta abordagem: o ChatGPT e o Claude têm limite de tokens por conversa. Para volumes muito grandes de comentários (acima de 200 a 300 respostas), é necessário dividir em lotes ou usar uma das abordagens abaixo.
Nível 2: Planilha com IA integrada
Se a sua empresa usa Google Workspace ou Microsoft 365, você provavelmente já tem acesso a IA diretamente dentro da planilha, sem precisar abrir nenhuma outra ferramenta.
No Google Sheets com Gemini:
A fórmula =GEMINI() está disponível para contas do Google Workspace com o add-on do Gemini ativado. Ela permite rodar um prompt em cima de qualquer célula.
Exemplo de uso:
=GEMINI("Classifique o sentimento do seguinte comentário de pesquisa de clima como Positivo, Negativo ou Neutro. Retorne apenas a palavra. Comentário: "&A2)
Para o tema:
=GEMINI("Classifique o tema principal do seguinte comentário de pesquisa de clima. Escolha apenas um entre: comunicação, liderança, desenvolvimento, remuneração, sobrecarga, processos, reconhecimento, cultura. Retorne apenas a palavra. Comentário: "&A2)
Com essas fórmulas nas colunas B e C, você processa centenas de comentários de uma vez, com arraste de célula. O resultado fica na própria planilha, pronto para filtrar e pivotar.
No Excel com Copilot:
O Microsoft 365 Copilot permite interagir com os dados da planilha em linguagem natural. Com os comentários em uma coluna, você pode perguntar diretamente:
"Para cada comentário na coluna A, classifique o tema principal e o sentimento e adicione os resultados nas colunas B e C."
O Copilot interpreta o pedido e executa a tarefa sem necessidade de fórmula.
Nível 3: Python para quem tem apoio de análise de dados
Esta abordagem é a mais escalável e a mais reproduzível. Ela é indicada para equipes que têm acesso a um analista de dados ou a alguém com noções básicas de Python.
O script abaixo usa a API do Claude para analisar os comentários de uma planilha e gerar uma segunda planilha com os resultados.
import anthropic
import pandas as pd
import json
client = anthropic.Anthropic()
def analisar_comentario(comentario: str) -> dict:
prompt = f"""
Analise o comentário abaixo de uma pesquisa de clima organizacional.
Retorne APENAS um JSON válido com os campos:
- tema: uma das opções: comunicação | liderança | desenvolvimento | remuneração | sobrecarga | processos | reconhecimento | cultura
- sentimento: positivo | negativo | neutro
- urgencia: alta | média | baixa
Comentário: "{comentario}"
"""
mensagem = client.messages.create(
model="claude-sonnet-4-6",
max_tokens=200,
messages=[{"role": "user", "content": prompt}]
)
try:
return json.loads(mensagem.content[0].text)
except json.JSONDecodeError:
return {"tema": "indefinido", "sentimento": "indefinido", "urgencia": "indefinida"}
# Lê os comentários de uma planilha
df = pd.read_excel("pesquisa_clima.xlsx")
# Processa cada comentário
resultados = [analisar_comentario(c) for c in df["comentario"]]
df_resultado = pd.DataFrame(resultados)
# Junta com os dados originais e exporta
df_final = pd.concat([df, df_resultado], axis=1)
df_final.to_excel("pesquisa_clima_analisada.xlsx", index=False)
print("Análise concluída.")
O que o script faz:
- Lê uma coluna chamada
comentariode uma planilha Excel - Envia cada comentário para o Claude com um prompt estruturado
- Recebe de volta um JSON com tema, sentimento e urgência
- Salva os resultados em uma nova planilha
Com 500 comentários, o script roda em aproximadamente 5 a 10 minutos, dependendo da velocidade da conexão. O custo de API para esse volume é marginal.
O que a IA não faz — e por que isso é importante entender
A IA é muito boa em classificar e quantificar. Ela não é boa em interpretar contexto organizacional.
Um comentário como “as coisas estão mudando muito por aqui” pode ser positivo (excitamento com crescimento) ou negativo (ansiedade com instabilidade), dependendo de tudo que acontece dentro da empresa naquele momento. A IA vai classificar como “neutro” ou “ambíguo”. E ela está certa em fazer isso.
Outros exemplos de situações que a IA trata com menos precisão:
- Ironia e sarcasmo em português coloquial
- Comentários muito curtos e sem contexto (“poderia ser melhor”)
- Referências a pessoas ou eventos específicos da empresa (“desde que o projeto X começou…”)
- Dois temas distintos em um único comentário longo
Por isso, o fluxo ideal não é “IA substitui a leitura humana”. É “IA faz a triagem, humano faz a interpretação”.
Com a tabela classificada, o profissional de RH consegue:
- Filtrar apenas os comentários de urgência alta e lê-los todos
- Ver a proporção de temas e identificar onde concentrar energia
- Cruzar tema e sentimento para encontrar padrões (“comunicação aparece 40 vezes, 85% negativo”)
A análise humana continua sendo indispensável. Mas ela acontece em horas, não em dias.
Como fica o output final
Com os comentários classificados, você consegue gerar um resumo simples para o relatório de clima. Usando os 12 comentários fictícios do exemplo acima, o resumo ficaria assim:
Resumo da análise qualitativa — Pesquisa de Clima 2025
Total de comentários analisados: 12
Distribuição por tema:
- Reconhecimento: 2 comentários (17%)
- Comunicação: 2 comentários (17%)
- Desenvolvimento: 2 comentários (17%)
- Processos e ferramentas: 2 comentários (17%)
- Sobrecarga e bem-estar: 1 comentário (8%)
- Remuneração e benefícios: 1 comentário (8%)
- Liderança: 1 comentário (8%)
- Cultura organizacional: 1 comentário (8%)
Distribuição por sentimento:
- Negativo: 8 comentários (67%)
- Ambíguo/Neutro: 3 comentários (25%)
- Positivo: 1 comentário (8%)
Comentários de alta urgência: 5 (42%)
Temas predominantes: reconhecimento, sobrecarga, remuneração e desenvolvimento
Destaques qualitativos: A ausência de feedback estruturado aparece em mais de um comentário, sugerindo uma lacuna sistêmica e não apenas casos isolados. Colaboradores reconhecem a qualidade da liderança direta, mas sinalizam desconexão entre discurso e prática. O único comentário positivo destaca cultura e relacionamento interpessoal como pontos fortes.
Esse formato pode ser suficiente para uma apresentação à diretoria. E ele foi gerado a partir de um processo que pode ser replicado a cada ciclo de pesquisa, com qualquer volume de dados.
Próximos passos
Se você quer começar agora, a sequência mais simples é:
- Exporte os comentários abertos da sua última pesquisa para uma planilha
- Copie o prompt do Nível 1 deste artigo
- Cole 50 comentários por vez no ChatGPT ou no Claude
- Consolide os resultados em uma planilha e filtre por urgência alta
Não precisa de código. Não precisa de ferramenta nova. Só precisa de um bom prompt e de 30 minutos.
À medida que o processo amadurece, você pode evoluir para o Nível 2 ou 3, ganhar escala e transformar a análise qualitativa em uma etapa tão estruturada quanto a análise quantitativa.
Os comentários abertos são o dado mais honesto que seus colaboradores entregam. Eles merecem uma análise à altura.
Este é o primeiro artigo de uma série sobre como usar IA para analisar dados qualitativos no RH. No próximo, vamos explorar o mesmo processo aplicado a respostas abertas de feedback 360.