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

Um caderno de encargos 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 equipa de admissões regressa ao formulário de contacto.

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

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

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

| # | Bloco | Critério | Ponderação | |---|---|---|---| | 1 | Funcional | Treino com dados da instituição | 15% | | 2 | Funcional | Suporte multilingue nativo | 12% | | 3 | Funcional | Inscrição automática em dias abertos | 10% | | 4 | Funcional | Analytics e reporting | 8% | | 5 | Técnico | Integração CMS / CRM | 10% | | 6 | Técnico | Prazo de implementação | 8% | | 7 | Técnico | SLA de disponibilidade | 5% | | 8 | Técnico | Desempenho e tempo de resposta | 5% | | 9 | Conformidade | RGPD e alojamento de dados | 10% | | 10 | Conformidade | Regulamento IA (obrigações de transparência) | 5% | | 11 | Suporte | Onboarding e formação | 7% | | 12 | Suporte | SLA de suporte e CSM dedicado | 5% |

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. Treino 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 propinas e 78% sobre estágios. Um chatbot que não conhece os seus valores de propinas 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 (propinas, saídas profissionais, estágios, alojamento, mobilidade internacional, requisitos de admissão, estágios curriculares, acreditação, vida no campus, bolsas) 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 multilingue nativo (12%)

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

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

Armadilha comum. «Tradução automática» não é «multilingue nativo». Um chatbot que traduz a sua resposta em português para inglês produz conteúdo aproximado e perde as particularidades do sistema educativo local (concurso nacional de acesso, CTeSP, Erasmus+, regime pós-laboral).

3. Inscrição automática em dias abertos (10%)

O chatbot deve detetar 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 reporting (8%)

Sem dados, o chatbot é uma caixa negra. 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, candidaturas).

Limiar de aceitação. Dashboard acessível sem conhecimentos técnicos, exportação CSV/API, segmentação por curso/campus/língua e alertas perante 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) e ferramentas de marketing automation.

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 candidaturas ao concurso nacional de acesso ou após o início do ano letivo perdeu a sua janela de valor.

Limiar de aceitação. Menos de 2 semanas da assinatura do contrato até à produção, incluindo treino 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 ao domingo à noite (fonte: 200.000 sessões Skolbot, 2025-2026). Um chatbot que falha aos 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 monitorização e alertas em tempo real.

8. Desempenho e tempo de resposta (5%)

Limiar de aceitação. Tempo de resposta inferior a 5 segundos em 95% dos pedidos. 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 contacto (fonte: auditoria mystery shopping, 80 instituições, 2025).

Bloco de conformidade: o que a lei exige

9. RGPD e alojamento de dados (10%)

Qualquer chatbot que recolha dados de candidatos — incluindo menores de idade — deve cumprir o RGPD (Regulamento 2016/679). Não é opcional; é o enquadramento legal europeu.

Limiar de aceitação. Dados alojados na UE, DPA (Acordo de Tratamento de Dados) assinado, registo de tratamentos acessível, direito ao apagamento operacional em 72 horas e consentimento explícito antes de qualquer recolha. A CNPD (Comissão Nacional de Proteção de Dados) publica orientações específicas sobre IA e proteção de dados.

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

10. Regulamento IA — transparência e obrigações (5%)

O Regulamento Europeu de Inteligência Artificial (AI Act) impõe obrigações de transparência (artigo 52.o): o candidato deve saber que está a interagir com uma IA. Os sistemas de IA na educação são classificados como de alto risco (Anexo III), o que implica requisitos adicionais de documentação e supervisão humana.

Limiar de aceitação. Aviso explícito «Está a conversar 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 formação (7%)

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

Limiar de aceitação. Sessão de formação 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.

Grelha de avaliação: o template pronto a usar

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

| Critério | Pond. | Solução A | Solução B | Solução C | |---|---|---|---|---| | 1. Treino dados instituição | 15% | _/5 × 0,15 = _ | _/5 × 0,15 = _ | _/5 × 0,15 = _ | | 2. Multilingue nativo | 12% | _/5 × 0,12 = _ | _/5 × 0,12 = _ | _/5 × 0,12 = _ | | 3. Inscrição dia aberto | 10% | _/5 × 0,10 = _ | _/5 × 0,10 = _ | _/5 × 0,10 = _ | | 4. Analytics | 8% | _/5 × 0,08 = _ | _/5 × 0,08 = _ | _/5 × 0,08 = _ | | 5. Integração CMS/CRM | 10% | _/5 × 0,10 = _ | _/5 × 0,10 = _ | _/5 × 0,10 = _ | | 6. Prazo implementação | 8% | _/5 × 0,08 = _ | _/5 × 0,08 = _ | _/5 × 0,08 = _ | | 7. SLA disponibilidade | 5% | _/5 × 0,05 = _ | _/5 × 0,05 = _ | _/5 × 0,05 = _ | | 8. Tempo de resposta | 5% | _/5 × 0,05 = _ | _/5 × 0,05 = _ | _/5 × 0,05 = _ | | 9. RGPD | 10% | _/5 × 0,10 = _ | _/5 × 0,10 = _ | _/5 × 0,10 = _ | | 10. Regulamento IA | 5% | _/5 × 0,05 = _ | _/5 × 0,05 = _ | _/5 × 0,05 = _ | | 11. Onboarding | 7% | _/5 × 0,07 = _ | _/5 × 0,07 = _ | _/5 × 0,07 = _ | | 12. Suporte / CSM | 5% | /5 × 0,05 = _ | /5 × 0,05 = _ | /5 × 0,05 = _ | | TOTAL | 100% | **/5** | **/5** | **/5** |

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 europeia de ensino superior.

Para um comparativo detalhado das soluções do mercado, consulte o nosso comparativo de chatbots IA para o ensino superior. Para compreender por que razão o chatbot supera o formulário de contacto, leia a nossa análise chatbot vs formulário.

FAQ

Quem deve redigir o caderno de encargos na instituição?

O caderno de encargos deve ser co-elaborado por três partes: a direção de admissões (que define as necessidades funcionais), a informática (que valida os requisitos técnicos e de integração) e o EPD ou o serviço jurídico (que garante a conformidade com o RGPD e o Regulamento IA). Um comité de pilotagem de 3 a 5 pessoas é suficiente. Envolver demasiadas partes interessadas prolonga o processo sem melhorar a qualidade do documento.

Quanto tempo demora a redigir um caderno de encargos?

Com esta grelha 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 comité e depois detalhe os limiares de aceitação.

O caderno de encargos deve incluir um orçamento?

Sim, indique um intervalo orçamental. Isto filtra soluções fora do âmbito e evita perder tempo em demonstrações com fornecedores cinco vezes acima do orçamento. Para um chatbot IA especializado em educação, o intervalo situa-se entre 200 e 800 EUR/mês em regime forfetário por instituição. As soluções B2B genéricas começam em 2.500 USD/mês.

O caderno de encargos deve mencionar o Regulamento IA?

Sim, explicitamente. Desde a entrada em vigor progressiva do Regulamento Europeu de IA, os sistemas de IA na educação são classificados como de alto risco. O caderno de encargos deve exigir conformidade com o artigo 52.o (transparência) e verificar a classificação do sistema proposto. A DGES (Direção-Geral do Ensino Superior) e a A3ES fornecem orientação sobre a utilização de IA no ensino superior português.

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.